OpenAI 的 Thibault Sottiaux
Thibault Sottiaux 说，团队已组建 cyber 团队，计划在之后几周和几个月分享更多工作。另一条邀请希望参与安全工作的人联系 Clint Gibler，具体岗位、地点和要求未在原帖展开。
OpenClaw 与 OpenAI 的 Peter Steinberger
Peter Steinberger 质疑，按个人设置使用额度是否仍然合理。他认为，能力提升之后，人们希望支持的是代表整个项目的 agent，让它持续运行循环、演进代码库，而人类主要策划和整理自动化。他是在提出项目级 agent 的使用与配额问题，原帖没有宣布新的计费或额度政策。
FPV Ventures 合伙人 Nikunj Kothari
Nikunj Kothari 回顾与 Peter Walker 及现场嘉宾的活动，并计划每周举办。他希望招募能以轻松但深入的方式谈一个领域 45 分钟的人，也特别关注当下还不家喻户晓、但可能在 12 个月后广为人知的讲者。有合适人选可私信联系他。
Vercel CEO Guillermo Rauch
Guillermo Rauch 报告，Vercel Security Reviews 在 24 小时内识别 6,817 个漏洞，其中 580 个为 critical 或 high，已有 1,411 个由 Agent 修补。他同时介绍，服务在 11月10日前完全免费。另一条判断，大量人类编写的软件很慢、存在漏洞、规格不足或不正确，AI 会反复重写这些软件。他期待 AI 做证明、formal verification、load testing 与加固，并把 memory-unsafe 的基础改得更可靠、更优化。他还提到文档、教学、图示、动画和 slide decks 等输出；漏洞数字是他的运行报告，后半部分是对未来能力与工程方式的判断。
FirstMark 投资人 Matt Turck
Matt Turck 从客户视角描述一种统一 AI：无论发文字还是说话，无论购物还是寻求支持，都能与同一个 central brain 互动。它不仅回答，还要采取有帮助的 agentic action，并随时可用。他把 Dialpad 与 Ada 的结合看作追逐这一愿景的新参与者。同时他披露，自己从 Series A 起就是投资人，对 Mimurchison 和团队的下一步感到期待。这里描述的是他的客户愿望与投资人判断，不是全部功能已经达到该目标的验收。
Y Combinator CEO Garry Tan
Garry Tan 说，GStack 的 /review skill 仍然对预防 bugs 有用。这是他对实际工具的简短评价，没有在原帖给出缺陷数量、对照测试或工作流细节。
AI Engineer 组织者 Swyx
Swyx 关注 Thinking Machines 的 inkling base model，称其速度提高 3x、成本降低 5x，而 FrontierCode 2 的 evals 结果相同。他把这描述为不牺牲结果的 distillation，并认为该模型被低估。他还预计，基于美国预训练模型的类似工作会更多。原帖没有展开具体基准设置，数字和预测保持为他的陈述。
曾参与 Cursor、Notion 与 Stripe 设计的 Ryo Lu
Ryo Lu 回顾在 AI Engineer Shanghai 的演讲，提出一个反复思考的问题：当我们可以做出任何东西时，是否仍知道自己想要什么？他希望工具帮助人形成自己的答案，而不是跳过形成答案的过程。他追求的不只是更多产出，也包括更多思考、关心与共同创造的空间，并计划继续分享。
AI 教程作者 Peter Yang
Peter Yang 说，自己不会用 AI 给本地商家打电话，但愿意让它联系 Xfinity 客服。他抱怨，地址处于 active outage 时，电话系统不允许转接真人。原帖是他的客服体验和使用取舍，没有提供电话 agent 的新技术细节。
Builder Zara Zhang
Zara Zhang 发现，在一个分享个人网站的 thread 中，绝大多数参与者是开发者或设计师。她追问，这是因为只有这两类人需要个人网站，还是只有他们知道怎么制作。这个问题把需求与制作门槛区分开，观察范围限于她看到的 thread。
Replit CEO Amjad Masad
Amjad Masad 宣布 Replit 与日本 Sumitomo Mitsui Finance & Leasing（SMFL）合作。他说，Replit 已用于 SMFL 的核心软件产品，并显著加快开发。他举例称，一个过去要六个人做六个月的项目，近期由一个人在一周内完成。接下来双方计划把 AI-powered software creation 带到更多日本企业，面向劳动力短缺、创新与新业务机会。这一比较来自他的客户案例陈述，原帖没有给出项目范围与验收口径。
OpenAI Core Products 产品负责人 Cat Wu
Cat Wu 宣布加入 OpenAI，负责 Core Products 的产品管理。她认可 OpenAI 展示 scaling 的价值、把 AI 带给超过十亿人的工作，以及把优秀产品作为使命一部分的理念。她计划与 Thibault Sottiaux、PM 团队及公司其他同事合作，构建支持个人和团队、让用户保有控制权的 agents。她希望由此给用户更多时间处理自己关心的人与工作，并邀请继续反馈。
AI & I by Every — The Inside Story of the 50 Who Built Modern AI With Kevin Roose
核心要点：AI 可以承担检索与逐句编辑，但作者仍要决定故事为何值得写，以及哪些困难本来就需要自己经历。
科技记者 Kevin Roose 为 The AGI Chronicles 采访约 150 位相关人士，试图记录现代 AI 的关键决策。他虽在 2021 年写过 AI 书，仍想了解 transformer 的传播、ChatGPT 发布取舍和 reasoning models 的来历。内部材料保密、聊天会消失，让他想尽快留下记录。
取得深度访问先要建立信任。前约 25 位受访者最难，他允许多数人 on background 交流，不把姓名与具体信息直接对应。之后，熟人相互推荐、不同意见者想补充自己的版本，采访逐步滚动起来。他强调先读论文与旧采访，带着具体问题去，而不是只要一份表面概览。
书中文字由他自己写，AI 用在其他环节。他用 Claude Code 组织 council of Claudes，分别扮演怀疑者、技术史研究者和关注叙事结构的编辑，再由主编辑 agent 汇总意见。他说这曾找出自己和人类编辑漏掉的事实错误，并感叹：“几年前，我们得核查 AI；现在 AI 来核查我。”这是个人写作经验，不意味着核查可以交给模型后就不复核。
NotebookLM 帮他在庞大资料里追溯出处，例如谁讲过 GPT-4 预训练的故事，或该找哪三个人了解 Anthropic 的某件往事。逐句修改、结构与节奏是 AI 能帮忙的部分；判断故事价值、鼓励作者重访来源、指出问题还没想透，仍是他需要人类编辑的地方。实际写作主要在 Google Docs，方便与制作人共同工作。
Roose 用 weightlifting 与 forklifting 区分任务：前者的困难本身带来成长，后者只是把重物从 A 搬到 B。他把育儿留给自己，把创业的文书、保险与流程杂务交给工具。他也在探索让视频既保有新闻标准、又符合 YouTube 观看习惯，同时让关掉屏幕的听众仍能得到完整内容。他对监管与行业风险提出个人判断；写作者则可保留责任、整理可追溯资料，先分清什么值得亲自练习。