真正在做 AI 的人今天说了什么。一页读完，约 7 分钟。
Gemini 4 Argon 今天发布，OpenAI 则花了一整天消化自家 Dev Day 的后劲：据说 GPT-6.1 Sol 是它历来需求最高的模型，而 Sam Altman 为新的「dots」给出的最实在的说法是，它们把早晨还给了他。在模型新闻底下，builders 们绕的其实是同一个不怎么光鲜的问题：把这些东西真正接进公司、接进凭证体系、接进空管系统、接进企业工作流，这活儿谁来干。
Altman 给 dots 的最佳理由：他不再天一亮就去翻手机
Sam Altman 谈 OpenAI 新推出的 dots，给出的具体说法是关于时间安排的，不是关于能力的：他现在信得过自己的 dot 去判断夜里升上来的事情哪些真的需要他处理，这让他把当初因为要管公司而丢掉的清晨深度工作时段拿回来了。有个例子很有代表性：他用 Codex 找一样东西，花了 20 分钟没找到就放弃了，他的 dot 整夜继续干，琢磨出那东西是截图而不是文字，于是去扫图片，最后找到了。他把一天发 22 个东西形容为押注一场文艺复兴，而不是工业革命，因为「我们并不太在意机器做什么。某种意义上我们从来都不在意」。他所有的 prompt 都跑在 Ultrafast 上，并且说真正改变了他迭代思考节奏的是速度，不是智能；大约 8 倍的速度会以合理的价格到来，而速度的平民化现在拿到的投入已经和 IQ 的平民化一样多。
GPT-6.1 Sol 是 OpenAI 历来需求最高的模型，也被流量压垮了
GPT-6.1 Sol 是 OpenAI 发布过的请求量最高的模型，API 和订阅两边都是，需求超出了 ChatGPT 和 Codex 的容量。现在更多容量已经上线，服务速度应该接近前一天的两倍。另外，你现在可以直接通过 ChatGPT 构建和部署 MCP server，访问权限可以限定给特定的人，也可以对所有人开放。
Rauch：token 聚合数据大多是促销和虚假 ZDR 声明造出来的噪音
Guillermo Rauch 认为，目前公开的那些全球 AI token 流向图大多被两样东西污染了：一是那些拿你的数据训练的厂商发的促销 token，二是只是口头声称零数据保留的厂商。他主张 Vercel AI Gateway 的数据集才值得信：规模化的真实付费用量，40 万以上付费客户，数千家企业，零加价，而且每周都在拒绝那些 ZDR 说法可疑的公司送上门的「免费 token」。他还明确否掉了「谁家接的厂商多」这种记分板：「大多数厂商都很烂。你要的是最好的厂商。」关于 Connect，他的说法是：把静态凭证发给每一个 agent，既是 DX 的灾难也是责任风险，而这正是它要干掉的问题。
Levie：最大的空白机会是做 AI 的部署层
Aaron Levie 押的是：改造企业工作流的工作量远远超过任何人愿意承认的程度，而这个落差本身就是一门生意。他列的清单很长：把遗留系统搬上云，组织和打通数据访问，把软件接到 agent 上，为 agent 重做工作流，想清楚 human in the loop 怎么做，生成并维护 evals，然后随着新模型不断落地持续更新这一整套。他解释这为什么不是软件部署：软件时代你实施的是一个定义清晰的品类，装完就可以退出来，而现在用 agent，「你部署的是一个流程里的工作产出」，这是完全不同的赋能问题。他预计会出现按行业、公司规模和问题类型划分的新公司，传统 SI 的适应程度会参差不齐，并且说现在当一个 FDE 正是好时候。
空管还在用纸质航图，Duffy 说解法是「笨 AI」
Garry Tan 讲他和交通部长 Sean Duffy 的那场对话，是今天最具体的一则 AI 落地故事。在指挥中心，管制员盯着六块屏幕，头顶上方挂着一张纸质飞行图，天气和航路判断全靠手工：四架飞机挤向同一条跑道，而如果提前两小时看到并调一下速度，每一架都能干净落地。他举的调度例子很直白，一个机场 15 分钟窗口内能接 15 架飞机，航空公司排进来 32 架，他现在把数据交给航司，请他们错开。用的工具是 Air Space Intelligence 的 SMART，他说这家公司在竞标中赢过了最大的那几家，而它预测一次原定 2.5 小时的地面停飞其实只需要 45 分钟。对于批评他把空管交给 AI 的人，Duffy 的回答是：「这是笨 AI，不是聪明 AI」，每一个决定仍然由管制员来做。Tan 的观点是，这些都不需要什么突破，只需要用软件的意愿。
Gemini 4 很强，但 Google 在 harness 和个人 agent 上仍然落后
Peter Yang 对 Gemini 4 的判断是：模型本身交付了，剩下的差距全在围着它的那一圈东西上，Google 得在自家的编程 harness Antigravity 上、以及个人 agent Spark 上变得有竞争力。这个框架很切合当下这一轮：模型只是入场券，真正决定有没有人换过来的，是你用它的那层界面。
Swyx：Flow 就是硬件工程的 Git 加 GitHub
Swyx 给 Flow 的类比是：它对硬件工程做的事，就是当年 Git 加 GitHub 对软件做的事，把从汽车到火箭这些复杂、不可逆、高价值流水线上的数千个相关方对齐起来。他判断一个工具有没有真正站住的标准是：「用过 Flow 之后，你回不去 spreadsheet_final_FINAL_v23 了。」他声明自己首先是朋友，其次才是小额投资人。
Thariq 谈 AI 做游戏原型卡在哪：操作、打磨和人
Thariq 很坦白地说了他那个平台跳跃原型的天花板：画面和手感还不够好，没法真的拿来玩；他想让角色有一个大跳，试了两三种操作方案，没有一种对味。他估计要做出真正像样的版本，角色设计得过 3 到 4 轮，游戏里要有 8 到 10 个角色，最好由 2 到 3 人的小团队来做，因为动画和设计上的专业能力会让它好得多。有意思的地方在于，多生成几次并没有解决掉的那部分：品味和手感。
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。