ChatGPT Work 走向代理办公，模型层仍未商品化 - 2026-07-19

type

status

date

slug

summary

今日主线

今天这批 follow-builders 内容最值得看的，是 ChatGPT Work 正在从“聊天工具”往“代理办公”移动。Thibault 直接用语音把上千条 DM 的筛选、分类、整理表格交给 ChatGPT Work，还把它的能力范围说清楚：建站、托管、邮件、文档总结、docs、sheet、slides。这已经不是问答，而是把一整段办公流程交出去。

另一条线是模型层仍然没有真正商品化。Kimi K3、Sol、Fable 被多位 builder 放在同一个讨论里：有的开放模型已经在网络安全 eval 上很强，Sol 更进一步但成本高，Fable 又因为拒答太多影响可用性。Matt Turck 那句“model layer still not commoditized”正好概括了今天的信号。

重点解读

第一，ChatGPT Work 的使用方式开始变得更像“把任务丢给一个办公室同事”。Thibault 的例子不是写一段文案，而是从大量私信里抽取线索、整理结构化表格、判断行业和公司类型。这类任务过去需要人工筛选、复制、归类，现在可以通过语音一次性描述目标，让 agent 去处理。

第二，企业 AI 落地会越来越依赖“自己的 eval”。Zara 提醒个人要有 personal eval set，Madhu 前几天讲企业需要 harness 和 eval，今天她又点出业务和 AI 之间的理解断层。标准 benchmark 只能告诉你模型大概强不强，不能告诉你它对自己的业务到底有没有用。

第三，Jürgen Schmidhuber 在播客里的观点提供了更大的背景。他对 AI 技术长期乐观，但对模型公司和今天的 CapEx 热潮更谨慎；他认为真正的 AI 不只是屏幕后面的语言模型，还需要能在物理世界中行动的机器人和硬件。AI scientist 的关键也不是只吃人类网页数据，而是能通过自己的实验产生数据、提出问题、学习世界。

X Builders 全量记录

1. Swyx @swyx

Swyx 今天两条都在看 AI 时代的分发和人才。他认为欧洲其实有不少顶级 AI 工程师，关键是能不能把这些人拉到正确的竞技场里；另一条继续讲 AEO，他预计按当前节奏，AEO 明年可能给自己带来 100 万美元收入。这里的信号是：AI 不只改变生产，也在改变内容、搜索和人才市场的竞争方式。

2. Thibault Sottiaux @thsottiaux

Thibault Sottiaux 的三条是今天最直接的产品信号。他说自己现在的工作基本变成“委派给 ChatGPT Work”，而且大量使用语音输入。他举的例子很具体：让 ChatGPT Work 从上千条 Twitter DM 里筛出提到 ChatGPT Work 的人，整理姓名、DM 链接、原文、行业判断、公司类型等信息进表格。另一条列出 ChatGPT Work 的用途：建站和托管、管理邮件、总结大量文档、生成高质量 docs、sheet 和 slides。代理办公开始变得很具体。

3. Peter Yang @petergyang

Peter Yang 今天一条是用 ChatGPT Site 和孩子一起做乘法表学习游戏，包含图像生成、音乐和限时 boss 关卡，属于 AI 应用创作的轻量例子。另两条是世界杯相关内容，和 AI 主线关系不大，但按全量规则保留。

4. Thariq @trq212

Thariq 转述 Anthropic 团队为了按时完成 Fable 相关工作付出了很重的 effort，有人几乎全天候推进。他的重点不是炫耀发布，而是说明高需求模型的上线背后有大量工程和运营压力。

5. Guillermo Rauch @rauchg

Guillermo Rauch 今天有两条，一条是模型能力评测信号：基于内部 eval，他认为 Kimi K3 在网络安全任务上很强，Sol 在 cyber capability 上又明显更进一步，只是成本高很多；Fable 则因为拒答太多，没法完成同样测试。他给出的结论很直接：frontier、open-weight 的网络安全能力已经出现。另一条讨论 AGI 这个词，他认为 AI 和人类智能差异太大，更像“superintelligences”，但不能替代人本身。

6. Aaron Levie @levie

Aaron Levie 今天两条都在讲 AI 生态扩散。他认为过去几个月已经说明，AI 价值不会只流向少数几家公司；frontier labs 仍然会继续推进模型极限，但基于这些模型的应用层、基础设施层和真实世界落地也会长出巨大生态。另一条则判断 model gatekeeping 很难大规模奏效，因为中国已经能用 Kimi K3 这类模型接近前沿水平，真正的应对方式应该是安全地保持高进展速度、推动扩散、建设基础设施，而不是把生态锁慢。

7. Garry Tan @garrytan

Garry Tan 今天三条主要是旧金山政治、市场和公共治理相关内容，和 AI 主线关系不强。按 follow-builders 的不过滤规则，这里保留为非 AI 主线内容。

8. Matt Turck @mattturck

Matt Turck 今天两条是足球相关，另一条是 AI 判断：从 2024 到 2026，大家反复说 model layer 正在商品化，但他认为模型层到现在仍然没有真正商品化。结合今天关于 Kimi、Sol、Fable 的讨论，这条很有用：开放模型在追赶，但模型能力、成本、拒答、部署形态仍然有明显差异。

9. Zara Zhang @zarazhangrui

Zara Zhang 今天两条都很实用。她建议每个人建立自己的 personal eval set：选几件真正和日常工作、生活相关的任务，用来测试模型边界，而不是只看行业 benchmark。另一条指出企业 AI 落地最大的障碍之一是：懂 AI 的人不懂业务，懂业务的人不懂 AI。这个判断和今天 ChatGPT Work、企业 agent 的方向很贴。

10. Nikunj Kothari @nikunj

Nikunj Kothari 今天这条是巴黎橘园美术馆和儿童空间的生活化内容，和 AI 主线关系不大，按全量规则保留。

11. Aditya Agarwal @adityaag

Aditya Agarwal 今天这条是关于资本主义的轻量表达，信息量不大，也不是 AI 主线，但属于本次抓取内容，按全量规则保留。

Blog 全量记录

今天 follow-builders 输出里没有 blog 内容。

Podcast 全量记录

1. Unsupervised Learning：Ep 90: AI Pioneer Jürgen Schmidhuber on the State of AI Today

这期 Unsupervised Learning 采访 Jürgen Schmidhuber。核心结论不是简单说 AI 要起飞或泡沫要破，而是把几个问题分开看：屏幕后面的语言模型已经很强，但不等于真正掌握物理世界；机器人硬件远落后于人体，尤其是手和传感能力；人工科学家要靠自己提出问题、做实验、生成数据，而不是只学习人类已经放到网上的内容。他也认为今天的资本开支热潮可能被高估，对 AI 技术乐观，但对模型公司能否长期靠递归自我改进形成护城河更谨慎。

今日沉淀结论

今天最值得记住的是：Agent 办公正在变得具体，模型选择却还远没变成普通商品。ChatGPT Work 展示了语音委派、信息整理、文档和表格生成这类真实办公入口；Kimi、Sol、Fable 的差异说明模型层仍有明显能力和可用性分化；而 personal eval 和业务理解，会决定这些能力能不能真的变成生产力。

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders