真正在做 AI 的人今天说了什么。一页读完，约 6 分钟。
Anthropic 把 Cowork 收回了 Claude 里，同时上线 Docs 和 Slides；OpenAI 的 Codex 则挂得够狠，所有付费用户的使用额度都要重置。更值得琢磨的讨论落在「怎么度量」上：Aaron Levie 认为 evals 才是企业采用 AI 的真正关卡，而 Anthropic 自己的团队也发了研究，说明为什么把 effort 一路拉到 max 是个错误的默认选项。Sam Altman 还更新了 agent 联网权限调查的进展，仍然把 Hugging Face 列为迄今最严重的一次事件。
Cowork 并入 Claude，Docs 和 Slides 同步进 beta
Claude Cowork 和聊天要合成一个产品，未来几周先向 Pro 和 Max 推送，Team 和 Free 随后跟上。Claude Docs 和 Claude Slides 同时上线，Claude Design 也不再只能单独用，任何一段对话里都能调起来。官方给的理由很直白：大家本来两边都在用，最恼人的地方是得先判断一个任务该放在哪边，而且两边的东西互不相通。你可以把一份报告丢给它，然后合上笔记本，用手机看进度，设定每周一自动重跑一次，最后导出成 PowerPoint 或 PDF。默认情况下 Claude 动手之前会先问你一句，你也可以改成让它一路做下去。
把 effort 拉满不该是默认选项，evals 就是证据
Thariq 翻了一遍 evals，又自己跑了一批测试，看 reasoning effort 到底起什么作用，结果让他挺意外。他自己的分法很实用：想全程盯着、随时插话，就用 low effort；只有在完全不想介入，或者在找安全漏洞的时候，才基本会上 max。文章里带了 benchmark 的交互式讲解和 demo，发在 Anthropic 新的开发者站上。
新的采购门槛，是你对 agent 好不好用
Rauch 的预测是：长尾那部分 SaaS 应用以后不会再有人买，而是被生成出来，并且会更安全、性能更好，还能按公司、按员工各自定制。企业 SaaS 厂商最近突然都在做 CLI 和 MCP，或者把搁置多年的 API 重新捡起来，原因就在这里：这些生成出来的应用，只有灌进业务数据才跑得起来。于是买方将来要评估的，是 agent 能多顺畅地走通你的本体、用上你的数据，而不是 UI 对人有多友好。Vercel 已经在和 Klaviyo 这类组织一起做这件事：把所有 agent 接进来，SSO 走 Okta 或 Entra，然后每个人都能安全地自己搭东西。
先买下在位者，再把它重做一遍：一家银行的放款周期从 30 天压到 11 天
核心判断是 AI 对经济的冲击并不均匀，有一类行业里，在位者靠品牌、规模、网络效应或者监管，把所有优势都攥在手里。直接买下一家、继承这些优势，比以创业公司的身份去攻它要划算得多。他们不看好现在多数企业的 AI 做法：无非是给流水线上每个人发一台小机器，让活干得快一点；而真正 24 小时不停、靠电力就能扩张的机器，本该逼着公司自己重组。为什么必须拿到所有权：CEO 一个人招不到做这件事的工程师；服务商在结构上就被激励去做增量改良，因为他们优化的是自己在你钱包里的份额；软件厂商则只能把东西卖进你今天已有的流程里。在 BankSouth，消费贷的平均审核时间自 3 月以来下降了 94%，单笔贷款端到端从 30 天缩到 11 天，而审核团队的人反而更少了，这让银行吃下了二季度翻倍的贷款量，换以前这些单子是要往外推的。银行受严格监管这件事反倒成了优势：规则定义清楚、数据卫生干净，恰恰是 agent 需要的。至于文化上什么才真正管用：「如果你相信 alpha 来自工程和 AI，那你就得建一种文化，让被推崇的那个角色是工程师。」这家机构的节奏是一年做一笔，刚刚宣布以 77 亿美元把保险经纪 Baldwin 私有化，背后有 Dell 家族办公室支持。
Slack 里的 Claude，写掉了一位 Anthropic 工程师一半以上的 PR
Cherny 说 Tag 每天写掉他 50% 以上的 PR，数据分析基本 100% 交给它，产品反馈和 bug 也大多由它修。它跟普通 Slack bot 的区别在于：会主动做事、可编程、有记忆、能接到你的各种 connector，而且跑在 Opus 5.5 和 Fable 5.1 上之后判断力很强。他实际用的 prompt 能看出跨度：把某个频道里的每个 bug 端到端复现一遍，然后开 PR 并 @ 上对的 reviewer；或者针对一批反常的数据想出 100 个假设，用一条 workflow 逐个验证，花掉 1000 万 token，最后把图画出来。
为撤回一个 sqlite 决定，开了 575 个 PR
Steinberger 说把 OpenClaw 迁到 sqlite 时最大的设计失误，是用了同步的数据库访问。当年只有一个 agent 在 Slack 或 iMessage 上跟你汇报，这样没问题；但等到一个 agent 同时跑 50 个并行会话、一整个团队都在上面干活，它就顶到天花板了。改成异步 worker 的迁移，目前在一个 Astra goal 下已经合掉 575 个 PR，边推进边增量上线。他的结论是：现在就连超大规模的重构也不再可怕了。
Codex 故障收尾：所有付费用户的使用额度重置
Codex 挂了，作为补偿，OpenAI 把所有付费用户在 Codex 和 ChatGPT work 上的使用额度全部重置。Sottiaux 确认服务已经恢复，并为这次中断致歉。他还提到，他们手里专门备着一个 Codex，就是为这种时刻准备的。
同一条日本行程，Muse 报价比 Grok 高出 1000 美元
Yang 拿同一条日本机票行程，分别在 Grok 的 bot 和 Muse 上问了一遍。Muse 给的价高出 1000 多美元，问它为什么，它说自己查的是 Duffel 而不是 Google Flights。他的评价是：UI 和吉祥物都做得极好，但底层模型到底有多聪明很值得怀疑；不过对一个要服务十亿人的产品来说，他觉得这种取舍是说得通的。
源数据来自 zarazhangrui 的开源项目 follow-builders，以 MIT 许可发布。摘要由 LLM 基于该项目的公开 feed 生成，摘要 prompt 亦改编自该项目。上面每一条都链接到原始出处。
摘要由程序自动生成。据此做判断前请先看原文。