X / 推特
Anthropic Claude
Code with Claude 开发者大会将于下周回归。无论是刚开始使用 Claude Code 的开发者，还是已经深度构建一段时间的团队，本次大会都有对应的专题内容。
https://x.com/claudeai/status/2050252933866930339
Box CEO Aaron Levie
Levie 系统梳理了 agent 成为软件最大用户后，企业软件的商业模式将如何演变。第一，人的席位（seat）不会消失，但每个席位必须内含 agent 可以代表用户使用 API 的额度，否则就会被淘汰。第二，agent 可能也会有自己的"席位"，用于有状态的长期工作，但定价方式与人完全不同，因为一个客户可以用 1 个 agent 做所有事，另一个可能用 1000 个，按人头定价几乎行不通。第三，超出席位额度的 headless 使用将以消耗量定价为主，类似 PaaS 定价，但未来可能出现"按 outcome 收费"的 API，而不是按一系列 API 调用收费。Levie 还指出 Atlassian 的财报超出市场预期是理所当然的，核心逻辑是：当有 100 倍于人类的 agent 在系统中工作，代码、合同、发票、设计稿的总量都会暴增，管理这些工作的底层系统（包括安全、合规、工作流等）只会越来越重要。
https://x.com/levie/status/2050051426446152159
https://x.com/levie/status/2050295657836277764
https://x.com/levie/status/2050240083325030404
Y Combinator CEO Garry Tan
Garry 更新了对 GBrain（他开源的个人知识图谱工具）与 Mempalace 的对比判断：三周前两者看起来比较相似，三周后已经明显分化，GBrain 更适合 OpenClaw/Hermes 个人 AI 场景，不是在解决精确 needle-in-a-haystack 检索问题。他建议，如果使用 Hermes Agent 或 OpenClaw，在上面安装 GBrain 配合 Karpathy 风格的知识 wiki 会有很大的复合效益。
https://x.com/garrytan/status/2050095919157350644
https://x.com/garrytan/status/2050096324100682097
Builder Zara Zhang
Zara 分享了一个关于如何与 coding agent 协作的框架转变：很多人把 coding agent 当员工使用，只是下命令；而她把 agent 当联合创始人对待，会呈现问题、描述情况，然后征求 agent 的意见。她认为这种协作方式会带来更好的结果。
https://x.com/zarazhangrui/status/2050326543797469415
Every CEO Dan Shipper
Dan 认为一个有趣的反差是：模型知道的比任何个体人类都多，但任何个体人类的学习速度都比模型更快。这个张力决定了人与 AI 合作的深层逻辑。
https://x.com/danshipper/status/2050304359024759242
FPV Ventures 合伙人 Nikunj Kothari
Nikunj 刚用 Railway、Conductor 和 Claude 构建并发布了一个付费项目，这是他的第一个"有收入"的 side project，每份报告成本 8-9 美元，基本按成本销售，并为早期用户提供半价优惠码以换取反馈。
https://x.com/nikunj/status/2050353986742698400
播客
No Priors — Baseten CEO Tuhin Srivastava on the AI Inference Crunch, Custom Models, and 30x Scale
核心要点：Baseten CEO Tuhin Srivastava 表示公司过去一年增长 30 倍，预计今年收入超 10 亿美元，95% 的 token 来自客户定制化模型的推理，企业 AI 大规模采用仍处于早期，后训练和推理基础设施的结合将是未来关键。
Tuhin Srivastava 是 AI 推理云平台 Baseten 的创始人兼 CEO。Baseten 为 AI 原生公司（包括 Abridge、Cursor、Open Evidence、Decagon、Clay 等头部 AI 应用）提供推理基础设施，重点是高性能自定义模型的部署和服务。过去一年，Baseten 实现了 30 倍增长，2026 年营收有望突破 10 亿美元。
推理市场为什么爆炸
Tuhin 认为过去 24 个月最大的变化是：开源模型跨越了能力门槛，RLHF/RLAIF 等后训练技术变得足够成熟，企业开始意识到可以真正"拥有"自己的推理能力，不再依赖单一的闭源 API。这推动了模型长尾效应的出现，大量定制模型上线，Baseten 作为基础设施层直接受益。
独立应用层是否有存活空间
主持人抛出了"labs 会不会吃掉独立应用层"这个问题。Tuhin 的回答是：企业真正的护城河不在于用了哪个模型，而在于他们能获取、积累、并编码进工作流的独特用户信号。他举 Abridge（医院临床笔记 AI 助手）为例，Abridge 与全美大多数医院有深度集成，临床工作流的独特信号根本不是前沿模型公司能拿到的。这种信号积累到一定规模可以支撑专属模型的后训练，从而形成更长期的竞争优势。他认为，按推理调用量看，99% 的市场还没有真正上线 AI，企业大规模采用仍处于极早期。
95% 的 token 来自定制模型
令人印象深刻的一个数字是：Baseten 服务的 token 中，95% 以上来自客户定制化的模型，而不是直接运行公开权重。定制方式包括特定领域的微调（提升质量）和针对推理效率的量化、编译优化（提升性能）。Tuhin 指出客户总是从"最强的模型能不能解决这个问题"出发，然后才考虑成本优化，这也解释了为什么他们为客户服务的模型选择非常多元，从 GPT OSS 到 DeepSeek 到 Moonshot 到 Orpheus（TTS 模型），用的是"frontier first"的策略。
收购 Parzed 布局后训练
几个月前，Baseten 收购了后训练团队 Parzed。Parzed 本来是 Baseten 的客户，在 Baseten 上训练和运行定制模型。Tuhin 解释了战略逻辑：基础设施公司发现越来越多的客户需要后训练支持，而且后训练和推理是同一个问题的两面。如何量化一个模型、训练方式如何影响量化策略，以及"推理生成数据、eval 发现奖励信号、在这个奖励信号上再做后训练"这一完整闭环，让两个业务合并变得自然。他建议，创业公司应该先用最好的闭源模型证明产品价值，再考虑定制化，"没有 PMF 之前做后训练"和"没有 PMF 之前买 GPU"是一样的错误。
地缘政治与中国开源模型
被问到对 DeepSeek 等中国开源模型的看法，Tuhin 表示他很难看到网络隔离条件下这些模型如何构成数据安全威胁，也没有见到真实的技术后门证据。他认为美国保持强大的开源模型生态是战略必要，但如果美国做不到，那暂时用 DeepSeek 并视之为"Meta 出的模型"来构建也是务实的。他点出了一个有趣的地缘政治悖论：中国政府实际上通过补贴开源模型，间接降低了美国企业的 AI 成本，某种程度上是在补贴美国创新。主持人补充，目前前沿能力最强的依然是 Anthropic、OpenAI、Google 的闭源模型。