AI 建造者日报 — 2026年10月30日
📌 X / TWITTER
smol.ai / Cognition 的 Swyx：他指出 Gemini 在 AAv5 上拿了第一，这件事让他「很久以来第一次」打开 antigravity，他拿到早期体验资格，说很快会给出反馈。他的判断是，如果 Google 真把这一手做成，那就是官方认证的 comeback season，Meta、Grok 和现在的 GDM 重新都变得有看头了。他还点出一个结构性的反常：去年 saranormous 在 AI Engineer 舞台上讲「模型神经多样性」，而今天的前沿实验室数量大约是那时的两倍，这是对 bitter lesson 极其奇怪的反例。
Google 副总裁 Josh Woodward（Gemini App / Google Labs / AI Studio）：他宣布 Gemini 4 Carbon 开始向网络安全防御者首批开放，之后再逐步扩大范围，「两周前是 Gemini 4 Argon，今天是 Gemini 4 Carbon」，他写道前沿推进很快，团队对这个模型的内部体感很好。另一条是 Gemini 接入 Strava：把多年原始训练日志接进来，变成一份个性化训练计划。
- https://x.com/joshwoodward/status/2115495943948902517
- https://x.com/joshwoodward/status/2115580552170627080
Anthropic 的 Boris Cherny（Claude Code）：他给出一组政府侧试点数字：犹他州把 Claude Code 交给 10 个州政府机构的 34 名开发者，80% 的人在 30 分钟内就跑通了可用环境，四周试点结束时 71% 的人报告节省了 20 小时以上。
OpenAI 的 Thibault Sottiaux（Codex & ChatGPT）：他澄清了流传中的说法：把 Chat 和 Work 两种能力合并确实在做，但还没有开始灰度，「计划今年内推出，我们会谨慎推进、慢慢来」。他还在自己的日更里介绍「text your dot」：像给普通人发消息一样把东西分享、转发出去，可以留语音，甚至用「Hey Siri，text Iggy 到某个离谱请求」这种口令丢给它就行。
- https://x.com/thsottiaux/status/2115588390414581916
- https://x.com/thsottiaux/status/2115622002581188681
AI 教程作者 Peter Yang：他判断 world model 现在还在 GPT-3.5 时代，但不会停留太久。就像当年 Will Smith 吃意面那批视频，效果惊人但还没到「能用」；他给出两个落点：电影里一场龙战级别的大特效，VFX 工作室要做几个月，导演可以先做出一帧，再让 AI 生成整场；游戏里 world model 的画面和声音已经够好，真正缺的是 core loop 和让游戏好玩的机制，而一旦这些到位，自己做一款看起来很棒的游戏的体验会像今天做个人 app 一样自然。他另有一条实感分享：ChatGPT 加 browser use 处理医疗文书，简直是救命。
- https://x.com/petergyang/status/2115556794076741647
- https://x.com/petergyang/status/2115640765422706948
前 Claude Code、现 Anthropic 的 Thariq：他注意到一个很怪的错位：技术人反而沮丧，觉得自己多年练的技能没用了；非技术人却在拼命想变得更技术一点，好把 agent 用得更顺。他自己站在创作者这边：他希望自己能画出动画构想和角色概念，然后让 agent 把它丰满起来，而不是到处找参考图，「我没有那套语言」。另外他只写了一行字：courage 比 genius 更稀缺。
- https://x.com/trq212/status/2115544056038350960
- https://x.com/trq212/status/2115641110710419752
- https://x.com/trq212/status/2115493334324310463
Replit CEO Amjad Masad：他报了一个榜：prompt-to-app 基准 ViBench 2.0 刚发布，GPT 6.1 Sol 拿下第一。
Vercel CEO Guillermo Rauch：他把新的模型别名机制形容成「模型的 DNS」：一个 alias 解析到某个具体模型，于是你天然有了流量调度能力，能解决团队卡在旧模型版本、成本、以及「选择困难」这一串问题。他还宣布与 Suhail 的 Particle 合作，通过 Vercel AI Gateway 提供其模型与推理服务。更长的一段是 agentic CI，他给出三步：一是快而稳的基础设施（全球 20 个集群，每天跑数百万个 microVM）；二是 Turborepo 让依赖图由系统计算而不是人写，直接跳过并复用旧工作；三是可以被 agent 检查、中止、触发、重放的 CI。他判断接下来 CI 会开始带上工程师式的判断力，比如「这些测试到底值不值得跑」。
- https://x.com/rauchg/status/2115573969369845855
- https://x.com/rauchg/status/2115566139447382115
- https://x.com/rauchg/status/2115539426684408300
Box CEO Aaron Levie：他给出一个量级判断：agent 会消费比今天多 1000 倍的 token，因为它们要跑进我们的工作流、处理我们所有的数据、写出几乎全部软件、还要守住企业安全。要做到这个规模，得几条路一起走：继续推闭源前沿，同时让开源权重模型更强、更安全、跑大规模负载更省。他点名期待 Suhail 在 Particle 上的做法。
Ryo Lu（设计过 Cursor、Notion、Stripe）：他写了一篇长文谈「增强人类智能」。从 Engelbart 1962 年的定义出发，起点是人而不是自主机器；再借 Licklider 的人机共生和 Ingalls 的 Smalltalk（系统该适配人的心智，而不是反过来）追问同一件事：这个系统是帮你想清楚自己到底想要什么，还是只让你提交一个需求、然后在外面等？他并不反对能力更强的机器，「有时候等待正是我想要的」，但他提醒并非所有困难都是开销：有时搬动那些零件，本身就是理解它们的方式。所以他不愿只用「多少工作不再需要人」来度量未来，而是问那个人现在能理解什么、能表达什么、能不打招呼就改变什么。「不是世界不再需要我们，而是我们更有能力去塑造它。」
Y Combinator 总裁兼 CEO Garry Tan：他把赌注押在 Particle 上：他认为它会站在「最聪明的模型、最低的单位智能价格」这条前沿上。
FPV Ventures 合伙人 Nikunj Kothari：他正在把一套「从种子轮的梦想走到 A 轮的真实要求」的反馈分享给不少种子期创始人，也感谢 dflieb、Aditya Agarwal 和几位创始人帮忙看草稿。这条对正在融资的人比对围观的人更有用。
OpenClaw 作者 Peter Steinberger：OpenClaw 的 web UI 现在支持离线使用，他重写了 websocket 的压缩与重连逻辑；他飞维也纳那天机上 wifi 时断时续，工作照样往前推。他还吐槽：用 agent 找 bug 比人找容易太多，「某位迪士尼的人还在手写代码？」
SPC 合伙人、Dropbox 前 CTO Aditya Agarwal：他公开了他们写的一封 LP 信，主题是十年一线投资里总结出的「识别人才」方法。他不满足于「早期投资 90% 看创始人」这句话，因为它缺可证伪性、具体性和可复现性，于是试着拆出「卓越」到底有哪些维度，以及这些维度如何转化成一家公司。
Claude 官方账号：Claude for Legal 上线了一组开箱即用的 artifact 模板，覆盖合同审阅、监管动态扫描、引证核查等场景。可以从内置示例起步，接上自己的文档和连接器，再在全公司范围内分享。
🎧 播客
AI & I by Every：Can You Use AI To Make Good Art? — With Fred Graver
一句话总结：AI 不会替你想出该说什么；你唯一不能交给它的，是打开它之前那个还没被措辞污染的、只属于你自己的版本。
Fred Graver 拿过四座艾美奖，做过编剧和制片人，职业生涯从迪士尼幻想工程师起步，在 VH1 和 MTV 待过，又在 Twitter 还是创业公司时去做电视业务负责人，后来到微软当对话设计师。他的职业主线只有一条：不断靠近观众。所以他不从模型参数谈 AI，只从「怎么让人愿意看」谈。
他最反常识的建议是先别碰 AI。动笔之前花一两天，把关于这个想法的一切倒到纸上，手写、口述都行，先把自己掏空。「You will never have that opportunity again once you open AI.」一旦开始对话，你的判断就会被模型的措辞带着走，那个粗糙但独属于你的版本再也拿不回来。他也不把 AI 当搜索引擎，而是当一段关系、一间虚拟编剧室：先交一份「我是谁」，再交一份「我在做什么」，然后问这两件事有没有关系、谁会来看。
他解释 AI 味为什么重，比「提示词写得不好」狠得多：你让它告诉你该说什么，它就会往平均值收。它能给你观众画像、平台习惯、现成的成功套路，却给不了那些让角色可爱的私人怪癖。
他日常的分工具体得可爱：Claude 是他常回去的那间屋子，记得你三天前否掉的决定；ChatGPT 像读遍所有指南、看过所有片子却不知道它意味着什么的电影学院学生；NotebookLM 是两个永远夸你的播客主播。他还养了一个被要求「非常不客气」的早安 agent，专门在他半夜冒出又一个新点子时，第二天早上把他拽回原来的命题。
真正没解决的是最后一环：怎么触达观众。想清楚、做出来这两步正在被 AI 铺平，第三步还是空白。他的判断是，成功等于在观众知道之前就知道观众想要什么，而这件事至今没有为失去电视黄金时代的创作者准备好新的基础设施。
（今日 feed 中无官方博客更新。）
通过 Follow Builders 生成: https://github.com/zarazhangrui/follow-builders