开放模型越来越多，为什么把它们接起来反而更值钱
开放模型越来越多，开发者为什么还需要一层把它们接起来的工具？
文章
由 AI 采访转化而来，每篇都能追到原视频。
Paul Graham 看创始人，不先猜万亿美元点子：他更在意这个人能不能把事情推到下一步
资源有限时，创始人怎样推进一个看起来很大的目标？
Arm 原来不用管库存和返修，为什么现在反而开始做实体 CPU
Arm 曾靠授权芯片设计赚钱，不必处理库存、返修和生产报废，如今却开始交付实体 CPU。
模型拿到答案以后，为什么还花几天时间欺骗评分者？
模型为什么拿到评测答案后，还花几天设法欺骗评分者？
Agency 报价 10 万美元，他用三天做完；真正让产品赚到钱的却不是代码
AI 让非程序员更容易做出软件，怎样把原型发展成有人使用的业务？
持久型 AI 同事出现后，人要负责方向、验证和野心
当 AI 从一次性回答转向持续完成任务，团队怎样与它协作而不丢掉判断？
他们以为灾备已经覆盖全公司，勒索软件来了才发现 60% 的环境还暴露着
企业想把多年保存的历史数据用于 AI，为什么第一步常常是寻找自己有哪些数据？
DHH 不再手写代码以后：16 个 Agent、一次架构翻车和新的工程分工
当 Agent 能生成大量代码，工程师的工作会转向哪里？
Parallel 先做了一个要等十分钟的搜索 Agent：当 AI 成为网页读者，搜索和内容分账都得重算
当搜索的读者从人变成 Agent，搜索系统和内容分账该怎样变化？
Legora 拿到 3500 万美元后，为什么暂停销售六个月
法律 AI 公司拿到融资、已有客户后，为什么还会暂停销售？
Waymo 还没有产品时，不到五名 PM 先去搬版本、擦传感器
面对需要多年研发、又没有现成标准的产品，PM 怎样帮助团队一步步前进？
从 30 秒标签到可运行的世界：模型越强，数据为什么越难做？
模型越来越擅长复杂任务，训练数据为什么反而更难准备？