AI構建者摘要

OpenAI 點名三個偷跑用量的 Codex bug，付費用量全部重置

Codex 在三個地方悄悄吃掉了用量：長會話裡經過多次 compaction 的圖片、Computer History 偏高的 p95 用量，還有一個開銷超出預期的會話標題生成器。修復明天上線，同時給每個付費訂閱做一次完整的用量重置。另有一項與此無關的效率最佳化排在下週。

• #products
• #agents

Kevin Scott：瓶頸已經是能力過剩，不是 scaling

模型的推理能力跑在了產品實際交付的前面，把這段差距補上才是當下行業真正要乾的活。他給的解法是一個帶開放協議的 agentic web，做 HTTP 和 HTML 當年為網際網路做的事，MCP 和 NL web 是第一批看得見的苗頭，再加上 agent 身份和授權體系，讓 agent 能精確申請一項任務所需的許可權。互動方式也會隨之改變：從同步 prompting，轉向 agent 自己跑開、發一大堆呼叫、過很久再回來。至於 agentic coding 會毀掉手藝的說法，他回應說："如果你看重過程勝過結果，那有時候你的選擇就會和那些看重結果勝過過程的人不一樣。"

• #agents
• #open-source
• #products

真正的 eval 市場是一家公司的工作流，不是模型排行榜

公開的模型 eval 只能告訴你通用能力進展到哪一步、模型之間怎麼排序。真正大得多的空間，是針對企業自己跑的那些具體工作流做 eval，細到單個公司的種種怪癖。你沒法自動化一件無法衡量進展的事，企業也不會憑感覺就上生產。

• #evals
• #agents

在 eval 上爬坡：挑一個真正要緊的維度，往死裡磨

這個 eval 系列的第六篇認為，所有工作最終都歸結為兩件事：做更好的 harness，以及透過 prompt engineering、context engineering、memory、post training 和普通的確定性程式碼來做模型選型。失敗模式分類會告訴你該往哪兒使勁：如果 tool calling 是頭號失敗項，那多半是你往 context 裡塞了 20 個工具，而任務只需要 3 到 5 個。成本上的建議是先用最好的模型上線，把質量做上去，等確認使用者真的喜歡，再往更小更便宜的模型上爬坡，把同樣的質量磨出來。

• #evals
• #agents

AI 給個人 10 倍，同一個人放進大公司只剩 20%

AI 賦予個體的槓桿，進了大組織基本就蒸發了：同樣一個能力很強的人，在裡面最多提升 20%，有時候還是負的。這種不對稱正是越來越多強者離開大公司的原因，OpenAI、Anthropic 這類頂級實驗室大概是少數例外。另有一句值得貼在牆上：所有真正跑在 AI 前面的人，都覺得自己落後了。

• #agents
• #products

讓 coding agent 幫你查一遍還有哪些應用握著你的 Google 資料

在 Chrome 裡開啟 Google 的授權連線頁面，把 Codex 或 Claude Code 指向這個開啟的標籤頁，再讓它去撤銷那些你已經不想要的授權。這麼跑一遍，砍掉了大約一半仍持有訪問許可權的應用。另外，Instinct 團隊在輿論壓力之後上線了外部資料刪除功能，Data Privacy 那一欄裡的 36 條 Gmail 記錄總算能刪掉了。

• #products
• #policy

先激怒投資人再發 SAFE 檔案，這不叫融資策略

一條本來就不該發出去的陌生私信鬧成了公共事件，給年輕創始人的結論很直白：先挑釁投資人、再讓人家打錢，不是投資運作的方式。把發信人掛出來並不是恰當的回應，但真正要緊的是你選擇聽誰的建議。有真本事的聰明人，一次次栽在這類遊戲上。

• #funding