他晒了一组 Vercel 的机器与 agent 流量数据：过去 30 天，整个 Vercel 网络 58.18% 的流量来自机器人，2024 年 1 月这个数字是 32%；Vercel 上超过 60% 的部署已经是 agent 发起的，而 2026 年 1 月只有大约 3%；Vercel 自家文档站最多有 83% 的浏览量来自 agent，而且内容越为 agent 优化，比例就越高。他的判断是，人类「直接」访问互联网的流量几年内会变成可以忽略的零头，网络会继续繁荣，但会由 agent 构建、为 agent 服务。
另一条说，他们惊讶地发现 agent 经常通过 CLI 直接在 Vercel marketplace 里购买基础设施产品和服务，现在这项能力扩展到了域名：agent 可以从一个想法一路做到上线一门生意，还能顺手买个好域名。
他引用 a16z 的数据（agent 消耗的 token 将近人类的 5 倍，六个月里增长了 14 倍）并更进一步预测：agent 派生 agent、在后台跑每一项任务、成群协作，消耗的 token 会是人一次只提示一个 agent 的 1,000 倍。只能按你打字速度干活的聊天式 AI，一两年内会显得过时，绝大多数 token 会被在后台和工作流里持续干活的 agent 消耗掉。他认为这说明 agent 普及还非常早期，也说明还需要多少算力和基础设施建设。
原推 · a16z 引用的数据
「你的 ChatGPT 订阅现在也是 Devin 订阅了。」他转发的是 Cognition 的公告：Go、Plus、Pro 等个人 ChatGPT 方案都可以连到 Devin，所有 GPT 模型用量直接从你的方案额度里扣。
他还说 ChatGPT 的「dot」有了不小的升级。根据 ChatGPT 官方的说明，你的 dot 现在可以在 Codex 里直接开工、跟进已有线程，会参考你的 ChatGPT 对话、Codex 线程和自动化，也更会判断该延续线程还是重新开始；它还能查看和修改 ChatGPT Work 里的定时任务。
发布周 Day 5 是桌面版的 Composer 预测功能，他说预测准到常让人愣一下，Pro 方案包含且不消耗用量；随后他请大家把反馈发给 keyanzhang 和 sharifshameem。
Devin 订阅 · Cognition 公告 · dot 升级 · ChatGPT 说明 · Day 5 · 反馈
他转发 Day 5 的 Composer 预测功能，说自己用得非常喜欢：「最早我们手写代码，然后用 tab 补全代码；后来进化到给 agent 写提示词……现在连提示词也能 tab 补全了。」他还半开玩笑地问，这算不算递归自我改进。
加入 Anthropic 之前，他花了大约两周用 Opus 4 业余做了一个项目。当时用的是 Agent SDK，需要一个一直在跑的进程，效果不太好；现在只用一条提示词让 Opus 5.5 把它迁移到 Claude Managed Agents，可靠性大幅提升。他说把它放在浏览器新标签页上挺酷，也刚合并了几位其他人提交的 PR。
他的反主流观点是：每单位智能价格的下降并不是开源权重模型带来的，开源模型只是给一个早已在进行的趋势加了顺风。过去几年推动降价的是三件事：模型公司把最强模型蒸馏成更小、推理更便宜的模型；基础设施效率提升；以及模型提供商之间的竞争。他说每家模型公司都有同样的规律：中型模型第 x 版的智能，约等于大模型第 x−1 版，同样的智能、更少的钱。
一条实用建议：如果想把 Grok Bot 当成「幕僚长」，别用你自己的名字给它注册邮箱，因为「我抄送一下 Peter 来约时间」这种话由你自己的分身说出来很奇怪；不如给它取一个你希望幕僚长叫的名字。
另一条是吐槽：能不能别再做帮人管邮件的个人助理了，多做些用 AI 管理和治疗疾病的创业公司。
他抛出一个问题：有些行业的群体对 AI 带来的冲击感到兴奋，另一些则非常恐惧，决定性的因素到底是什么？
他转发 Synthesia 的新功能：一条提示词就能按你的风格，为公司或产品做出专业级视频，即日起对所有人开放。他说这正是 Synthesia 从创立之初就在追求的愿景，「先是缓慢发生，然后突然全部到来」。
给创始人的提醒：如果要在 X 上推广产品，请让市场团队把 VC 排除在外。他每天会收到三条私信，邀请他「合作」一个「疯狂的机会」，其实就是付费推广；他说这显得判断力很差，而且圈内会传开，让人觉得你在花钱买眼球、为大额融资造势。更别再追发一封邮件。
AI Engineer 大会纽约站（AIE NYC）门票预计这个周末售罄，他说这是纽约规模最大的技术会议，也是首次设立金融主会场，某种程度上把他投行、对冲基金和大厂、创业两段职业生涯合在了一起。另一条说大多数人还不够格，但路径是有的：他 6 年前把自己的路径写进了 Coding Career，现在可以免费获取，也能在亚马逊买到，算是顺手重新推出。
Every 发布了一篇新文章《Working With Agents in Slack》（推文只附了标题和链接）。
SPC 本周请来了 Sergey Levine（svlevine），他说 Levine 是他很久以来见过的「清晰思考付诸行动」的最好例子。
核心观点：开源模型正在吃掉越来越多的 token 份额，而让 AI 更安全的方式，可能恰恰是让更多人看得见它。
Misha Laskin 是 Reflection AI 联合创始人兼 CEO，此前是 Google DeepMind 研究员、参与早期 Gemini 的强化学习工作，物理学博士。Reflection 一年前大约 30 人，现在约 300 人，刚发布首个开源模型 Beam。他说 Beam 主打编码和 agent 任务，推理效率比同级模型高 3 到 4 倍，对比更大的模型可达约 10 倍，原因是先打好预训练底子，再做他所说开源领域有记录以来最大规模的强化学习（1 万块 GB300 跑了四周）。他直言做前沿模型「每件事都很难」，因为要同时做对 30 件事；追赶前沿比站在前沿省钱，但门槛逐年抬高，大约每一代模型算力要乘以 4。
几个具体判断：半年前 OpenRouter、Vercel 这类网关上大约是闭源七成、开源三成，现在几乎正好反过来；他预计未来会像 Linux 统治服务器那样，大多数 token 流向开源，同时依然有极有价值的闭源公司。企业通常先「租」闭源模型，年花费到上亿美元级别才会考虑「买」，而且多半先围绕开源模型搭定制系统和 agent 框架，而不是直接微调。他称中国开源模型对全世界是「一份礼物」，但也认为开源模型是「特洛伊木马」，会把整套芯片和基础设施生态一起带进别的国家。安全上，他拿 90 年代加密协议从封闭走向开放来类比，认为几百名闭源实验室的安全研究员不可能覆盖所有长尾风险，而且削弱网络攻击能力的同时也会削弱防御能力。
最值得记住的一句：「有足够多的眼睛，所有 bug 都会变浅；我相信有足够多的眼睛，大多数安全漏洞也会变浅。」（"With enough eyeballs, most security and safety vulnerabilities become shallow as well."）