真正在做 AI 的人今天說了什麼。一頁讀完，約 6 分鐘。
Anthropic 把 Cowork 收回了 Claude 裡，同時上線 Docs 和 Slides；OpenAI 的 Codex 則掛得夠狠，所有付費使用者的使用額度都要重置。更值得琢磨的討論落在「怎麼度量」上：Aaron Levie 認為 evals 才是企業採用 AI 的真正關卡，而 Anthropic 自己的團隊也發了研究，說明為什麼把 effort 一路拉到 max 是個錯誤的預設選項。Sam Altman 還更新了 agent 聯網許可權調查的進展，仍然把 Hugging Face 列為迄今最嚴重的一次事件。
Cowork 併入 Claude，Docs 和 Slides 同步進 beta
Claude Cowork 和聊天要合成一個產品，未來幾周先向 Pro 和 Max 推送，Team 和 Free 隨後跟上。Claude Docs 和 Claude Slides 同時上線，Claude Design 也不再只能單獨用，任何一段對話裡都能調起來。官方給的理由很直白：大家本來兩邊都在用，最惱人的地方是得先判斷一個任務該放在哪邊，而且兩邊的東西互不相通。你可以把一份報告丟給它，然後合上筆記本，用手機看進度，設定每週一自動重跑一次，最後匯出成 PowerPoint 或 PDF。預設情況下 Claude 動手之前會先問你一句，你也可以改成讓它一路做下去。
把 effort 拉滿不該是預設選項，evals 就是證據
Thariq 翻了一遍 evals，又自己跑了一批測試，看 reasoning effort 到底起什麼作用，結果讓他挺意外。他自己的分法很實用：想全程盯著、隨時插話，就用 low effort；只有在完全不想介入，或者在找安全漏洞的時候，才基本會上 max。文章裡帶了 benchmark 的互動式講解和 demo，發在 Anthropic 新的開發者站上。
新的採購門檻，是你對 agent 好不好用
Rauch 的預測是：長尾那部分 SaaS 應用以後不會再有人買，而是被生成出來，並且會更安全、效能更好，還能按公司、按員工各自定製。企業 SaaS 廠商最近突然都在做 CLI 和 MCP，或者把擱置多年的 API 重新撿起來，原因就在這裡：這些生成出來的應用，只有灌進業務資料才跑得起來。於是買方將來要評估的，是 agent 能多順暢地走通你的本體、用上你的資料，而不是 UI 對人有多友好。Vercel 已經在和 Klaviyo 這類組織一起做這件事：把所有 agent 接進來，SSO 走 Okta 或 Entra，然後每個人都能安全地自己搭東西。
先買下在位者，再把它重做一遍：一家銀行的放款週期從 30 天壓到 11 天
核心判斷是 AI 對經濟的衝擊並不均勻，有一類行業裡，在位者靠品牌、規模、網路效應或者監管，把所有優勢都攥在手裡。直接買下一家、繼承這些優勢，比以創業公司的身份去攻它要划算得多。他們不看好現在多數企業的 AI 做法：無非是給流水線上每個人發一臺小機器，讓活幹得快一點；而真正 24 小時不停、靠電力就能擴張的機器，本該逼著公司自己重組。為什麼必須拿到所有權：CEO 一個人招不到做這件事的工程師；服務商在結構上就被激勵去做增量改良，因為他們最佳化的是自己在你錢包裡的份額；軟體廠商則只能把東西賣進你今天已有的流程裡。在 BankSouth，消費貸的平均稽核時間自 3 月以來下降了 94%，單筆貸款端到端從 30 天縮到 11 天，而稽核團隊的人反而更少了，這讓銀行吃下了二季度翻倍的貸款量，換以前這些單子是要往外推的。銀行受嚴格監管這件事反倒成了優勢：規則定義清楚、資料衛生乾淨，恰恰是 agent 需要的。至於文化上什麼才真正管用：「如果你相信 alpha 來自工程和 AI，那你就得建一種文化，讓被推崇的那個角色是工程師。」這家機構的節奏是一年做一筆，剛剛宣佈以 77 億美元把保險經紀 Baldwin 私有化，背後有 Dell 家族辦公室支援。
Slack 裡的 Claude，寫掉了一位 Anthropic 工程師一半以上的 PR
Cherny 說 Tag 每天寫掉他 50% 以上的 PR，資料分析基本 100% 交給它，產品反饋和 bug 也大多由它修。它跟普通 Slack bot 的區別在於：會主動做事、可程式設計、有記憶、能接到你的各種 connector，而且跑在 Opus 5.5 和 Fable 5.1 上之後判斷力很強。他實際用的 prompt 能看出跨度：把某個頻道里的每個 bug 端到端復現一遍，然後開 PR 並 @ 上對的 reviewer；或者針對一批反常的資料想出 100 個假設，用一條 workflow 逐個驗證，花掉 1000 萬 token，最後把圖畫出來。
為撤回一個 sqlite 決定，開了 575 個 PR
Steinberger 說把 OpenClaw 遷到 sqlite 時最大的設計失誤，是用了同步的資料庫訪問。當年只有一個 agent 在 Slack 或 iMessage 上跟你彙報，這樣沒問題；但等到一個 agent 同時跑 50 個並行會話、一整個團隊都在上面幹活，它就頂到天花板了。改成非同步 worker 的遷移，目前在一個 Astra goal 下已經合掉 575 個 PR，邊推進邊增量上線。他的結論是：現在就連超大規模的重構也不再可怕了。
Codex 故障收尾：所有付費使用者的使用額度重置
Codex 掛了，作為補償，OpenAI 把所有付費使用者在 Codex 和 ChatGPT work 上的使用額度全部重置。Sottiaux 確認服務已經恢復，併為這次中斷致歉。他還提到，他們手裡專門備著一個 Codex，就是為這種時刻準備的。
同一條日本行程，Muse 報價比 Grok 高出 1000 美元
Yang 拿同一條日本機票行程，分別在 Grok 的 bot 和 Muse 上問了一遍。Muse 給的價高出 1000 多美元，問它為什麼，它說自己查的是 Duffel 而不是 Google Flights。他的評價是：UI 和吉祥物都做得極好，但底層模型到底有多聰明很值得懷疑；不過對一個要服務十億人的產品來說，他覺得這種取捨是說得通的。
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。