--- title: "AI Builders Digest · 2026-09-02" url: https://www.liamding.com/posts/2026-09-02-follow-builders-digest/ markdown_url: https://www.liamding.com/posts/2026-09-02-follow-builders-digest/index.md html_url: https://www.liamding.com/posts/2026-09-02-follow-builders-digest/ language: zh-CN date: 2026-09-02 lastmod: 2026-09-02 description: "2026-09-02 AI Builders Digest：Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1，并推出 Enterprise Frontier Safeguards；Sam Altman 预告 OpenAI 新模型 Astra 即将发布；Box CEO Aaron Levie 实测 Fable 5.1 企业评测大涨；播客：Peregrine 创始人的「反网络效应」公共安全 AI。" categories: ["AI"] tags: ["AI", "Builders"] author: "Liam Ding（丁洪）" canonical: https://www.liamding.com/posts/2026-09-02-follow-builders-digest/ --- # AI Builders Digest · 2026-09-02 ## X / Twitter **Claude（Anthropic 官方账号）** 发布日官宣：Claude Fable 5.1 今天起在全平台可用；面向网络防御者与生命科学家的 Claude Mythos 5.1 则通过可信访问计划（trusted access programs）开放。安全防护同步升级：网络安全防护对良性请求的误标率降低约 60%，基础生物与医学问题的兜底（fallback）率降低约 85%。另一项重要发布是 Enterprise Frontier Safeguards（EFS）：企业客户可享有与零数据保留（ZDR）同等的完全隐私，同时仍具备业界最先进的防滥用能力，将从今年秋季起分阶段推出。 https://x.com/claudeai/status/2094848592812917122 https://x.com/claudeai/status/2094848591617483020 https://x.com/claudeai/status/2094848590245965931 **OpenAI CEO Sam Altman** 罕见发表长文预告：下一代模型 Astra 即将发布。Astra 已完成训练一段时间，在能力与对齐（alignment）上都是显著的一步前进；但 OpenAI 明确在主动控制节奏——团队整个夏天都在冲刺安全优先事项，后续模型会按需放慢，确保满足新能力水平所需的安全标准后再推出，因为「能力与防护同步推进比以往任何时候都更重要」。他坦言团队一直活在既兴奋又焦虑的张力中，并认为管理好向「富足而强大的 AI」世界的过渡，让社会与技术迭代共进，是世界上最高的优先级之一。 https://x.com/sama/status/2094934592062959832 **Boris Cherny（Anthropic Claude Code 团队成员）** 拆解 Fable 5.1 的三处升级：写作质量与语气明显更好，团队正根据反馈积极减少「Claude 腔」（Claude-speak）；安全防护误伤大幅下降——最新生物安全防护对良性请求的干预比 Fable 5 时代少 85%，Claude Code 用户每个会话的网络干预减少约 60%；价格同步下调，企业版、API 与 SDK 客户受益，Fable 5.1 的缓存读取（cache reads）从每百万 token 1 美元降至 0.25 美元，典型 Claude Code 会话成本最高降低 38%。 https://x.com/bcherny/status/2094864064648536068 https://x.com/bcherny/status/2094864063478276288 https://x.com/bcherny/status/2094864062186426373 **Cat Wu（Anthropic Claude Code / Cowork 团队成员）** 分享团队实践：Fable 5.1 让团队有底气接下以往需要数月才能完成的大项目。她邀请大家在 Claude Code、Claude Cowork、Claude Tag 里直接让 Fable 5.1 接任务试试看。 https://x.com/_catwu/status/2094933602228416603 **Thariq（Anthropic Claude Code 团队成员，前 YC W20）** 深度体验后的实用建议：Fable 5.1 是很强的模型，更长的评测文章稍后发布；在验证需求低、边界情况少的任务上，可以放心使用 lower effort 模式；另外现在切换 effort 不再破坏 prompt cache。 https://x.com/trq212/status/2094945951865520458 **Alex Albert（Anthropic 研究团队成员）** 特别兴奋的是一个非模型层面的发布：Enterprise Frontier Safeguards（EFS）。企业正把越来越多内部系统权限交给 agent，而传统零数据保留（ZDR）模式下无法跨会话发现 agent 的异常行为模式；EFS 相当于「ZDR++」——数据留在企业自己的云里，由自动化监控层把风险模式标记给企业安全团队。他将其定义为「agent 的可观测性与风险缓解层」，并预测它会成为大企业运行越来越强的 AI 时的标配要求。另一个有趣的发现：Fable 5.1 用代码生成视频的能力很强——给它一张地块照片，它直接设计了一栋房子、完成渲染，并产出一段电影感的漫游视频。 https://x.com/alexalbert__/status/2094889286990446769 https://x.com/alexalbert__/status/2094860187743986169 **Box CEO Aaron Levie** 两个前瞻判断。其一：网络安全领域的 AI 即将「垂直爆发」——模型正变得极其擅长发现和利用漏洞，前沿模型领先，但开源权重模型已经不远。企业早已被漏洞报告淹没，接下来只会成倍增加，用更多 AI 做分诊与自动化修复、同时保留人工监督几乎是唯一出路；至于 AI 会创造什么新工作，做安全的人将迎来好时光。其二：Box 用复杂的企业工作流评测提前实测 Fable 5.1，非结构化数据任务比 Fable 5 大幅提升 7 个百分点——金融服务 +17%（正确处理资本免税额与税负计算的先后顺序，Fable 5 会一路错到留存收益）、科技 +37%（面对有歧义的归一化方法时同时计算两种形式并给出正确结果）、公共部门 +16%（完整跑通加权平均方法论并给出正确排名）。Fable 5.1 很快会在 Box AI Studio 开放，用于构建企业级自定义 agent。 https://x.com/levie/status/2095024699441119612 https://x.com/levie/status/2094851976769257770 **Vercel CEO Guillermo Rauch** 三件事。其一：Vercel 正式与 TanStack 合作，支持 tannerlinsley 团队——React、开源与 Web 的旗手；无论客户选择 Next.js 还是 TanStack，都会获得同等高质量的服务与支持。其二：Fable 5.1 已上线 Vercel AI Gateway。其三：详解 Vercel 的统一计算平台 Fluid——它支撑了行业领先的构建性能、Sandbox 的可靠性与大规模并发、以及 30 分钟的函数执行时长（很快会更长）；所有计算产品共享同一套 Dockerfile、安全边界、网络与文件系统，未来的方向是一个全球统一的计算平台，唯一限制是物理定律。 https://x.com/rauchg/status/2094901483414372716 https://x.com/rauchg/status/2094867652573528074 https://x.com/rauchg/status/2094831747037085978 **Madhu Guru（Meta AI 高级总监，前 Google Gemini、Veo、Nano Banana 负责人）** 两个观点。其一：企业自建 post-training 系统、评测体系与数据飞轮的机会巨大——他与 Shopify 的 ML 团队合作过，认为他们是世界级的，更多企业应该这么做。其二：「自我改进的产品」（self-improving products）是每家公司都该落地的元想法，他给出五个核心构件：清晰定义关心的指标（primary、secondary、guardrail）；明确战略、路线图与最想推动的指标；沉淀过去产品决策与原则的知识库，让 agent 知道决策是怎么做出的；接入内部产品系统（dashboard、API、MCP 等 agent 需要观察与行动的工具）；以及一个理解端到端产品开发流程的 harness。产品复杂度不高时，用简单版本加现有 SWE agent 就能快速原型。 https://x.com/realmadhuguru/status/2094973690576576675 https://x.com/realmadhuguru/status/2094817857821704659 **Nan Yu（OpenAI 产品团队成员，前 Linear 产品负责人）** 点评 Claude 新版本把「不那么烦人的写作」作为主打特性之一，并抛出一个更广的观点：让 agent「少惹人烦」里藏着大量 alpha——用户要到达价值点，首先得停止 rage-quit（气到弃用）。在她看来，UX 设计师一个尚未被开发的机会，是成为「对话与修辞设计师」（conversation/rhetoric designers）。 https://x.com/thenanyu/status/2094928209095872530 https://x.com/thenanyu/status/2094928205753040999 **Peter Yang（AI 教程创作者）** 三条关于「AI skills 卫生」的实用分享。其一：他反感装一大堆来路不明的 skills，自己只保留十几个（大多是自写的），定期删除不用的，而且 skills 越短越好。其二：抛出一个开放问题——当 skill 一次跑不完美、需要手动迭代修正时，他常让 AI 复盘「如何更新 skill 才能一次搞定」，但 AI 容易对单条对话过拟合，导致 skill 随时间漂移，求好的解法。其三：推荐在 Fable 5.1 上对自己的 skills 跑 /claude-api prompt-audit，能清理出大量针对旧模型写的冗余规则。 https://x.com/petergyang/status/2094999358525821099 https://x.com/petergyang/status/2094995775952740795 https://x.com/petergyang/status/2094987791566622971 **Nikunj Kothari（FPV Ventures 合伙人）** 提醒大家别低估 WebMCP：现在可以给 agent 提供 tool calls，让它们原生操作网站，包括完整的 UI/UX 支持与交互元素，agent 能自己构建视图。他为 WebMCP challenge 提交的 demo，是让 agent 操作 El Nino 态势追踪器——自建视图、保留人工编辑，并生成可分享链接给其他 agent（或人类）使用；demo 视频与代码由 Codex 与 Railway 完成，可在 elneenyo.com 直接体验。 https://x.com/nikunj/status/2094922789128196314 ## Podcast **Training Data · Making Cities Awesome: Peregrine's Nick Noone & Ben Rudolph** **The Takeaway：** 面向公共安全的 AI，护城河不是收集更多数据，而是帮机构用好他们已有的数据——把「数据主权」做成商业模式，才能既守护城市、又不滑向 surveillance state（监控国家）。 两位创始人背景迥异：Nick Noone 曾执掌 Palantir 的 SOCOM 业务，常驻中东高危情报行动；Ben Rudolph 则从联合国难民署（UNHCR）做起，在苏丹、哥伦比亚边境做难民援助。2018 年两人创立 Peregrine，为市、县、州的警察、消防与应急部门提供 AI——他们相信：安全是「让城市变棒」金字塔的底座。 最反共识的是商业模式：与靠摄像头和数据采集网络壮大的 Flock、Axon 相反，Peregrine 刻意不碰数据收集——「我们绝不以任何形式，做把客户本没有的数据带给他们的生意。」数据永远归机构与社区所有，他们称之为「反网络效应」。冷启动同样反常识：被二十多家机构拒绝后，他们凭一篇报道找到一位年轻警长，以「我们不懂，能不能来向您学习」的姿态，换来 San Pablo 警局的第一个工位。 案例很具体：佛罗里达某县一个月发生上百次水上救援，AI 交叉天气与事故数据后发现，连续三天的特殊天气会形成沙渠、催生离岸流；威斯康星某县 300GB 冷案数据里，agent 从零散通话记录中把嫌疑人定位到弃尸现场。Ben 的判断是：「用户敲出问题之前的工作占 95%」——如今约 90% 的数据集成代码由 agent 编写、部署团队监督。 https://www.youtube.com/playlist?list=PLOhHNjZItNnMm5tdW61JpnyxeYH5NDDx8