真正在做 AI 的人今天說了什麼。一頁讀完，約 4 分鐘。
今天最熱的話題是 multi-model routing：讓一個 frontier model 負責規劃、再把具體活兒分給更便宜的模型，如今已經成了壓低 agent 成本的核心套路，而 token 經濟學則是從 Box 到 Booking 每個人都在琢磨的問題。另一條主線是護城河，或者說護城河的缺失，兩位 CEO 都認為，真正持久的優勢來自洞察力和不停歇的構建，而非規模或資本。此外還聊到了刷榜，以及如何圍繞 coding agent 重塑公司和招聘。
Frontier model 做規劃、廉價主力模型幹活，agent 成本直降 15 倍
Multi-model 的 agentic 系統正在成為複雜 agent 的核心設計正規化。援引 Cursor 的最新研究，frontier model 負責真正需要智慧的那部分：最初的任務拆解、設計決策，以及某些權衡取捨，然後把其中的不確定性收斂成明確的指令，交給更便宜的主力模型照做即可，這樣總的 token 成本直接降到原來的十五分之一。差異化會發生在應用層：既懂某個領域、又能在不同檔位模型之間做 routing 的公司，會拿下更大規模的程式設計、金融、法律和醫療工作負載，而這些負載過去因為太貴而根本沒法落地。
Booking CEO：根本不存在所謂的護城河
Glenn Fogel 加入 Priceline 時，公司只值幾億美元，後來他幫著把它做到了超過 1300 億美元。他堅信，持久的優勢只能來自不斷構建新的服務，而絕不是來自某條創新無法侵蝕的護城河。Priceline 的 agentic 助手 Penny 每個月的使用量都翻一番，既提升了轉化率、又降低了取消率，不過相對於每年 1860 億美元的旅行大盤，它仍然微不足道；眼下懸而未決的問題是 token 經濟學，以及該把哪個模型 route 到哪裡。談到 AI 與就業，他很直白：社會總能適應，但真正讓他擔心的，與其說是技術本身，不如說是變化的速度，還有那個已經 50 歲、沒法再去重新培訓的卡車司機。
通往 AGI 的路，是由一個個有經濟價值的任務鋪成的
企業 AI 是最重要的前沿之一，因為有經濟價值的任務都在那裡，而這些任務才是通往 AGI 的真正路徑。如今真正要緊的 tokenomics 之爭，跟加密貨幣無關，而是 open weights 與 closed weights 之爭、inference 成本，以及 model routing。對於有產品 sense 的人來說，現在是前所未有的最好時代。
各大實驗室如何靠訓練“模擬測試集”悄悄刷榜
Alex Zhang 和 Omar Khattab 在那篇 RLM 論文裡藏了一段軌跡對比的分析，戳中了 frontier 訓練的一個公開的秘密：哪怕你不在測試集上訓練，也可以拿“高度相似”的資料來訓練，從而幾乎能把任何一個 benchmark 分數湊到目標值；而且由於 open-weight 釋出時很少會把能揭穿這件事的資料集或 RL 環境一併放出，所以還能矢口否認。他們給出的初步辦法，是把標準的 NLP 距離度量用到那些隱藏的軌跡上。這事沒有終極解法，但這番探索同時也印證了另一個發現：reasoning language model 能夠泛化到那些它沒見過、卻和訓練中所見共享潛在結構的任務上。
如今的公司只分兩種：在 coding agent 之前建的，和之後建的
在 coding agent 出現之後才創立的公司，從第一天起結構就不一樣：團隊不到十個人，因為他們是真的不需要更多；工作按專案而不是按部門來組織，每個人自己閉環，幾乎沒有內部會議。而所有在這之前建起來的公司，都在手忙腳亂地改造自己。與之匹配的是她設計的招聘流程：先來一輪線下面試，全程禁用 AI，用來考察最原始的領域專業能力；然後給一個不借助 AI 根本做不完的專案，對候選人的評判既看結果，也同樣看重那份 agent 對話記錄。
用另一個帶評分標準的 agent，去檢查第一個 agent 的活兒
對於那種主觀的產出，比如一條短影片到底好不好，別讓模型給自己打分。Thariq 解釋說，你應該單獨跑一個 verification agent，讓它讀一份評分標準（rubric）、審閱產出、再給出反饋，原因在於自我偏好偏差：當模型偏愛自己的產出時，檢查起來就會手下留情。Yang 還認為，封禁中國的 open model，會和封禁中國電動車一樣，屬於搬起石頭砸自己的腳。
來源資料出自 zarazhangrui 的開源專案 follow-builders，以 MIT 授權釋出。摘要由 LLM 依該專案的公開 feed 生成，摘要 prompt 亦改編自該專案。上面每一則都連結到原始出處。
摘要由程式自動生成。據此判斷前請先看原文。