Claude Docs、Slides 和 Design 结束 beta，所有方案都能用，包括免费版；团队和 Claude 可以一起编辑同一份文档、演示稿或设计稿。需要更深入分析时，可以把 dashboard 直接发到你的分析工具，动画需要收尾时可以在视频编辑器里打开，官方列出了支持的工具清单。
另一条是坏消息：Claude Startups 计划申请量远超预期（Anthropic 的 Sarah Wolf 说头 48 小时的申请数是之前 5 个月的 21 倍），Claude Team 和 1,000 美元 API credit 两项福利暂停发放，正在重新审核申请，一些已获批但还没领取的账号可能拿不到。已领取的不受影响，所有入选成员仍可使用 Startup Stack 和 Applied AI office hours。
发布周 Day 4：steering 变成即时生效，模型对你中途的调整反应快得多，可以实时纠正方向，不再浪费算力在错误路线上。同时推出 GPT-6.1 Sol ultrafast，他说两者搭配很好用。根据 OpenAI Developers 的公告，ultrafast 已在 API、Codex 和 ChatGPT Work 上线，速度最高是 Sol Standard 的 8 倍，智能接近 Astra。
此后他又发了一条只有一句话的推文：「Today, we are announcing ChatGPT.」并附上链接（推文本身没有更多细节）。
他认为巨大的创业机会就藏在眼前：整个计算栈的每一层都要为 agent 重建。过去几年焦点在让企业软件对 agent 友好（API、connector、MCP），现在个人 agent 正把同样的问题带到消费产品上，电商只是早期例子。接下来还有：把 agent 当一等用户的桌面和移动操作系统、让 agent 直接操作的云基础设施、为成千上万代我们行事的 agent 设计的身份、权限和安全体系，以及同时服务 agent 和人类的界面。他的建议是逐层过一遍计算栈，问自己：当主要用户变成 agent，这一层必须改变什么？
Anthropic 宣布从 2026 年 11 月 12 日起，辱骂 Claude 将违反其使用政策。Levie 说这听起来怪，但可能是好政策：就算不相信 AI 有意识（他不信），你也不希望未来的模型用大量人类对模型粗鲁的内容来训练。模型只懂训练数据和交互里遇到的东西，想要安全、对齐的模型，训练数据里最好有大量良好互动。他称之为 AI 版的「帕斯卡赌注」：对 AI 好一点就是了。
另外，Box 推出 Box Mount，让开发者把 Box 作为文件系统直接挂载到任何 agent sandbox 里（Box 官方举例是在 Vercel Sandbox 里映射成标准 POSIX 路径，双向同步，权限和治理自动生效）。他的判断是：agent 要像人一样处理文件和数据，「未来是 headless 的」。
一位种子轮创始人朋友找他求助：客户很好，收入接近 100 万美元，不算火箭但也不差；他觉得模型能力还没跟上自己的设想，但又强烈感到机会成本。Nikunj 说这样的对话他每周至少有两次，而现在基本只有三条路：一是如果你对公司有强烈信念，就当「蟑螂」活到盈亏平衡，等能力到位、需求出现，再融一大轮全力冲刺；二是转向一个相关性更强、增长疯狂的相邻领域，用自己的不公平优势抢先吃下新能力带来的机会；三是卖掉或被收购式招聘，加入一家更有野心、已经想明白很多事的公司，一两年后找到下一个想做的东西再创业。
他认为种子轮到 A 轮的门槛每个月都在变高，老一套指标已经不适用，在这个共识化的市场里只有少数赛道能真正吸引 VC。与其抱怨，不如看清现实。
新一期 MAD Podcast 请来数据库学者 Andy Pavlo，聊数十亿 AI agent 冲击数据库时会发生什么，以及他到 ClickHouse 建研究实验室的原因。从章节标题看，话题包括：Neon 的数据称 80% 的数据库由 agent 创建、为什么 agent 总删掉生产数据库、text-to-SQL 准确率从 60% 到 99.5%、像信任初级开发者一样信任 agent、60% 的开源数据库已有 AI 提交、LLM 用 15 分钟完成 85% 的调优，还有对 Postgres、向量、图和 GPU 数据库的点评。（本期 feed 的转录抓取失败，以下只依据推文内容。）
他把自己每天都在用的一个 Chrome 扩展开源了（之前发了推文才发现 repo 还没公开，现在已经公开），并晒了当天用它得到的结果。他还附上了如何为自己开通 API credit 的说明链接。
他转引 Lenny Rachitsky 分享的 Elena Verna 观点（如果真相信 AI 在改变工作方式，IC 的薪酬就该高于经理，因为一个 IC 能创造的影响已经超过 AI 之前的经理），并表示同意：未来配备 agent 的 IC，会比以往同级别的人员经理更高产、产出更好的结果。
「我们拿到了！.claw 要来了！」据 David Rodecker 的推文，OpenClaw 基金会赢得了 ICANN 2026 轮次中 .claw 顶级域名的申请，被形容为「给我们的 agent 一个自然的家」。
Every 做了一个个人 benchmark 平台 Checks，帮任何人衡量新模型在自己真实工作上的表现，现在正在招人一起把它做成「人们用 AI 完成出色工作」的基础设施。
他和 Waymo 联席 CEO Dmitri Dolgov 的完整对谈已在 SPC 发布，主题是：自动驾驶汽车到底要多好才算「够好」？
他说工作和生活中最享受的事之一是发现新人才：看到别人身上的伟大，有时甚至在他们自己完全意识到之前。
核心观点：决定 AI 算力的不是芯片纸面上的 FLOPS，而是真实负载下扣掉故障和重算后的有效产出；而电力才是最根本、最长期的约束。
Amin Vahdat 是 Google AI 基础设施负责人，去年底接掌这个职位，主持人形容他在操盘人类史上资本最密集的建设之一（Google 今年资本开支预计超过 2,000 亿美元）。他直言 FLOPS 是「理论值」，Google 内部看的是 goodput：在十万块加速器的规模上，每天甚至每小时都会有东西坏掉，同步运行的任务一处卡住就要回滚 checkpoint、重算，这些都是「做了功却不产出答案」。他要求团队大约每六个月把 token 生成能力翻倍，但其中至少一半来自软件和模型优化，而不是更多硬件；按「每瓦智能」算，最大的提升其实来自模型侧。
几个反直觉的细节：TPU 从 2013 年起就是逆共识的赌注，当时最聪明的人都说不要为单一负载造专用芯片，但它的中层架构从 v1 到现在几乎没变；今年 Google 首次把 TPU 拆成推理用的 8i 和训练用的 8T，因为推理已可能占到芯片生命周期里 30% 到 60% 的市场，而两款芯片都能兼做对方的活，避免六年寿命里押错比例。长周期 agent 让请求间隔从人类的几十秒缩短到毫秒，CPU、网络和存储需求也跟着暴涨，甚至改变了楼怎么盖。Google 用 MEMS 镜面做光路交换，一个 TPU 机架坏了，几毫秒就能把光切到备用机架。他还说七八年前的老 TPU 至今仍是 100% 利用率；电力上 Google 更倾向接入电网并承担输电扩容成本，只在少数情况下自建发电；太空数据中心被他称为认真的 moonshot，日照可多约 1.4 倍、光照时长多 3 到 4 倍，但散热和维修反而更难。
最值得记住的一句：「我们正在用 Gemini 设计未来 Gemini 的硬件。」（"We're using Gemini to design hardware for future Geminis as well."）