AI 工程构建者 Swyx
Swyx 看到 Gemini 在 AAv5 排名中的表现线索，表示这让自己很久以来第一次重新打开 Antigravity。他正在拿到早期评测机会，准备之后反馈，原帖并不是已经完成的评测。他把 Google 与 Meta、Grok 近期的动向放在一起，认为前沿模型选择再次变多。他回想起 Sarah Guo 去年谈的模型多样性，并估计前沿实验室数量比她上一次登上 AIE舞台时多了约一倍。这里保留为他对竞争格局的观察，而不是把疑问句中的第一名写成本站核验排名。
Google 副总裁 Josh Woodward
Josh Woodward 宣布，Gemini 新增连接 Strava账号的能力，把多年原始运动记录转成个性化训练计划。他另贴了启用入口，但帖子没有展开计划如何生成或适用条件。模型方面，他把两周前的 Gemini 4 Argon与当天的 Gemini 4 Carbon并列，形容前沿进展很快。他说团队内部对新模型的感受不错，先向网络安全防守方推出，再逐步扩大可用范围。这里的开放节奏是他给出的产品计划，不能把“先推出”理解为已经对所有人开放。两项更新分别把 Gemini接到个人活动数据和专业安全场景。
Anthropic Claude 成员 Boris Cherny
Boris Cherny 转述了 Utah州政府的一项 Claude Code试点。试点覆盖10个州政府机构，共34名开发者。按他引用的数据，80%的参与者在30分钟内拥有可工作的环境。四周试点结束时，71%的参与者报告节省了20小时以上。这里保留了试点规模、时长及自报节省时间的口径，没有把这组参与者结果推广成所有团队的收益。
OpenAI Codex 与 ChatGPT 成员 Thibault Sottiaux
Thibault Sottiaux 展示了像给普通联系人发短信一样联系 dot的用法。这样可以分享或转发东西，也能留下语音便条。他还举例，可以对 Siri说“给 Iggy发短信”并接上自己的请求。另一条帖子澄清，团队正在整合 Chat与Work的能力，但目前还没有开始推出。他们计划在今年某个时候把两边的优点结合起来，同时会谨慎推进、留足时间。因此，现有短信入口的展示和未来 Chat/Work整合的计划需要分开理解。
实用 AI 教程与访谈作者 Peter Yang
Peter Yang 认为，世界模型仍处在类似 GPT 3.5的阶段，令人印象深刻但还没有完全到位。他把自己与 Google的 Genie 4生成片段放在一起，借早期 Will Smith吃意大利面视频作类比。对电影，他设想导演从一帧画面出发生成完整特效场景，而不是让特效团队为一场龙的战斗投入数月。对游戏，他强调真正难的是核心循环、成长系统和让游戏好玩的机制，世界模型的画面与声音已经较强，但玩法还未跟上。他预计世界模型与优秀编码模型结合后，会让制作个人游戏本身变得像玩大型游戏一样有趣，这是他的前景判断。另一条文字是自己的使用体验：ChatGPT配合浏览器操作，对处理医疗文书很有帮助，未展开具体流程。他还以农夫市集的手工小物件为例，调侃这类工作不会被AI颠覆，并预测市集会迎来复兴。三条内容分别涉及创作能力、日常文书和人的现场手作价值，不能把设想当作已实现的行业结果。
前 Claude Code 成员 Thariq
Thariq 观察到一种反差：技术人员担心自己的技能不再有用，非技术人员却非常希望更懂技术，以便更好地使用 agent。他认为创意领域也有类似情况，艺术家在担忧AI，而自己希望有更多创作表达能力。他想直接画出动画构想和角色概念，让 agent继续完善，而不是四处找参考图。阻碍他的不是缺少一个生成入口，而是缺少表达这些想法的语言。他把技术与创意技能都放回使用者如何清楚提出、展开想法的过程中。
Replit CEO Amjad Masad
Amjad Masad 分享 ViBench 2.0上线的消息，把它描述为从提示词到应用的基准。他说 GPT 6.1 Sol在这次榜单中领先。原帖没有给出分数、测试集或方法细节，因此这里只保留他的榜单转述。
Vercel CEO Guillermo Rauch
Guillermo Rauch 把 Vercel CI应对AI编码瓶颈的方式分为基础设施、Turborepo与Agentic CI三部分。他说团队运营20个全球集群，每天运行数百万个 microVM，目标是减少缓慢、不稳定或停机带来的等待。Turborepo则通过计算依赖图、跳过无需重复的工作、复用缓存来减少实际要做的工作，他甚至建议不使用Vercel的团队也可以考虑迁移。在agent这一层，CLI里的 vercel ci命令让agent能够检查、终止、触发与重放CI，Vercel Agent还能帮助优化流程。他预计未来会有更多钩子和能力，让系统判断哪些测试值得运行，但这部分属于后续方向。另一条帖子把模型别名比作DNS，别名解析到具体模型后可以进行流量调度。他认为这能减少团队停留在旧模型、成本过高以及选型犹豫的问题。与此同时，他宣布与 Suhail合作，通过 Vercel AI Gateway提供 Particle模型和推理。上述基础设施规模、节省与能力描述均保留为供应方自己的陈述。
Box CEO Aaron Levie
Aaron Levie 预测，agent消耗的token会达到今天的1,000倍。他的理由是agent会进入工作流、处理全部数据、构建大量软件并承担企业安全等任务。为了大规模支持这些工作，他认为前沿AI需要多种路线继续推进。这既包括闭源模型，也包括提升开放权重模型的能力、安全性和大型负载效率。他对 Suhail的Particle方向表示期待，但1,000倍是需求预测，不是已经发生的用量统计。
曾参与 Cursor、Notion 与 Stripe 设计的 Ryo Lu
Ryo Lu 用“增强人的智力”重新解释自己期待的软件未来：屏幕上的东西应该成为思想的延伸，帮助人移动材料、形成连接、搭建适合自己的小系统。他援引 Engelbart在1962年对人的理解与解题能力的关注，强调能力来自人、工具、语言、方法和学习的整体关系。他又援引 Licklider在1960年对人机共生的区分，认为计算机应参与想法的形成，而不只执行已经定义好的问题。他并不反对代办搜索、搬文件和重复工作，但提醒并非所有困难都是应被清除的负担，有时亲手制作和看见错误版本正是理解的过程。他借 Ingalls在1981年对 Smalltalk的讨论，强调个人应该能够理解并掌握系统，系统也应适应人的心智。不同人可能通过图画、写作或模拟来思考，不需要所有人住进同一种SaaS仪表盘。对AI工具，他想要的是能问清为什么、局部改动、看见结果、撤销，并逐渐学会自己做下一次修改。他反对只按脱离人完成了多少工作衡量未来，更关心此前无法参与的人如今能理解、表达和改变什么。
Y Combinator CEO Garry Tan
Garry Tan 认为，Particle会在“每单位智能所需美元最低”的方向站到前沿。这是他对模型能力与成本关系的判断，短帖没有给出测量口径或比较结果。
OpenClaw 创作者 Peter Steinberger
Peter Steinberger 说，OpenClaw的网页界面现在支持离线工作，并采用了更灵活的WebSocket压缩与重连逻辑。他举自己的旅程为例，飞往Vienna时飞机Wi-Fi断断续续，仍完成了不少工作。这里展示的是弱网络下继续使用界面的个人体验。帖子没有展开哪些任务可完全离线，以及重连时具体怎样同步。
SPC 普通合伙人 Aditya Agarwal
Aditya Agarwal 分享了与 Gopal Krishnan合作写给LP的信，内容是过去十年在前沿投资中识别人才的经验。他同意早期投资“90%看创始人”的常见说法，却一直不满意这句话缺少可证伪性、具体性和可重复性。他提出要继续问：卓越究竟体现在哪些维度，这些维度又怎样转化为公司。帖子只给出了这组问题，没有展开信里的判断框架。因此，可保留的是他希望把直觉说得更具体、可检验的方向，而不是替链接中的全文补写标准。
Anthropic AI 助手 Claude
Claude 官方账号宣布，Claude for Legal新增现成artifact示例库，覆盖合同审阅、监管动态扫描、引用核查等任务。用户可以从内置示例开始，加入自己的文档与连接器，再分享给企业内其他人。账号另给了了解详情的链接，但帖子没有展开法律适用范围、准确率或使用权限细节。
AI & I by Every — Can You Use AI To Make Good Art? — With Fred Graver
核心要点：AI更适合成为帮助创作者思考的虚拟编剧室，而不是替人决定该表达什么。Fred Graver从National Lampoon、David Letterman和Cheers一路做到Disney Imagineering、MTV及Twitter电视业务，也曾在Microsoft设计对话。他把经验放进AI流程，关注的始终是创作者怎样更接近受众。
第一步先准备两份材料：自己作为作者是谁，包括灵感、喜好、阅读与志向；当前想做的作品是什么。再问两者是否相配、受众在哪些平台、关心什么。他会让AI模拟包含支持者与尖锐反对者的八人焦点小组，帮助展开想法。模拟角色不是已经访问到的真实观众。
第二步把专家经验和团队文化同时放进共享核心。写作、制作、剪辑、营销、发行乃至经营与法律的知识是一半，制作公司自己的方式及每个人的职业背景是另一半。他把工作归成构思、制作、触达受众三个环节，但主张把流水线变成圆环，让营销与经营的人在创作决定锁定前参与，甚至先做概念预告片试探吸引力。
第三步先把自己掏空，再打开AI。他建议花一两天把已知内容、想法和优先级写下或口述出来，因为让模型先带路容易走向平均答案。“这些都不是让AI替你写作。”他的重点是把AI当作一组能一起推敲问题的智慧，而人仍不断亲自写，再请AI审阅。
具体复核会围绕三个问题：这像自己会做的作品吗，平台上是否存在可信的受众，走到剧本或成片还缺什么。他还让晨间check-in agent追问承诺的进度，提醒自己昨天已选定的项目与截止时间，不要一有新点子就偏离。AI保留先前决定后，也能指出当前修改与三天前的判断矛盾。
最难的仍是第三环：找到观众与收入，而不是只把作品做出来。他用一千人每月各付10美元的设想说明可持续生计问题，强调传统电视的好日子不会自动回来。创作者需要自己的方向、独特观察与受众理解，AI可以帮助表达，却不能保证作品被喜欢或形成收入。