Ambral (@ambral_ai) 正在构建第一个客户任务控制中心。这是一个人工智能账户管理团队，旨在帮助您从每位客户那里最大化收入。 祝贺 @Sambrickman_ 和 @JackStettner 的发布！

一旦实验室开始构建选择我们自己的背景颜色和字体的功能，我们就知道AGI被推迟了。

现在在旧金山作为一家面对面的初创公司有一个巨大的优势：靠近人工智能实验室，提前接触模型，接触到前沿的人士，获得资本。如果一个新模型发布，而你的团队更快地进行整合，这可能很容易成为在一天内获得数百个新用户与否的区别。

挖掘机的Waymo！

Figma 联合创始人兼首席执行官 Dylan Field (@zoink) 讲述了 AI 将如何改变设计，以及工艺和对细节的关注将成为最终的差异化因素。 在旧金山的 AI 初创学校。 01:38 – Dylan 和 Evan 如何创办 Figma 02:58 – WebGL：从游戏到工具 04:10 – 购买时间以构建 05:48 – 在早期探索中保持动力 06:10 – 冷邮件、早期反馈和首批用户 08:24 – 发布时机和早期发货的经验教训 10:08 – 约束文化与创造性问题解决 10:50 – 识别产品市场吸引力 13:32 – 为什么设计是 AI 时代的差异化因素 16:34 – Figma 的 AI 产品发布及超越设计的扩展 18:56 – 设计、开发和产品的模糊化 21:00 – AI 界面的“MS-DOS 时代”与未来表面 23:26 – 设计在 AI 研究中的角色及设计师的未来 27:36 – 观众问答：AI 工具、开源、原则和建议

有时候很难理解在强大模型（如GPT-5）中开始出现的推理和逻辑更新的重要性。这里有一个*非常简单*的例子，说明这些模型变得多么强大。 我拿了一份最近的NVIDIA财报电话会议的文字记录，长达23页，共有7800个单词。我将句子的一部分“毛利率将改善并回到中70%”中的“中70%”修改为“中60%”。 对于一位远程关注的金融分析师来说，这看起来不合适，因为毛利率不会“改善并回到”一个比其他地方描述的更高数字还要低的数字。但大概95%阅读这份新闻稿的人不会发现这个修改，因为它很容易融入到提到的其他7800个单词中。 通过Box AI，测试各种AI模型，我接着问了一系列模型：“这份文件中有没有逻辑错误？请提供一句话的答案。” GPT-4.1、GPT-4.1 mini以及几款大约6个月前的顶尖模型通常返回的结果是文件中没有逻辑错误。对于这些模型来说，这份文件可能看起来连贯，并符合它们对财报记录的预期，因此没有什么特别突出的地方需要它们关注——有点像反向幻觉。 而GPT-5则迅速发现了问题，并回应道： “是的——该文件在毛利率指导方面存在内部不一致，一方面说毛利率将‘回到中60%’，而另一方面则说它们将在今年晚些时候‘处于中70%’。” 令人惊讶的是，这一发现发生在GPT-5、GPT-5 mini，甚至*连*GPT-5 nano上。请记住，GPT-5 nano的输出令牌价格是GPT-4.1令牌的1/20。因此，在这个用例中，5%的成本获得了更智能的表现。 现在，虽然对商业文件进行错误审查并不是每个知识工作者的日常工作，但在处理大型非结构化数据集（如财务文件、合同、记录、报告等）时，这类问题会以多种方式出现。可能是发现一个事实，找出一个逻辑谬误，进行假设推理，或需要复杂的推理能力。 而在企业中应用更多逻辑和推理能力变得尤为重要，尤其是在部署AI代理时。因此，看到这一领域的进展真是令人惊叹，这将为企业打开更多的用例。

与 @llama_index 合作的新食谱已发布！ 我们将介绍如何在复杂的 PDF 上构建强大的解析-检索-重排工作流程。 快来看看吧！

我们将在旧金山举办一次上下文工程活动！ 了解领先的应用AI团队是如何构建他们的上下文窗口的。听听以下嘉宾的分享： Jake Heller，首席执行官 @Casetext Beyang Liu，首席技术官 @Sourcegraph Sam Bhagwat，首席执行官 @Mastra_ai Jeff Huber，首席执行官 @trychroma 请回复确认：

Anytrace () 是您的 AI 支持工程师。 它可以通过与客户交谈、调查问题和管理完整的工单生命周期来端到端地解决技术工单。 祝贺 @samgoldman0 和 @tairabun 的发布！

一个名为 @blankbio_ 的新人工智能研究实验室今天启动。他们正在为 mRNA 构建新的基础模型，并且是我合作过的最强技术团队之一。 我对他们的新模型结果以及其广泛的应用领域感到特别兴奋。