type
status
date
slug
summary
tags
category
icon
password
今日主线
今天最值得沉淀的主线是：AI 评测不能再只看一个 benchmark 分数，而要看模型花了多少推理预算。No Priors 这期和 OpenAI Research Scientist Noam Brown 聊 large-scale test-time compute。他的核心判断是，现在模型能力越来越像预算函数：给 10 美元、1 万美元、1000 万美元的推理预算，得到的能力可能完全不同。如果 benchmark 不控制 token、时间或成本，模型之间的比较就会失真。
重点解读
Noam Brown 这期的重点很清楚：传统模型发布喜欢放一张 benchmark grid，但这种单点分数越来越不够用。以 5.5 和 5.4 为例，他认为单看网格分数差距不大，是因为没有控制思考时间。5.5 更高效，如果把 test-time compute 作为横轴来画，差距才更明显。这个观点会影响模型评测、安全框架和企业采购：以后问“哪个模型更强”之前，要先问“在多少预算下更强”。
这也和今天 X 上的 agent 讨论对应上了。Nan Yu 说炫耀开 10 个 Claude Code 标签页只是表演，管理 agent 像玩实时战略游戏一样可能是死路。Cat Wu 则给了一个更实际的 workflow：让 Claude Code 根据岗位需求发起动态流程，找 100 个候选人，整理 LinkedIn、Twitter、blog、podcast 和一句话推荐，再做成 artifact 发邮件。这里的关键不是“开很多 agent”，而是把 agent 放进一个能交付结果的流程。
另一个值得看的信号是，builder 圈对“错误和过度用力”的反思更多了。Matt Turck 和 Dan Shipper 都转了 “make no mistakes” 类内容，Dan 还调侃让 Fable 改一个按钮颜色，它却调起一整个 agent 队伍。意思很直接：长思考、并行 agent、自动工作流都很强，但如果没有预算、任务边界和路由，可能会把简单问题做复杂。
X Builders 全量记录
1. Peter Yang（petergyang on X）
Peter Yang 今天三条里，两条是比赛相关内容，非 AI 主线；第三条是他预告自己的播客即将上线一些新集，并希望在生日之前冲到 10 万 YouTube 订阅。它更像内容运营和个人发布节奏，不是 AI 产品动态，但按全量要求保留。
推文 1：比赛感想，非 AI 主线。
推文 2：比赛玩笑，非 AI 主线。
推文 3：播客预告和订阅增长请求。
2. Nan Yu（thenanyu on X）
Linear 产品负责人 Nan Yu 今天两条很值得看。他说炫耀自己同时跑 10 个 Claude Code 标签页只是 theater，又说用“实时战略游戏”的方式管理 agents 明显是死路，因为早期 AI 在微操上已经能打过绝大多数人类玩家。第三条是足球相关评论，非 AI 主线。放在一起看，他是在提醒：agent 产品不该让人类当调度员去手忙脚乱微操，而应该减少管理负担。
推文 1：开很多 Claude Code 标签页不等于真实效率。
推文 2：把 agent 管理做成实时战略游戏是死路。
推文 3：足球评论，非 AI 主线。
3. Amanda Askell（AmandaAskell on X）
Anthropic 的 Amanda Askell 今天说，从医生那里拿到一个概率判断像“不必要的 boss battle”。她甚至说，即使你求一个区间形式的主观概率，本质上也只是要医生给一个 hunch。这个点和 AI 医疗、决策辅助有关：很多真实专业场景的问题不是缺知识，而是专家不愿或不能明确表达不确定性。
推文 1：医生、主观概率和不确定性表达。
4. Cat Wu（_catwu on X）
Anthropic 的 Cat Wu 给了一个很具体的 Claude Code + workflows + artifacts 用例：候选人 sourcing。她会告诉 Claude Code 岗位和背景要求，让它启动动态 workflow 找 100 个候选人，并附上 LinkedIn、Twitter、blog、podcast 和一句话推荐，再生成 artifact 发邮件给她。这个例子说明 agent workflow 的价值不是开一个聊天窗口，而是把研究、整理、交付和异步查看串起来。
推文 1：Claude Code 做候选人 sourcing workflow。
5. Thariq（trq212 on X）
Claude Code 团队的 Thariq 今天是一条旧金山风格的玩笑，把“God gave me a sign”改写成被时间尽头的 ASI 因果影响以最大化人类 EV。它不是产品更新，但保留了 builder 圈里把日常语言 AI 化的语境。
推文 1：ASI 和旧金山语境玩笑。
6. Amjad Masad（amasad on X）
Replit CEO Amjad Masad 今天只有一条美国 250 周年相关内容，不是 AI 主线，按全量要求保留。
推文 1：节日内容，非 AI 主线。
7. Guillermo Rauch（rauchg on X）
Vercel CEO Guillermo Rauch 今天只有一条世界杯预测，认为美国和阿根廷会进决赛。不是 AI 主线，按全量要求保留。
推文 1：比赛预测，非 AI 主线。
8. Garry Tan（garrytan on X）
YC 的 Garry Tan 今天三条里，第二条最接近 AI 和 builder 主线。他说人类财富的真正约束不是资源，而是好想法以及执行这些想法的杠杆；现在杠杆约束被删除了，剩下的是想法本身。结合 AI 工具语境，这其实是在说个人和小团队的执行能力被放大了。第一条是轻量短句，第三条是他在日本观察到的“不能更多时就做得更好”的判断。
推文 1：轻量短句，信息量有限。
推文 2：AI 时代杠杆约束降低，关键变成想法和建设。
推文 3：日本、增长上限和质量竞争的观察。
9. Matt Turck（mattturck on X）
Matt Turck 今天第一条是 AI agent 相关玩笑：当他要求 AI agent “make no mistakes” 时，配图表达了 agent 仍会出错的现实。后两条是足球内容，非 AI 主线。因为他的播客今天是重要主线，完整解读放在下面 Podcast 部分。
推文 1：要求 AI agent 不犯错的玩笑。
推文 2：足球内容，非 AI 主线。
推文 3：足球内容，非 AI 主线。
10. Zara Zhang（zarazhangrui on X）
Zara Zhang 重新提到她之前做的一个 skill，理由是“理解你的代码”又重新变得流行。这个点和今天 agent workflow 主线有关：代码理解正在从静态阅读变成可被 skill 化、流程化的能力，也是 coding agent 真正进入工程上下文的前提。
推文 1：重新提到代码理解相关 skill。
11. Nikunj Kothari（nikunj on X）
Nikunj Kothari 今天第一条很有意思。他觉得 founder 和 VC 的沟通可以更产品化：与其用 30 分钟重复讲 deck，不如让对方先玩产品并带来至少两条反馈，或者干脆做产品 brainstorm。他还开玩笑说，把双方的“个人 prompts”上传给 Claude 数字化处理可能更高效。第二条是 Claude Code 已处理建议的轻量内容；第三条是旅行求推荐，非 AI 主线。
推文 1：融资沟通可以被产品反馈和 Claude 式数字化替代一部分。
推文 2：Claude Code 已处理建议。
推文 3：旅行推荐请求，非 AI 主线。
12. Peter Steinberger（steipete on X）
Peter Steinberger 今天推荐了一个工具或资源，并说可以通过链接使用。JSON 里没有更多上下文，无法判断具体内容，只作为原始抓取内容保留。
推文 1：工具推荐，上下文不足。
13. Dan Shipper（danshipper on X）
Every CEO Dan Shipper 今天两条都围绕 Fable 和 agent 过度执行。第一条是 Fable on ultracode “make no mistakes” 的玩笑，第二条更具体：用户只是让 Fable 改按钮颜色，它却像启动了 100 个 agents 去完成。这和 Noam Brown 的推理预算主题正好呼应：不是所有任务都需要重型推理或大规模并行，关键是判断任务需要多少预算。
推文 1：Fable 和 “make no mistakes” 玩笑。
推文 2：简单 UI 修改被 Fable 过度动员。
14. Sam Altman（sama on X）
Sam Altman 今天用一个生活观察类比 AI 能力：他家孩子第一次把两个词组合在一起，他说自己对此的惊讶程度大概和 GPT-5.6 发现新数学一样。它不是产品公告，但透露了他对模型数学能力突破的语气判断。
推文 1：把孩子语言发展和 GPT-5.6 发现新数学做类比。
Blog 全量记录
今天 follow-builders JSON 中没有新的 blog 条目。
Podcast 全量记录
1. No Priors：Really Big Test-Time Compute in AI Changes Benchmarks, Safety and Research with OpenAI Research Scientist Noam Brown
这期的核心结论是：AI 评测需要从“单个分数”改成“能力随推理预算变化的曲线”。Noam Brown 认为，今天的模型已经不是固定能力的静态物体。你给它 10 美元、1 万美元或 1000 万美元推理预算，它能做的事可能完全不同。旧的 benchmark grid 把每个模型压成一个数字，会掩盖模型效率和长思考能力的差异。
他还把这个问题扩展到安全评测。很多 responsible scaling policies 或 preparedness frameworks 会问模型有没有危险能力，但如果危险能力也随 test-time compute 增长，那么评测时到底给多少预算就变成关键问题。Noam 还提到一个数学例子：内部模型在较低预算下找到 Erdos unit distance conjecture 的反例，而 5.5 通过合适 scaffold 和更大预算也可能做到。这说明现有模型里可能有很多没被充分探索的潜在能力。最后，他并不认为“无限思考”能解决所有事：有些任务像事实回忆，想再久也不会变好；有些任务像 Sudoku，预算越多越可能提升。关键是把任务、模型和预算放在同一把尺上比较。
今日沉淀结论
今天所有内容放在一起看，AI 产品正在从“模型能力”进入“推理预算管理”阶段。大模型可以长时间思考、并行探索、调用 agent workflow，但每个任务到底该花多少 token、多少时间、多少模型调用，正在变成核心产品问题。未来更好的 AI 工具不会只是“开更多 agent”，而是能判断什么时候快答、什么时候深想、什么时候交给 workflow，以及什么时候根本不该把简单任务复杂化。
Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders