Andrej Karpathy
Andrej Karpathy 用一个周末小项目 HackerTube，重新组织 YouTube 的发现体验。他说自己让 Claude 从 Hacker News 二十年约 43M 条评论中筛出反复被推荐的 6,454 个视频，约两小时完成。网站无需登录，状态留在本地浏览器；缩略图取视频中间的代表帧，避免采用上传者反复优化的封面。他还提供评论分析数据的 zip，读者可以交给 Claude 做自己的版本。开发使用 Mac 桌面版 Claude Code、Opus 5.5 的 Medium 档位，自己配合处理 Google Cloud API key、VPS 启动和域名购买。他随后把服务器 IP 交给 Claude，要求更新、加固、部署和优化代码，并报告已完成。他关心的是，哪些原本要数周甚至数月的项目，如今能在很短时间内做出来；时长和效果来自他的这次实践。
AI 实践与访谈作者 Peter Yang
Peter Yang 按自己的使用体验选择不同工具：浏览器和电脑操作用 ChatGPT 加 Codex，设计、视频编辑和审美用 Claude，全天运行及定时任务用 Grok Bot。他觉得 Gemini 写作被低估，但也明确说还需要更多测试。Behind the Craft 后续嘉宾包括 OpenAI 产品副总裁 Ashley Alexander，讨论照护患癌父母与 AI 能帮到哪里；Anthropic 设计师 Nate Parrott 会现场展示如何避免设计出 AI 套路感。另两位是讲工程基础与软件工厂的 Matt Pocock，以及 Jacob Sansbury，后者团队规模和 Claude 支出数字是预告中的说法。他强调选择自己真正在意、能谈实践的构建者。另一条分享引用 Google Labs 产品负责人 对界面的追问：创造、学习、娱乐和消费仍有亲自参与的理由，但一些产品可以由 agent 成为主要操作者。这里的工具排名是个人偏好，后续采访是预告，不能当成已公开单集或普遍评测。
Vercel CEO Guillermo Rauch
Guillermo Rauch 主张掌握自己的智能工具，尤其要掌握 harness、数据、连接和运行环境。他认为本地模型应该继续发展，即便最大的模型目前难以放到本地，也应保留选择空间。他把拥抱开源和拥有自己的 agents 放在同一条思路里。另一条更新说，他正在两个高复杂度项目上测试 Gemini，目前体验很好，也调侃它总是非常兴奋的表达方式。前者是他对自主权的主张，后者是个人项目体验，原文没有给出两项目细节或对照结果。
Y Combinator CEO Garry Tan
Garry Tan 分享 Particle-1，并称它在 agentic retrieval 上能达到更大模型的水平，价格只有 1/23。他附上相关链接，但这条文字没有展开基准、对比对象或计费条件，不能把这句话扩写成独立验证的性能结论。
游戏构建者 Thariq
Thariq 为正在开发的游戏加入一位使用火焰战斗的跆拳道大师，并把美术从 3D 模型改成生成的精灵图。他还做了一个高光介绍视频，觉得各部分正在成形，希望下周完成一个可展示核心体验的纵向切片。这是开发进度和目标，没有宣称游戏已经完成。
Replit CEO Amjad Masad
Amjad Masad 提醒，享受补贴式 AI 订阅的用户应准备好条件可能变化。他用较强烈的口吻表达这一判断，原文没有说明具体订阅、涨价时间或合同规则。另一条则介绍 Replit 的 feedback widget：在网站上开启后，用户反馈会变成供 agents 构建的 prompts。他把它描述为一个开关即可启用的反馈入口。原文没有说明反馈是否自动上线，不能把收集并转成提示词等同于取消审核或直接部署。
构建者 Zara Zhang
Zara Zhang 提出一个 Linktree 的视觉改造想法：让链接树真的长成一棵树，并附上演示链接。原文很短，只保留这个具体创意，不补写交互、发布状态或效果。
Box CEO Aaron Levie
Aaron Levie 认为，越来越多岗位会从让 agents 帮人稍微做快一些，转向由人帮助 agents 完成工作。他把这描述为从带有 AI 辅助的个人贡献者，转成管理一组 agents 的人。他列出编程、网络安全、法律、生物技术和工程等信息密集型工作。其理由是 agents 能并行推进任务，使产出不再只跟投入工时按原来的比例变化。他预期更早围绕这种方式调整运营的个人和组织会获得累积收益；这是他的趋势判断，并非已证明所有岗位都能无限并行。
Unsupervised Learning — Ep 95: Modal CEO on the Future of Inference, the Chaos of the GPU Market & Origins of the Sandbox Bet
核心要点：推理服务的长期差异，可能来自整套可组合的基础设施，而不只是更便宜地吐出 token。
Modal 创始人兼 CEO Erik Bernhardsson 把公司定位为 AI 应用的计算与存储底座。他曾在 Spotify 工作七年，如今要把分散的 GPU 供给、快速启动和多类任务组合成开发者能直接使用的工具。模型和 agent 架构仍在变化，他更关心哪些基础构件能持续被需要。
GPU 不是标准化商品。Modal 与 25 家云合作，采购还依赖 WhatsApp 群、酒店大堂见面和熟人介绍。地点、磁盘、网络、内存及可靠性都不同；供应商出故障时，平台要移出问题容量并处理工单。他直言：“这离一个高效市场还差得很远。”公开报价也未必等于实际采购价。
快启动来自底层投入。团队自建文件系统、容器运行时和调度器，用 gVisor 等做隔离，再逐步加入 CPU/GPU 快照和节点间快速拷贝。他认为只提供 token 容易陷入价格竞争，更持久的差异是把推理、沙箱、训练和批处理放到同一平台。2023 年的沙箱原型最初只花几天，需求扩大后却为规模、速度和可靠性多次重写。
Agent 改变的还有产品兼容性。它们同样需要短反馈循环、清楚的错误信息和文档，但训练数据里的旧代码会持续调用废弃功能，删掉文档、等三个月并不能消除问题。Modal 因而调整弃用窗口，并持续让模型写代码、构建和运行，寻找 agent 真正卡住的位置。
资深工程师仍承担监督责任。Bernhardsson 观察到，资深同事反而更积极使用 agents，因为他们能提供完整测试、把脑中的方案迅速实现；可靠性和扩展性的尾部风险仍需人处理。关于 GPU 承诺，他提醒，约 30% 的预付款可能把未来账单推给后续融资，不能把当期现金当成全部成本。这些采购、开发和市场判断是其经验自述，重点在检查约束与持续责任，而非据此做价格或投资预测。