AI构建者摘要

OpenAI 点名三个偷跑用量的 Codex bug，付费用量全部重置

Codex 在三个地方悄悄吃掉了用量：长会话里经过多次 compaction 的图片、Computer History 偏高的 p95 用量，还有一个开销超出预期的会话标题生成器。修复明天上线，同时给每个付费订阅做一次完整的用量重置。另有一项与此无关的效率优化排在下周。

• #products
• #agents

Kevin Scott：瓶颈已经是能力过剩，不是 scaling

模型的推理能力跑在了产品实际交付的前面，把这段差距补上才是当下行业真正要干的活。他给的解法是一个带开放协议的 agentic web，做 HTTP 和 HTML 当年为互联网做的事，MCP 和 NL web 是第一批看得见的苗头，再加上 agent 身份和授权体系，让 agent 能精确申请一项任务所需的权限。交互方式也会随之改变：从同步 prompting，转向 agent 自己跑开、发一大堆调用、过很久再回来。至于 agentic coding 会毁掉手艺的说法，他回应说："如果你看重过程胜过结果，那有时候你的选择就会和那些看重结果胜过过程的人不一样。"

• #agents
• #open-source
• #products

真正的 eval 市场是一家公司的工作流，不是模型排行榜

公开的模型 eval 只能告诉你通用能力进展到哪一步、模型之间怎么排序。真正大得多的空间，是针对企业自己跑的那些具体工作流做 eval，细到单个公司的种种怪癖。你没法自动化一件无法衡量进展的事，企业也不会凭感觉就上生产。

• #evals
• #agents

在 eval 上爬坡：挑一个真正要紧的维度，往死里磨

这个 eval 系列的第六篇认为，所有工作最终都归结为两件事：做更好的 harness，以及通过 prompt engineering、context engineering、memory、post training 和普通的确定性代码来做模型选型。失败模式分类会告诉你该往哪儿使劲：如果 tool calling 是头号失败项，那多半是你往 context 里塞了 20 个工具，而任务只需要 3 到 5 个。成本上的建议是先用最好的模型上线，把质量做上去，等确认用户真的喜欢，再往更小更便宜的模型上爬坡，把同样的质量磨出来。

• #evals
• #agents

AI 给个人 10 倍，同一个人放进大公司只剩 20%

AI 赋予个体的杠杆，进了大组织基本就蒸发了：同样一个能力很强的人，在里面最多提升 20%，有时候还是负的。这种不对称正是越来越多强者离开大公司的原因，OpenAI、Anthropic 这类顶级实验室大概是少数例外。另有一句值得贴在墙上：所有真正跑在 AI 前面的人，都觉得自己落后了。

• #agents
• #products

让 coding agent 帮你查一遍还有哪些应用握着你的 Google 数据

在 Chrome 里打开 Google 的授权连接页面，把 Codex 或 Claude Code 指向这个打开的标签页，再让它去撤销那些你已经不想要的授权。这么跑一遍，砍掉了大约一半仍持有访问权限的应用。另外，Instinct 团队在舆论压力之后上线了外部数据删除功能，Data Privacy 那一栏里的 36 条 Gmail 记录总算能删掉了。

• #products
• #policy

先激怒投资人再发 SAFE 文件，这不叫融资策略

一条本来就不该发出去的陌生私信闹成了公共事件，给年轻创始人的结论很直白：先挑衅投资人、再让人家打钱，不是投资运作的方式。把发信人挂出来并不是恰当的回应，但真正要紧的是你选择听谁的建议。有真本事的聪明人，一次次栽在这类游戏上。

• #funding