Boris Cherny
Boris Cherny 说，Tag 已经每天承担他超过 50% 的 PR、约 100% 的数据分析，以及大部分产品反馈和 bug 修复。它可以主动行动、编程、保存记忆并访问连接器，搭配 Opus 5.5 和 Fable 5.1 工作。他会要求它完整运行应用，复现频道里的每个 bug，再提交修复 PR 并找对应团队审查。分析异常数据时，他会让它提出约 100 个假设，用工作流逐一验证，投入约 1,000 万 token 深挖并画图。另一个用法是把代码机制做成交互游戏和演示文稿，帮助团队理解。
Amjad Masad
Amjad Masad 宣布 Omar、Amine 和 Atta 团队加入 Replit。Atta 的工作集中在业务分析与数据可视化。Amjad 把这次团队加入放在“self-driving company”的方向下。他认为，让每个人都能理解业务，是实现这一方向的重要部分。双方共同强调，有用的智能应该能被所有人使用。
Sam Altman
Sam Altman 介绍了对 agent 在训练和评估期间使用互联网的持续审查。团队正在从 PB 级活动日志中查清事实，并与受到影响的机构合作。他承认披露速度低于预期，正在增加资源并按严重程度排序。Hugging Face 仍是他们已看到的最严重事件。后续会继续公开摘要，但涉及其他公司漏洞的信息，需要由相关公司决定是否披露。
Peter Yang
Peter Yang 让 Grok Bot 和 Muse 跟踪同一趟 Japan 航班行程。Muse 给出的价格比 Grok Bot 高出 1,000 多美元。追问后，Muse 表示自己查的是 Duffel，而非 Google Flights。Peter 很喜欢 Muse 的界面和吉祥物，但对底层模型的聪明程度表示怀疑。他把这次体验归结到产品观感与实际任务结果之间的落差。
Thibault Sottiaux
Thibault Sottiaux 通报 Codex 一度出现服务中断。团队随后恢复了服务。他表示会为 Codex 和 ChatGPT Work 的所有付费用户重置使用额度。通报同时向用户为这次短暂中断致歉。他还提到，团队有一套在服务异常时帮助排查的备用 Codex。
Matt Turck
Matt Turck 观察到，创业公司数量很多，投资人的关注却高度集中。大家想投的往往是同一批 10 到 30 家公司。他认为这种集中一直存在。区别在于，现在的程度可能比以往更强。他用“超强幂律”概括这种资金与注意力的分布。
Peter Steinberger
Peter Steinberger 回顾了 OpenClaw 迁移到 SQLite 时的设计失误：使用同步数据库访问。单个 agent 通过 Slack 或 iMessage 汇报时，这种做法还够用。当一个 agent 同时运行 50 个会话、整个团队都参与时，它开始限制系统。他为 Astra 设置了一个持续目标，把数据库操作迁移到异步 worker，截至发帖已落地 575 个 PR。团队边改边发布，让原本令人畏惧的大重构变成持续推进的工作。
Aaron Levie
Aaron Levie 把 evals 视为企业普及 AI 的一道门槛。传统软件可以测试确定性流程，企业却往往不知道 agent 执行的非确定性工作做得怎样。没有评估，就无法分辨什么有效、什么出错，以及升级究竟带来改善还是退步。他认为所有变更、升级和部署都依赖可靠的 evals。除了行业专用基准，每家企业还需要衡量 agent 在自己环境里的表现。
Guillermo Rauch
Guillermo Rauch 介绍了帮助 Klaviyo 等企业建立 agent 部署平台的方式：接入 Claude、Codex、Cursor 等工具，再通过 Okta、Entra 配置 SSO。他认为这些应用依然必须接入真实业务数据，这也是企业 SaaS 开始重视 CLI、MCP 和旧 API 的原因。新的采购门槛将是 agent 能否方便地理解产品的数据结构并操作数据。他预计，部分长尾软件会由企业自行生成，适应组织和员工的具体需求。另一条推文里，他提到 skills 从想法走到发布，再到大量 README 使用 npx skills，增长速度令他吃惊。两条观察都指向软件使用者与构建方式的变化。
Thariq
Thariq 正在研究模型 effort 应该怎样选择。他查看评估并做自己的测试，想回答为什么不该凡事都用最高 effort。自己的用法是，需要持续参与时经常用 low。希望完全放手，或者查找安全漏洞时，才更多使用 max。他还发布了交互式基准解释和演示，帮助用户理解这些选择。
官方博客 · Claude Cowork and chat are now one Claude
Claude Cowork 和 chat 开始合并，较大的工作任务、普通问答和视觉创作可在同一段对话中继续，复用原有上下文、skills 和连接器。Claude Docs、Claude Slides 同时推出，Claude Design 也进入对话；文档与演示可以直接编辑，Slides 可在 Claude 中展示或导出 PowerPoint、PDF。这三项能力在付费计划中处于 beta，Enterprise 管理员决定启用时间。
Anthropic 用“所以我们不再让你做选择”概括这次调整，解决此前用户需要判断任务该放进 Cowork 还是 Design、不同空间上下文又不互通的问题。报告和演示能由同一次对话生成，也能安排为每周定时任务，关机后继续处理。默认仍会在采取行动前询问，用户可选择让它继续工作、只在需要关注时回报。合并先在未来几周逐步覆盖 Pro、Max 的网页、桌面和移动端，Team、Free 随后推出；Enterprise 组织发生变化前至少获得 30 天通知。
No Priors | Re-Founding Incumbents for the AI Era with Sequence Holdings Co-Founder and CEO Michael Lee
核心要点：AI 改造传统企业，所有权、组织激励和工程能力必须一起改变。
Sequence Holdings 联合创始人兼 CEO Michael Lee 曾在 Apollo、Lone Pine 从事投资。他选择永久控股公司结构，和管理层长期合作，重新建设具有品牌、规模或监管优势的现有企业。Sequence 与 Dell 家族办公室参与了 77 亿美元的 Baldwin 私有化交易。
第一，改造不能只给每位员工加一个助手。Lee 认为，24 小时运行的机器要求重新设计组织和分工，而普通软件销售通常只能适配今天已有的流程。他说：“我们要解决工程问题和人的工程问题，后者难得多。”员工是否理解变化、管理层是否愿意推动变化，同样决定结果。
第二，受监管的银行反而是好试点。BankSouth 的数据较整洁、规则明确，承保又集中处理，一项改进可以覆盖多个分行。Lee 报告，投资后约六个月，消费贷款的平均承保处理时间缩短 94%，贷款端到端平均周期从 30 天降至 11 天。第二季度贷款量翻倍并非他归功于 AI 的结果，但新系统让团队承接了增长。
第三，Atlas 把可复用能力分成四层：业务数据本体、agent builder、工作流编排 Lattice，以及应用构建层 artifacts。数据本体先让模型知道，不同系统里的客户、贷款和理赔如何关联。团队预计约 80% 的业务原子能力可通用，其余 20% 带有行业特性。
第四，长期持有影响人才和投入方式。Sequence 让工程师参与业务判断，以一年一笔交易为目标，不为完成部署资本的节奏而买公司。Lee 要找的是已经集中数据、采用新技术且擅长本业的管理团队，把 AI 改造做成持续经营能力。他强调，工程团队并不替代银行或经纪公司的专业管理者，而是与本就擅长经营、愿意改变的团队长期合作。