会飞的荧（@feitu）的 AI 短帖

Anthropic 工程师说：别再自己写 prompt 了，去搭一个自己会写 prompt 的系统。

要点照录。Anthropic engineer 说了句挺扎心的："You're not supposed to prompt Opus 5.5. You're supposed to build a system that prompts itself. At Anthropic, 90% of our engineers have already built such systems." 30 分钟里，她把 Anthropic 怎么造 agents 讲得明明白白，这些 agent 记得住事、自己修错、每跑一次都变聪明。

引帖那半同样留着，beamnxw 提到 Loop engineering + Jev engineering 这套 setup，说 Claude loops 可能一边烧钱一边什么都没变，用 Jev 过滤任务、砍决策成本，先把触发器修好再谈通宵跑。

"先把触发器修好"这半句是场重心。前面那份基准尺讲的是量要真，这条讲的是路子真。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在循环里看产品怎么被自己喂大。两头都在提醒同一件事，喂 prompt 的人迟早会被系统替代。

"我不这么认为"这半句我单独拎出来。前面那份专用模型路线讲的是把自己那摊事做好，这条讲的是把 prompt 这活儿交给系统。90% 的工程师已经搭了这种系统，说明写 prompt 这件事正在从手艺变成基建；谁还在手写，谁就是在跟基建抢饭碗。Loop engineering 这套东西，装上容易，跑顺靠的是把触发器和成本这两头都摁住。

我留的疑问有三处。那 30 分钟的具体步骤没给；90% 这个比例的口径没说；Jev 过滤任务的实际效果没测，这些都在引文里才看得到。

这周搭一个最简单的自 prompt 循环，跑一周看看它自己修对了几个错。

今晚 AI 基础设施层又加了一格：MongoDB 9.0、Atlas Infinite、Atlas Agent Engine 同时发——一句话点透：An agent can reason perfectly and still make the wrong call if its data is stale（来源：mongodb.social/6017BGq7l9 ）。agent 推理完美但数据陈旧，它做出来的决定照样是错的。

这条官方公告把今晚聊过的事情拧成了一股绳：Agent 不能死、agent 的死法有四种、模型只是及格线——这些讨论都默认了一件事：agent 的判断靠数据，不是推理。推理是上半句，数据是下半句；上半句被证明得越多，下半句就显得越重要。

MongoDB 这一手就是冲着下半句来的：它不再是数据库公司，今天它的 Atlas Agent Engine 喊的口号是 memory、runtime、governance——给 agent 当基础设施。

把这张地图翻开来，今晚基础设施层接入 agent 的事件已经排成了一列：NVIDIA 出 Open Agent Safety Platform 推 agent 不能碰的地方；DeepSeek DSec 把沙箱基础设施做到每秒新建 5000 个；Codex Security Cloud 让审查关电脑也能跑；现在 MongoDB 把数据层变成 agent 可直接调用的 memory 与 runtime。

这几家不是 agent 厂商，但是agent 实际跑起来要靠什么这件事的供应商：算力、网络、内存、数据。它们一起把 agent 从 Demo 推到作业。

落到具体使用上有一个简单问题今天就能答。过去做应用，数据设计是查什么有什么；agent 来了，数据设计的核心变成拿数据多快、多新鲜、多准——MongoDB 9.0 强调的快是 agent 友好式的快：Atlas Infinite 让存储和算力独立伸缩，意思是 agent 的算力可以高并发而存储按需扩展。

数据库公司不再卖数据库，开始卖 agent 的基础设施——卖的不是 DB，是带 DB 能力的 agent memory。

留一格清楚的边界：MongoDB 仍主要是数据库公司，Atlas Agent Engine 是周边产品，竞争压力会让它对开源模型持开放姿态，但它自己不会做模型层；agent 的判断靠数据不等于数据库决定一切，模型本身的推理能力仍是大前提。memory 是必要条件不是充分条件。

给今天就在跑 agent 的人一句落地的：今天看你的 agent 用的是什么数据库——关系型、向量型、Graph 还是文档型？它能不能拿到实时数据（不是上一次的快照）？一个 agent 推理再准，数据陈旧两小时，做出来的判断也可能偏离两小时前的事实。

agent 时代的数据库选择，第一次和推理能力同样重要——基础设施厂商把这件事摆上桌面，今天你可以问自己一句：你现在跑的 agent 数据够新吗？

OpenAI 开发者账号推了 Codex Cloud environments——可复用开发环境，仓库依赖脚本设置都准备好，关电脑 agent 还能继续跑。视频在原帖。

这正好把今晚 OpenAI 的 always-on 版图从一根线变成两根。一根是 Dots：通用 always-on agent（几个小时前刚刚在公开 demo 上卡住没回应）；另一根是 Codex Cloud environments：开发场景下的 always-on——环境预设、关电脑还能跑。

两根线背后是同一个判断：模型够用之后，系统能不能在你不在的时候继续工作，已经从口号变成了产品目录里的两条独立 SKU。

把它放进本周 always-on 主线看就清楚了。Meta 用 Muse 推常驻 agent 的家用场景，Perplexity 把 Computer 接 Gmail/Slack 走轻量自动化，DeepSeek 的 DSec 把沙箱基础设施拉到了每秒 5000 次新建的工业级；而 OpenAI 走的是两条路：通用场景交给 Dots，开发场景交给 Codex Cloud。

可复用的环境预设是这条线里的关键设计——把那种每次启动都要重装一遍依赖、配脚本、等装包的过程，变成打开就用。这意味着 Codex 不再是一个写代码的 CLI 工具，它开始变成开发团队的云端队友。

但 always-on 的账单也得翻过来看。关电脑还在跑，意味着 token 账、电费、算力开销也在同步消耗——你以为是省了你盯着的时间，实际上是换了一个付费的代班。Dot 现场卡住，Dots 第一摔让人先想到的也是这条：永远在跑的另一个名字叫永远在花。

留一格清楚的边界：可复用环境的具体能力、收费档位、与 CLI 的边界以官方公告为准；关电脑跑的安全性、责任归属（agent 误删东西谁担）这些工程细节，OpenAI 还没给完整答案。方向对，规则未定。

给想试的人一句落地的：今天挑一个不重要的副仓库给 Codex Cloud 跑着，让它过一夜，第二天早上回来对比它做了多少、你不在时它出过错没有。这一次你才真正知道 always-on 是兑现了，还是宣传多。用过一次的实测，比十篇介绍都有用。

DevDay 当晚的官方消息，把这条主线盖章了——OpenAI 官宣 "Dots, always-on AI agents"：可自主 24/7 工作、操作自己的云电脑、连接超过 4000 个应用。

这是本周 always-on 主线的官方落子。前两天我们看到 Meta 把 Muse 推上"24 小时在线的电脑"、Perplexity 把 Computer 自动化进 Gmail 和 Slack、Codex Security Cloud 把安全扫描摆到插件位——OpenAI 直接把它命名成了一个产品线。

Dots 这个名字选得也巧：点和点之间你帮我连上，24/7 自己跑、人只管起点收尾。当最大对手都把这条线钉成产品，过去几年围绕"agent 该多自动"的争论就此翻篇。

但 Dots 的形态和前面几家不一样："操作自己的云电脑"是真正的第四层方向——不是 Perplexity 那种"事件触发就动动"的轻量自动化，而是 agent 拥有自己的运行环境、能长时间独立完成任务；"4000 应用"则让它立刻覆盖了 Perplexity / Codex 还摸不到的那片地。

把它当对手看，这一步把"always-on"从概念升级成了产品标准；把它当工具看，明天你打开 ChatGPT 的 Pro 和 Business 就能用上。

落回本周的纵深线：Dots 要真正落地，今晚三条收过口的安全线都帮它省了成本——审批默认开（它自己不能在用户不知道时动手）、MCP 漏洞补丁和预注册 OAuth（它的 4000 应用连线要安全）、代理层独立记录（它的 24/7 自主操作要可审计）。

OpenAI 并不是单独在推 always-on，它几乎是把这一周的安全线、工具线、订阅线一并用上——DevDay 真正的成色，是这一整盘。

留一格清楚的边界：能力描述相当饱满，24/7 操作云电脑的稳定性和出错率都还没第三方验证；"always-on"对应的是要长期负责的可靠性问题——模型不是瓶颈那条线说过，harness 才是；Dots 上线后的真正考题不是它能做什么，是它会怎么死、死了怎么复。

别把发布会美学当合同——该问的三个问题还是那句话：24/7 不断电、出错自动恢复、第三方旁观可审计。

给正在等 DevDay 兑现的人一句落地的：今天就看你订阅档位有没有更新 Dots——能用了先拿低风险任务试（整理邮件、汇总周报）；不能用的等一周，再看用 Pro 还是 Business Premium，哪个 ROI 更划算。Always-on 真不真，看你能不能在没有它的时候也照样忙——这条线一旦跨过门槛，你的工作方式就回不去了。

一句带到期日的预言，值得单独记下来：Google Brain 创始人吴恩达："Prompting 将在 6 个月内结束，接下来是 harness。" 他给的演进链是：Prompts → Agents → Harnesses → Loops → Graphs → 自改进系统；在那场 97 分钟的 session 里，转移讲得很直白——context → 任务路由 → 执行 → 验证 → 下一步。

转述者的总结也到位：prompt 给你一个答案，harness 给 agent 一个可以工作的系统；大多数人还在优化 prompt，真正的工程已经上移一层。

这条和本周的 harness 三连（"模型不是瓶颈、可靠才是"、RRSI 那篇"harness 自己进化"、"别把 harness 当真相来源"）拼起来，方向已经不必再争；它真正特殊的是给了个日子——6 个月，大致到 2027 年初。

预言能给日期的不多，多数趋势判断永远"即将到来"，这句到时候可以对账：如果那时你的工作里"调措辞"的比重还在降、"配工具、盯验证、管状态"的比重还在升，他说对了；如果大家还在比谁的提示词精巧，那就是他说错了。可证伪的预言比一百句正确的废话值钱。

顺带把落点说清：这不等于"别学写 prompt"——入口仍然要写对（前面讲资产那篇说过，prompt 是入口），只是别把进步的想象全押在措辞上。真要看自己的位置，有个粗测法：数一数你上周的工作里，"把话说清楚"占几成、"搭流程看结果"占几成——前者的回报正在缩水，后者的回报还在涨。

留一格清楚的边界：这是转述的口头金句，原话语境与"6 个月"的精确含义以 session 原文为准；吴恩达也从不缺惊人预言，过去的预言也并非全中——但这一条的验证成本极低：时间到了，翻你自己的工作记录就知道。

给还在苦练提示词的人一句落地的：这周挑一个你重复做过三次的任务，别再改措辞，改成搭个小流程——把输入、校验、重试写成固定步骤。你会发现省下的时间比你优化措辞多得多——工程上移一层，你的人也该跟着上一层。

NVIDIA Research 开源了一个把"跑一天"变"秒级"的样本：Sol-H3——在单台 DGX Spark 上端到端生成 768p、5 秒、带原生同步音频的高清视频，只要 56.17 秒，对比官方原版约 6 分钟，提速 6.7 倍。有意思的是它几乎没动模型本身，赢在排兵布阵。

四招拆开看，每一招都在跟硬件较劲。第一，显存贴顶常驻：DGX Spark 显存上限 119.7G，官方原版要 133G 根本塞不下——团队用 NVFP4＋FP8 全链路把模型压到 116.9G 常驻，零加载等待，先把"塞进去"这关过了。

第二，潜空间直通：384p 粗草稿直接映射进 LTX-2.5 的潜空间精炼，跳过视频像素的解码与重编码，单这一项砍掉 24 秒——不生成你最终看不到的中间像素，是这类管线里最值钱的减法。

第三，Prompt 缓存把文本模型踢出去：精炼阶段只用一段通用画质 prompt 并提前缓存，运行时 Gemma 直接移出显存——用不着的东西别占地方。第四，自研 Sol-Attn：训练无关的动态稀疏注意力，算子速度比 FlashAttention-4 快 3.1 倍——只算该算的那部分注意力。

最值得抄的是它公布的耗时拆解表：文本编码 1.3 秒（2.4%）、草稿生成 19.8 秒（35.2%）、潜空间转换 2.1 秒（3.8%）、超分精炼 24.7 秒（44%）、解码封装 7.7 秒（13.8%）。

一眼就看出大头在超分精炼——下一轮优化该往哪使劲，表已经写好了。这与前两天 KDA 那篇"agent 优化内核 2.96 倍"是同一条战线：模型不换、算力不加，纯靠系统工程把时间挤出来——DSec 的三层拆分、这份的潜空间直通，全是同一个道理：省的是没人看见的那些环节。

对使用方式的影响比数字更实在："离线跑一天"到"秒级可用"，改变的是你会不会用它。一个要等六分钟的功能你只会偶尔试，一个一分钟出结果的功能才会进日常工作流——速度不只是效率，是可用性的门槛，这和"1.61GB 让老机器也能跑"是同一件事的两个方向：一个在压体积，一个在压时间，都在把门槛往下踩。

留一格清楚的边界：56.17 秒是特定配置（DGX Spark＋768p＋5 秒）的口径，换硬件换分辨率要重新算；四招里"潜空间直通"依赖草稿与精炼模型的配合，不是所有管线都能照搬；论文与项目链接在原帖评论区，参数以原文为准。方向不用等——全栈优化的红利还远没榨完。

给也想提速的人一句落地的：今天就给你的管线做一张耗时拆解表——每个阶段跑十次取平均、算占比。看到超分那 44%，你就不会再花三小时优化只占 2% 的文本编码；优化的铁律从来是：先量，再动，动大头。

烧钱账的另一半来了：OpenAI 的业务收入自 7 月以来翻了一倍还多，年化营收跑率（run rate）逼近 700 亿美元，正快速接近 Anthropic；Axios 报道 Q3 初以来增速超过 70%；消费业务这一个季度新增的收入，比整个 2025 年全年新增的还多。

对比项也给足了：据报道 Anthropic 预计今年年化 run rate 将突破 1000 亿美元——OpenAI 目前数字比它低约 30%（两者时点不同），但"营收路径非常好、数字非常强"。

把这个放回本周的账本，两篇就接上了。前两天那篇算的是成本：三家头部玩家每天合烧约一个亿、训练义务堆到五千多亿；这篇给的是收入：翻倍、70% 增速、单季超全年。两条线并起来才看出这门生意的真实形状——烧得起，是因为收得进；所谓"AI 泡沫论"面对的硬数据又多了一块。

还有一处更该看的：收入结构。增量主要来自消费端——这正是本周"从削到送、从送到捆绑"那套组合拳的战果：免费层拉新、无限与降价转化、套餐留人，先有热闹的用户池，才有翻倍的账面。

Anthropic 那个 1000 亿的预期也别漏看：两家的差距不在谁强谁弱，在爬坡速度——一个已经跑出 70% 的季度增速，一个在按自己的节奏冲量。这周的订阅线、榜单线、财务线第一次凑齐了三面镜子：产品在抢人、榜单在抢名、报表在抢速度。

留一格清楚的边界：这些全是报道口径的 run rate（年化跑率），不等于审计后的实际收入，时点也不可比；"消费业务超去年全年"来自转述，细分结构以两家公司披露为准。数字很热闹，但收入不等于利润——利润那一栏，现在还没人敢填。

给看热闹也看门道的人一句落地的：记住这两个数——700 亿和 1000 亿，然后把它和另一组数并排：三家每天烧的钱、你每个月付的钱。收入翻倍和你无关，单价和你有关；这周第三次了，老规矩：看你的用量页，算你每美元跑几个任务——大盘越狂热，你自己的基准越值钱。

一条 1000 多赞的形势判断，把本周几条线拧到了一起："疯狂的时间线——现在是 Meta 把战火烧向 OpenAI，而且他们的 always-on agent 很有机会胜出；Alexandr Wang 正在证明自己是 Meta 过去最好的一笔雇佣。"

"疯狂"两个字确实有分量：一年多前 Meta 还在舆论谷底（裁员、模型口碑反复），如今反攻的牌桌却摆到了 OpenAI 面前——靠的不是某次跑分，而是产品方向押对了位置。它押的就是那台"永远在线的电脑"：Muse 十天冲上免费榜、常驻 agent、云上 24 小时待命——这正好是昨天四层分级里第四层的方向：别家还在第三层纠结"怎么借身份"，Meta 直接奔"就是你的环境"去。

大段那条开源版 OpenMuse 也从侧面印证了这个方向有多馋人——社区连开源复刻都抢着做，说明"24 小时在线的电脑"不是伪需求。

对 Alexandr Wang 那半句评价，可以照人事线的老办法读：看领军人，比看跑分更能预示两年后的状态（罗福莉那篇的逻辑）。Wang 从 Scale 带进 Meta 的不只是能力，是数据与执行那条线——大模型竞赛打到今天，训练数据的组织度和落地速度，恰恰是 Meta 这种"产品多、入口全"的玩家最能放大的东西；入口在手的人补数据，比数据在手的人造入口容易。

留一格清楚的边界：这是观察者的判断、不是实测结论——"很可能胜出"的依据没有披露，always-on 的真实体验还得等产品说话；Alexandr Wang 的雇佣价值同样要看后续兑现。方向可以采信，胜负要等数据——这周所有"看多"的帖子我都按这个尺子量过，这条也不例外。

给关注这条战线的人一句落地的：别盯模型对模型，盯"always-on"这两个字的成色——24 小时不掉线是壳，登录态是不是你的、断了能不能原样接上、每一次外发动作有没有人确认（OpenMuse 就做得老实：邮件日历次次确认）才是第四层的肉。Meta 押的是这三格，OpenAI 的 DevDay 交不交得出这三格，就是这轮对线的看点。

一段在程序员圈里流传的入门轶事，最近被一个 GitHub 项目坐实了：当年游戏神级程序员 John Carmack 想转行搞 AGI，跑去问 OpenAI 首席科学家 Ilya Sutskever 怎么入门。

Ilya 没让他去刷几千道 LeetCode，也没推销任何课程，直接甩了一份清单："把这 30 篇论文彻底搞懂，你就掌握了当今深度学习 90% 的核心。"

这份清单的含金量最近被真人验证了一遍：有狠人把这 30 篇全部用 Python 从零手写实现——从 AlexNet、Transformer 到 GPipe、Scaling Laws，每篇都做成了可直接运行的 Notebook。书单不稀奇，稀奇的是它被完整执行了——而且证明它真的走得通。

这条故事有两层值得拆。第一层：精华是收敛的。多数人对"入门"的想象是在题库和课程海洋里泡够时间，而 Ilya 给的形状恰恰相反——领域 90% 的核心压缩在 30 篇里。判断一个方向值不值得进，就看行内人敢不敢给出这么短的清单；给不出的，多半是自己也没理清。这与"基线挑得低提升才显眼"是同一枚硬币的另一面：清单挑得准，学习才高效。

第二层：手写是最快的懂法。从零复现论文这件事，和前两天那门 5.9 万星课程的主张完全同构——先用纯数学把算法手写一遍，再谈调库；手写过 Transformer 的人，和只会调 transformer 库的人，对"注意力在省什么"的理解不在一个层面。这也是为什么那位复刻者要把每篇做成可跑的 Notebook：能跑通的才叫读懂，跑不通的地方就是没懂的地方。

留一格清楚的边界：30 篇是 Ilya 针对当年那个时间点给的清单，如今再看会有增补（diffusion、RLHF 这些得加）；"90% 核心"是口述的约数，别当精确比例；而 30 篇从零手写是几百小时的工程，适合当长期计划，不适合当这周的任务。

给想转方向的人一句落地的：别自己在搜索结果里挑入门材料——去找你这个方向上公认做得最久的人，问他一句"如果是你，我会先读哪十篇"。要清单，别要资源包；拿到之后选一篇最基础的从零手写——第一篇跑通的那个下午，你会知道这条路是不是你的。

Google 研究人员做出了这一周 harness 线里最讲究的一个东西：RRSI——让 agent 自己进化自己的 harness，而模型保持冻结。提示词、控制流、工具、记忆、上下文都可以改，模型权重一动不动；省下来的账也直接：同等工作量少烧 40% 的 token。最关键的设计是那条纪律：每一处提出的改动，都必须挣得它留下的资格。

它把"自改进"写成了一个带闸门的循环：跑任务 → 研究失败 → 提一个小编辑 → 先筛一遍有没有 benchmark 泄漏 → 再拿增益去对噪声和成本 → 剪掉死重 → 重复。注意那两道闸的位置："筛泄漏"防的是作弊（把题做熟），"对噪声"防的是自欺（涨了 0.3 个点就当突破）。

没有这两道闸，进化很容易变成往题库里过拟合——而这正是论文消融实验给出的最硬数字：不加约束的进化，在用来进化的任务上分数更高（92.8 对 90.5），但换到没见过的域外任务反而更低（43.6 对 40.3）；RRSI 同时还更省——每轮 242 万政策 token，而对照组要 380 万。

作者那句收尾值得裱："真正的升级是能迁移的 harness，而不是只赢自己彩排的那个。" 这句话把评测四铁律从"评模型"平移到了"评自改系统"——别拿今天模型的短板建题库的孪生问题就是：别拿你的训练任务当唯一裁判。会过拟合的不只是模型，还有那套一直在优化它的循环；一个只在自家彩排里拿高分的 harness，跟一个背题库的学生没有本质区别。

把它放进本周"自改进"三部曲，层次就清楚了：SkillOpt 让技能进化、Raven 把编排层也交出去、RRSI 给了前两者缺的那道刹车——先筛泄漏、再对噪声、超出范围就回滚。改可以随便改，验必须用没见过的题验：这是三条线收敛出的同一句话，也是"先立标尺再谈进化"的完整版。

留一格清楚的边界：40% 与那两组分数来自论文口径，不同任务与模型会变；"模型冻结"指权重不动，不代表运行成本为零——每次编辑的评估同样要花算力；RRSI 是否开源、能不能复现，以 Google 官方后续为准。

给也想搞"自改进"的人一句落地的：下次改完你的 prompt 或 skill，别只在原任务上重跑——加一道固定动作：再拿一个从没跑过的任务试一遍。域外那一次分数不掉，改动才算真提升；掉了，就是 RRSI 消融表上那个 43.6——彩排赢了不叫赢，上场才算。

来自马斯克 AI 团队成员的一线证言，1700 多赞："Grok 4.7 好到爆——但模型已经不是瓶颈了，我相信 harness 的可靠性以及它周围的一切才是。"

真正让他惊讶的是用户评论的形状。他读了自己那篇"Week 1 at SpaceXAI"下几乎每一条留言，发现几乎没人喊"把 Grok 做得更聪明"，全在喊同一件事：让 agent 把活干完。

他把诉求压缩成四个别：别半途而废、别丢了浏览器、别忘了自己在干什么、别卡在那里等我发现。然后给了句判断：这其实是"幸福的烦恼"——人们已经在拿 Grok 干真活了，现在该轮到系统的其余部分配得上模型的能力。

工具、浏览器、记忆、状态、重试、错误处理……模型完全知道该做什么，agent 仍有一百种死法；他最后留了个预告：正在修其中一些。

这段话把本周两块拼图对严丝了。第一块，"模型只是及格线、结构才是成败"那篇的官方回声——只是这次来自对手阵营：Grok 的人自己说模型够了、系统拖后腿。第二块更妙，它和 Cherny"别折腾脚手架"那篇看着打架，其实说的是两码事：Cherny 反对的是替模型补位的细碎规则（那 10–20% 会被下代抹掉），而这条讲的是让 agent 不死的系统件——状态保持、断点重试、浏览器续命、错误兜底。

前者该删，后者该建；判断标准就一条：这个东西在解决"模型不够聪明"，还是在解决"系统不可靠"——前者会贬值，后者只会更值钱。

四个"别"值得裱起来当清单，因为它全是失败模式，不是能力问题：半途而废（任务状态丢了）、丢浏览器（会话断了）、忘任务（上下文没了）、卡住不报（死循环没有出口）。这四样没有一样能靠"换个更强的模型"解决——它们是管线的病，不是大脑的病。这也是为什么"能写成代码的约束别留在提示词里"那条在实践里成立：重试次数、超时出口、状态落盘，这些从来就该是代码层的硬逻辑。

留一格清楚的边界：这是一线员工的观察与预告，具体改进没有时间表与细节；"没人喊更聪明"是单帖评论区的样本，不代表全部用户。但方向可信——当最强模型的团队都在修可靠性，你就知道该把自己的力气放哪了。

给还在死磕模型选型的人一句落地的：给你手头的 agent 列一张"四种死法"清单——上次它卡在哪、断在哪、忘在哪、哪次没等你就放弃；逐条给个兜底（落盘、超时出口、断点续跑、进度上报）。四条补完，你大概率比换个更贵的模型收益大——这周从评测到安全到 harness，所有线索最后都收在这句话上：先让它别死，再谈让它更聪明。

一个 2000 多赞的问题：如果 vibe coding 继续以这个速度进化，软件开发者会怎样？（配图在原帖）这问题没人敢给标准答案，但这周的素材已经把答案的轮廓画出来了。

先说被吃掉的那半。Netflix 把 15 年的特征工程扔了——那是"替模型把信息翻译好"的活；提示词技巧在贬值——那是"把话说到模型心坎里"的活；样板代码、胶水逻辑更是早就被生成式补位。凡是翻译性、填空性的工作，正在一条条划进模型的领地——这不是预测，是本周一条条发过的事实。新人过去靠这些活入门，现在这层台阶正在变薄，学不会的人首当其冲，这话得诚实说。

再说留下的那半。留下的全是要负责的活：这个错误赔多少、这条数据能不能发、这个架构明年还成立吗、验收标准谁来定——vibe 边界那篇讲的"错了赔多少"、记忆那篇讲的"先证明值钱再买工具"、黑箱那篇讲的"判断力是唯一输入"，说的都是同一件事：模型接管执行之后，判断和责任变成了稀缺品。

"执行已经便宜了，把功夫花在许愿上"——许愿就是知道要什么、敢拍板、担后果，这三样目前没有外包的可能。

所以答案不是"开发者要失业"，而是开发者的定义在换：从"能把功能写出来的人"变成"能划清边界、验收结果、对后果签字的人"。会写代码仍是基本功——不懂实现就没法验收模型的产出——但它从核心竞争力降级成了入场券，就像今天没人拿会用搜索引擎当卖点。

留一格清楚的边界：焦虑题最容易两头跑偏，既别信"明年全被替代"，也别信"永远缺程序员"——真实曲线是分层的：底层执行岗会被持续挤压，中高层的系统与责任岗反而更值钱；行业整体需求也在随应用爆发而变大，只是要人的类型变了。

给还在写代码的人一句落地的：拿一周时间，把你每天的工时按"实现"和"判断"两栏记——实现（把功能写出来）和判断（定边界、做取舍、写验收）。看到比例你就知道危险还剩多少：实现占比越高，越该把时间挪去判断那一栏，因为模型每天都在从左栏里搬东西走。

免费阵营又添一员，口号写得很冲：Freebuff CLI——一个 100% 免费的 coding agent，"Bye bye, Claude Code"。（视频在原帖）

把这句叫板放进本周的行情里看，其实不意外。免费化已经三连了：Codex 拍出无限用量、Devin 砍价三到七成、X 把 Cursor 和 Grok 打进套餐——现在连"直接替代 Claude Code"的免费 agent 也上了桌。

免费之所以敢叫板，底气在底层：开源模型榜单领跑、单模型压到 1.6GB 能本地跑、免费端点越来越稳——地基便宜了，盖在上面的工具就敢白送。这与"软件免费的老故事在 AI 重演"是同一出戏，只是这次连算力那部分都在降价。

但"Bye bye"这句得按住别急着信，两盆冷水。第一盆今天刚泼过：免费的尽头永远是找那个掏钱的人——100% free 靠什么活着？广告、增值档、还是下一轮融资，总有一条隐藏在小字里；免费产品比付费产品更需要看它的生存模式。

第二盆更个人：你的资产可能搬不动——今晚讲过，现在的差距不在 prompt 而在你挂的 skill、引用的仓库、积累的上下文；换阵营换的不只是工具，是你那套用顺了的资产。Claude Code 没那么容易被"bye"，除非迁移成本接近于零。

留一格清楚的边界：这是发布方的一句话宣传，能力、兼容性、长期维护全都没验证——"免费"和"能用"之间隔着一整条产品线；视频页在原帖，细节自行判断。别把它当竞品讣告，当多一个可试的选项就够。

给心动的人一句落地的：拿你手头最不重要的一个仓库当试验田，用它跑一遍完整的"改代码、过测试、提交"流程——能跑通、不丢上下文，再考虑正经迁移；你的 skill 和引用清单能不能带过去，才是换不换的真正考题。工具随时能换，资产搬不动就等于重练。

一个同名梗今天成真了：NVlabs 的 Kernel Design Agents（KDA）项目，去优化了另一个同名的 Kimi Delta Attention（KDA）——用 KDA(gent) 写 KDA(ttn)，内核提速最高 2.96 倍。

团队自己讲了这段巧合：项目立项时名字就和 Kimi 的注意力机制撞车，不止一个人问过"你们能用 KDA 写一版 KDA 吗"，今天答案是能。博客：nvlabs.github.io/kda/blog/2026-… ，代码：github.com/NVlabs/kda/tre… 。

先说它补上的那块证据。 昨天正好有一条对照：NaiveAI 宣称"AI 参与研发 AI"，被研究员拆穿基线太弱——方向被质疑的不是"AI 研发 AI"本身，是拿不出可测的证据。NVlabs 这份给的就是证据：同一个命题，这次有明确的优化对象（Kimi 的注意力内核）、明确的手段（agent 写 CUDA／DSL）、明确的度量（2.96x）——同一件事，喊口号的被拆、做出数字的被转。这周反复说"能验证的就别只靠承诺"，两边恰好是这句话的正反两面。

方法层值得抄的有三处。其一，多模型协作的迭代流：GPT-5.6-Sol、Fable-5 等多个模型多轮上阵（配 Flame Chase 与自动清理工作区的机制），把算子搜索空间一路撑开——不是单模型一把梭，而是让不同模型在循环里互相补位，这与"一个写、一个挑"的分工逻辑同源，只是这里挑的不是代码对错，是优化方向。

那个"自动清理工作区"看着不起眼，其实是长循环能跑的前提：每轮试错不留残渣，下一轮才在干净的现场上开始，否则搜索空间越大、垃圾越多，后半程全在考古。其二，技能栈是具体到 DSL 的：CuTe-DSL、CUDA C++，还接了 Agent-Native 的 CAKE IR 与 TIRx——agent 的能力上限由它挂载的专业技能决定，这正是"一段提示词抄不走、一套资产才能"的工程版。其三，定制诊断工具：优化循环里最值钱的不是生成，是"知道哪一步为什么慢"的那双眼睛。

2.96x 这个数字落在哪条线上？本周我们算过 token 账、算过档位账、算过单价账——那些省的是软件层面的钱；内核效率省的是最底层的那笔：同样的 GPU、同样的功耗，跑出近三倍的吞吐。

当训练与推理的算力账单（还记得那 5180 亿的义务吗）越堆越高，"把最贵的硬件再榨出一倍"就是所有账本的分母。而这次的执行者不是人类内核工程师，是 agent——省的不只是钱，是"谁来做优化"这件事本身。

底层优化一旦流程化，上面所有层的成本曲线都会跟着松一格——省下的每一格，都直接落回利润或者用户的账单。

留一格清楚的边界：2.96x 是该内核特定场景的峰值，不同负载与硬件上会有落差；"多模型协作"的具体配置也依赖他们用的模型与工具链，换个环境未必原样复现；NVlabs 的口径以博客和开源仓库为准。但方向不用等复现：当 NVIDIA 的实验室开始用 agent 优化模型的关键路径，这件事就不再是玩具演示。

给想沾这个方向的人一句落地的：你八成不需要自己写 CUDA，但可以把这套模式搬进自己的场景——找一个你天天跑、又慢得肉疼的环节（数据预处理、批量转码、报表生成），列清楚它的输入输出，让两个不同模型轮流提方案、自动清理试错现场、用真实耗时当裁判。三样齐了，你就搭了个微型的 KDA——优化这件事，正在从专家手艺变成流程产物。

工业界的一次大拆建：Netflix 用一个 LLM 排序器换掉了用了 15 年的推荐算法，新系统叫 GenRec。过去十几年，那套推荐引擎是特征工程的教科书——数据科学家手工打造上千个复杂特征、配专属架构、搭海量基础设施、持续人工调优；这次他们全扔了。

新做法朴素得吓人：把你的观看历史和元数据直接翻译成一句自然语言，喂给基础模型——模型像读故事一样理解你不断变化的口味，一次前向传播给整个目录打分，没有手工特征、没有定制架构。

这一拆至少拆出三层意思，每层都对得上本周的一条线。第一层：旧技能被模型吞了。特征工程曾是数据科学的核心手艺，如今"把手搓特征"这部分工作被模型原生吃掉——和提示词技巧贬值是同一个故事：凡是"替模型把信息翻译好"的中间环节，模型每进化一代就吞掉一层。

第二层：翻译的方向变了。以前是把人的行为翻译成数学（特征、向量、打分函数），现在是把行为翻译成模型的母语（自然语言）——这与"能给结构就别给像素"互为镜像：与其教系统懂你，不如把你的意思写成它本来就懂的话。

第三层最扎心：15 年积累，说扔就扔——"先发是入场券，不是护城河"那篇在这里拿到最重的工业实证。积累在代际更替面前不是负资产，但也不是保命符：能被通用模型复刻的部分，当年建得再精，也只算租来的优势。

"全扔了"这个动作的底气也值得看：以前换推荐系统要重搭整套定制架构，如今通用模型＋一次翻译就能顶上——专用系统退场、通用组件进场，这正是"能力可以外采、结构必须自持"在推荐场景的版本：模型是外采的能力，你只留下"怎么喂它、怎么验收"的那层。

Netflix 敢扔，是因为扔掉的是能力层，留下的是判断层。十几年 feature engineering 的沉没成本在决策者眼里不构成理由——他们比较的不是新旧两套系统谁更精致，而是继续养一套专用架构的人力，值不值。

留一格清楚的边界：这是发布与转述口径，效果以上线后的公开数据为准——推荐系统这种业务，A/B 实验的胜负才是终审；而且"全扔"未必是字面意义的清零，评估、冷启动、合规这些零件大概率还在。别拿一篇宣布当"特征工程已死"的判决书，但它足以让所有还在堆手工特征的人停下来想一分钟。

给做数据与推荐的人一句落地的：今天翻出你系统里最复杂的那十个特征，逐个问一句——这件事模型自己能不能从原始数据看出来。能的，就是正在被吃掉的部分；不能的（业务规则、合规边界、长期约束），才是你该继续打磨的地方。判断哪些特征是"翻译"、哪些是"规则"，就是这场替换里最值钱的技能——翻译会被吞掉，规则不会。

落锤了：OpenAI 员工 thsottiaux 一句话点燃评论区——"昨天是预告，今天是 DevDay"。二十多项发布的兑现日，正式到了。

昨天那篇给的是进场前的三行准备（我要解决什么、现在的替代方案、什么条件才换）；今天换个角度，说说开幕日当天该盯的三件事。第一，对着清单划勾：二十多项里通常只有一两项落在你的真实工作流上，进场前把那张单子放在手边，出现一项划一项——发布会最贵的成本从来不是订阅费，是被二十项新品晃到什么都想要的冲动。

第二，盯 Codex 与 agent 方向：从议程泄露到官方口径，编码 agent 与平台能力是这轮重心——那正是本周"可回滚分类""评测四铁律"那些讨论的现实落点，看他们怎么把纸面方法论做成产品。

第三，也是最实际的：发布日就是对账日——直播一结束，立刻截图你手头的版本号与额度页。这周"额度是天气、单价才是气候"已经应验过三回，今天大概率是第四回：新功能上线的同一天，条款往往一起改。

顺带把冷水也泼了：议程泄露不是定稿，现场与传闻对不上的情况这些年见过太多；而且新品刚出的头几小时评测全没跟上，别为一个 demo 立刻迁移工作流——看可以激动，动手等公告落地，这句昨天说过，今天照旧。

留一格清楚的边界：这是员工口径的开幕确认，具体发布时间与内容以官方直播为准（入口昨天给过：openai.com/live）。本文不猜任何未公布的产品——今天只负责盯，明天再负责评。

给守直播的人一句落地的：把你的三行清单和对账提醒放在同一个页面上——左边是"我要什么"，右边是"我现在有什么"，直播结束各填一栏。散场时你就能当场决定换不换，而不是第二天对着二十条新闻回想要不激动：这是发布会最划算的打开方式。

Qwen 4 的留判升级了，从"曝光"走到了"实测"：社区报告首批样本已经接近 Fable／Opus 级的质量；目标窗口仍是 10 月初（可能在 Sonnet 5.5 之后），27B 变体先落地；帖主补了句判断——如果成立，10 月的开源会非常有意思，差距正在缩小。

这条接在那篇"档期"后面正好补齐了质与量两面。之前讲的是排期：10 月初发布、27B 先行；现在补的是能力口径——"接近顶级"意味着开源第一次摸到了闭源旗舰的门槛线。而量的那一面几天前已经看过：OpenRouter 上国产模型一周 62 万亿 token、连续 22 周领跑。

量在涨、价在降、质在追——三条线同时收敛到 10 月这一个点上。值得留意的是"可能在 Sonnet 5.5 之后"这个排序：先让对手发、再带着对比出场，如今的发布顺序本身也是一种策略。

更大的图景是 10 月排期已满：Qwen 4 定档月初，Gemini 4 传的是月中下旬，加上各家没宣布的暗牌——九月是热身，十月才是正赛。对等着换模型的人，这段时间的正确姿势不是提前站队，而是把考场先搭好：把你会反复跑的那组任务固定下来、跑出当前模型的基线分数，等新模型一到，同题一跑就有高下——不然到时候你记住的只会是谁的发布会更热闹。

留一格清楚的边界："接近 Fable 级"是社区样本的口径，样本量、任务类型都没披露，最终表现以发布后的第三方测评为准；"10 月初"也仍是目标窗口，改期这周已经见过两次了。方向可信，数字别提前当真。

给准备 10 月大换血的人一句落地的：这周就把十道固定题写好、当前成绩存档——发布日当天原题重跑，差距当场见分晓。别到时候才想起没有对照组：档期会改、口径会变，只有你自己那张成绩单不会。

被追问了两天之后，OpenAI 官方终于开口，标题很平实：《我们如何看待确保前沿 RL 训练运行的安全》——原文：openai.com/index/towards-… 。

看网址里的关键词就知分量：这篇讲的是 safety cases（安全论证）——安全圈的一个正经方法论：不是喊"我们很重视安全"，而是把风险逐项列清、把论证逐条写实、形成一份能被外部审视的文件。

把它放在这一周的脉络里，动作顺序很清楚：先是内部研究员提出顾虑、模型不发了；接着 WSJ 与 NYT 把"未通过安全标准"顶上头条；现在官方拿出一篇讲方法论的文章——从被动回应转向主动定义：既然人人都要谈安全，那安全的写法由我先定。

这与本周另外几条的落点严丝合缝。吴恩达说约束要交给确定性代码，HF 讲要能查到每一次外传，评测线说能验证的才别只靠承诺——safety case 是同一件事的文档形态：把"安全"从态度变成可提交、可检查、可争论的材料。对一家刚被头条追问的公司，这也是最聪明的回应方式：用框架接管叙事——与其逐条解释那五篇报道，不如给出一套所有人日后都要参照的说法。

留一格清楚的边界：这是官方自述的方法论，不是第三方审计结论——论证写得漂亮与执行到位是两回事，里面的具体标准与执行情况，读原文为准；而且文章本身不改变"模型未发布"这个事实，它改变的是你打算用什么尺子去衡量它。

给关注这条线的人一句落地的：别只看它说了什么，看它给没给可对账的接口——有清单就能逐项问、有论证就能挑毛病；这比"高度重视安全"四个字有用得多。原文不长，点进去看它敢把什么写清楚，写得越具体，可信度越高——这也正是"能写成代码的约束别留在提示词里"的文档版：能写成文件的表态，别留在通稿里。

推理圈大牛 turboderp（exllama 的作者）发了个技术疑案：MiMo-V2.6-Pro 似乎有大量冗余权重——他的实验是：删掉第 1 到 12 层的专家块、以及第 1-4、6、8-11 层的注意力块，端到端 KLD 几乎不受影响，这些块对残差的贡献量级约等于 BF16 的舍入误差。

结论一句：大约可以砍掉这个 ~1T 参数模型的 17%，剩下的基本还是同一个模型——相当于六个完整 Qwen 的量。他还很谨慎地问了句：这有人知道吗，谁能证实？

这条的含金量在三个层面。第一，参数量不等于有效参数。MoE 架构把模型撑到万亿级，但"跑起来的聪明程度"和"纸面参数"之间显然有缝隙——17% 的部件对输出几乎无影响，说明其中相当一部分从未真正参与"想"。

这对所有拿参数量当卖点的宣传是个提醒：数字是装机量，不是大脑容量。第二，它把"更省"这条主线推到了最深处：本周各家在卷价格、卷用量、卷 token 成本，而社区直接卷到了物理层——同一种智能，能不能用 83% 的权重跑出来。省下的 17% 对部署方就是实打实的显存与吞吐。

第三层最妙：这种裁剪只在开源世界可行。闭源模型你只能接受厂商给的体积，开源模型的权重躺在你手里——裁剪权在用户。这与"长尾搬回家"那条线严丝合缝：搬回家的不只是模型，还有改它的自由；而 MiMo 恰好是这两天榜单上冲进前八的国产模型，热模型配可裁剪权重，社区的下一步几乎肉眼可见——有人验证，就会有人放出裁剪版。

留一格清楚的口径：turboderp 自己都在求证，这是实验观察、不是官方结论——KLD 接近不等于下游任务无损，真实影响要等社区复跑与官方回应；而且"可砍"的部分或许承担着鲁棒性、长尾能力这些 KLD 测不到的角色。方向极有价值，结论等两轮验证。

给玩本地部署的人一句落地的：先别自己动手砍——等这消息被两三个独立复现确认，裁剪版自然会出现在模型站；现在你该记的是那个数字：17%。它意味着你看到的模型体积里，可能有一块是可以谈判的——下次再为显存发愁时，先问一句"这里面有多少是水"。

一句观察把"交出 prompt"这件事判了死刑：现在基本不可能让人"给你看看你的 prompt"——因为一切都关于引用、技能和示例。帖主描述了自己的日常：让 agent 先看我另外三个仓库、上网搜参考、调用其他 AI 的 API……

这句话接在今晚那条线上，是最后一块拼图。我们说过提示词技巧在贬值、提示词回到它该待的位置、黑箱时代判断力是唯一输入——现在可以说得更彻底：prompt 已经不是"一段文字"，而是一整套外挂资产的入口。

它背后挂着你的仓库结构、你的 skill 库、你积累的参考与示例、你喂给它的 API。把 prompt 单拎出来给别人看，就像把门牌号发给别人却指望他找到你整栋房子——看到的永远只是入口。

这也顺手解释了为什么"求提示词"这个动作越来越没用。三年前的模型，一句巧舌如簧的提示词确实能拉开差距，抄走就赚到；今天的差距在引用什么、挂载什么、让 agent 先读什么——这些藏在你工作流里的东西，既没法截图，也没法一段话转述。

于是交流方式也变了：老手互相问的不再是"你的 prompt 怎么写"，而是"你挂了哪些 skill、让它先看什么"。问题变了，说明资产搬家了。

留一格清楚的边界：这不是说 prompt 不重要——入口仍然要写对，只是单靠入口已经赢不了；也不是让你把工作流藏起来，而是别再指望"拿到一段话就复刻别人的效果"。真正的复刻单元是整套结构：仓库、技能、参考、顺序，缺一样就差一截。

给还想"求 prompt"的人一句落地的：下次看到别人效果好，别问 prompt，问三件事——你让它先读什么、你挂了哪些 skill、你给它什么参考。三个问题问完，你拿到的才是能带走的东西；一段提示词能被抄走，一套资产不能——这也正是"把功夫花在许愿上"那篇说的：值钱的部分，从来不在打字的那一行里。

捆绑打法来了：X 与 SpaceXAI 正在把 X Premium 重启成新的 X Subscription——Cursor、Grok 与 X 权益打进同一个统一套餐，更多权益"待公布"；帖主晒了安卓端的早期访问公告截图，并说这事他们已经做了几周，上线时间尚不确定。（转述自原帖，以官方公告为准）

放进本周的账本，这是"送"字诀的第四家，也是玩法最花的一家：Claude 把旗舰下放免费层、Codex 给无限、Devin 砍价三到七成——前三家都还在自己的品类里让利，X 这次直接跨品类打包：把一个第三方开发工具（Cursor）、一个模型（Grok）和社交平台权益捆进一张订阅。

这已经不是降价，是套餐化——像运营商那样，把不好比价的东西放进同一个袋子里，让你从"这模型值不值这个钱"变成"这一整包看着挺全"。

对用户来说，捆绑恰恰是最难算的一种优惠。单品降价至少能用单价衡量（月费除以实际用量），而跨品类捆绑的总价里，总有你用不上的部分：不用 Cursor 的人替 Cursor 付了钱，不刷 X 的人替权益付了钱——越是"什么都有"，越要先问"我要的是哪两样"。这周"名字是他们的、数字是你的"那条纪律在这里升级成：套餐是他们的，拆包算账是你的。

留一格清楚的边界：这是早期访问层面的爆料，上线时间、权益清单、最终定价都没定，"更多权益待公布"这种话在正式条款出来之前都当预告听；而且"得过且过的打包"常见结局是核心权益缩水——捆绑上线之后再看细则，永远比看截图时冷静。

给被这张图打动的人一句落地的：先写下这个套餐里你真正想要的两样，去查它们单独订阅要多少钱——两样之和接近套餐价，才值得考虑；差得远，就等正式条款。打包的诚意，要用拆包的价格来验，这周三家让利已经把比价的尺子发到你手里了。

第三家加入"送"的行列了：Cognition 宣布 Devin 大幅降价——Fusion 与 Normal 档便宜 30% 到 40%，Ultra 档便宜 15% 到 20%，Devin Review 最多便宜七成，同时还说能力在提升：Devin Fusion 已经在 FrontierCode 1.1 Extended 上排到第一。

把它接进本周的账本，"从互相削到互相送"这条线就坐实了：先是 Claude 把刚发布的旗舰下放免费层，然后 Codex 拍出明天生效的无限用量，今天 Devin 直接砍价三到七成——三家、三种送法、一周之内。

别忘了这条线五天前还是反着走的：撤数字、周限降、档位涨价额度打折——同一批厂商，方向掉头只用了几天。原因也不神秘：当能力差距拉不开，价格就成了唯一的牌——存量用户抢完之前，谁先降价谁先圈人。

对用户的实际结论很直白：这是买方市场最舒服的窗口。之前算过的那些账（月费除以实际用量、三组单价取最小）现在有了更宽的比较范围——同一件活，三家的价格在一周里全部松动，你的选型表该重排了。

但丑话照旧：降价的"省"要和基线一起看——是原价降、还是套餐结构改了；七成那个数字指的是 Devin Review 一个档，别把它听成全线七折；这周"基线挑得低"的教训刚写完，看促销数字时记得问同一句：和什么比的？

留一格清楚的边界：三档降幅与能力排名以官方公告为准，排名也会随基准更新变动；"互相送"是我们的归纳，送的尽头未必是白送——圈完人之后的回收动作，这周在订阅线已经见过一轮了。

给要换方案的人一句落地的：今晚花十分钟重算一次单价——把你上个月的真实用量分别套进三家的现价，取最小那个；算完先别急着迁，把新价格截图存好——按这周的规律，下一次变卦不会隔太久。

Jane Street——那家年入 396 亿美元的量化巨头——AI 负责人放出了 1 小时课程，讲他们怎么用 LLM 和 agent 干活。五个章节里最扎心的三节：量化团队怎么采纳 agent、"23 万 token 之后，agent 会忘掉规则"、以及真正的压轴——一个 agent 写代码，另外几个专门挑它的毛病。

整门课其实只回答一个问题，也是课程里那句直白的提问："一个 agent 能帮你找到一笔交易——但谁来检查这个 agent？" Jane Street 给的答案是一条闭环：测试 → 反馈循环 → agent 查 agent，全在世界上最赚钱的交易公司内部跑。

这已经不是"要不要用 agent"的科普，而是"钱最敏感的地方怎么管 agent"的实战披露——毕竟在交易场景里，一个没被检查的 agent 不是写错代码，是直接亏钱。

把这条放回今晚的线索，会发现各家的答案惊人地一致。Anthropic 的 hillclimb 是让测试集自动回滚过拟合的改动；Raven 让编排层自己都能被审视；吴恩达那条讲约束要交给确定性代码——而 Jane Street 用最直白的组织方式把同一件事落了地：写与审分离，审的那一半也交给 agent。

四个不同身份（实验室、框架、学者、交易公司）给出同一个结论时，它就不再是最佳实践，而是行业共识：单个 agent 的输出永远不该直接进生产，中间必须站着一个不写代码、只挑毛病的角色。

"23 万 token 后忘规则"这一节则给记忆问题盖了个工业级的戳。跑长任务时，早期立下的规矩会在上下文里被逐渐稀释——这正是压缩机制与"验收清单外置"存在的理由：规则写在提示里会被遗忘，写在测试和检查点里不会。今晚"能写成代码的约束别留在提示词里"那条，用在这里就是操作层面的翻译：凡是你不希望它忘的，就别放在它需要记住的地方。

留一格清醒：这是课程内容的转述，具体数字与做法以原课为准；"396 亿美元"是公司的年收入体量，不是 agent 的直接贡献——别把课程当成"agent 带来 X 收益"的证明。但方法论的可迁移性不受这个影响：写与审的分离，在任何规模的团队都能立刻用。

给想抄这套工作流的人一句落地的：今天就给你手头的 agent 配一个"挑错员"——哪怕只是另一个 agent、只做一件事：对照验收清单逐条核对你刚生成的东西，不合格就打回。两个人的活，先从"一个写一个挑"开始；这比加预算、换贵模型见效都快，因为它拦住的是错误，而不是祈祷错误不发生。

一条校准风气的 hot take，总共两句话：vibe coding 适合小项目，生产级的大项目仍然需要真正的编码。

这句话的价值不在泼冷水，而在给这几天的狂热画了条线。我们刚发过"让可回滚的一半交给会自改写的 harness"，讲的是同一件事的另一面——分界不是"AI 能不能写"，而是"写错了赔多少"。

个人项目、原型、内部小工具，搞砸了刷新重来，vibe 的速度优势就是全部；生产系统一行代码错了可能是事故、赔款、客户流失——这时候需要的是测试、评审、回滚和责任链，而这些恰恰是"凭感觉快速迭代"最不擅长交付的东西。同一套工具，在两种代价结构里是两种评价。

把今晚的线索摆一排，这条边界已经出现过三次。评测四铁律讲生产要能被验证（真实基线、可判定验收）；安全线那几篇讲不可逆的操作必须硬约束（花钱、删数据不交给商量）；Raven 篇讲可回滚的那半才交给自改写。

现在这条用最直白的话再说一遍：小项目拼速度，大项目拼不出错。四篇其实是同一句话的四种场合——vibe coding 没有被否定，它被安放了：和"提示词回到该待的位置"一样，热度退去之后各归各位。

顺带说清"真编码"在这里指什么——不是不用 AI，而是用法换档：AI 照样写大部分代码，但改动要过测试、要有人评审、要能回滚、要留下可追溯的记录。也就是说，vibe 的对立面不是"手写"，是"没有验收的生成"。你完全可以既快又稳，只要快的那一段发生在可回滚的范围里。

留一格清楚的边界：这是发帖人的立场表达，不是研究结论——也有人用严格流程把 vibe coding 推进了生产，关键从来不是标签，是那套流程补没补上。但对大多数人来说，这个默认值是对的：先假设大项目要真编码，除非你能证明自己出了错真的赔得起。

给拿不准的人一句落地的：给你手头每个项目贴两个标签——错了赔多少、能不能一键重来。赔得多、不能重来的，把 AI 的产出全部关进测试和评审里；剩下那类，放心 vibe。同一双手，两种节奏，这才是 2026 年该有的用法。

两家顶级媒体在几小时内分别给出同一结论：WSJ 独家称 OpenAI 正在取消其下一代 AI 模型的发布，原因是它未能达到安全标准；NYT 随后以突发跟进——OpenAI 表示不会发布最新模型，因为研究人员提出了安全顾虑。

（转述自原帖，两篇报道：on.wsj.com/4xPPgao 与 nyti.ms/4ykSxQd ，细节以双方说明为准）

把这条接在昨天"因失控报告暂停训练"后面，事态就完整了：先是往回翻账查出问题，然后按下暂停键，今天正式确认——模型不发了。而这次给出的理由尤其值得停留一秒：不是成本、不是竞争、不是监管，而是"未通过安全标准"、"研究人员的顾虑"——也就是说，一群内部研究人员的一票，否决了本可带来巨额收入的发布。这在商业史上不算常见，在 AI 行业则可能是第一次以这种清晰度被大报证实。

这也给本周安全线的五连发画上了句点：HF 被黑、agent 外传图片、虚拟机逃逸、"根因是弱沙箱"的定性，最后落到这次——安全第一次拿到了否决权，而不只是风险提示。此前我们说过"护栏不该拆""能写成代码的约束别留在提示词里"，现在要补一句更硬的：当安全说不，收入也得让路。这句话写进招股书、写进独家报道，分量比任何一次论坛发言都重。

对用户的实际影响有两条。第一，发布周的预期要调整——你等的那个模型可能不会来了，此前基于它的迁移计划、评测计划先放一放；第二，"对账截图"的习惯更有用了——连顶级实验室都会临时取消发布，你手里的版本号与额度快照，是唯一不会被这次变故改写的记录。

留一格清楚的边界：取消的具体范围、是否会换名重发，以 OpenAI 后续说明为准；"安全标准"的细节两家报道都未完全披露，别急着脑补成科幻场景——结合本周已知事件，更可能是行为层面的顾虑累积到不可忽略。方向已明，细节待官方。

给关注这条线的人一句落地的：这周先别基于任何"即将发布"的传闻做绑定决定——改配置、换订阅、迁工作流，都等官方公告落地再说；传闻可以听，动作等公告。

本周资本线的顶点到了：Anthropic 已递交 IPO 文件，招股书被 Reuters 看到（报道：reuters.com/business/finan… ）——或寻求 2 万亿美元以上的估值；时间点可能落在 11 月美国中期选举之后，届时公开市场投资者将第一次拥有直接给一家前沿 AI 实验室估值的纯正标的。（转述自原帖，细节以招股书为准）

招股书里的数字值得逐行读，因为它把一整年的烧钱结构摆到了台面上：2025 年营收 45.9 亿美元，同比涨 1088%（此前一年是 3.86 亿）；经营亏损从 29.8 亿扩大至 80.6 亿；GAAP 净亏 419.7 亿，其中约 340 亿来自会计科目——主要是融资工具升值带来的账面损失（可能转股的部分），并非现金烧掉；但剔除这项，实质经营亏损仍然巨大。

计算与基建一项，2025 年花了 73.3 亿、同比涨 190%，占总运营开支的 58%，约等于全年收入的 1.6 倍；往前看，招股书列出约 5180 亿美元的云、算力与基建义务；客户侧，两大直接客户各占收入 12%、合计 24%，且许多大客户没有长期合同，可以随时减量或停买。

两个细节尤其值得圈出来。其一，这是"卖铲子的人自己也在被账单追着跑"的官方确认——支出是收入的 1.6 倍、义务是收入的百倍量级，整个前沿实验室的商业模式第一次以原始数字公开；这与本周"AT&T 把四成负载迁向开源"是同一枚硬币的两面：买方在被账单逼着省钱，卖方在为跑赢而举债。

其二，招股书把"日益自主的 AI 系统"列为风险——意外行为、安全问题、潜在滥用，都写进了给投资人看的正式文件里；把前两天"暂停训练"那条放进 IPO 语境，就不只是技术决策，而是上市材料里必须披露的经营风险。

顺带一句平衡：招股书里也有亮点——年底现金及短期投资 202.8 亿，Amazon 与 Google 既是战略投资方也是云基建提供方；只是"靠前两大客户 24%、大客户无长约"这两条，会是上市后被追问最多的软肋。

留一格清醒：泄露口径的招股书数字以最终正式版本为准，估值目标也会随市况调整；本文不做任何投资建议——看的是行业结构，不是买卖点。

给关注这条线的人一句落地的：记两个数就够——支出／收入的倍数（现在 1.6 倍）和前两大客户占比（24%）。往后每个季度把这两个数更新一次，你会比大多数头条都更早看出，这个行业到底是在赚钱的路上，还是在等一个能兑现的承诺。