他评论 Meta 推出前沿模型家族 Muse Wonder：Meta 正式全面杀进前沿，多家同时推进最先进水平，会让进展进一步加速，也会让最高档能力的 token 价格继续下降。
他认为 agent 群（agent swarm）会成为许多企业工作流的核心：能把算力砸向可大规模并行的问题，实在太有用。网络安全将是最大受益者之一——要在巨大的风险向量空间里不知疲倦地测试海量攻击组合，并把不同场景串起来才能打通漏洞。企业里需要时刻保护的 IT 系统、软件、物理设施和数据范围极广，这会成为大企业最大的 token 用途之一。
另一条他转发 Pedro Domingos「模型吞掉了 harness」的研究：这必然是 agent 的最终架构——极限情况下，AI 看到任务后自己决定 harness，会比人类事先设计得更好。
他先预告「全局重置将在太平洋时间今天结束前落地」，随后宣布用量额度全局重置已完成，并调侃「重置要配点什么？」。
他还说自己有一个简单的计划，应该能让所有人的用量都显著增加，希望尽快落地（这条获得 2,000 多个赞）。
他吐槽编程 CLI 越来越复杂：守护进程、三层 TUI、客户端-服务器架构。CLI 的意义本应是零摩擦地交付智能、保持 Unix 风格。他推荐 Vercel 的 fx：只有 6MB、毫秒级启动、不绑定模型，内置 MCP、Skills、子 agent 和 ACP，「克制而极简」。
Meta 的 Muse Wonder 也已上线 Vercel AI Gateway（面向前沿编程、长时运行 agent 和高级电脑操作），可用 fx --model meta/muse-wonder-1.0 试用。他还转发了有人把 fx 移植到 Windows 98、通过 56k 调制解调器跟 LLM 对话的玩笑项目。
他上了 Lenny Rachitsky 的节目，说对方把话题带到了他从未公开谈过的地方。Lenny 整理的要点包括：好点子几乎从不来自设计冲刺或头脑风暴，NotebookLM、Flow、AI Studio 都起源于一小群执着于某个洞察、停不下来动手的人——「好点子没法用微波炉加热出来」；爱上问题而不是产品，多数点子要经历三到五次大转向；PMF 最强的信号在人们的眼神里。
其他要点：Google Labs 维护一份「几乎可行」的清单，某项能力一越过门槛就立即冲刺；每家公司现在都得像 labs 团队一样思考；「忘却速度」是当下最有价值的能力之一；角色并没有融合成单一的「builder」，最好的人仍有主修专长加一门辅修。
他说 OpenAI 的 GPT-6.1 Sol Ultrafast 远胜 GPT-6 Astra：成本差不多，但凭他所说的 250 tpm 速度，体验完全是另一回事。
他也再次重申去年的观点：「vibe coding（氛围编程）是个蔑称」——他转发的帖子认为模型写出的架构和代码一致性已经超过普通工程师，这不是凭感觉写代码，而是精密工程。
他用 Muse Wonder 做了一段解释「个人基准测试」的视频，坦言效果「相当粗糙」，而且目前生成的视频都带澳洲口音。他补充说测的是 Muse Wonder Standard，Wonder Full 莫名还没开放 API，之后会再跑一轮。
他观察到：前沿实验室员工使用 AI 的方式，与哪怕是前 1% 的 AI 组织之间都有巨大落差——而且这还是基于公开可用的能力。他预计这个落差会持续一段时间，并认为这里存在一个做「横向加速器」的创业机会。
她分享了一个最打动她的 AI 编程故事：朋友 Victoria Yang 小时候家里满是蟑螂，妈妈把灭蟑螂变成每月比赛；她在晚餐时讲了这个故事，一位朋友当晚就 vibe code 出一个「和妈妈比赛抓蟑螂」的游戏，她玩着玩着哭了。
Zara 的结论：这个游戏技术上并不复杂，任何模型都能很快做出来，赋予它灵魂的是背后的人生故事与情感——代码是讲故事的新媒介。
他的 ryOS 新增词典和健身两个应用：可以学新单词、发音和汉字，也能用 AI 规划训练、记录身体和饮食数据，并同步到 ryOS 账号。他说这些是用 Grok Bot 和 Cursor 做出来的。
他放出一段视频片段，解释为什么 Grok Bot 是他目前最喜欢的 agent：它围绕「角色」而不是聊天线程构建，感觉像雇了员工，每个负责一件事——客服、YouTube 选题与准备、家庭杂务、健身督促等。
另外他和 OpenAI 的 Nan Yu 都在转发 Ben Affleck 成名后在家打了三年《星际争霸》的采访，他呼吁暴雪加码这个系列。
他引用 Rob Henderson 转述的一段话——「最终压垮美国的，是东西不再运转、而没人愿意当修理工」，只评了一句：「我们需要修理工。」另外两条：投资里的按比例跟投权（pro rata）很重要也很有力量；以及「没人会来救你，你也不需要被拯救」。
他在纽约的 AI Engineer 大会现场说，工作里最棒的部分之一是在每座城市激发 AI 圈最好的一面，并分享了 Arize 等工作坊座无虚席的场面，工作坊总结文章也已上线。
核心观点：持久化 agent 真正的价值不是多干活，而是替人挡住注意力劫持——Sam Altman 说 Dots 是第一个让他夺回早晨深度工作时间的东西。
这是在 OpenAI Dev Day 现场录制、Dan Shipper 对 Sam Altman 的访谈。Altman 说他从来不像别人那样对就业悲观，但仍被潜在需求之大「往好的方向」震到：开发者能做的从没这么多，标准也从没这么高；人们其实不太在乎机器做了什么，而是痴迷于其他人——一万个 agent 协同四天解出难题，公众讨论的焦点却仍是人。他把 AI 的未来比作以人为中心的文艺复兴，而不是把人变成齿轮的工业革命，并坚信会出现大量一人公司和小团队公司，而不是一家公司通吃。
具体例子很鲜活：以前一早看手机就会被突发问题污染大脑，现在他信任自己的 Dot（叫 Dottie）判断什么紧急、其余替他处理；Dot 在他会议间隙提醒唯一要处理的一件事；他睡前留一段语音想法，醒来 Dot 已经做了五六个版本并推进了后面七步；他用 Codex 搜 Slack 找了 20 分钟没找到的东西，Dot 隔天主动告诉他「我想了一夜，找到了」——原来是一张截图。他还说现在会给自己用一份根据 Slack 持续更新、只给他看的「活」业务仪表盘，关注点已从半年前的收入增长转向安全、对齐与安防。
关于速度：他所有提示都用 Ultrafast，快速反馈对迭代式思考的差别「非常夸张」。OpenAI 过去主要在压低「智商的价格」，现在速度是新的关键维度，自研芯片会帮忙；他预计不久能以好价格提供 8 倍速，之后还会有 100 倍速，但前沿永远存在更高价位。
最值得记住的一句：「我过去主要在压低智能的价格，现在我们意识到，必须像民主化模型智能那样，去民主化速度。」（"…we now realize that we've got to go invest in the democratization of this like we have for model intelligence."）