Andrej Karpathy
Andrej Karpathy 认为，人们对 LLM 能力的理解差距正在扩大，已经从两群人互相听不懂，变成一个陡峭的漏斗。他粗略估计，约60亿人、即75%的人口几乎没接触过 LLM；约10亿至20亿人、即20%左右的人口，只是偶尔使用免费聊天产品，把它当成更好的搜索或写作辅助。再往里，约2000万名数学和编程领域的专业使用者，已经亲眼看到过去需要数周乃至数月的复杂项目，可以交给 agent 完成。最窄的一层是约5000名能接触内部前沿系统的人，他描述的能力包括数千个 agent 连续数周协作，推进软件、攻防、科学与数学任务，同时人类审核和理解开始落后。这些人数和比例是他的粗略估算，并非人口调查结果。他给出三个原因：任务越宏大、困难、耗时，能力差异越明显；强化学习让能力集中在数字化、可验证且有经济价值的领域；免费、付费与内部系统的访问权限也不同。于是，大多数人看到的仍是普通聊天机器人，少数专业使用者却已感到能力曲线急剧上升，而这些体验同时存在。
OpenAI Codex 与 ChatGPT 团队 Thibault Sottiaux
Thibault Sottiaux 宣布，Codex 与 Work 中 GPT-6.1 Sol 的默认上下文长度从272k提高到500k，增幅约80%。他表示，这一调整经过仔细测试，旨在减少上下文压缩，并帮助需要长时间保留大量背景和细节的任务。用户仍可自行调高或调低，上限为1M。另一个配套变化是，从订阅额度中使用 GPT-6.1 Sol 时，不收取长上下文附加费用。他还谈到一项用户投票：原以为大家会更支持在 Pro 100/200/500 中恢复5小时限制，采用他所说的“2X”方案并平滑需求曲线，但结果让他困惑。这一条是在讨论选项和投票反馈，不应当成已经实施的套餐调整。
AI 教程作者 Peter Yang
Peter Yang 分享了 AI 开发教育者 Micky 对人工审核的看法。Micky 说：“我还没有到信任 agent 的程度，尤其是人们正在使用的东西。”他的做法是把人工审核放在最后一步，等工作完成后，先尽可能收集 agent 提供的证据。通过基于证据的测试、前后对比以及 greploop，agent 需要解释完成了什么，以及为什么这些修改可靠。Micky 认为，这能逐步建立信任，并减少开发者进行人工审核时的摩擦。Peter 将其作为四步工作流的片段分享，重点是让审核有依据，而不是直接省略人工判断。
Anthropic Claude Code 团队 Thariq
Thariq 赞同陶哲轩观点的大方向：人们不应满足于一个不透明的超级智能。他认为，沟通本身就是智能的重要信号。因此，产品和模型应当帮助人类建立理解，而不是把人类从理解过程里移开。这条观点把“能否让人理解”也放进了对智能产品的要求。
Box CEO Aaron Levie
Aaron Levie 借 Karpathy 的漏斗说明，AI 的扩散仍处于早期。多数人把 AI 用于近似下一代搜索的简单聊天，这很有用，却远没有体现全部能力。另一端的 agent 群体协作，可能成为数学、网络安全、生物、材料科学、软件工程和金融工作中的重要形态，尤其适合能够并行执行、可用算力加速的任务。他认为，目前使用这种方式的人极少，原因包括模型是否适合具体领域、成本、可用运行框架，以及公众能否获得前沿模型。软件和 AI 研究之外的行业，还需要大量组织与流程调整。企业必须升级工作流、整合并迁移数据，同时处理合规、治理和安全框架。他把这些具有行业差异的实施工作，视为企业 AI 应用层的重要机会。
Y Combinator 总裁兼 CEO Garry Tan
Garry Tan 呼应 Karpathy 对少数前沿使用者的描述，认为现在接触这些能力能带来巨大的机会。他预计价格会下降，让更多人看到这些能力，并有机会把它们带到更广泛的用户面前。另一条观点更具体：能够用确定性代码替代的 LLM 调用，就应当替代。他认为，这也会产生更符合用户需求的代码。两条内容分别关注前沿能力的普及，以及在实际实现中选择合适的工具。
FirstMark 投资人 Matt Turck
Matt Turck 用技术岗位的变化表达了对 AI 转型的乐观态度。他依次列出打孔卡操作员、Lotus Notes 管理员、Flash 开发者与 Dreamweaver 网站管理员，再到 DevOps 和 Tableau 分析师。现在，人们又开始成为 agent 管理者和运行框架工程师。他认为，这一轮变化最终也能顺利适应；这是一种历史类比，没有给出就业规模或转型速度的预测。
构建者 Zara Zhang
Zara Zhang 分享了一个简短的个人使用观察：最近她使用 Gemini 的唯一地方是 Chrome。帖子没有进一步解释原因或比较其他入口。
Every CEO Dan Shipper
Dan Shipper 做了一个自动追踪阅读记录的信息流，既包括正在读的书，也覆盖他从2012年起读过的书。他还提出，可以为 Every 的每个人都建立这样的信息流，看看大家在读什么。帖子展示的是个人工具和团队内分享的想法，没有说明实现方式。