--- title: "AI Builders Digest · 2026-09-12" url: https://www.liamding.com/posts/2026-09-12-follow-builders-digest/ markdown_url: https://www.liamding.com/posts/2026-09-12-follow-builders-digest/index.md html_url: https://www.liamding.com/posts/2026-09-12-follow-builders-digest/ language: zh-CN date: 2026-09-12 lastmod: 2026-09-12 description: "AI Builders Digest 2026-09-12：OpenAI 一周连发 Astra 系列功能与 Agents API 并谈质量修复，Anthropic 推出 plugin evals 并直言 benchmark 失败多源于过严的隐藏测试，Meta AI 高级总监 Madhu Guru 拆解企业 AI 失败的三大原因；播客由 Coinbase CEO Brian Armstrong 谈 Agentic Finance、agent 自己的银行账户，以及 Coinbase 内部的递归自我改进。" categories: ["AI"] tags: ["AI", "Builders"] author: "Liam Ding（丁洪）" canonical: https://www.liamding.com/posts/2026-09-12-follow-builders-digest/ --- # AI Builders Digest · 2026-09-12 ## X / Twitter **OpenAI 负责 Codex 与 ChatGPT 的 Thibault Sottiaux**：这周 OpenAI 一口气上线了一批由 Astra 驱动的功能——Images 2.5、GPT-Live-1、Agents API、Data Agent，以及面向金融服务行业的 ChatGPT，而 DevDay 还没到，下周还有更多计划。他同时就近期用户反馈的 Astra 质量问题做了说明：已定位并修复若干问题，包括为旧模型写的 skill 触发过于频繁、一个会导致过早停止或回复旧消息的上下文管理实验（已关闭，粗略估计约 4,000 至 5,000 名用户受影响）、以及一些配置不当的引擎造成的长尾质量下降；整体会重新做一次 reset，体验应该会明显好转。他还宣布 Git AI 团队的 Aidan 与 Sasha 加入 OpenAI，他们开发的开源工具帮助开发者理解 coding agent 如何参与代码库，OpenAI 会继续保持其开源并加大投入。 https://x.com/thsottiaux/status/2098639827084480864 https://x.com/thsottiaux/status/2098612714704891959 https://x.com/thsottiaux/status/2098569976143806918 **AI 教程创作者 Peter Yang**：他公开质疑「software factory」这个概念。除了验证和测试环节，他不认为 AI 现在能在没有人留在环内的情况下自我改进产品、端到端地构建新功能；把任务整夜挂着让 AI 自主开发，只要它做出一个错误假设，整个产物就白烧了 token。他反问：有哪个产品或功能是在没有人定义需求、没有人工检查的情况下由 software factory 端到端造出来的？他还公布了自己的分工：本地定时任务全部放在 Codex，云端任务逐步迁移到 Grok Bot。 https://x.com/petergyang/status/2098565668241334366 https://x.com/petergyang/status/2098614492066435228 **Meta AI 高级总监 Madhu Guru（前 Google，曾负责 Gemini、Veo、Nano Banana）**：他总结了大多数企业 AI 项目失败的三个原因。一是用旧套路做 AI——CEO 指派一位信任的副手带队组建中央 AI 团队，再从各部门抽调熟人，问题出在技能断层：过去 15 年靠增量改进做产品的团队结构、产品范式和上线学习方式，在 AI 时代都不管用，AI 需要的是实验与发明。二是低估 eval 的投入，多数企业既不理解它的重要性，也不知道什么叫作做好。三是从外部「为公司造 AI」——中央 AI 团队把自己定位成平台团队，造出的工具与实际工作流、上下文和一线判断脱节，最后只换来勉强的采用率，而非实质生产力提升。他的建议是：招真正做成过 AI 产品的领导者（既要有技术/产品深度，也要能赢得那些岗位被重写的人的信任）、把 eval 变成一等公民、把你最好的 AI builder 嵌进要改造的业务部门，和财务、销售、客服一起把东西造出来。 https://x.com/realmadhuguru/status/2098448235048378456 **Anthropic Claude Code 的 Thariq**：Anthropic 推出 plugin evals，解决「新模型发布后不知道自己的 skill 还灵不灵」的痛点，在 plugin 目录里跑 `claude plugin eval init` 即可。他的另一个观察是：如今只看 pass/fail 分数已经无法解释 eval——他看到的很多 benchmark 失败来自过于严格的隐藏测试，有些情况下模型的答案其实比预期结果更合理。 https://x.com/trq212/status/2098531560643539440 https://x.com/trq212/status/2098490139798655427 **Replit CEO Amjad Masad**：Replit 收购了一家完全建立在 Replit 之上的业务，他预计这只是众多同类收购的第一笔。此外，Routines 现在支持预算（budgets）控制；他也很高兴看到社区在 Replit 上做 Astra 3D 实验。 https://x.com/amasad/status/2098548464452055437 https://x.com/amasad/status/2098317466682179643 **Vercel CEO Guillermo Rauch**：Tailscale 的模型路由（model router）底层基础设施由 Vercel AI Gateway 驱动。他的类比是：AI Gateway 就是新的 CDN——你可以「直连源站」，但很脆弱；也可以自己造轮子，但既痛苦又昂贵。 https://x.com/rauchg/status/2098531157230969062 **Box CEO Aaron Levie**：他介绍了一个很酷的新能力——现在可以把 Box 挂载到 agent sandbox，让 agent 更方便地在自己的「电脑」上读写文件。他的判断是，当 AI agent 在企业里执行关键工作流时，它们将需要人类一直拥有的那些基础原语。 https://x.com/levie/status/2098478938003841123 **Ryo Lu（曾设计 Cursor、Notion、Stripe）**：Cursor 现在支持为「大想法」运行 long-lived agents。 https://x.com/ryolu_/status/2098324260867772806 **YC 总裁兼 CEO Garry Tan**：他抛出一个观点——SAT 拿到 1600 分之后，应该再解锁一场更难的测试，在 1600 之上给出第二个分数，我们需要更多、更高的「卓越」衡量方式；但现实却是把 SAT 禁掉，让一切变成随机抽签，卓越再也无法被识别。 https://x.com/garrytan/status/2098615692425851205 **Builder Zara Zhang**：她认为「一人公司」被高估了。AI 确实让一个人能做更多事，但创造新东西是极度孤独的过程，你需要有人一起头脑风暴、一起熬、一起庆祝；如果不能和另一个人一起把自己绑在桅杆上，就极容易失去动力。 https://x.com/zarazhangrui/status/2098483800456179923 **fpvventures 合伙人 Nikunj Kothari**：「成功有无数个父亲，失败却是孤儿。」他说自己直到看见极其成功的 VC 们为热门交易争夺署名权，才真正体会到这句话的分量。大额退出极其罕见，而它们恰恰是募集下一期基金所依赖的东西，所以未来两年会看到很多名字被抹去或「恰好」略过，人人都想改写历史来认领最终成功的项目。许多新兴 GP（emerging managers）正直接面对这个问题——他们能拿给未来 LP 看的只有自己的 track record，而他们该得的那份认可常常没有拿到。 https://x.com/nikunj/status/2098550718923997430 **Peter Steinberger（OpenClaw + OpenAI）**：他给 trycua 提了一个 patch，让按键在 Linux 下可靠工作，并称赞这个框架整体很不错；他还展示了一个在云会话里用 CUA 玩 Doom 的 Astra，「还谈不上 AGI，但大概已经打得过苍蝇的脑子」。 https://x.com/steipete/status/2098527982709256637 https://x.com/steipete/status/2098527519213604889 **Every CEO Dan Shipper**：他认为更高的 benchmark 分数并不能说明模型在你真实工作上的表现。过去三年，Every 一直在对新模型做「vibe check」——基于真实工作亲手测试的长文评测；现在他们更进一步、做得更量化，团队内部搭了一个平台，让每个人都能基于自己日常的真实工作建立个人 benchmark。 https://x.com/danshipper/status/2098481799047647715 **SPC 普通合伙人、Bevel Health 联合创始人 Aditya Agarwal**：他关注技术监管、如何在加州鼓励真正的创新、怎样形成两党制。SPC 这个秋季会举办一系列与决策者的技术政策对话，9 月 23 日请到 Steve Hilton。 https://x.com/adityaag/status/2098472517845328303 ## Podcast **No Priors：Coinbase's Everything Exchange: Agentic Finance, Stablecoins, and Tokenization with CEO Brian Armstrong** **The Takeaway**：AI agent 需要自己的银行账户，而信用卡每笔 30 美分的固定手续费根本承载不了 agent 经济——Coinbase 观察到的 agent 电商交易里约 76% 金额不到 30 美分。 Brian Armstrong 是 Coinbase 的联合创始人兼 CEO，同时也是抗衰老公司 New Limit 的联合创始人。他的核心判断是，Agentic Finance 会把 crypto 变成 AI 的原生支付层：链上转账不到一秒、成本不足 1 美分，而信用卡每笔最低 30 美分的手续费，让低于 1 美元的交易几乎不成立。目前观察到的 agent 电商交易里约 76% 金额在 30 美分以下，且大多发生在 agent 与 agent 之间——比如风投做研究、招聘方抓取数据，本质上是带付费的 tool call。他直言「We don't want the AIs to be unbanked」：如果要把 AI「纳入银行体系」，它们就该有自己的金融服务，所以 Coinbase 让 agent 用一条指令就能开一个自托管钱包账户，未来还会提供与个人身份绑定的独立 agent 账户，以及稳定币背书的信用卡做向后兼容。他预言，不久之后 agent 数量会超过人类，agent 经济的规模也会超过人类经济。 Coinbase 内部最有意思的实验是「递归自我改进」：每个服务、每个团队、每个人都有一个「大脑」——用 markdown 记录该服务历史上的所有事故、必须执行的财务控制、跑过的每个 A/B 测试，以及 PR 被接受或拒绝的完整 Git 历史。当 agent 来改这个服务，它会先「摄入」这个大脑；而人类 review 时若修正了 agent 的思路，这段上下文必须回写进大脑，于是不仅修正这一次，也修正未来所有情况。他观察到，一次性通过（one-shot）的 PR 接受率会随之持续上升。如今这位 CEO 自己也能靠 agent 提 PR：他让一个高成本模型把复杂功能拆成三个阶段、每阶段十项并行执行，不到两小时就收到「十项全部完成、待你 review」的通知，形容这种感觉「非常上瘾」。 其他值得记下的数字与观点：Coinbase 目前 88% 的收入来自非比特币交易；已推出 1:1 由托管真实证券背书的 tokenized stocks（目前仅限美国以外），瞄准全球约 40 亿没有券商账户的人；预测市场上线几个月即达到 1 亿美元收入年化、环比增长超过 100%，他认为其价值远超体育，可以为政策效果定价，甚至形成对人生大问题的「观点市场」。他的另一家公司 New Limit 用 AI 决定下一个实验，已能在人源化小鼠模型中成功重编程至少一种人类细胞，正推进到非人灵长类，明年启动首个一期临床，首选适应症是酒精性肝病，长期目标是做出一套恢复细胞年轻功能的组合疗法，去攻击衰老这个「元问题」。他最后留下一句提醒：当批评者很容易，做 builder 更难但更值得——「it's actually much more fulfilling if you helped build something in the world that benefited a lot of people」。 https://www.youtube.com/watch?v=uLDK4l_-gUE