2026 年 6 月 7 日 · 周日

Logan Kilpatrick 认为，围绕深度模型 benchmark 和 evals 做短中长期投资判断，已经足以支撑一家顶级 VC。核心是发现 capability overhang 和模型短板轨迹。

他进一步说，每家风投都应该有 evals 与 benchmark 团队，持续把模型拉出来实测，并自行构建新的评测体系。

Logan 判断顶级投资机构全面采用这种模型评测驱动投资方法只是时间问题。

Bindu Reddy 说团队几乎全天与 AI 交互，代码、PR review、测试和生产发布都高度依赖 AI。

Greg Brockman 直接评价，用 Codex 操作电脑变得更有趣，说明 Codex 的叙事已经从编码工具转向计算机工作入口。

Zack Korman 讽刺企业不知道开发者拿 AI 干什么，真实答案可能是开发者在做个人 side project，点出了企业 AI 支出治理的盲区。

Greg Brockman 转述 ChatGPT 的邮件集成功能，强调 AI 助手开始进入真实办公流，而不是只停留在对话框里。

Zack Korman 评论 Microsoft 新 AI assistant 时指出，让用户回来本来就是产品目标，也就是 retention；真正问题是 Microsoft 的产品体验可信度。

Stanford AI Lab 转推 ProgramBench，强调 whole-repository generation benchmark 让 agent 自主选择需要修改的文件。

Stanford AI Lab 转推科学生成模型方向，用 unpaired data 到 data 的任务替代传统噪声到数据生成。

Berkeley AI Research 转推 Video-GMAE，关注无轨迹标签视频中学习 correspondence 的问题。

Berkeley AI Research 转推 CVPR 工作，强调在视觉 latent bottleneck 中进行推理可提升模型表现。