AI News｜2026-06-09

今日目录

• Boris Cherny 给出长时运行 Claude Code 的 5 个实操要点
• Aaron Levie 判断模型分层会加速，调度层会变成新价值点
• Box 继续把文件系统接入 AI 工作流：网页 Markdown、CLI 和桌面挂载齐上
• Aaron Levie 反驳 AI 会快速吞掉企业软件的简单叙事
• Vercel AI Gateway 披露每月可恢复超 1T token 请求
• Madhu Guru 提醒：高价值训练数据仍是知识工作 agent 的瓶颈
• Codex 启动 100 天高配额实验，想看重度用户到底能做出什么

今日判断

我今天更关注两件事：一是大家开始把注意力从单次 prompt，明显转到可持续运行的 loop、routing 和 self-verification；二是这些讨论不再停留在概念层，而是开始落到具体权限模式、云端执行、多 agent 编排、模型分层调度这些工程细节上。看下来，真正有价值的信息都来自在做产品的人，他们讲的是怎么让 agent 连续跑几个小时、怎么把失败率和成本压下去，而不是再争论哪个模型一句话更聪明。

我也感觉到一个很实在的分水岭：前沿模型继续负责高价值、长链路、需要判断的任务，便宜模型接走高频、可拆解的流水线任务。这样一来，产品壁垒不只是模型能力，而是你有没有 routing、重试、验证、权限管理和外部工具接入这一整套系统。我今天的判断是，接下来一线 builder 的差距，会越来越多地体现在 agent runtime 设计，而不是提示词技巧。

另外，企业侧并没有像很多人之前说的那样，因为 AI 降低软件开发门槛就自动被颠覆。Aaron Levie 讲得很直白：真正难的是落地、集成、支持和采购路径。这和前面的 agent 话题其实连在一起——如果你的 AI 产品不能进入真实文件系统、真实工作流、真实审批链路，再强的模型也只是 demo。我看下来，接下来能沉淀成长期价值的，不是会说 AI 的团队，而是能把 agent 接进现有系统并跑出稳定结果的团队。

快讯

1. Boris Cherny 给出长时运行 Claude Code 的 5 个实操要点

查看原文 · 来源：Boris Cherny (@bcherny)

Boris Cherny 总结了让 Opus 连续跑数小时到数天的 5 个做法：自动权限、动态工作流、多 agent 编排、云端运行，以及端到端 self-verification，还点名了浏览器扩展、移动端模拟器和本地服务启动这些具体工具链。我今天会把这条放在最前面，因为它不是在讨论模型排行榜，而是在讲 agent 真正落地时最关键的运行条件。我的判断是，长时任务能不能跑起来，瓶颈已经不只是模型本身，而是你有没有把权限、执行环境和验证闭环设计好。

2. Aaron Levie 判断模型分层会加速，调度层会变成新价值点

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 认为，未来一两年用例会明显分层：高价值复杂任务继续吃 frontier 模型，大规模高频任务会被剥离到更便宜的模型上。随之而来的关键问题，不是选哪家模型，而是谁能把不同任务高效路由到合适模型，同时兼顾成功率和成本。我看这条的重要性在于，它把很多团队正在碰到的现实说清楚了：模型越来越多，真正难的是调度。我的判断是，下一轮 agent 基础设施的护城河，会更偏向 routing、fallback 和 cost-aware orchestration。

3. Box 继续把文件系统接入 AI 工作流：网页 Markdown、CLI 和桌面挂载齐上

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 宣布 Box 现在支持网页端 Markdown 编辑、完整 CLI、评论和版本历史，同时 Box Drive 可以把企业文件挂载给 Claude、Codex、Obsidian、Cursor 等桌面客户端直接使用。我会选这条，是因为它说明企业文件层正在主动适配 AI-native 工作方式，而不是等 AI 厂商来统一入口。我的判断是，谁能把 AI 工具无缝接进现有内容资产和权限体系，谁就更有机会成为企业 agent 的默认上下文层。

4. Aaron Levie 反驳 AI 会快速吞掉企业软件的简单叙事

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 说，很多人误判了 AI 对企业软件的影响。开发软件本身也许变便宜了，但企业软件的大头成本一直在销售、实施、集成和支持，这些环节在 AI 时代并没有消失，甚至更复杂。我看这条的价值在于，它提醒 builder 不要把 demo 能力误当成可销售产品。我的判断是，企业 AI 创业的门槛没有降到想象中那么低，反而更考验你能不能把 agent 交付到采购、权限、合规和现有系统里。

5. Vercel AI Gateway 披露每月可恢复超 1T token 请求

查看原文 · 来源：Guillermo Rauch (@rauchg)

Guillermo Rauch 提到，Vercel AI Gateway 平均每月能恢复超过 1T tokens 的请求量，并把这件事类比为 Stripe 的支付重试：通过冗余、零数据保留、可观测性、使用量 API 和额度控制，把原本会失败的推理调用捞回来。我今天会保留它，因为这不是单纯炫数字，而是点出 AI 网关的真实作用：不是包一层 API，而是提升可用性和治理能力。我的判断是，随着 agent 调用链变长，失败恢复会从加分项变成基础设施标配。

6. Madhu Guru 提醒：高价值训练数据仍是知识工作 agent 的瓶颈

查看原文 · 来源：Madhu Guru (@realmadhuguru)

Madhu Guru 的观点很直接：真正推动模型前沿的数据，不是低技能标注，而是高经济价值任务里的隐性知识。软件工程之所以先被 agent 化，是因为代码、工具链和反馈回路都更结构化；而很多非 SWE 知识工作散落在旧系统、口口相传的流程和难以数字化的判断里。我看这条的价值在于，它解释了为什么很多通用知识工作 agent 仍然不稳定。我的判断是，接下来谁能构造高质量、可验证、领域化的数据闭环，谁才可能把 agent 推进到更多真实岗位。

7. Codex 启动 100 天高配额实验，想看重度用户到底能做出什么

查看原文 · 来源：Thibault Sottiaux (@thsottiaux)

Thibault Sottiaux 宣布，未来 100 天里每天会选一个用 Codex 做出高质量或高实用性成果的人，给他一个月 10 倍使用限额，看看他们能把工具推到什么程度。我会留下这条，不是因为活动本身，而是因为它反映出 coding agent 团队正在主动研究一个关键问题：限制放开后，重度用户的真实工作流会怎样变化。我的判断是，下一波工具进化不会只来自模型升级，还会来自对 power user 行为的系统性观察。