OpenAI Codex 与 ChatGPT 产品负责人 Thibault Sottiaux
Thibault Sottiaux 宣布，ChatGPT 订阅现在也能用于 Devin。他用一句话介绍了订阅之间的新联系。帖子没有展开适用套餐、额度和启用步骤，因此这些细节仍需以产品说明为准。
Meta AI 高级总监 Madhu Guru
Madhu Guru 认为，开放权重模型加速了单位智能价格下降，但并不是这条趋势的起点。他列出过去几年降价的三个原因：把最强模型蒸馏成推理更便宜的小模型、基础设施效率提升，以及模型供应商之间的竞争。他观察到，各家模型公司都出现了类似模式：新一代中型模型达到上一代大型模型的智能水平。用户因而可以用更少的钱获得相近能力。在他的解释中，开放权重模型是已有趋势的助力，不能把整个降价过程只归因于开放模型。
Anthropic Claude Code 开发者 Thariq
Thariq 回顾了加入 Anthropic 之前做过的一个业余项目。当时他用 Opus 4 花了大约两周开发，项目基于 Agent SDK，需要进程持续运行，效果也不理想。他说，后来只向 Opus 5.5 提出一次请求，就把项目迁到了 Claude Managed Agents，可靠性明显改善。这是他对自身项目迁移效果的描述，没有给出量化对比。另一条帖子展示了项目出现在浏览器新标签页上的效果，并说已合入其他贡献者提交的一些 PR。两条更新把关注点放在托管运行的可靠性和项目继续迭代上。
OpenAI Codex 产品团队 Nan Yu
Nan Yu 分享了自己对提示补全功能的喜爱。他把编程交互的变化串成一条路径：先手写代码，再用 Tab 补全代码，随后转向给 agent 写提示。现在，连给 agent 的提示也可以补全。他强调的是自己使用这一功能的体验，没有提供效率提升的测试数据。
AI 教程与访谈作者 Peter Yang
Peter Yang 呼吁，把更多 AI 创业力量投入疾病管理和治疗，而不是继续增加处理邮箱的个人助手。这是一则对创业方向的倡议，帖子没有介绍医疗产品或疗效。另一条实用建议仍与助手有关：如果把 Grok Bot 当作自己的幕僚长，就不要用自己的姓名注册它的邮箱。他举例说，在邮件里写“让我抄送 Peter 来约时间”，却是在抄送另一个同名的自己，会让交流显得奇怪。他建议为机器人取一个独立名字，让收件人容易区分本人和代办助手。两条内容分别讨论 AI 应该解决什么问题，以及实际协作时如何减少身份混淆。
Vercel CEO Guillermo Rauch
Guillermo Rauch 说，agent 已经经常通过 Vercel CLI 从其市场购买基础设施产品和服务，团队正在把这一能力扩展到域名。他把它看作 agent 从想法走向完整线上业务的一步。另一条帖子给出 Vercel 自己的流量和部署统计：最近30天，Vercel 整个网络58.18%的流量来自机器人，2024年1月这一比例为32%。他称，平台超过60%的部署已由 agent 驱动，而2026年1月约为3%。Vercel 自有文档站中，来自 agent 的页面浏览占比最高达到83%，团队越优化面向 agent 的内容，该比例越高。这些数字分别对应网络流量、部署和文档页面浏览，不能混为同一指标。Rauch 预测，未来几年人直接访问互联网的比例会变得很小，网站将更多由 agent 构建、供 agent 使用。
Box CEO Aaron Levie
Aaron Levie 预测，agent 创建其他 agent、持续在后台工作以及多个 agent 协作，将比人一次提示一个 agent 消耗多1000倍 token。他认为，只能按照人发提示的速度工作的聊天式 AI，一两年后会显得陈旧。未来绝大多数 token，可能用于后台和业务流程中持续执行的任务。这是他对使用方式和需求规模的预测，并非已经测出的行业总量。沿着这一判断，他认为当前仍处于 agent 普及的早期，后续需要建设更多算力和基础设施。
FirstMark 投资人、MAD Podcast 主持人 Matt Turck
Matt Turck 介绍 Synthesia 的视频生成能力：用一次提示，为公司或产品制作符合自身风格的专业级视频。他认为，这正是 Synthesia 从早期就在追求的愿景，并表示该能力当日已向所有人开放。帖子没有给出套餐条件或独立质量测试；“专业级”是他对产品效果的评价。
AI 工程社区组织者 Swyx
Swyx 提醒，纽约 AI Engineer 大会的门票预计将在周末售罄，活动周一开始。他称，这是纽约规模最大的技术大会，也是团队第一次设置金融主舞台。他把这个安排与自身从投行、对冲基金，再到大型科技公司和纽约创业公司的经历联系起来。帖子没有给出具体场馆和票价，参会细节需查看活动原链接。
FPV Ventures 合伙人 Nikunj Kothari
Nikunj Kothari 建议，创业公司在 X 上推广产品时，应让营销团队把投资人排除在付费合作邀约之外。他说，自己每天收到三条以“合作”和“惊人机会”为名、实际要求付费推广的私信。他认为，这会暴露判断力问题，也容易让外界觉得公司在购买关注度，为大额融资制造声势。后续帖子补充，不要再用邮件追发同样的邀约。这是他作为投资人对触达方式的反馈，提醒创始人考虑推广对象是否适合，而不只追求曝光量。
构建者 Zara Zhang
Zara Zhang 观察到，Astra 在设计网站时似乎经常使用 Claude 的标志。她以轻松口吻分享了这个现象。可读文字没有说明测试次数或具体触发条件，因此只能把它视为个人使用观察。
No Priors — Beam: The Great American Open Model with ReflectionAI Co-Founder and CEO Misha Laskin
**核心要点：企业采用开放模型，难点不只在模型能力，还在推理基础设施、业务评测和持续交付；先定制系统，未必需要立刻微调模型。**
ReflectionAI 联合创始人兼 CEO Misha Laskin 曾在 Google DeepMind 研究强化学习，拥有物理学博士背景。他介绍，团队从约30人扩大到约300人，推出首个开放模型 Beam。最初团队打算在现有开放模型上做强化学习，后来发现预训练与强化学习紧密耦合，转而从头训练完整模型。
训练投入体现了这条路线。按 Misha 的介绍，Beam 总参数5000亿、激活参数230亿，预训练使用6000块 GB300；强化学习使用超过1万块 GB300，持续四周。他称，Beam 相对同能力级别模型有3至4倍推理效率，重点是更快完成任务、降低客户成本。这些是团队披露的数据与效果判断。
开放模型的商业价值来自完整交付。他把购买 token 比作租用包括模型、推理软件、集群和硬件在内的整套能力。企业想掌握更多控制权，就必须补齐这些配套。ReflectionAI 因而为大型企业和公共部门提供部署工具与服务，从有价值的具体任务带动推理需求，而不是只出售模型访问。
企业的定制路径也可能不同于 AI 原生公司。Misha 认为，多数企业会先围绕开放模型定制 agent 系统，接入既有工具、评测和流程，成熟后才考虑微调。金融合规、网络防御和法律等场景，需要先找到值得优化的任务，再建立评测、生成匹配的数据。模型切换不是自动获得业务效果。
在安全问题上，他承认担忧合理，但主张让更多研究者检查开放模型，覆盖少数实验室难以穷尽的漏洞。他借用一句话：“只要有足够多双眼睛，所有 bug 都会变得容易发现。”这是他支持开放研究的理由，并非开放就天然安全的结论。他也看好 AI 加快科学实验与研究迭代，同时强调仍需要人的直觉。未来把模型接入真实业务、懂评测和运行系统的工程师，在他看来仍有大量工作要做。