真正在做 AI 的人今天說了什麼。一頁讀完，約 6 分鐘。
今天有兩場關於天花板在哪的重要爭論。Jerry Tworek 和 Rohan Anil 認為瓶頸就是 transformer 本身，它一旦離開實驗室就再也學不動了；而 Aaron Levie 覺得天花板在於可驗證性，最難的活反而最先被自動化，恰恰因為它們能被測出對錯。與此同時，Vercel 把一個內部 agent 放到了自家運營的中樞位置，還有一位投資人說，當前的融資市場跟基本面已經徹底脫鉤，而且至少還得再脫鉤一年。
Core Automation 創始人：瓶頸是 transformer，不是算力
Jerry Tworek 在 OpenAI 把 RL 規模化的時候，一直相信這條路能走通，他說 2025 本該是萬事皆解的一年。結果 benchmark 一路往上漲，真實世界的任務卻依舊一團亂麻，因為 eval 和訓練資料本來就是一體兩面，而兩者都跟真實部署對不上。他的結論是模型必須能在 test time 學習，而這恰恰是 transformer 結構上做不到的事，所以 Core Automation 正在找一種替代架構，並把 AGI 定義為無需人類介入就能自我改進的模型。用他的話說，現在人類加 LLM 的混合體確實非常成功，但去掉人類的 LLM，就沒那麼行了。Rohan Anil 補了一堵很實際的牆：他們辦過一場 QR kernel 競賽，要把 cuSolver 打贏 60 倍，大概需要地球上僅有的三個人，再加十萬美元的 coding agent 算力，花上四周，而沒有任何前沿模型能接近解出這道題。
Vercel 現在把內部運營全都跑在一個自研 agent 上
Guillermo Rauch 說，Vercel 現在每天的日常工作都要經過一個叫 @v 的內部 agent，日互動量和 token 消耗都在指數級增長，能力範圍橫跨財務、公關、文件、市場、工程和資料分析。它為每個使用者保留獨立的 memory、workflow 和日程安排，也是 Eve 設計的基礎。真正有意思的是路由這一層：Vercel 之前建過幾十個各自獨立的 agent，他把那種做法比作給每個 agent 都配一個自己的域名，於是 @v 乾脆同時當 agent 和 router，底下掛 sub-agent、skill 和委派機制。至於為什麼不直接接一個第三方的 Slack 整合了事，他的理由是所有權，因為如果 agent 最終等同於現代公司本身，你會希望從原始碼到執行時到資料再到 token 都攥在自己手裡。
最難的工作最先被自動化，因為它最容易驗證
Aaron Levie 的說法是，數學、網路安全和寫程式碼之所以早早被自動化，不是儘管它們難，而是因為對錯可以客觀測出來，這讓訓練拿到了更清晰的 reward signal，也讓你能在規模上確認部署確實有效。而法律條款、市場活動、銷售話術、預算制定，這些事沒有唯一正解，取決於操盤者的風險偏好，而且往往要等模型出完結果很久之後才評得出好壞。這個推論跟純粹的模型規模化路線正好相反：哪怕能力還在指數級增長，大部分價值仍然會在應用層被創造出來，而底層的業務流程本身也必須跟著改。他覺得我們可能需要一整套全新的方式去測量知識工作，就像軟體行業早就有的那樣。
Dan Shipper 拆解「主體性斷裂」的三個階段
看著模型獨自完成一件過去每一步都離不開你的事，感覺近乎一種死亡，因為我們把自己等同於自己的產出，而這事兒沒人徵求過我們同意。Shipper 說這種反應會沿著一條可預測的弧線走：一開始你眼裡只有 AI，於是你說「AI 解決了那道 Erdos 問題」；接著你注意到背後的人類腳手架，於是你說「我的工作就是給 Claude 當保姆」；最後你圍繞腳手架本身重建了主體性，因為它現在看上去才是真正的活兒，於是你又開始說「這是我做的」，AI 只是不言自明的一部分。他押注的是，把這些斷裂消化成玩心和好奇心的能力，決定了誰能在 AI 經濟裡活得好，而每一次能力躍遷都會給此前尚未被波及的人群，比如數學家，製造出新的斷裂。
「VC 已經基本徹底變成了 vibes capital」
Nikunj Kothari 說，早期和中期的定價現在跟基本面完全脫鉤，有些公司什麼都沒有卻融到了離譜的輪次，而看上去板上釘釘的專案反倒舉步維艱。決定結局的是你在不在當紅賽道上，而且他認為大多數人期待的那種回撥不會來，充裕的 dry powder 加上 AI 的順風，至少還能把這局面延長 12 到 18 個月。公開市場燒的是同一種燃料，萬億美元市值的股票會因為 vibes 和模型釋出單日波動超過 5%，最近的儲存和 KOSPI 就是例子，而且輪動的節奏越來越快。他的建議是，盈利能力和乾淨的 cap table 最終還是會贏，但創始人在碰資本市場之前，得先搞明白眼下這個漩渦是怎麼回事。
Amjad Masad 的 LLM 象棋引擎已在 Lichess 上線，等級分 1253
這個引擎現在會自主對局，對手既有真人也有 bot，同時開三盤，棋局可以在網站上實時觀看。目前等級分停在 1253。
Hermes 怎麼防止自建的 skill 變成一堆垃圾
Hermes 會自己造 skill 來幹活，那問題就來了：靠什麼阻止這個庫慢慢腐爛。Nous Research 聯合創始人 karan4d 告訴 Peter Yang，答案是 Hermes Curator，一個按計劃在你的 agent 內部跑的後臺任務，一邊清理 skill 和 memory，一邊不斷追問哪裡是垃圾、哪裡還能更高效。因為它是開源的，你可以把自己對「垃圾」的定義交給它，它會照著重寫自己的清理迴圈。
一個 computer-use agent 跑去打客服，還把理吵贏了
Swyx 正在為一期相關播客收集 Codex 的 computer-use 高光時刻，目前最亮眼的一個是 agent 代他去客服聊天視窗，一路把問題升級以求更快解決。客服想把鍋甩到他這邊，結果 agent 把證據一條不落地全甩了回去。他補了一句：那些人類完全不知道自己在跟一個 bot 說話。
Garry Tan：結果才是疆域，其餘都只是地圖
Tan 談精英主義的觀點是，人們總把地圖錯當成疆域，而在市場裡，疆域無非就是你有沒有做出別人真正想要的東西。除此之外，他把 AI 驅動的經濟增長稱為眼下最好的一顆白色藥丸，並且注意到，公眾的驚奇感恰恰在驚奇的量開始垂直上升的那一刻消失了。
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。