Builder X
Thibault Sottiaux（OpenAI）
OpenAI 进一步优化了缓存机制：API 端现在可以缓存 12 小时；对于登录用户，在 Codex 和 Work 中，旧对话的缓存会长期保留。即使隔几个小时重新打开旧会话，也不会因为缓存失效而受到额外惩罚，并且系统会保证命中缓存。
Sam Altman（OpenAI）
Sam Altman 表示，Aleksander 已接受邀请回到 OpenAI，负责应对超级智能发展过程中日益严峻的安全与安保挑战。
Peter Steinberger（OpenAI）
Peter Steinberger 分享了一套多 Agent 协作编程流程：由 Astra 负责规划，由 Sol 6.1 负责编码，再让第二个 Agent 监督整个过程，持续挑战和纠正 Astra 的执行方向。
他的经验是，让 Astra 调用 Codex CLI 并在 worktree 中工作，比直接依赖子 Agent 更可靠。他还为 OpenClaw 编写了一个插件，实现类似 /goal 的功能，不过监督者不是同一个 Agent，而是另一个会主动质疑方案的 Agent。
Swyx（Latent Space）
Swyx 认可 Opus 的写作能力，但认为模型在遇到提示词中某些随机的敏感词时，仍然可能触发过度拦截，导致原本正常的内容无法完成。
他强调，真正投入生产环境的产品需要的是稳定、可预测的工具，而不是偶尔表现惊艳但在关键流程中被安全策略打断的模型。AI 产品应该优先满足“生产需求”，而不是只追求看起来更安全。
Josh Woodward（Google）
Gemini App 的 Trusted Tester 社区迎来一个阶段性里程碑。Google 表示，越来越多用户希望提前体验 Web、Android 和 iOS 端的新功能；此前已经报名的用户会自动进入测试范围，新用户也可以继续申请。
Matt Turck（FirstMark Capital）
Matt Turck 分享了 Gradium 的新模型发布消息：一套面向设备端运行的小型开源语音合成模型，重点是让语音 AI 可以在本地设备上运行，而不必完全依赖云端。
Aditya Agarwal（SPC / Bevel Health）
Aditya Agarwal 将 AI Agent 的发展类比为计算机系统的演进：
推理时扩展 → 子 Agent → Agent 群体
CPU 线程 → 多核 CPU → 多节点分布式系统
他的观点是，Agent 系统可能也会沿着类似的路径扩展：先提升单个模型的推理能力，再拆分成多个协同 Agent，最后形成大规模分布式智能系统。
Guillermo Rauch（Vercel）
Guillermo Rauch 表示，Vercel 正在把支持 Eve 和 Workflows 的 Agent 持久化基础设施扩展到更多运行框架，包括 Pi 和 OpenCode，并且保持开源、与运行环境无关，既可以部署在本地，也可以运行在 Vercel 或自建环境中。
Claude Code 和 Codex 也可以通过这种方式实现持久运行和可观测性，但它们目前并不是为嵌入式场景设计的，因此在效率、可移植性和沙箱要求上不如 Pi 或 Fx。
Rauch 还提出了一个更长期的设想：AI 可以计算出一个人“已经理解的内容”和“尚未理解的内容”之间的差距，并据此持续设计学习路径，让人逐步接近自己的能力上限。
Zara Zhang
Zara Zhang 认为，早期产品创始人拥有自己的受众，最大的优势并不是直接获得分发，而是能够快速测试不同的产品想法和表达角度，并找到最初的 100 名用户。
Signals > distribution