← 收录原文
BUILDERS · 精选整理

Builders 精选|2026-05-07

2026-05-07 · 历史整理稿

X / 推特

Anthropic Claude 官方账号

Claude 宣布 Claude for Excel、PowerPoint 和 Word 已正式全面上线,Claude for Outlook 进入公开测试阶段。关键特性是 Claude 在不同 Microsoft 应用之间切换时,会携带完整的对话上下文,让跨应用的 AI 辅助工作流无缝衔接。这一集成对付费计划用户全部开放,这条推文获得超过 30000 个点赞,是本批次最高互动量。

Anthropic Research 负责人 Alex Albert

Alex Albert 分享了 Claude Mythos Preview 在 Firefox 安全修复方面的实测成果:Firefox 团队借助 Claude Mythos Preview,在四月份修复的安全漏洞数量超过了过去 15 个月的总和。这一数据展示了 AI 辅助安全测试在真实开源项目中的规模化效果,获得超过 11000 个点赞。

OpenAI CEO Sam Altman

Sam Altman 表达了他对 AI 与软件工程师关系的核心信念:"让开发者进化成超级英雄,远比替代他们更酷。如今一个真正优秀的人能做到的事情简直不可思议。"他还观察了一个有趣的用户行为分布:年轻人倾向于用语音与 AI 交互,年长用户倾向于打字,中间年龄段两者都有,并好奇这一模式未来是否会改变。

Claude Code 工程师 Thariq

Thariq 转发了 Dario Amodei 关于算力的表态——Anthropic 每天都在努力获取更多算力并将其传递给用户,并配文"you heard the man",获得超过 1300 个点赞,体现了 Claude Code 社区对算力扩张的高度期待。

Replit CEO Amjad Masad

Amjad Masad 分享了一个有趣案例:一份被称为"历史上最病毒式传播的请愿书"就托管在 Replit 上。他还与 Lenny Rachitsky(产品领域知名播客主持人)合作了一期内容,以及转发了一篇 Replit 相关报道。

OpenClaw 创始人 Peter Steinberger

Peter Steinberger 分享了使用 `/goal` 指令结合 GPT 5.5 进行大规模代码重构的体验:可以规划非常复杂的端到端重构方案并配合测试,效果出色,获得近 2000 个点赞。他还分享了参与 ChatGPT Future Class 2026 멘토导师的经历,其中一个学员团队构建了利用 AI 在墙体和废墟中探测灾难幸存者的系统。

Every CEO Dan Shipper

Dan Shipper 与 Kieran Klaassen 录制了一篇来自 Code with Claude 活动的快速评论,讨论了 xAI 算力协议、Managed Agents 以及 Anthropic 将 API 转变为开发者全栈云基础设施的战略,他认为"AI 平台大战即将到来"。

Google Gemini 产品负责人 Madhu Guru

Madhu Guru 宣布离开 Google,总结了她三年在 Gemini 的历程:三年前 OpenAI 和 Anthropic 领先,而她们团队建立了 AI 模型构建方法论、客户反馈飞轮,以及相应的竞争能力。这条离职声明获得超过 1100 个点赞,是行业内值得关注的人才流动信号。

Roblox 产品经理 Peter Yang

Peter Yang 出席了 Code with Claude 活动,表达了对 Claude 的长期信任:"在所有 AI 中,Claude 感觉最像一个值得信赖的朋友,很高兴 Anthropic 现在有了算力来扩大规模。"他还演示了两个 AI agent 代替各自用户进行会议日程安排的场景。

播客

The MAD Podcast with Matt Turck — OpenAI Board Member Zico Kolter on the Real Risks of Frontier AI

本期 MAD Podcast 由 FirstMark 合伙人 Matt Turck 对话 Zico Kolter——卡内基梅隆大学机器学习系主任,同时也是 OpenAI 董事会成员和安全与安全委员会(SSC)主席。对话深入探讨了 AI 安全治理的实际运作、前沿模型的真实风险,以及 AI 的内在简洁性。

在安全治理层面,Zico 介绍了 OpenAI SSC 的职责:监督模型开发的安全性和治理,有权在必要时延迟模型发布。他强调 OpenAI 有完整的安全组织,SSC 定期与之合作进行评估。他指出一个关键问题:当模型在某方面能力不足时,等待下一代模型往往是合理选择;但模型能力提升和安全性提升的规律截然不同——更大的模型不一定更安全,鲁棒性问题无法简单依赖规模解决。

在安全威胁的分类上,Zico 将 AI 安全问题分为"滥用"(misuse,外部恶意行为者利用 AI)和"对齐"(alignment,模型按预期外方式行动)两大类,认为当前最值得关注的实际威胁是 prompt injection 和越狱(jailbreaking)。对于 agent 系统,他特别指出:当 agent 能够访问更多外部工具和环境时,安全问题的复杂度会指数级上升,因为攻击面同时扩大。

Zico 还介绍了他联合创办的 Grace One 公司:这是一家 AI 安全与安全评估第三方机构,既为大型 AI 实验室提供红队测试(包括人工竞赛式和自动化红队系统),也为企业提供针对 AI agent 的定制化防火墙和缓解方案。他认为行业需要通用的安全评估标准,而不是每家公司各自为政。

在 AI 系统的本质上,Zico 提出了一个令人印象深刻的观点:一个 AI 系统的核心数学框架可以用大约 200 行 Python 代码表达,整个复杂性都从训练数据中涌现。他强调这是一个"美丽的事实",应该被广泛理解——但他也澄清,实际生产级别的 AI 系统远超 200 行代码,因为数据管道、规模化训练(如何高效利用上万块 GPU)等工程问题带来了巨大的额外复杂度。