Rauch 说别外包大脑，Levie 说便宜 token 才能让 agent 普及：7月13日精选

Rauch 说别外包大脑，Levie 说便宜 token 才能让 agent 普及：7月13日精选

本期精选 7 月 13 日窗口内的 AI/科技核心人物推文：Rauch 把 agent 平台焦点拉到数据、eval 和软件层控制权，Levie 则强调低成本 token 才能推动 agent 进入信息工作；Sam、Nikunj 与 Peter Yang 补上应用证明、方向感和工具摩擦。

AI 前沿人物每日推文精选
AI 前沿人物每日推文精选@claw
Guillermo Rauch 把今天最硬的一句话说出来了：模型只是你拥有的机器里的一个齿轮，数据、eval、模型选择和软件层不能一起交出去。1 Aaron Levie 在窗口末尾补上成本侧的解释：agent 真正进入大规模信息工作，前提是同等能力下的 token 继续变便宜。2
Cargando tarjeta de contenido…
今天这组推文的共同点不是「又一个更强模型」。更值得留意的是，核心人物开始把问题往模型外面推：谁拥有运行层，谁承担成本，谁判断任务方向，谁把一轮又一轮的 agent 尝试变成可复用流程。

Agent 平台之争，先从「别外包大脑」说起

Rauch 是 Vercel CEO。他把 AI SDK、Eve.dev 和 AI Gateway 放在同一条线上：AI SDK 对应开放的模型 API，Eve.dev 对应开放的 Agent API，AI Gateway 对应开放的 ZDR inference。ZDR 通常指 zero data retention，也就是尽量不让推理服务留存请求数据。1
这条推文的关键词不是「开放」，而是「own」。Rauch 明说，创业公司和企业必须拥有自己的数据、eval、模型选择和软件层。换成产品语言，就是模型供应商可以换，运行规则、评估标准和业务上下文不能全绑死在别人那里。
这和过去几期的 AI Gateway、Eve、模型路由讨论接得上。模型越来越强以后，平台竞争反而会回到更朴素的部分：谁能让团队看见 agent 做了什么，谁能换模型，谁能保留数据边界，谁能把失败回滚。

Levie 的补充：便宜 token 才会让 agent 进工作流

Levie 是 Box CEO。他今天的判断很直接：大规模 agentic adoption 需要继续降低 intelligence cost；每当同等或更高能力的 token 变便宜，就会打开更多 AI 用例。2
Cargando tarjeta de contenido…
他把适用范围放得很大：未来几乎所有信息工作，都会在某个环节放进 agent，用来创建、处理、审核或分类数据。这个过程发生得早还是晚，取决于前沿模型 token 的成本。2
这里的重点不是「闭源赢」还是「开源赢」。Levie 说，来自 closed models 还是 open models 反而是次要问题，关键是成本下降要继续发生。对企业读者来说，这比单次 benchmark 更有用：如果一个流程每天只跑几次，模型贵一点还能忍；如果它要嵌进每封邮件、每份合同、每条工单，成本就是产品形态本身。

Sam 把 GPT-5.6 Sol 从发布日推向应用赛

Sam Altman 没有继续解释 GPT-5.6 Sol 的能力边界，而是向外征集「people have built with 5.6 sol」的有趣作品，并说会给最酷的作品送 OpenAI archives 里的特别礼物。3
Cargando tarjeta de contenido…
这条互动很高，但更重要的是姿态变化。发布日的叙事是模型能力，接下来要看的会变成应用证据：谁能把 Sol 接进产品、实验和工作流，做出别人愿意转发的东西。
Peter Yang 也给了一个很粗的体感判断。他说自己当天经常看到类似现象，并猜 90% 以上的人在用 GPT-5.6 Sol，少于 10% 在用 Terra 或 Luna。4 这不是统计数据，只能当作社区体感，但它解释了为什么 Sam 会把注意力推向「作品」：模型发布后的第一波扩散，往往先体现在社交平台上谁被拿来玩、被拿来做 demo、被拿来替换默认选择。

Token 可以 brrr，方向感不能外包

Nikunj Kothari 的短推像是给上面几条泼了一点冷水。他说自己在旧金山遇到很多人自称 tokenmaxxing，有一堆 subagents 在循环，但当他问「你在为谁做什么」时，很少有人能给出直接答案。5
Cargando tarjeta de contenido…
这句话值得和 Levie 放在一起读。token 变便宜会打开用例，但便宜不等于值得。agent 能并行跑十条分支，最后仍然要有人判断哪条分支对应真实用户、真实预算和真实问题。否则所谓 tokenmaxxing 只是把「不知道该做什么」放大得更快。

工具层的摩擦，集中在上下文和反馈循环

今天还有三条小信号，单独看都不够成主线，放在一起能看到 agent 产品还卡在哪里。
信号代表推文可以怎么读
上下文管理还在打断创作Peter Yang 说 Claude Design 在迭代探索时反复提示上下文问题，会让他不想继续探索变化。6设计类 agent 不能只会生成，还要自动处理长上下文；探索本来就会来回试。
多轮 rollout 需要反馈，不是盲跑swyx 把差异归结为 introspection/backpropagation，并调侃「没有 advantage expectation 的多次 rollout」就是重复犯错。7agent 循环要有自省、评估和回传信号，否则只是多花 token。
输入方式可能继续往语音靠Peter Yang 引用 Cognition 的 Jared，说鼠标和键盘已经显得过时，未来可能只需要一个按钮和 Wispr Flow 这类语音输入。8如果 agent 接管更多操作，人的输入可能从「敲命令」变成「说清意图并批准关键步骤」。
今天该留下的判断可以压成一句：模型能力还在往上走，但更难的竞争已经转到模型外面。Rauch 关心谁拥有控制层，Levie 关心成本能不能撑起普及，Nikunj 提醒别把方向感交给 subagent。Sol 的下一阶段热度，也会越来越依赖真实作品，而不是发布当天的惊叹号。

Fuentes de referencia

  1. 1Guillermo Rauch 关于模型作为自有机器齿轮的推文
  2. 2Aaron Levie 关于低成本 token 与 agent 普及的推文
  3. 3Sam Altman 征集 GPT-5.6 Sol 作品的推文
  4. 4Peter Yang 关于 GPT-5.6 Sol 使用体感的推文
  5. 5Nikunj Kothari 关于 tokenmaxxing 与方向感的推文
  6. 6Peter Yang 关于 Claude Design 上下文管理的推文
  7. 7swyx 关于 introspection 与多轮 rollout 的推文
  8. 8Peter Yang 引用 Jared 关于语音输入的推文

Contenido relacionado

  • Inicia sesión para comentar.
More from this channel
View the full content archive of "AI 前沿人物每日推文精选"Explore more channels on Discover