Replit CEO Amjad Masad
Amjad Masad 把 Replit 称为目前唯一的 collaborative AI coding system。另一条介绍 Replit 新 sandbox 设计，称定制 Kernel build 让平台避开近期 Linux zero-day 漏洞中的 96%。他附上设计文章入口，但原帖未给出该比例的漏洞集合或统计范围。协作定位和安全效果都按他的产品陈述保留，不能把 96% 写成阻止所有攻击的概率。
OpenAI 的 Thibault Sottiaux
Thibault Sottiaux 认为，人类过去并不擅长编写安全的基础设施，未来可能走向人人拥有高度安全的软件，但中间会经历动荡。另一条说，对数千万行代码进行 formal proofs 已不再荒谬，值得纳入新系统设计时的考虑。这是他对工程方向的判断，原帖没有宣布一套已完成验证的系统。
Y Combinator CEO Garry Tan
Garry Tan 转介一个针对 PE/IB 工作的 long-horizon benchmark，认为解决高端金融任务是通向 AGI 的一部分。另一条从创业者视角讨论市场准入：即使发明了强大的 AI，如果掌握分发的少数大公司能挡住新产品，收益也难以普及。他主张国会开放市场，让更多初创公司竞争、降低成本。他把当周政治结果视为跨党派改善市场竞争的机会。这些是他的政策立场与行业判断，benchmark 的具体题目和成绩未在本批原文展开。
Anthropic 的 Claude
Claude 官方介绍 Personal Finance，先以 beta 形式面向美国开放。用户选择连接哪些账户，Claude 再依据余额与交易，以日常语言回答资金相关问题。访问权限为 read-only，不能移动、管理或投资用户的钱。另一条说明，这项功能没有广告或赞助推荐，定位是帮助理解个人财务，而不是提供投资建议。功能逐步向美国 Pro、Max 与 Ultra 用户推出，具体使用与账户权限仍应以产品界面为准。
曾参与 Claude Code 的 Thariq
Thariq 分享 Instinct 等 agents 的一个个人用法：基于地点的提醒。示例是记录洗衣时间，超过五天没洗时，在工作日回家半小时后提醒，并持续提醒直到自己确认或延后。他把间隔、工作日、地点触发与用户确认组合在同一条提示里。
OpenClaw 与 OpenAI 的 Peter Steinberger
Peter Steinberger 质疑 Apple 对 Safari 的说法是否符合自己的体验。他说，无论为 Safari 开发还是使用它，都觉得更慢、功能更少、存在奇怪 bugs，而且不少网站无法正常工作。他形容，想接近 Chrome 的性能都需要费力处理；这是个人开发与使用观感，原帖没有标准化浏览器性能测试。
Vercel CEO Guillermo Rauch
Guillermo Rauch 认为，“持续替你做事”是 agents 的关键应用。他举 Muse 和 Instinct 为例：夜间整理记忆，早晨提醒，或在上次互动过去 N 天后发消息。他把 Vercel Schedules 描述为加强版 Cron，可以在运行时定义、位于 Sandbox 外部，并按需调用计算以控制成本。另帖介绍 SpaceXSI 与 Vercel 的合作，称 Grok 和 Cursor 现在能构建、部署和扩展应用。他还给出一个产品循环：订阅 X，用 Bot/Cursor 构建，部署到 Vercel，在 X 发布和分发，再通过 X Money/Creators 变现。扩展能力和成本效果均来自他的产品介绍，循环中的变现也不是收益保证。
Box CEO Aaron Levie
Aaron Levie 预测，企业中与数据和系统交互的 agents 数量会达到目前人员的 100X。他认为，部署能否成功取决于 agent 能否获得决策、研究与执行需要的关键上下文。他说企业 90% 的数据是非结构化内容，分布在文档、合同、营销素材、研究、财务计划和设计文件中。Box 与 NVIDIA 的合作将 lexical search 和 semantic search 结合，用于检索这些上下文。按他的介绍，检索会遵守企业安全、访问控制与数据治理政策，让 agents 只处理获准的数据；100X 和 90% 分别是他的预测与陈述。
Every CEO Dan Shipper
Dan Shipper 分享 Thesis: 2027 从 Brooklyn 直播的入口，原帖没有进一步列出演讲议题或活动时间。
AI 教程作者 Peter Yang
Peter Yang 希望 Suno 与 Tesla 能把音乐 app 默认加入汽车。他设想，开车时用语音描述生成想听的歌曲；这是一项功能愿望，原帖没有宣布双方已经完成集成。
SPC 普通合伙人 Aditya Agarwal
Aditya Agarwal 提醒，有人愿意按某个估值投资，并不代表那个估值就适合自己的公司。原帖没有展开具体融资案例或估值计算方法。
Unsupervised Learning — Ep 97: Jev Creator on Decision Models, Benchmark Fatigue & Why the Labs Missed It
核心要点：决策模型的价值在可靠、可组合的软件能力，而不是换一种输出形状后再次追逐 benchmark。
Jev 创造者、TypeSafe AI 联合创始人 Diogo Almeida 希望 AI 成为软件调用的认知部件。他区分给人看的自然语言与供机器使用的小决策，认为后者不该总被包装成聊天。Jev 仍未达到他的目标，他希望开发者参与定义可靠性需求，并直接反馈能力参差不齐的地方。
可靠性要落到实际任务。Almeida 说：“如果你不得不用太多 hacks，那仍然是我们的错。”短期为应用做适配很正常，长期则希望模型像 SQL 或软件依赖一样稳定，不必每次发布都重新猜它的性格。他担心只做出新形状、反复刷榜和过度承诺，会消耗开发者试用新方法的信任。
他把 coding agents 的设计约束与 KV cache 联系起来：追加历史可以节省成本，却让路由、subagents 传递上下文与状态管理更复杂。把全部内容交给子任务会增加输入成本，只传摘要又可能丢掉下一任务需要的信息。他设想共享状态的旁观 agent 实时做可视化，或按新任务重建上下文、先从历史中找相关内容；这些是探索方向，不是已交付功能。
小决策也可能用在安全边界。他希望每次 tool call 都能按组织语义检查，例如某段代码不应调用另一部分系统，而不只依赖模型厂统一规则。应用开发者无需提供私人数据，可以只描述失败任务的大致形状，与模型团队一起补可靠性缺口。他也设想用自然语言描述输出性质的 semantic dependent typing，让部件更容易组合。
多模态还需要更多验证。他坦承图像模型的能力参差很大，不愿称其 prod-ready，建议先研究模型为何在简单任务上失败。谈 coding agent 生产力时，他给出约 20–40% 的个人估计，并强调用例、使用者能力、技术债和长期技能变化都会影响结果。代码有 Git、回退和人工复核，其他知识工作未必具备同等防护；他建议按决策后果与可恢复性部署，而不是只因 FOMO 全面押注。市场、估值和 AI safety 的观点保持为他的判断。