真正在做 AI 的人今天說了什麼。一頁讀完，約 4 分鐘。
今天最犀利的一條觀點跟定價有關：token 並不是一個標準單位，所以「每百萬 token 多少美元」這個說法，悄悄掩蓋了到底哪個模型更貴。另外還有兩條：一是認為 scaling laws 只是經驗層面的巧合，而非物理定律；二是判斷下一款爆款消費級 AI 產品，靠的是多人社交玩法，而不是模型本身有多強。
按 token 計價，根本沒法拿來橫向比較模型
兩個披薩，一個切 8 塊每塊 2 美元，一個切 16 塊每塊 1.25 美元：看著便宜的那塊，整個披薩算下來反而更貴。tokenizer 也是一個道理。在一次涵蓋英文、技術文字、多語種和數字內容的對比中，同樣的文字，GPT-5.6 Sol 的 tokenizer 用了 766 個 token，Claude Opus 5 估算下來是 1170 個，差了大約 34.5%。真正該看的指標是「每次成功產出花了多少錢」，這意味著 benchmark 只是起點，你自己的實際場景才是真正的考卷。
下一個消費級 AI 贏家會是多人玩法，而不是更強的模型
隨著底層技術成熟，消費級平臺會沿著一根滑桿移動：從技術極深的創始人，滑向產品天才。Google 大概 95% 是後端的魔法，Facebook 沒那麼重，到了 Pinterest、Snap 和 Instagram，CEO 乾脆就不是技術出身。AI 現在還停在 Google 那一端，ChatGPT 本質上就是個文字框，Character AI 的產品其實就是模型本身。Custom GPTs 是最好的破綻：「一看就是一個能力強得離譜、但完全不懂社交的團隊做出來的東西。」你根本看不到某個 GPT 背後掛著什麼 prompt 或什麼文件，於是既沒有信任，也沒有那套追求身份認同的迴圈，而那恰恰是社群能跑起來的關鍵。真正沒有答案的問題是：巨頭的引力，尤其是記憶和使用習慣這兩塊，會不會強到讓任何新的社交層都撬不動重度使用者。
shadcn 才是大家當初想從 React 那裡得到的東西
React 是規格說明，是對積木幾何形狀的描述，而不是樂高積木本身。shadcn 才是大家真正想要的那部分：可複用、高質量、能調。它的形態在 AI 時代格外重要，因為它是一個偽庫，程式碼存在的意義就是被拽進 context window 裡重新捏一遍，而不是 import 進來就不動了。
Grok Bot 唯一能拉開差距的資料來源，它自己連不上
X 是 Grok Bot 能拿到的、差異化最強的單一資料來源，而這個 connector 就是不工作；從雲端電腦登入 X 也失敗。另外單獨提一句，認同 Dario 的立場：用 AI 攻克疾病，再加上加快醫療突破的監管審批，帶來的收益可能是其他所有事情加起來的 10 倍。即將上線的一期節目裡，Riley Brown 演示了用 Codex 把某個細分領域裡 100 張表現最好的封面圖拉進 Paper 畫布，再拿自己的照片重新混搭。
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。