独立日长周末成了 AI 社区的一场盛大黑客松。Anthropic 的 Thariq 发布了一篇关于「如何与 Fable 合作中发现自己的未知领域」的深度文章，获得了 3400+ 赞和 260 次转发，成为当日最具影响力的技术分享。他分享的核心方法论是：用 HTML Artifacts 来显式化自己的知识盲区，而不是在提示词里大海捞针。Claude Code 团队成员 Cat Wu 则号召社区展示 Fable 5 作品——她的推文收获了 253 条回复，成为了一个即兴 Demo Day。Dan Shipper 顺势发布了 Fable 5 的 prompt 库，并打趣道：「Fable 在你泡泳池时替你工作——无价。」与此同时，Dan 也澄清了社区对 Fable 5 基准测试的争议：模型本身没有变化，但更多地回退到了 Opus 4.8，导致测试评分是「混合模式」而非纯 Fable 能力。
Agent 基础设施层面的讨论同样深刻。Vercel CEO Guillermo Rauch 提出了一个引人注目的概念：Agent 的自改进能力。他认为，Agent 应该能够「内省自己的过往运行，发现低效、错误和冗余的工具调用，然后生成新的 prompts 和 skills」。他宣布这一能力已内置在 Vercel AI Gateway 的部署流程中。Box CEO Aaron Levie 则发表了一篇长线程，系统阐述了他的核心论点：「AI 之争正在演变为上下文之争。」他论证道，Agent 的有效性取决于它是否拥有正确的领域知识、是否能访问合适的上下文和工具、以及是否能深度融入用户的工作流。因此，能够捕获和利用最佳上下文的平台将成为 Agent 完成最佳工作的场所。他还预见了「应用层」的核心价值：在规划编排层使用前沿模型，在大量中间任务中使用低成本模型（开源或闭源），以及在垂直领域训练专用模型——「永远不要跟 bitter lesson 对赌，但在特定领域对接近前沿的基座模型做 post-training，往往能降低成本或提升性能。」
此外，VC Nikunj Kothari 观察到一个有趣规律：「AI 实验室似乎在长周末前偷偷发布模型——Opus 4.5 在感恩节前，Fable 5 在独立日前，给大众留出时间玩弄、震撼、并加深 token 焦虑。」Y Combinator 总裁 Garry Tan 则将目光投向医疗领域：「专科医生的候诊时间在 AI 即将改变一切的时刻不断攀升——我预感 AI 将把护理质量提升 100 倍，对各地患者而言刻不容缓。」Peter Steinberger 则展示了一种与 AI 相处的幽默方式：他把自己的 80000 条推文喂给了 Fable，让它更精准地吐槽自己。Zara Zhang 则从一个创业者角度提出了关于 AI 工具变现的深刻观察：「人们越来越不愿意买工具了——如果它只是个工具，他们觉得自己能用 coding agent 自己造。但他们愿意付钱购买的是'获得自己不具备的专业知识的感觉'。」
NVIDIA 应用深度学习研究副总裁 Bryan Catanzaro 与 FirstMark 合伙人 Matt Turck 展开了一场关于开源 AI 战略的深入对话。Catanzaro 领导着 NVIDIA 的 Nemotron 系列开源基础模型团队——这支数百人的研究团队刚刚发布 Nemotron 3 Ultra，该模型在上线后立即成为美国排名第一的开源权重模型。
Catanzaro 的核心逻辑令人深思：「如果你接受我们一直运行在算力极限这个前提，那么获得更多智能的途径就是提升效率——我们已经无法通过施加更多算力来获得更多智能，必须更聪明地使用我们已有的资源。」他将 AI 比喻为人类正在创造的外部器官——正如厨房是我们的外部胃，我们现在正在创造外部大脑。这一哲学直接解释了 NVIDIA 为何将最前沿的模型免费开放：通过让整个生态在 Nemotron 之上构建，NVIDIA 实际上是在为自己的 GPU 平台创造更大的需求飞轮。对话还深入探讨了四位训练、混合 Mamba-Transformer 架构、MoE、多 token 预测和多教师蒸馏等技术细节——全部用通俗语言解释。
收听原片 ↗我发现与 Fable 合作中最重要的部分，是发现自己的「未知的未知」，这样才能更好地向它提问。关键方法是：用 HTML Artifacts 将你的知识盲区显式化——把探索过程可视化，看看自己遗漏了什么，而不是在提示词里大海捞针。这一方法基于我在 AIE 的演讲，在与 Geoffrey Litt 的讨论中得到了进一步精炼，包括加入了「测验」环节来自检理解。 原推 →
小技巧：你可以用 Claude Code 的计算机使用功能来设置 Claude Tag——只需要把它指向 Claude Tag 文档，它就会自动帮你连接团队的 GitHub 仓库、数据仓库、Google Drive 和其他数据源。另外，这个长周末大家用 Fable 5 在构建什么？在回复里展示你的 Demo！ 原推 →
Agent 的自改进能力：让你的 Agent 能够内省自己的过往运行，发现低效、错误和冗余的工具调用，然后生成新的提示词和技能。这就是为什么 Agent 可观测性已内置在 Vercel AI Gateway 的部署流程中——当你把 Agent 部署到 Vercel 时，这一切开箱即用。 原推 →
AI 之争正在演变为上下文之争。Agent 的有效性取决于三件事：是否拥有正确的领域知识、是否能够访问合适的上下文和工具、以及是否能深度融入用户的工作流。因此，能够捕获和利用最佳上下文的平台将成为 Agent 完成最佳工作的场所。应用层远不止是 LLM 包装器——它需要组织关键知识、治理访问权限、并持续改进上下文。在架构上，应用层将用前沿模型做规划和编排，用低成本模型处理大量中间任务，并在垂直领域做专用模型的 post-training。 原推 →
Fable 5 到底有没有变弱？实际上模型本身没变——但它确实更多地回退到了 Opus 4.8，所以你在基准测试中看到的是 Fable 和 Opus 的混合评分，不是纯 Fable 能力。另外，一个全新 iOS 应用端到端：500 万 token；清空整个产品待修复 Bug 列表：2000 万 token；Fable 在你在泳池边时替你工作：无价。 原推 →
我把自己的 80000 条推文喂给了 Fable，这样它就能更狠地吐槽我了。另外，如果你觉得 Codex 做设计不行，试试「用 imagegen 重新构想这个设计，然后实现它」——效果出奇地好。 原推 →
人们越来越不愿意买工具了——如果它只是个工具，他们觉得自己能用 coding agent 自己造。但他们愿意为之付钱的是「获得自己不具备的专业知识的感觉」。高频发推文其实没想象中那么难，一旦跨过第一个坎，它就不再是一种任务，而变成一种镜头——你开始通过它来看待你的每一天和这个世界。 原推 →
AI 实验室似乎在长周末前偷偷发布模型——Opus 4.5 在感恩节前，Fable 5 在独立日前，给大众留出时间玩弄、震撼、并加深 token 焦虑。另外，尽管我经常批评 Gemini 的产品体验，但它仍然是唯一一个用单个 API Key 就能「全搞定」的平台：Flash 做快速廉价长上下文结构化任务、Nano Banana 做世界级图像生成、带 Grounding 的搜索、Realtime 实时音频等等。 原推 →