X / 推特
Anthropic Claude
Claude Code 正式推出 computer use 功能，现已进入研究预览阶段，支持 Pro 和 Max 用户在 macOS 上使用。Claude 现在可以打开应用程序、点击 UI 界面，并直接从命令行测试自己构建的内容。具体来说，它支持任何可以在 Mac 上打开的应用，包括编译好的 SwiftUI app、本地 Electron 构建版，以及没有 CLI 的 GUI 工具。在一条 prompt 里，Claude 可以写代码、编译、启动 app、点击界面、找到 bug、修复，并验证修复结果。启用方式是在 Claude Code 中运行 /mcp 命令。同日，Claude Code 的 Auto mode 也面向 Enterprise 用户和 API 用户正式开放，通过更新后运行 `claude --enable-auto-mode` 即可开启。
https://x.com/claudeai/status/2038663014098899416
https://x.com/claudeai/status/2038693742094246032
Anthropic Claude Code 工程师 Cat Wu
Claude Code 现已支持 GitHub Enterprise Server，覆盖 web 端、iOS、Android 以及 Code Review 等全产品线。
https://x.com/_catwu/status/2038723796178526712
Vercel CEO Guillermo Rauch
Opus 4.5 发布后，Vercel 的工程方式发生了不可逆转的改变，agent 现在承担了绝大部分编码工作。Guillermo 表示，正是因为深知 LLM 的固有缺陷与过度自信，Vercel 向团队传递了一个明确信号：vibe coding 和关键任务基础设施不能混用。他们正在分享内部早期制定的"负责任 agent 使用指南"，核心原则是始终优先保证安全性、持久性和可用性。
https://x.com/rauchg/status/2038759092442050651
Box CEO Aaron Levie
在一个 agent 能以百倍甚至千倍于人类的速度处理信息的世界里，现有的基础设施和服务将需要彻底重构。Levie 指出，即使是为机器速度而建的工具，通常仍在为终端用户的某个请求服务。而现在，这个前提正在被打破，整个技术栈的假设都需要重新审视。
https://x.com/levie/status/2038468564500537416
Replit CEO Amjad Masad
Replit 宣布与 RevenueCat 合作，用户现在可以直接在 Replit 构建的移动 app 上接入变现功能。
https://x.com/amasad/status/2038722068418805875
Swyx
Redpoint 发布了一份榜单，列出了适合用 AI 从头重做的 SaaS 业务。Swyx 翻转了其中一个数字，指出"46% 的企业 CIO 愿意接受 AI 原生新创公司取代现有厂商"这一数据是一个惊人的市场机会。他表示，若非看到这份调查，他之前不会有这样的判断。
https://x.com/swyx/status/2038431061575979027
Builder Zara Zhang
她的开源项目 Codebase-to-course 在 GitHub 上已达到 2600 个 star。她对项目进行了优化，大幅提升了 token 效率和稳定性。原本设计用于帮助 vibe coders 学习计算机科学，但实践中发现它在开发者入职培训场景下同样效果出色。
https://x.com/zarazhangrui/status/2038685338865221862
Every CEO Dan Shipper
他对某家公司关于"用户私人数据被误发给其他用户"这一严重隐私漏洞的声明措辞提出强烈批评，认为其表述过于委婉，毫无诚意，是非常恶劣的沟通方式。
https://x.com/danshipper/status/2038688359325835436
播客
Latent Space — Mistral: Voxtral TTS, Forge, Leanstral, & Mistral 4 — w/ Pavan Kumar Reddy & Guillaume Lample
核心要点：Mistral 发布首款 TTS 语音合成模型 Voxtral，采用自研 flow matching 架构，在低延迟流式生成场景下实现了业界领先水准；同时披露了面向企业的模型定制平台 Forge，以及专注形式化数学证明的 Leanstral 项目。
Pavan Kumar Reddy 是 Mistral 的音频研究负责人，曾在 Google Gemini 做后训练研究。Guillaume Lample 是 Mistral 的首席科学家，曾在 Meta 参与发布 LLaMA。这次发布集中展示了 Mistral 在音频、企业定制和基础研究三个方向的最新进展。
Voxtral TTS 的技术路线
Voxtral 是基于 Ministral（3B 参数）骨干网络构建的语音合成模型，支持九种语言。其核心创新在于放弃了主流的"depth transformer + 离散 token"方案，改用自研的 flow matching 架构作为输出头。具体来说，模型的神经音频编解码器将音频转换为 12.5 Hz 的 latent token（每秒 12.5 帧，每帧含语义 token 和声学 token），主 transformer 解码器产生 latent 后，不经过离散采样，而是通过 flow matching 头做速度场估计（velocity estimation），将噪声 latent 去噪还原为音频 latent，再由 vocoder 解码为实际音频。这样做的好处是：相比 depth transformer 需要 K 步自回归预测，flow matching 只需 4-16 步推理，大幅降低了延迟，且框架天然支持进一步压缩到单步推理。Pavan 解释，选择 flow matching 的根本原因在于语音具有高熵特性，同样一个词可以有无数种语气、停顿、重音方式，必须对这个分布进行建模，而不能预测均值（均值对应的是模糊失真的语音）。Guillaume 补充说，这是 flow matching 在音频生成领域相对新颖的应用，图像社区已经走在前面，音频领域尚无定论的最优方案，这反而是研究空间很大的地方。Voxtral 的延迟极低，适合语音 agent 等实时流式场景，是 Mistral 认为 TTS 最重要的落地方向。
Forge：企业模型定制平台
Guillaume 详述了 Mistral 服务企业客户的核心价值主张。企业长期积累了大量垂直领域数据，有时达到万亿 token 规模，这些数据在公开互联网上根本找不到，闭源模型因此永远无法真正利用这些信息。仅靠 context 注入远不及在这些数据上微调的效果。Mistral 向企业提供的 Forge 平台，实际上就是内部科学团队用于预训练、SFT、RLHF 的同一套工具链，经过两年打磨，已非常成熟。他举了几个具体案例：为某客户在特定亚洲语言上做 50% 比例的预训练混合，使模型对该语言的方言和习语的掌握程度远超通用模型；为另一客户打造可以离线运行在车载系统里的语音交互模型（因为车内没有稳定网络）；帮助客户把用闭源模型验证过原型后成本过高的应用，用微调的小模型以十分之一的价格重新实现，且性能更优、可完全本地部署。Guillaume 明确指出，很多公司没有意识到微调能带来多大的性能提升，"用闭源模型而不用自己的数据微调，是一件很可悲的事情，因为你的竞争对手用的是同一个模型"。
Leanstral：形式化数学证明
Leanstral 是 Mistral 内部一个小团队围绕 Lean 语言（形式化数学证明工具）做的研究项目。Guillaume 解释了为什么这个方向有独特价值：大多数 RL 训练依赖可验证奖励，适合答案可核验的问题（如答案为某个数字的竞赛题），但大量真实数学推理（如"证明函数 f 连续"）无法简单验证。形式化证明系统（Lean、Coq 等）天然解决了这个问题：只要代码能在 Lean 中编译通过，证明就是正确的，不存在歧义，不需要 judge 模型。他预测，随着 coding agent 的进步，软件形式化验证这个目前极度小众的领域（主要用于航空、机器人等安全关键行业）将会大幅扩张。形式化证明对 agent 架构也有一个有趣的副效应：证明复杂定理时，模型会自动拆解为多个引理，并在一定程度上用子 agent 并行验证各个引理，即使某个引理验证失败，其他引理仍可以提供部分奖励信号，使训练更稳定。
Mistral Small 与多模态融合思路
Guillaume 介绍了 Mistral Small（混合专家模型，6B 活跃参数，256k context），这是他们首次将指令跟随、代码、推理、视觉等能力合并进一个统一模型的尝试。之前这些能力由不同团队的独立模型承载，Small 是第一次完整合并，更大版本（Mistral 4）将在此基础上继续扩展。他澄清了一个认知误区：对于纯 ASR（语音识别）这类任务，用 Mistral Small 这样的大模型完全没有必要，专用的 3B TTS 模型在成本和效率上有压倒性优势。通用大模型与专用小模型的分工会长期共存。
关于招聘，Mistral 正在巴黎、伦敦、帕洛阿尔托、华沙、苏黎世和纽约等地扩张，寻找熟悉模型训练和 RL pipeline 的应用科学家，以及能深入客户现场解决具体问题的 forward deployed engineers。