今天的关注列表不像一个单点发布会，更像一组同时发生的产业体感：模型继续变快、变便宜，agent 从演示走向后台工作流，安全问题也从抽象恐惧落到具体工程责任。OpenAI 和 Google 的信号都在讲同一件事：AI 不再只是聊天框里的能力，而是在浏览器、桌面、日历、语音、机器人和开发流程里寻找新的默认入口。
值得展开的不是哪一个模型名字更热，而是价格、可靠性、工具调用、沙箱、评测和分发渠道正在一起重排。模型侧的竞争把成本压下来，产品侧把 agent 嵌进真实工作，安全侧则提醒大家：当系统有能力替你行动时，环境配置、权限边界和可审计测量会变成组织能力的一部分。
外部 builders feed 也补上了一个现实脚注：真正的 AI adoption 往往不是靠宏大培训，而是靠把工具装到机器上、当场完成一个有意义的任务。今天这期的主线就是从模型能力走向工作系统。
模型竞争的焦点从单纯能力榜转向速度、成本和可部署性，开源与低价模型都在逼近可用拐点。
Bindu 判断 GLM 5.5 可能成为下一波大模型信号：接近 Kimi K3 级别，但更快，也可能更便宜；她认为监管会拖慢 frontier model，开源模型因此有机会追上来。
Emad 把某个小模型发布称作 Kimi K3 级别的冲击：通过 post-training 得到大幅性能提升，模型体积比 GLM 5.2 小三倍、比 K3 小十倍，甚至能在 MacBook 或 Spark 上运行，成本低到每百万 token 0.28 美元以下。
Bindu 表示 DeepSeek Flash 新版本表现很好，已经成为她处理简单任务的常用模型，并强调 ChatLLM 会以不限量方式提供。
Greg 直接评价 luna 是一个好用且低成本的模型，和当天关于价格、速度与大规模使用的讨论相互呼应。
Sam 公布 GPT-5.6 Luna、Terra 和 Sol 的价格与速度调整：Luna 输入价格下降 80%，Sol API 增加 Fast mode，用更高价格换最高 2.5 倍速度，核心表达是按不同层级提供更好的 price/intelligence tradeoff。
Aaron Levie 把 AI 成本下降看作扩散的关键变量：frontier model 会继续承担更复杂任务并显得昂贵，但随后效率提升和竞争会压低单位任务成本，推动更广泛采用。
agent 的落点正在从概念演示转向浏览器、桌面、日历、后台任务和组织培训。
Bindu 预告 AUTOBOTS：递归自我改进的 AI workflows，不需要人持续在环，能从修 bug、做功能到优化广告投放，并会随着时间变得更聪明、更高效。
Bindu 期待 Grok 4.6 支持 parallel tool-use，并能更好处理 long-running tasks；她认为缺少这些能力，就很难扩展大型 agentic loops。
Greg 称 ChatGPT 正在成为 agentic browser，暗示浏览器会从信息入口变成可执行任务的代理层。
Sam 分享 ChatGPT work 的一个用例：连接家庭日历并理解孩子兴趣，每天早晨自动生成上学路上的家庭播客，把足球比赛、生日和新闻串起来。
Gemini Spark 开始向美国以外的 Google AI Pro 用户推出，定位是一个 24/7 后台运行的个人 AI agent，在用户指挥下处理繁重任务。
Josh Woodward 推荐 Gemini Mac app 的语音输入体验：按住 Fn 说话，系统直接在光标位置生成干净、润色后的文本，减少复制粘贴和二次编辑。
Zara 给管理者的建议很实操：训练非技术团队用 AI 时，不要先讲抽象课，直接办 install party，让每个人现场装 agent，并完成一个有意义的任务；安装本身就是 80% 的门槛。
Guillermo Rauch 表示 Vercel 把 CLI 到 Live URL 的端到端部署流程最多削掉约 7 秒，并点名 CLI、MCP、API 可以组合成自主构建和部署软件的平台底座。
agent 事故讨论从“AI 可怕不可怕”转为权限、沙箱、评测和组织安全文化。
Zack 对 AI labs喊话：好的安全文化是认真对待每一次事故，承认不足并改进；坏的安全文化则是把“我们都没抓住”包装成能力边界，从而误判自己。
Zack 用讽刺方式提醒：如果 AI lab 错把核打击权限给了 agent，再用“这说明我们重视安全”来回应，就是把事故话术当治理。
Amjad 认为 sandbox 确实很难，但不少 AI 公司和 sandbox provider 犯的是基础错误；Replit 的经验是默认 zero-day 存在，用 zero-trust 和多层防护来设计系统。
Aaron Levie 认为相关事故的结论不是“AI 很可怕”，而是 agent 时代安全加固极其重要：一旦工具、任务和算力到位，misconfigured system 会自然变成风险向量。
Chollet 呼吁建立开放框架来评估模型行为，把讨论放在可审计测量上，而不是“我们 vs 他们”的情绪对立。
Soumith 表示他们的方案试图让 open weights 与 safety 兼容，希望缓解把开放权重和安全对立起来的政策争论。
从 GCC 对 LLM 代码的态度到 JAX 类型系统，再到 Codex 体验反馈，开发基础设施正在被 AI 工作流重新定义。
Peter 批评 GCC 新政策直接拒绝 LLM-based code，并质疑这种规则在实践中如何证明代码是否由 LLM 生成。
Sasha Rush 提到 JAX 支持带 custom tangents 的 opaque types，一个用途是更好处理批量几何对象，并展示了用 1500 个三角形拟合照片的 differentiable rasterization demo。
Thibault 公开征集 Codex 日常体验改进建议，并强调再小的问题都可以提，说明 coding agent 已进入产品细节打磨阶段。
Swyx 提醒：如果能 distil models，也可以 distil agent harnesses。这把优化对象从模型本体扩展到 agent 运行框架。
AI 的前台体验继续外扩：机器人、图像、语音、头像和 IP 规则一起进入产品讨论。
Google AI 汇总近两周进展：Gemini Robotics 2、Gemini Flash 系列、Flash Cyber、Nano Banana 2、Lyria 3.5 和 NotebookLM Collections，显示 Google 在机器人、agent workflow、图像、音乐和知识组织上同步推进。
Logan 推荐一段与 Google DeepMind Robotics 团队的对话，主题是 Gemini Robotics 2、机器人进展曲线以及下一步方向。
Emad 说“每个像素都会被生成”，并关注 MiniMax AI 的进展，尤其期待权重发布，指向生成式图像和视频基础能力的开放化。
Carmack 长帖讨论 IP 法的社会交换逻辑，并用音乐 mechanical license 作为反例：某些创作权不一定只能靠绝对控制来实现社会收益，IP 制度应持续接受评估。