Josh Woodward
Josh Woodward 介绍了 Google Labs 的新实验 Dreambeans。每天早上，产品会提供固定数量的“beans”。这些 beans 把人引向现实世界中的活动。它强调与真实的人一起做共同关心的事。Josh 说它正在积累一批忠实用户，并邀请大家试用。
Nikunj Kothari
Nikunj Kothari 分享了一个关于小企业软件的判断：每位老板都可能拥有定制软件。他引用的场景尤其聚焦技工行业。差异化会落在软件与实际业务衔接的最后一段。面向客户，这意味着提供有自己特色的体验。面向员工，则意味着工具能适应企业自己的工作方式。
Thariq
Thariq 正在根据反馈重新设计 Claude Code 的 plan mode。一部分用户自己完成规划，因此不需要单独的计划模式。另一部分用户喜欢进入一个只思考、只讨论的状态。他计划把 plan mode 做成内置 mod，并允许其他 mod 增加新模式或覆盖 Shift+Tab。用户由此可以自定义规划提示词、创建并分享模式，也可以直接把快捷键绑定到别的操作。
Peter Steinberger
Peter Steinberger 认为，只让 agent“清理一下”，它会过早停止。他给出的办法是设置一个有挑战、可检验的目标。示例是删除最没用的 20% 测试，同时让代码覆盖率变化保持在 2% 以内。另一项依赖排查中，他用 Daybreak 又找到了 8 个长期存在的内存泄漏。他把这些实践串到同一个提醒上：既要给 agent 明确的质量约束，也要照顾项目依赖的开源代码。
Guillermo Rauch
Guillermo Rauch 公布了 Vercel AI Gateway 最近两个月的用量变化。Anthropic 仍然占据最高支出份额，但从 69% 降到 40%，OpenAI 则从 10% 升到 24%。他提到 GPT-6 Astra 和 GPT 5.6 Sol 增长很快，OpenAI 已在 token 数量上领先。Kimi K3 与 DeepSeek 接走了约一半 Anthropic 流失的支出份额。Opus 5.5 上线两天即达到 10% 支出份额，OpenAI 同时占图像生成量的 62%。这些数字描述的是 Vercel AI Gateway 上的流量结构。
Swyx
Swyx 回顾了年初提出的内容策略“Scaling without Slop”。他认为这套策略开始见效。YouTube 频道积累第一个 10 万订阅用了 3 年，第二个 10 万只用了 1.2 个月。他说 AEO、SEO 和订阅增长也出现了类似进展。接下来，他准备推进 Latent Space、AINews 和其他新媒体项目的新阶段。
Amjad Masad
Amjad Masad 宣布，Muse 现在可以在 Replit 上创建应用。原帖给出了功能演示链接。
官方博客 · Claude for Small Business launches new workflows, integrations, and training programs
Claude for Small Business 新增 27 项集成，工作流总数达到 43 个，覆盖 Shopify、Salesforce、TikTok、Xero、Gusto、Square、Stripe 和 Zapier 等工具。产品自 5 月推出以来已安装超过 90 万次。春季走访 10 个城市、听取 1,000 多名老板反馈后，Anthropic 把支持范围从后台运营扩展到获客、回复询盘和写报价方案，约三分之一受访者提出了增长需求。
具体使用方式包括早晨整理现金、销售和逾期账款，夜间回复并记录潜在客户，把语音备忘转为带定价和品牌样式的方案，以及月底整理会计材料。客户 Garrett French 说，系统每天早上 6 点读取 CRM、整理并排序待办，再发送邮件：“我们把它叫作每日简报。”秋季将继续在 10 个美国城市举办免费培训；150 多家获培训的机构计划开展 750 多场社区工作坊，14 家集成伙伴提供线上讲座。
The MAD Podcast with Matt Turck | Who Feeds the GPUs? Inside AI's Hidden $30B Layer | Renen Hallak, VAST Data
核心要点：AI 的基础设施竞争，正在从购买 GPU 延伸到数据、模型、记忆和权限的统一管理。
VAST Data 创始人兼 CEO Renen Hallak 曾在 EMC 从事存储研发，2016 年开始建设 VAST。他把公司所在的软件基础设施层称为 AI 时代的操作系统。一个 AI 云客户最初预计三年需要 500 PB 存储，最近又追加 2 EB，让他直观感受到数据需求的变化。
第一，DASE 把扩容方式改成共享访问。传统分片系统中，节点越多，相互通信越复杂；VAST 把存储放到高速网络另一侧，让节点共同访问数据和元数据。Hallak 描述的一个客户集群已达到数 EB、数万个节点和每秒数十 TB 吞吐。
第二，推理比训练更考验系统协同。训练主要需要大规模、快速读数据；在线推理还要求低延迟、持续可用，以及把请求送往已加载相应模型和上下文缓存的 GPU。agent 的长期记忆、RAG 和微调记录，也需要细粒度权限，避免把一个用户的知识泄露给另一个用户。
第三，DataEnclave 要同时保护企业数据与模型权重。推理可以运行在企业场地或其 VPC，借助 NVIDIA 等厂商的硬件能力，让权重在网络、内存和 GPU 之间保持受保护状态。他强调的是控制权：“不一定非要是放在属于你的建筑里的实体设备。”
第四，增长要以客户实际解决问题为准。VAST 的客户状态可以被员工从绿灯调成黄灯或红灯，恢复则必须由客户确认问题已解决。Hallak 主张不断找出并移除新的瓶颈，让基础设施不成为客户 AI 进展的限制因素。公司兼容 S3、SQL、Kafka 等既有接口，客户可以先接入新的 AI 应用，再逐渐扩大数据范围。他认为保留标准接口，也让客户能够迁出，因此需要靠实际满意度留住客户。