Claude Devs X | Claude Artifacts 支持多人协作编辑、公开分享及 Claude Tag 集成
Claude Devs 官方宣布 Artifacts 重大升级：支持多人实时协作编辑、公开分享、可在 Claude Code 中使用，并可通过 Claude Tag 在 Slack 等场景直接创建内部 Artifact。用户 Thariq 称这一更新让 Artifacts 更具表现力。
Anthropic X | Anthropic 研究：Claude 价值观表达随语言变化
Anthropic 发布新研究：Claude 表达超过 3000 种价值观，且表达方式因对话语言而异（印地语更温暖，俄语更严谨），但目前尚不清楚变化原因。这对多语言 AI 产品设计和用户运营有重要启示。
Latent Space / Dan Biderman | The AI Memory Problem: Why Long Context Isn’t Enough
Engram CEO Dan Biderman 深入讨论长上下文不足以解决 AI 记忆问题，提出基于梯度更新的“墨盒”概念，可实现约 1000 倍压缩比，为 AI 系统架构师提供了全新思路。
Greg Brockman | ChatGPT Sites 进入公开测试
Greg Brockman 宣布 ChatGPT Sites 进入公开测试，用户可从提示词或文件构建仪表盘、报告等轻量应用并分享，极大扩展了 ChatGPT 的应用场景和分发能力。
Greg Brockman | GPT 5.6 Sol 系列表现：网页设计、硬件诊断与数学难题
Greg Brockman 分享多个 GPT 5.6 Sol 的成功用例：网页设计惊艳、主动诊断 MacBook 硬件故障并修复、解决埃尔德什数学难题，展现了模型跨领域的强大能力。
Sam Altman / Tibo | Codex 与 ChatGPT Work 达 700 万活跃用户，新增重置机制
Sam Altman 和 Tibo 共同宣布：Codex 与 ChatGPT Work 已达到 700 万活跃用户里程碑，并添加了银行重置机制以补充用户每周用量。
Greg Brockman | GPT-live 语音模型体验远超以往
Greg Brockman 体验 OpenAI 新 GPT-live 语音模型，称其响应毫秒级且不打断用户，体验远超此前版本，对实时语音交互产品意义重大。
Tibo | Codex OSS 分支获 6 万星标
Tibo 观察到 Codex 开源仓库的一个分支获得 6 万星标，其团队因保留完整历史成为主要贡献者，反映了开源生态的活跃度。
Claude YouTube | Building AI-native across industries with NTT, Mizuho and Mercari
圆桌讨论 AI 在多个行业的原生应用，涵盖产品构建、代理使用和定价策略，包含 Waste Management 用 AI 分析垃圾箱颜色等具体案例，对企业级 AI 部署有启发。
Claude Blog | Working at the frontier: How Hebbia builds AI for financial diligence that can't miss a detail
Hebbia 使用 Claude 构建金融尽职调查 AI 平台，准确率相对提升 20%，将数天工作压缩到几分钟，已服务超过三分之一的前 50 名资产管理公司，是 AI-native 产品构建的标杆案例。
Sam Altman | OpenAI 的核心竞争力：尊重用户
Sam Altman 表示 OpenAI 的核心优势不仅是模型最好，还在于尊重用户、不轻视用户，这是用户留存的关键。对产品经理和团队策略具有提醒作用。
Greg Brockman | ChatGPT Work 功能适用于编程外场景
Greg Brockman 称赞 ChatGPT Work 功能，认为其不仅适用于编程，还可用于项目规划、研究等场景，提供了该功能的一个应用视角。
park | 让 AI 操纵身体以最大化人机组合潜力
park 提出新颖的人机协作范式：让 AI 作为决策者、人类作为执行器，以克服人类自身执行力瓶颈，对 AI-native 工作流设计有深刻启发。
花叔 / AlchainHust | AI 自媒体转型与收入经验分享
花叔分享了一位 AI 自媒体创作者从签约 MCN 到收入达到腾讯上班 5 倍的具体路径，包括 143 个商单、报价策略等，并指出当前 AI 自媒体仍存在红利，对内容运营者具有直接参考价值。
Koda / wadezone | 做生意赚钱的 6 不原则
Koda 分享做生意赚钱的六条经典原则：重视毛利率、控制现金流、只省浪费不省成本等，对以商业变现为目标的内容创作者有参考价值。
Hebbia利用Claude构建金融尽职调查AI平台，将原本需要数天的人工分析工作压缩到几分钟完成，准确率相对提升20%。平台服务超过三分之一的前50名资产管理公司，核心能力在于系统性地处理大量金融文档，不遗漏任何关键细节——这正是金融行业对AI的刚性需求所在。文章详细呈现了从模型选型到系统设计的完整构建逻辑，以及如何让AI在“零容错”场景中落地。
这篇官方案例的价值在于它为“AI-native产品如何真正进入高门槛行业”提供了可拆解的蓝本。你的判断需要更新：AI在金融这样极度严谨的领域，已经从“辅助工具”演进为“核心工作流的一部分”，准确率数据和客户名单证明了这一点。可迁移的启发在于——当你的产品目标是替代而非辅助人类判断时，必须构建多层验证机制，而不是依赖单一模型的输出，Hebbia的系统设计与这个原则高度吻合。
这是一场跨行业圆桌讨论，来自NTT、Mizuho和Mercari的实践者分享了AI在各自领域的原生应用经验。其中包含多个具体案例——例如Waste Management利用AI分析垃圾箱颜色来优化回收流程。讨论覆盖了产品构建逻辑、代理使用方法以及AI服务的定价策略，没有停留在概念层面，而是深入到每一家公司实际遇到的挑战和做出的选择。
值得花时间观看的原因在于：这是一份难得的“多个行业的AI落地汇报”，而非单一公司的宣传材料。你之前可能认为企业级AI部署停留在实验阶段，但这里的案例显示，已有一批先行者在真实业务中跑通了流程并形成了可复用的方法论。可迁移的启发在于——同样是在做AI产品，不同行业在代理使用方式和定价模型上差异很大，设计产品时应基于行业的风险容忍度和交付标准来反推技术架构，而非照搬通用模板。
Engram CEO Dan Biderman在访谈中直接挑战了当前主流的方向：更长上下文窗口并非解决AI记忆问题的正确答案。他提出了基于梯度更新的“墨盒”概念，通过压缩梯度信息而非原始文本来实现记忆存储，压缩比达到约1000倍。这一方案的核心洞察是：真正的记忆不是“能看多少字”，而是“能从过去学到什么”，后者需要完全不同的技术路径。
这段访谈对理解AI系统架构的下一步走向至关重要。当前行业共识几乎都围绕扩展上下文长度展开，但Biderman的论点直指这一方向的根本缺陷——存储成本与检索效率的不可兼得。你此前对AI记忆问题的认知可能过于依赖“更长=更好”的判断，而“墨盒”方案提供了一个完全不同的思考框架。可迁移的启发更具普遍性：当所有人在追求同一个指标时，重新定义问题本身往往能发现更优解，这在任何产品设计和技术决策中都适用。
Claude YouTube | Building AI-native across industries with NTT, Mizuho and Mercari
Building AI-native across industries with NTT, Mizuho and Mercari
时长：26:33
Latent Space | The AI Memory Problem: Why Long Context Isn’t Enough — Dan Biderman, Engram Co-founder & CEO
The AI Memory Problem: Why Long Context Isn’t Enough — Dan Biderman, Engram Co-founder & CEO
时长：49:43
只回答一个问题：如果今天要 build，一个值得优先考虑的产品是什么？ 下面每个选择都把新产品供给、真实收入和用户讨论合并成同一个判断。 今天只有 1 个足够新的方向，不为了凑满 5 个而重复昨天的判断。