真正在做 AI 的人今天說了什麼。一頁讀完，約 7 分鐘。
Anthropic 今天花了一整天做自我交代：一份事後覆盤點名了三處各自獨立的改動，正是它們造成了 Claude Code 長達一個月的抱怨，同時給所有訂閱使用者重置了用量額度。OpenAI 也回應了自家關於 Codex 額度的類似質疑，把矛頭指向把訂閱轉賣成 API 的中間商，而不是什麼悄悄改過的政策。在這兩件事底下，面向企業的 agent 敘事正在變硬：sandbox 和 MCP server 現在都能跑在客戶自己的邊界之內。
Anthropic 把一個月的 Claude Code 抱怨追溯到三處獨立改動
三處互不相關的改動疊在一起，看上去就像一次全面的質量下滑。3 月 4 日，預設 reasoning effort 從 high 降到了 medium；3 月 26 日的一次快取最佳化本意是清掉舊的 thinking 內容，結果變成整個會話裡每一輪都清一次，Claude 因此變得健忘，還在快取未命中上白白燒掉用量額度；4 月 16 日加進 system prompt 的一行把回覆限制在 100 詞以內，讓 Opus 4.6 和 4.7 的 eval 成績掉了 3%。API 自始至終沒有受影響，三處問題在 v2.1.116 中全部修復，所有訂閱使用者的用量額度正在重置。接下來的做法是：每一次 system prompt 改動都要跑分模型的 eval 套件，逐行做消融實驗，凡是可能拿智慧水平做交換的改動都要先經過一段浸泡期。
OpenAI：Codex 額度沒有變，是 sub2api 轉賣觸發了風控
OpenAI 調查了關於 Codex 用量額度表現異常的反饋，並表示自己不會在沒有先跟社群溝通的情況下改動額度。它查到的是另一回事：不少受影響的使用者在跑 sub2api，把訂閱額度轉成 API 流量再轉售或分給大量使用者使用，這會被反欺詐系統標記。透過官方客戶端，或者 Pi、OpenCode 這類開源客戶端用 ChatGPT 賬號登入，都沒有問題。今天同時上線的還有：ChatGPT 和 API 裡 GPT-Image-2 的透明影象輸出，以及可以和別人一起搭建、能分享出去的 ChatGPT Sites。
Claude Managed Agents 現在可以在你自己的邊界內執行工具
自託管 sandbox 進入公測：負責編排、上下文管理和錯誤恢復的 agent 迴圈仍然留在 Anthropic 的基礎設施上，而工具執行搬到了你自己掌控的基礎設施，或者 Cloudflare、Daytona、Modal、Vercel 上。程式碼、敏感檔案和程式碼倉庫始終不出你的網路，執行時映象和資源規格也由你自己定，這一點對耗時長的構建或影象生成很關鍵。還在 research preview 階段的 MCP tunnel，讓 agent 透過單條向外的閘道器連線去訪問內部資料庫、私有 API 和工單系統，不需要任何入站防火牆規則，也不用暴露公網端點。Amplitude、Clay 和 Rogo 已經在上面開發了。
把 agent 的大腦和手分開，p50 首 token 時間降了 60%
Managed Agents 最早把 session、harness 和 sandbox 塞在同一個容器裡，這就讓容器變成了一隻換不掉的寵物：它一死，會話跟著死，而除錯意味著要登進一臺同時還存著使用者資料的機器。解法是拆成三個可以各自獨立失敗的介面，會話日誌放在 harness 之外，於是 harness 崩了之後可以用 wake(sessionId) 重啟，從最後一個事件接著往下走。容器現在只在真正需要時由一次工具呼叫來建立，所以那些從頭到尾沒碰過 sandbox 的會話不用再為啟動成本買單：p50 TTFT 降了大約 60%，p95 降了超過 90%。安全上的收益是，憑據在跑 Claude 生成程式碼的那個 sandbox 里根本夠不著，prompt injection 再也沒法直接讀自己所在的環境。
一款能恢復真實形狀視覺的視網膜植入物剛在歐洲獲批
Prima 是一塊植入視網膜下方的晶片，由患者眼鏡上的鐳射投影儀驅動，為因黃斑變性失明的人繞開已經死掉的視杆和視錐細胞。它在 7 月拿到歐洲上市許可，未來幾周開始銷售；臨床試驗裡的患者能填數獨、做填字遊戲、讀書，這是此前任何裝置都沒做到過的。背後的觀念是：大腦明擺著就是一臺計算機，把它當計算機來對待，得到的效果量是幾十年小分子藥物研發都沒能拿到的，因為“我把電極放進 M1，你大概一小時之後就能用上一臺計算機”。把大腦做成鍵盤的產品明確不是目標，因為“如果你能拿到視覺、聽覺、平衡感，再加上每秒一千位元的運動控制，你就已經走到通往矩陣的一半了”。柏拉圖表徵假說在這裡是被拿來用的，不是拿來談哲學的：他們能把動物的神經記錄和 AI 模型的內部表徵對齊。
投資人非要你有野心的真實原因：錯過的代價太高了
LP 們眼看著 Anthropic 以史上最快的速度從零衝到一萬億估值，SpaceX 以 1.77 萬億上市，Cursor 四年做到 600 億，還給早期基金返了實打實的 DPI。他們的反應是把錢大把倒進超級基金，而基金一旦大到那個體量，每一張支票，哪怕是 A 輪，都必須按萬億級的結果來做承銷。到了那一步，入場價格就不重要了：2 億、3 億、5 億，有時候 10 億，放在被建模的那個結果面前都是一回事。於是錯過的代價遠遠大於投錯的代價，基金再也不敢漏掉任何一個有熱度的專案，剩下的交給冪律。這就是野心會主導整場 pitch 背後的算術。
post-training 正在變成應用型 AI 公司的成本槓桿
一旦你對某個領域理解得足夠深，手上又有一批相似任務的規模量，專門為這類活兒定製一個模型就開始划算了。機制在於 post-training 裡的獎勵塑形：在效能相當的前提下，更偏好那些消耗更少 token 的軌跡，這“讓我們能同時最佳化成本和質量，在成本保持穩定的情況下拿到明顯的效能提升”。這套做法不是到處都成立，通用的前沿模型往往已經夠用，有時候乾脆是非用不可。但如果你既有很深的垂直積累，又碰上成本高到沒法規模化執行，或者手上的任務型別壓根沒人在訓練，那對於貼著企業工作流的公司來說，這就是一個很有吸引力的位置。
Vercel 把定位說得很直白：“我們在給 agent 造 AWS”
整個 pitch 就這一句話。Rauch 還說，Bun 追求的簡單、快、開放，跟 Vercel 以及這家公司看世界的方式完美契合，並向 Jarred Sumner 的釋出道賀。
Replit 和 OpenAI 達成合作，而 Free Mode 真正的優勢是快
Masad 說這次和 OpenAI 的合作早就該發生了，還提到早在 Replit 進 YC 之前，Paul Graham 就請 Sam Altman 去把他們招進來。在他看來，新的 Free Mode 被低估的地方不在於免費，而在於它快到重新讓寫程式碼這件事有了互動感。
讓一個 manager agent 用激將法逼 worker agent 交出更好的結果
Yang 的直覺是，很多 AI 輸出只要加一個 manager agent 不斷頂回去的迴圈就能變好：“你確定這已經是你能做到的最好了？”、“我覺得你還能更好，再來一次”、“再仔細看看，給我 11 分（滿分 10 分）的輸出”。他的 YouTube 訂閱也過了 10 萬，已經排上的訪談包括：今天的模型如何徹底改變了 eval、哪些 vibe coding 做出來的應用真的做成了生意，以及 ChatGPT Finance。
SPC 篩人最看重的特質是清晰，不是履歷
清晰指的是能誠實面對、能穿透戰場迷霧、能在渾水裡找出一條路，Agarwal 說這是 SPC 最看重的一項特質。他舉的極致例子是 Sridhar Ramaswamy，此人把 Google 廣告從 10 億做到 1000 億，如今正帶著 Snowflake 穿越 AI 轉型；這期 Minus One 聊了什麼時候該冒職業風險、Neeva 到底哪裡出了問題，以及模型接下來會走向何方。還有一句相關的：最好的創始人都是還原論者。
NVIDIA 花 60 億買下的模型工廠，產出勝過 Thinky 級模型
swyx 最新一期 Latent Space 的嘉賓，正是 NVIDIA 剛花 60 億美元收購其模型工廠的那個人。他堅持說“產出能壓過 Thinky 級模型”這話不是誇張，看數字就知道。他還點出 agent skill 領域正在冒出來的一個模式：Matt Pocock 的 /wayfinder，是給 /grill-me 用的 /grill-me，專為那種你還困在戰場迷霧裡、得先編排一輪調研和後續幾輪 grill 才知道自己不知道什麼的時候而做。
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。