AI Builders Digest 0824：智能在变便宜，evals 在变具体，system of record 站上十字路口

今天的 AI Builders Digest 主线是 AI 成为基础设施之后的经营学：智能在降价，Vercel CEO Rauch 用「Sol 成为平台上增长最快的 Frontier 模型」证明需求高度有弹性；可靠性跟着经济性一起上桌，OpenAI 的 Thibault Sottiaux 判定 2026 年是公司认真对待模型效率与可靠性的一年；evals 连续第二天刷屏，从 Shreya Shankar 的二分法到 Meta 的 Goldilocks 原则；Garry Tan 把矛头指向企业软件：system of record 要么长成 AI harness，要么被 agent 替换。官方博客与播客信源今日无新增，昨日的三条安全议题仍是回放。

今日总结

主线：降价改变用量，评测改变落地，协议改变形态。

智能的需求高度有弹性，降价就是增长引擎。 Rauch 拿 Vercel 的数据说话：OpenAI Sol 降价叠加 Vercel AI Gateway 的折扣，让 Sol 成为平台上增长最快的 Frontier 模型。他的推论更直接：不用网关的公司正在错过这波价格波动红利，成本降不下来、毛利上不去，router 赛道升温不奇怪，网关是必然。同一天，Thibault Sottiaux 把另一面挑明：模型成了关键基础设施，2026 年公司会开始认真对待模型的效率与可靠性。降价与可靠，是同一枚硬币的两面。

evals 连续第二天占据信息流，从口号长成手册。 Shreya Shankar 的二分法划清了人机分工：top-down evals（拿着任务描述从零设计评测）Claude 做得很好，bottom-up evals（从大量真实输出里提炼直觉反馈）Claude「非常非常不擅长」，只能靠人。Meta 的 Madhu Guru 第七讲给出 Goldilocks 原则：评测要落在 jobs to be done 的粒度上，只校验最终答案是最常见的错误。加上昨天的 hill climbing 与 Anthropic 的持续评测主张，evals 正在从「很重要」的共识变成可操作的工程步骤。

软件的接入层正在为 agent 重建。 Garry Tan 的预言（567 赞）：systems of record 要么进化成 AI harness，要么被 agent 替换。Rauch 给 Vercel 𝚏𝚡 的答案同构：扩展靠开放协议（MCP、Skills、Plugins），最好的协议是 Unix，小程序各做好一件事、通过相互调用组合。企业软件和开发者工具从两个起点走到同一结论：封闭的 API 边界守不住了。

Codex 用量事件收尾。 Thibault 确认重置已下发到所有账户，昨天定位的问题修复已上线，并承诺继续沟通。从用户抱怨到根因、修复、补偿，两天闭环。

今日关键词： 智能降价 · evals · AI harness · 开放协议

X/Twitter 动态

Thibault Sottiaux（OpenAI Codex/ChatGPT）：重置已到账，2026 认真对待效率与可靠性

Thibault Sottiaux（thsottiaux）·2026-08-24 01:41 CST·原文链接1·原文链接2

接昨天的用量风波：Thibault 确认（7425 赞）用量重置已下发到所有账户，昨天定位到的问题修复也已上线，「你应该能感受到正向变化」，后续还有更多修复并持续沟通。另一条（5442 赞）更像年度判断：

2026 is the year companies start seriously caring about model efficiency and reliability as it becomes critical infrastructure.

用量风波本身就是这条判断的现场演示：当开发者的工作流跑在模型上，配额、缓存、计费全都是生产事故。

Peter Yang：两种 evals，Claude 只擅长一种

Peter Yang（petergyang）·2026-08-24 05:00 CST·原文链接

Peter Yang 转述 evals 课程作者 Shreya Shankar 的二分法：top-down evals 是在真空里只拿任务描述从零设计评测，Claude 在这类工作上做得很好；bottom-up evals 是盯着大量真实样本输出，把直觉反馈外化成评测。

Claude is very, very bad at coming up with bottom-up evals. That's all you.

bottom-up 这一半只能靠人。结论很冷静：模型能替你把评测框架搭起来，但「什么算好」的品味外包不出去。

Madhu Guru（Meta AI 高级总监）：evals 第七讲，Goldilocks 原则

Madhu Guru（realmadhuguru）·2026-08-24 08:31 CST·原文链接

「如何做好 evals」系列更新第七讲：评测要在 jobs to be done 的粒度上度量，而不是只看最终答案。她举金融分析智能体的例子：最常见的错误是建一套「正确答案」金标集，只检查 agent 是否推荐了「对的」股票，但在给出推荐之前，明明有三件值得单独度量的事：

• 理解客户：持仓组合、风险承受、投资期限、目标与约束
• 收集证据：个股与板块最新数据、宏观环境、联储政策、近期与即将发生的事件
• 分析数据：营收增长、估值指引、增长预测，收敛出少数候选股

每一步单独测，才知道 agent 是「运气好」还是「过程对」。第七讲与昨天第六讲的 hill climbing、Shreya 的二分法拼在一起，evals 的工具箱正在成形。

Guillermo Rauch（Vercel CEO）：智能在变便宜，网关是必然

Guillermo Rauch（rauchg）·2026-08-24 01:49 CST·原文链接1·原文链接2

Rauch 拿出数据：OpenAI Sol 降价叠加 Vercel AI Gateway 的折扣，让 Sol 成为平台上增长最快的 Frontier 模型。两个判断随之而来：智能的需求高度有弹性，推理成本越低、用量涨得越快；不用网关的公司正在错过这波价格波动红利，router 赛道升温不奇怪，网关是必然。

另一条讲 Vercel 𝚏𝚡 的扩展哲学：开放协议，MCP、Skills、Plugins，以及「最好的那个」Unix：小程序各做好一件事、通过相互调用组合；𝚕𝚒𝚋𝚏𝚡 负责可嵌入，让你能造自己的 CLI、后台 agent、软件工厂，本地或云端皆可。

Garry Tan（YC 总裁兼 CEO）：system of record 要么成为 AI harness，要么被替换

Garry Tan（garrytan）·2026-08-24 12:22 CST·原文链接

一句预言（567 赞）：systems of record，CRM、ERP 这类企业数据的「事实之源」，要么把自己改造成 AI harness，供 agent 读写并驱动执行，要么等着被 agent 绕开替换。

这和 Rauch 的开放协议路线指向同一件事：agent 时代，数据与能力的暴露方式决定软件的生死。

数据采集时间：2026-08-24 18:33 CST