X / 推特
Anthropic AI 官方账号 Claude
Claude Security 正式进入公开 beta，内置于 Claude Code 的 web 版本中，面向 Claude Enterprise 客户开放。用户可以直接指向自己的代码库进行安全分析。自今年 2 月的研究预览以来，数百家机构已使用它在生产代码中发现了真实漏洞。Claude Security 的定位是让 Opus 4.7 的安全分析能力直接作用于实际代码，无需额外的安全工具或独立流程。
https://x.com/claudeai/status/2049898741772021991
https://x.com/claudeai/status/2049898745051886013
OpenAI CEO Sam Altman
Altman 宣布 GPT-5.5-Cyber 开始向关键基础设施合作伙伴推出，这是 OpenAI 专为前沿网络安全能力打造的模型。同一天他还宣布 Codex 迎来重大升级，并鼓励用户尝试将 Codex 用于非编程类计算机工作，意味着 Codex 的定位正在从纯代码工具扩展到更广泛的计算机自动化任务。
https://x.com/sama/status/2049712078836170843
https://x.com/sama/status/2049946120441520624
AI 研究员 Andrej Karpathy
Karpathy 分享了他在 Sequoia Ascent 2026 炉边谈话中的核心观点摘要。他特别引用了一句他近期最常引用的话："你可以外包你的思考，但你无法外包你的理解。"他认为这句话道出了 AI 时代人类价值的核心：理解力必须真正进入你的大脑，你才能设定正确框架、发现 agent 的判断错误、做出有品味的选择。Karpathy 把"理解"视为当前工作流中真正的人类瓶颈，也是最不可外包的部分。
https://x.com/karpathy/status/2049903821095354523
https://x.com/karpathy/status/2049907410303865030
Claude Code 团队成员 Cat Wu
Claude Security 现已进入公开 beta，内置于 Claude Code web 版。安全团队可以直接把 Opus 4.7 指向代码库进行扫描，结合 GitHub 事件触发和调度执行，让安全审查成为持续自动化工作流的一部分。
https://x.com/_catwu/status/2049964403177689130
Replit CEO Amjad Masad
Masad 宣布了 Replit 的新功能：Prompt 直接生成 LLC。用户可以通过一段 prompt 完成公司注册，这是 Replit 把 AI 驱动能力延伸到商业基础设施的最新尝试。他同时分享了 Replit 的"零号客户"理念：公司把 Replit inc. 本身当作第一个真实客户，内部工具、内部流程全部用 Replit 产品构建，这不是简单的"dogfooding"，而是让整个团队真正活在产品里，以此保持对用户体验的深度感知。
https://x.com/amasad/status/2049921597499445677
https://x.com/amasad/status/2049934937688854993
Box CEO Aaron Levie
Levie 透露 Box 已经开始为内部功能招募并重新培训"agent 工程"岗位，这印证了他上周详细描述的那个新岗位正在落地到实际招聘行动中。他的判断是：既懂业务流程又有技术能力的 agent 部署者将成为企业 AI 转型的核心人才。
https://x.com/levie/status/2049714403050918067
Y Combinator CEO Garry Tan
Garry Tan 展示了 GBrain 利用 frontmatter 属性自动推断并构建知识图谱的新能力——越来越多的关联关系可以被 GBrain 自动推断，无需手动标注。他还完成并分享了 GBrain 的端到端安装 harness，让 OpenClaw/Hermes 环境中的 GBrain 配置更加标准化，降低了从头安装的门槛。
https://x.com/garrytan/status/2049737217208397925
https://x.com/garrytan/status/2049742376307147110
Vercel CEO Guillermo Rauch
Rauch 用 v0 测试了一个有趣的 prompt："如果 Vercel 发布了 GitHub，会是什么样子？"只用了 2 个 prompt，v0 就生成了完整的设计方案。这个演示既展示了 v0 的产品设计能力，也引发了关于 Vercel 未来产品版图的想象空间。
https://x.com/rauchg/status/2049959307941179678
Cursor 设计师 Ryo Lu
Ryo Lu 提出了一个产品设计哲学观点：没有立场本身就是一种立场——"opinionated"和"general purpose"并不对立，真正好的产品可以同时做到两者。他还分享了在自己操作系统项目 ryOS 中集成 Cursor SDK 的实践：现在可以直接通过对话修改 OS，集成过程极为简便，只需把 Cursor SDK 文档链接粘贴给 Cursor，它就自动完成了集成。
https://x.com/ryolu_/status/2049866003287576978
https://x.com/ryolu_/status/2049872551955013713
FPV Ventures 合伙人 Nikunj Kothari
Kothari 观察到一个有价值的趋势：MCP 和 CLI 工具的大量涌现，正在印证一个结论——大型模型（big models）将是人类与世界交互的主要界面。他认为这种"agent 优先"基础设施的快速扩张是一个明确信号，表明模型作为通用接口的时代正在加速到来。
https://x.com/nikunj/status/2049871924105531672
OpenClaw 创始人 Peter Steinberger
Steinberger 分享了他过去几个月深入 AI 安全生态的体验，对这个领域的复杂程度和专业深度深感折服。他同时宣布 OpenClaw 的群聊体验已经完成重大改进：如果之前在多人群聊中效果不佳，现在值得重新尝试，可靠性和功能完整性都有了显著提升。
https://x.com/steipete/status/2049976855617314991
https://x.com/steipete/status/2049988836160074022
Every CEO Dan Shipper
Dan Shipper 正在做一个实验：用 Codex 加 Chronicle 构建专注力追踪工具（focus tracker）。这是他将 AI agent 用于个人生产力场景的最新探索，也是 Every 持续寻找 AI 辅助知识工作新形态的一部分。
https://x.com/danshipper/status/2049913064561258986
South Park Commons 普通合伙人 Aditya Agarwal
Agarwal 发表了关于 AI 时代网络安全的判断：攻击者有 AI，防御者也有。他认为网络安全正处于关键拐点，AI 正在从根本上改变攻防双方的能力对比，只有用 AI 防御 AI 威胁才能维持平衡。
https://x.com/adityaag/status/2049874181509034151
AI 播客主 Swyx
Swyx 转述了一个真实发生的 ML 项目故事：有人试图训练一个使用 1931 年前公共领域 tokens 的"复古"语言模型，工程上极为精密——专门训练 OCR 模型、时代性 anachronism 分类器，精心筛选数千亿 pre-1931 tokens。训练完成，效果验证通过。结果：这个模型成为"人类有史以来发布的最自信的种族主义模型"。这个故事以幽默方式揭示了 AI 训练数据偏见的真实机制：历史文本越纯净，当时的历史偏见也越集中，无从过滤。
https://x.com/swyx/status/2049652947408372187
播客
Training Data — Andrej Karpathy: From Vibe Coding to Agentic Engineering
核心要点： vibe coding 提高了所有人的下限，agentic engineering 则在维持专业质量标准的前提下让工程师快数十倍，两者针对不同人群、解决不同问题。
Andrej Karpathy 是 OpenAI 联合创始人之一、Tesla Autopilot 实际落地者，也是去年"vibe coding"这个词的创造者。他描述的转折点发生在 2025 年 12 月：他开始注意到最新模型生成的代码几乎不再需要纠错，"记不得上次修正它是什么时候了"，从那时起开始深入 agent 工作流，并认为这是质的跃迁而不只是速度提升。
关于 Software 1.0/2.0/3.0 的框架：1.0 是写代码；2.0 是整理数据集、训练神经网络；3.0 是 prompt 即编程，context window 是你对 LLM 这个"解释器"施加控制的杠杆。他举了 OpenClaw 的安装方式为例——不是 bash 脚本，而是一段文字粘贴给 agent，agent 自己根据你的环境智能完成安装，这就是 3.0 paradigm 的典型特征。还有一个更极端的例子：他花时间开发的 MenuGen app（菜单翻译工具），在 Software 3.0 下只需把菜单照片给 Gemini 并说"用 Nanobanana 叠加显示"，就能直接在原始菜单图片上渲染出各菜品图片。"我的整个 app 根本不应该存在，它在用旧范式解决问题。"
关于"jagged intelligence"（锯齿状智能）：Opus 4.7 能重构 10 万行代码库、发现零日漏洞，却会建议你"步行去 50 米外的洗车店"（因为洗车需要开车）。这种能力不均匀性来自训练中 RL 环境的设计——模型在哪些领域被强化了、哪些没有，就形成了"jagged"的能力分布。他的建议：如果你在某个可验证的领域能建立自己的 RL 环境，即使大 lab 没有关注，你自己的 fine-tuning 也能产生显著效果。
关于 vibe coding 与 agentic engineering 的区别：vibe coding 是为所有人提高下限，任何人都能快速搭出东西；agentic engineering 是在安全性、代码质量等专业标准不降低的前提下，让专业工程师跑得更快。他估计真正擅长 agentic engineering 的人速度提升远超 10 倍。关于招聘，他认为大多数公司还在用"给编程题"的旧范式，而新范式应该是：给候选人一个真实大项目，让 10 个 Codex 实例攻打他部署的系统，看能否扛住。
关于人类还剩什么："你可以外包思考，但无法外包理解。"API 的参数细节可以忘（agent 记得），但底层逻辑（如内存视图与内存复制的效率差异）必须真正理解，这样才能发现 agent 犯的那种让人心跳加速的错误（如用 email 而不是 user ID 关联账户）。
https://www.youtube.com/playlist?list=PLOhHNjZItNnMm5tdW61JpnyxeYH5NDDx8
Training Data — Demis Hassabis on Building DeepMind, AlphaFold, and the Final Stretch to AGI
核心要点： Demis Hassabis 预计 AGI 将在 2030 年前实现，这与他 2010 年"20 年使命"的预测完全吻合；他认为机器学习是描述生物学的完美语言，就像数学是描述物理学的语言一样。
Demis Hassabis 是 DeepMind 联合创始人、Google DeepMind CEO，同时兼任 Isomorphic Labs（AI 药物发现公司）CEO。他在 Sequoia 活动上系统回顾了从少年时期规划 AGI，到今天站在"最后冲刺"阶段的完整旅程。
关于早期的认知积累：他 15、16 岁时就决定 AGI 是最重要的事，此后的游戏开发（Bullfrog 的 Theme Park 等）和神经科学 PhD 都是服务于这个目标。Theme Park 卖出超过 1000 万份，里面有一套经济 AI 模型驱动数千个虚拟人的行为，看到玩家与 AI 互动时的喜悦让他坚定了方向。他在 Elixir Studios 尝试模拟整个国家（Republic 游戏，在奔腾 CPU 上模拟百万人），过于超前导致项目受挫。教训是："想领先五年，而不是领先五十年。"
关于 2009 年 DeepMind 的创立：他们感觉"像是守着一个秘密"——深度学习刚刚被 Geoff Hinton 等人发明，强化学习和深度学习尚未组合，GPU 算力刚刚起步，计算神经科学提供了思想原料。当时学术界甚至会公开嘲笑 AGI 研究者，但 Hassabis 认为："至少我们会以一种与九十年代不同的方式失败——这已经值得做了。"
关于 AI for Science 的愿景：AlphaGo 赢得围棋比赛后的第二天，他们就正式启动了 AI for Science 组。他认为 AlphaFold 解决了一个 58 年的挑战，但药物发现是多步骤过程。Isomorphic Labs 的目标是自动化"化合物设计"——找到能精准结合目标蛋白特定位置、同时不结合其他蛋白（避免毒副作用）的分子。他预测这将把药物发现时间从平均 10 年压缩到数月乃至数周，个性化医疗将成为可能。
关于机器学习与生物学的关系：他认为机器学习是描述生物学的完美语言，就如同数学之于物理学。生物学充满微弱信号、大量数据、高度涌现性，传统数学无法完全描述——而这正是机器学习最擅长的领域。他在研究"虚拟细胞"，希望能为生物学建立类似物理仿真的精确模型。
关于 AGI 之后：他建议先把 AGI 建成一个"极其智能的工具"，再讨论意识和自主性等更深层问题，可以用工具本身来帮助回答这些问题。他最喜欢的书是 David Deutsch 的《现实的结构》，他的后 AGI 使命是用 AGI 来回答这本书里的问题。
https://www.youtube.com/playlist?list=PLOhHNjZItNnMm5tdW61JpnyxeYH5NDDx8