Ben Tossell 发布展示被遗忘设备的网站

2026 年 9 月 22 日，Ben Tossell 发布了一个展示过去“被遗忘设备”的网站 bentossell.com/devices/，列举了 tamogotchi、furby、walkman、初代 PlayStation 等物件。这条推文发布于当天 12:56 PM，获得 175 次浏览。四天前的 9 月 18 日 2:50 PM，他还发布过另一个项目——token 活动追踪器，展示他每天使用哪些代理应用和模型，那条推文获得 9.36K 次浏览、19 条回复、2 次转发、69 次点赞。

把这两个网站放在一起看，比单独看任何一个都更有信息量。它们不是同一类产品：一个是怀旧展示页，一个是个人使用数据的可视化。但它们共享同一种做法——Tossell 自己描述为“混搭与逆向工程”：看到别人做的有趣交互或体验，就把它丢给自己的代理，去和某个想法或想探索的东西连接起来。这是一种把 AI 代理当作实验台而非生产工具的使用方式。

关于设备网站，Tossell 的说法包含三个可分离的部分。第一是灵感来源：他表示该网站受 Cole（@colderoshay）一条关于按钮生命的推文启发，而他此前曾一次性生成过一批设备素材，却不知如何使用。第二是生成方式：他称 Astra 生成了网站上所有设备的图像并搭建了该网站。第三是用途：该网站允许用户保存自己拥有过或想要的设备。

这三部分的可验证程度并不相同。网站存在、发布时间与浏览量属于可确认的事实层面；而“Astra 生成了所有图像并搭建了网站”是 Tossell 本人的陈述，来源中没有说明 Astra 具体是什么产品、由谁提供，也没有独立验证。同样，“保存自己拥有过或想要的设备”这一功能描述也来自他的自述。换言之，我们确认的是“他发布了这个网站并这样描述它”，而不是“这个网站确实由某个特定 AI 系统端到端生成”。

token 追踪器的信息密度更高。Tossell 称自己搭建了一个 token 活动追踪器，展示他每天使用哪些代理应用和模型，并按代理和模型拆分。更值得注意的是它的分发方式：该网站上提供可复制的提示词，让用户自己的代理也能做同样的事。

这一点让追踪器与设备网站产生了性质差异。设备网站是一个成品，用户能做的只是浏览和标记；追踪器则把“做法”本身作为交付物——提示词可复制，意味着别人可以在自己的环境里复现同类追踪。从传播数据看，追踪器推文的 9.36K 浏览和 69 次点赞也明显高于设备网站的 175 次浏览，尽管两者发布时间接近、都出自同一账号。这里需要克制：浏览与点赞的差异可以提示关注度不同，但来源没有提供任何关于用户实际复制或使用提示词的数据，因此不能推断复现行为已经发生。

这两个网站出现在同一期 Ben's Bites 文章中，该期还转述了若干产品动态。Ben's Bites 称 Jev 现已向所有人开放，并把它与通常的大语言模型区分开：它是为构建者设计的、用于在工具内部使用。其典型用法是给它一段文本并提问，例如判断是否为广告（是/否）、该归入哪个文件夹（在选项中选）或对结果相关度打分。

该期列举的 Jev 项目包括：跳过 YouTube 赞助片段的扩展、实时过滤聊天中的负面评论、按意图搜索 Gmail、过滤待办事项、更智能的复制粘贴与拖放及 Cmd+F 体验、以及用语音控制 Mac。作者还给出一个明确的反面判断：把 Jev 与现代编码代理集成做即时压缩看起来很酷但是个糟糕主意，因为会失去提示缓存的成本节省。

其他转述包括：Claude Code 中的项目现在变成单一主聊天而非文件夹，用户可倾倒需求、想法和任务，由 Claude 派生新线程执行，这些线程以云端会话运行，本地支持即将到来；Claude Code 将通过新功能 Claude Mods 支持 AGENTS.md。Meta 的个人 AI 代理 Muse 有 Mac 应用和用于构建连接器的开发者平台，且深受 OpenClaw 启发；Muse 本可以替用户购物，但亚马逊开始封堵它，Meta 正与 Shopify 等合作方推进解决。Grok 4.7 已发布，在基准测试上优于 GPT-5.6-Sol 和 Opus 5，但消耗更多 token，作者本人试用后评价很差。

上述产品动态全部来自 Ben's Bites 一篇来源的转述，没有提供官方公告链接。这意味着它们至多是来源主张，而非确认事实。具体而言：Jev 的开发者、所属公司以及“向所有人开放”的确切含义与时间点，来源未交代；Claude Code 新项目结构与 Claude Mods 的发布时间、适用范围，来源仅称“很快”，无确切日期；Muse 的可用范围（“有权限的人”）与开发者平台细节不明，亚马逊封堵购物的说法也未给出时间、范围或官方回应；Grok 4.7 相对 4.6 的改进幅度及基准测试名称、分数，来源未给出具体数据。

对 Grok 4.7 的评价尤其需要区分层次。“在基准测试上优于 GPT-5.6-Sol 和 Opus 5”是来源转述的基准结论，但未给出测试名称与分数；“消耗更多 token”是同一来源的补充；“我认为它是💩”则是作者的主观判断，不构成性能结论。把这三者混为一谈，就会把个人体验误读为可复现的评测结果。

同一期内容中还混排了商业推广：Speechmatics 的 Agent STT 由新语音转文本模型 Linden 驱动，价格 0.30 美元/小时（折扣后 0.15 美元），比 Deepgram Flux 便宜 25%。这是赞助性质的内容，其折扣条件、$100 额度领取方式以及与 Deepgram Flux 对比的测试条件均不明确，应与编辑内容分开看待。

回到 Tossell 的两个网站。它们的真正意义可能不在于网站本身，而在于展示了一种可复制的工作流：把外部灵感交给代理，让代理生成素材并搭建成品，再把做法本身（提示词）公开出去。设备网站体现了“生成 + 组装”，追踪器体现了“生成 + 分发方法”。两者都指向同一个判断——对个人构建者而言，AI 代理的用途正在从“回答问题”转向“承接一个具体的小工程”。

但这个判断的证据天花板也很清楚。本文仅依据 Ben's Bites 一篇来源，其内容多为作者转述与个人观点，缺少第一方原始来源；设备网站与 token 追踪器的功能、效果均由 Tossell 自述，无独立验证。因此，我们可以确认“他发布了这些网站并这样描述它们”，可以记录“同一期还转述了哪些产品动态”，但不能据此断言这些工具的实际能力、普及程度或商业影响。

一个可观察的旁证是：同一期还提到 Epoch 审计了 15 个 AI 基准并发现其中 9 个存在缺陷。这条信息本身也是转述，但它恰好说明了为什么对上述所有基准结论都应保持同样的审慎——当基准本身可能存在问题，任何“优于某模型”的转述都只是待验证的主张。