Peter Steinberger 🦞@steipete
Peter 为 OpenClaw 辩护，认为团队过去四个月做了功课，Microsoft 也已经向客户交付，反对把讨论停留在简单嘲讽上。
X 日报个人阅读
2026 年 6 月 30 日 · 周二
2026-06-29 08:00 至 2026-06-30 08:00（北京时间）
51/52
关注账号覆盖
22
条入选
5
个主题
晨间播报
开车或走路时直接听；会记住播放速度和上次听到的位置。下载 MP3
编辑导言
本期的主旋律不是单点发布，而是 AI 进入系统化落地之后暴露出的第二层问题：安全不再是模型能力的附属品，组织不再按传统岗位分工，基础设施也不再只围绕更大的模型展开。OpenClaw 争论、agent security、Codex usage reset、Claude Code 团队角色拆分，都在指向同一件事：AI 工具变强以后，真正稀缺的是使用边界、系统设计和团队分工。
另一条线是能力版图继续快速移动。Meta 把 Brain2Qwerty 推到实时句子级解码，Tesla 把 HW4 的能力蒸馏回 HW3，Microsoft Research 讨论 agent memory，Emad 关注开源 harness、LongCat 与中国 ASIC 训练路径。它们看似分散，合起来是一个信号：前沿能力正在从“模型发布会”扩散到数据、硬件、记忆、评测和产品场景。
今天是低信号日，但不是无信号日。真正值得展开的是：builders 圈子开始把“会用 AI”拆成可招聘、可协作、可验收的角色，把“产品影响力”拆成 shipped artifact 和公开解释能力。这比单纯追逐下一个模型名更接近长期复利。
01Agent 安全与使用边界
OpenClaw 争论把问题从“某个 agent 是否安全”拉回到使用方式、权限边界和系统设计。
Zack Korman@ZackKorman
Zack 回应称，大量人说“OpenClaw 现在安全了”本身证明了误区：AI agent security 不是 agent 的静态属性，而取决于它如何被使用。
Zack Korman@ZackKorman
Zack 进一步提醒，新模型不会自动解决 agent security。SOTA 模型也许更不容易吃简单 prompt injection，但一旦被诱导，破坏能力也更强。
Aaron Levie@levie外部信号
Levie 从开放模型与网络安全角度反对简单 gatekeeping：如果先进模型终将开放可得，封锁既未必更安全，也可能在战略上削弱自己。
02模型竞赛与算力路线
闭源 frontier、开源 harness、中国 ASIC 与 MoE 模型同时进入讨论，模型竞争正在从单榜单转向全栈路线。
Bindu Reddy@bindureddy
Bindu 认为美国 AI 正在回到强势位置，并列出 Fable、GPT 5.6、Gemini 3.5、Grok 4.5 等节点，强调 Opus 4.8 和 GPT 5.5 在真实 coding 场景仍明显领先开源模型。
Bindu Reddy@bindureddy
Bindu 预测新的 frontier model 即将发布，并认为舆论会重新回到闭源 AI 的能力叙事上。
Emad@EMostaque
Emad 发布 Zenith harness 更新，主张不仅便宜和快速任务可以多模型编排，最难、耗时数小时到数天的挑战也可以用 harness 把现有模型推到更高水平。
Emad@EMostaque
Emad 补充 Zenith harness 可适配不同配置，并在更低成本下取得 SOTA 表现，同时把 FrontierSWE 称作比 SWE Bench Pro 和 Terminal Bench 更复杂的实用 benchmark。
Emad@EMostaque
Emad 指出 OpenRouter 上最流行的模型可能是美团 LongCat 的 1.6T MoE，声称其接近 Gemini 或 Opus 4.6 水平，并强调训练使用 5 万颗中国 ASIC 而非 GPU。
03AI 团队的新分工
招聘、产品、工程与设计的边界正在重写，核心不是“懂 AI”，而是明确要解决的问题和产出角色。
Alex Kruger@KrugerSays
Alex 认为“找一个懂 AI 的人”不是岗位描述。AI 人才至少要区分两类：能用工具快速把业务跑起来的 operator，以及能建设可扩展系统的 engineer，评估方式完全不同。
Boris Cherny@bcherny外部信号
Boris 观察 Claude Code 团队，把未来产品角色拆成 Prototyper、Builder、Sweeper、Grower、Maintainer 五类，认为团队配置会比传统职能边界更重要。
Peter Yang@petergyang外部信号
Peter 转述 Anthropic PM 使用 agents 的方式：PM 通过访问代码库和 PR 状态，更直接地理解产品状态，而不是不断询问工程进展。
Zara Zhang@zarazhangrui外部信号
Zara 强调 building 不只是在产品上花时间，也要投入更多时间解释、演示、销售和教学，通过与现实接触不断打磨产品。
04研究突破进入系统形态
脑机接口、agent memory 与个性化生成都在从论文或 demo 走向可复用系统组件。
AI at Meta@AIatMeta
Meta 发布 Brain2Qwerty v2，称其是从原始脑信号实时解码句子的 end-to-end pipeline，从字符级推进到词语和语义级沟通。
AI at Meta@AIatMeta
Meta 披露 Brain2Qwerty v2 的训练规模：9 名志愿者、约 2.2 万句、每人 10 小时 MEG 记录。平均词准确率 61%，最佳参与者达到 78%。
AI at Meta@AIatMeta
Meta 表示将发布 Brain2Qwerty v1 和 v2 的完整训练代码，合作方也会释放 v1 数据集，以加速神经科学研究。
Microsoft Research@MSFTResearch
Microsoft Research 介绍 Memora：面向长任务 agent 的可扩展记忆系统，把“存什么”和“怎么检索”分离，缓解不断 reload 或 retrieve context 的低效问题。
Google Gemini@GeminiApp
Gemini 在美国向更多免费用户开放个性化图像生成。用户可选择连接 Google apps，让 Gemini 用个人偏好补全生成语境，同时保留断开连接的控制权。
05AI 基础设施外延扩大
从车端蒸馏到海上数据中心，AI 基础设施的瓶颈已经覆盖硬件代际、能源、冷却和部署位置。
Tesla AI@Tesla_AI
Tesla 发布 v14 Lite 说明：将 HW4 V14 的智能蒸馏到 HW3，引入 RL 与 offline models 带来的改进，并提升导航、并线、行人、红绿灯、cut-in 等场景响应。
Rowan Cheung@rowancheung
Rowan 介绍 Panthalassa 的海上数据中心设想：利用海水冷却和海浪供能，缓解数据中心电力与用水瓶颈，甚至通过船体形态借海浪自航。
Thariq@trq212外部信号
Thariq 讨论 coding agents 可能改变旧代码库迁移和改造的工程经济学，提示 legacy codebase 的处理成本可能因 agent 工具而重新计算。
Thibault Sottiaux@thsottiaux外部信号
Thibault 表示 Codex 团队周日在 warroom 排查 usage drains，并随后为用户重置 Codex usage limits。这是 AI coding 工具进入大规模运行后的运维信号。
低信号与抓取缺口
第一类，窗口内零发帖的账号：Red_Xiao_、ManusAI、OfficialLoganK、AnthropicAI、hugo_larochelle、drfeifei、srush_nlp、soumithchintala、OriolVinyalsML、StanfordAILab、goodfellow_ian、ShunyuYao12、NotebookLM、berkeley_ai、wadefoster、seb_ruder、sundarpichai、kaifulee、ylecun、ThomasOrTK、karpathy、demishassabis、lexfridman、JeffDean、elicollins、BaiduResearch、Metamind、IntelAI、IBMResearch、GoogleDeepMind、GoogleAI、fchollet、ID_AA_Carmack、Yoshua_Bengio、geoffreyhinton、AndrewYNg、OpenAI、sama。第二类，有发帖但未选入主报告的账号：tydsh 发的是世界杯现场邀约类个人动态；timnitGebru 只有一句“Disgusting.”，缺少可独立判断的上下文；gdb 两条帖文信息量偏低，主要是短句或外链提示，因此发了但未入选。第三类，抓取失败账号：ilyasut，上游请求被拒绝。总体看，本窗口关注列表抓取覆盖 51/52，但 raw 帖只有 23 条，审计也标记为低信号日；buildernews 只作为外部 builders 候选信号补充，不参与关注列表低信号账号统计。