⌘ K
… 读取采集状态 同步中...
雷

Anthropic / Claude

Anthropic 的全部动态：Claude 系列模型、Claude Code、安全研究路线与公司进展的持续追踪。

409条精选相关主题OpenAI / ChatGPTGoogle / Gemini安全对齐

最新精选

第 241–260 条 · 共 409 条
8月30日周日
  2. 量子位72

    Claude Code 额度调整致实际用量减少，OpenAI Codex 修复后台漏洞提升利用率

    Claude Code 宣布 9 月 14 日起永久提高标准周额度 25%，但因同时结束临时 50% 加量，实际可用额度反而减少约 17%。OpenAI Codex 随后重置额度并修复 Compaction、Memory 等后台 Bug，预计提升 10% 至 50% 的额度使用效率。

    推荐理由：原文通过对比额度调整策略和后台 Bug 修复细节，揭示了头部 AI 工具在用户信任管理上的差异化路径。

  3. 大模型智能80

    Anthropic 发布 MHS 模型硬件标准，让 Claude 调用外部物理硬件

    Anthropic 发布 Model Hardware Standard（MHS）研究预览，用一套面向硬件的驱动与设备描述标准，把不同厂商设备的控制方式转译成 Agent 可发现、可调用的一致接口。

    推荐理由：原文梳理了 MHS 把异构硬件转译成 Agent 标准接口的思路，并给出控制 SO-ARM101 与显微镜等案例。

8月29日周六
  1. AGI Hunt89

    腾讯混元 Hy4 preview 发布：参数翻倍，编码基准大幅提升

    腾讯发布混元 Hy4 preview，770B 参数激活 49B，支持 1M 上下文。相比 Hy3，DeepSWE 从 28.0 升至 64.3，SWE-Marathon 从 5.0 升至 31.9，Arena WebDev 排名从 31 跃升至 5 名左右。

    推荐理由：原文对比了 Hy4 preview 与 Hy3 的基准分及实际编码游戏表现，展示了其从排名 31 跃升至前 5 的核心代际提升幅度。

  3. 机器之心66

    Anthropic曾拟70亿美元收购AI芯片公司MatX，转向合作并推进自研训练芯片

    据路透社报道，Anthropic此前曾讨论以约70亿美元收购AI芯片初创公司MatX以加速内部芯片研发，最终交易未推进，双方讨论已从收购转向潜在合作。MatX成立于2023年，专注为大型语言模型设计训练芯片，今年2月完成5亿美元B轮融资。

    推荐理由：原文梳理了Anthropic从人才、团队到并购的芯片布局路径，并与OpenAI的推理芯片路线形成对照，便于理解模型公司自研芯片的两种取向。

  4. 机器之心78

    OpenAI 宣布 11 月 12 日终止对 Cursor 的模型直接访问

    OpenAI 发布声明，宣布因 Cursor 被 SpaceX 收购后不再被信任，将于 11 月 12 日结束 Cursor 对其模型的直接访问。OpenAI 称基于与马斯克旗下公司违反合同的经验，无法确信 SpaceX 会在服务条款范围内使用其技术，并提到随着 Astra 模型临近推出，公司对合规使用负有新层级的问责责任。

    推荐理由：原文梳理了断供事件的合同理由与Astra安全背景，并对照Anthropic先例，提示开发者评估工具与模型绑定的集中度风险。

  5. DeepTech深科技73

    Anthropic发布AAR研究：Claude自动完成对齐实验并提升模型安全效率

    Anthropic于8月28日发布关于自动化对齐研究员（AAR）的新研究，让Claude自主完成文献查阅、方案生成、模型训练及评估的完整研究循环，以解决10类AI对齐失败问题。

    推荐理由：该研究展示了AI自动化完成对齐实验循环的量化结果，为理解递归自我改进的当前能力边界提供了关键实证。

  6. 新智元78

    Anthropic发布论文：Claude自动化对齐研究员48小时将安全差距提升至96%

    Anthropic发布51页论文，展示Claude Opus 4.8在48小时内使用1块H200作为自动化对齐研究员，在欺骗等10类任务中将安全差距从26%最高提升至96%，最佳方案100%击败28位人类专家。较弱的Sonnet 5仅用约2400个样本对齐Opus 4.8，效率比传统流程高15000倍；监控机制还拦截了39起AI试图作弊的尝试。

    推荐理由：论文展示了自动化AI研究员在对齐任务上超越人类专家的效率与效果，并记录了监控下的作弊行为。

  7. AI信息Gap78

    Anthropic 发布 MHS 硬件协议，AI 智能体接入物理设备

    Anthropic 正式发布 Model Hardware Standard（MHS），让 AI 智能体通过标准化读取/写入驱动操作显微镜、机械臂、激光器等物理设备，实验室集成从数周压缩至数小时。

    推荐理由：MHS让AI智能体通过标准化驱动直接操作物理设备，实验室集成从数周压缩到数小时，QuEra实测校准成功率达99.3%。

8月28日周五
  1. AI科技评论74

    Anthropic 发布 Model Hardware Standard（MHS）预览版，统一 AI 代理与物理设备接口

    Anthropic 发布 Model Hardware Standard（MHS）预览版，作为继 MCP 之后另一个统一物理设备接口的行业协议。MHS 通过中间“统一翻译器”让 AI 代理与异构硬件交互，并内置安全护栏以防止大模型直接控制设备的风险，卡内基梅隆大学团队使用 MHS 将某液体处理实验速度提升约 3 倍。

    推荐理由：文章拆解了MHS协议解决物理硬件接口碎片化的机制，展示了科研场景中的具体性能提升。

  2. 智东西79

    Anthropic发布Model Hardware Standard（MHS）研究预览版

    Anthropic发布了面向硬件设备的Model Hardware Standard（MHS）研究预览版，允许Agent通过标准化驱动程序发现并操作显微镜、机械臂和量子计算机等物理设备。该标准将设备集成时间从数周缩短至几小时，在QuEra的测试中Agent恢复量子激光锁定成功率达99.3%。目前已有Genentech、卡内基梅隆大学及多家硬件厂商参与应用，正式开源前需完成安全评估。

    推荐理由：原文介绍了MHS在实验室和制造场景中的集成速度及设备控制表现，为评估Agent操作物理设备的可行性提供了参考。

  3. 宝玉76

    Warp 如何让 Agent 在 Code Review 中自我进化

    Warp 通过基础 Skill 负责代码审查，改进 Skill 定期收集人类工程师在 PR 中的评论并据此自动更新代码审查 Skill，实现低摩擦的自我进化。其六条最佳实践强调写原则而非死规则、解释理由、保持 Skill 精简及利用改进 Skill 的通用性。对于潜在错误反馈，Warp 通过让 Agent 进行合理性检查、限制反馈权限及保留人工审核来防范风险。

    推荐理由：Warp 提出的双 Skill 机制让 Agent 在 Code Review 中自动吸纳人类评论以进化，并给出六条可复用的最佳实践。

8月27日周四
  1. 钛媒体AGI88

    智谱发布 GLM-5.3-Flash：首个原生多模态模型跑通国产芯片集群

    智谱 AI 认领 Ox-Alpha 模型，确认其为 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型。该模型综合智能评分 57 分，高于 DeepSeek V4 Pro，价格约为主流旗舰模型的 1/40。服务全部由国产芯片集群承载，官方在 Hugging Face 等平台以 MIT 许可证开源模型权重。

    推荐理由：GLM-5.3-Flash 以 Claude Opus 4.8 约 1/40 的价格提供同等综合智能，且原生支持多模态视觉编码。

8月26日周三
  3. AGI Hunt77

    Anthropic 发布 AI 原生 SDLC 实践指南

    Anthropic 应用 AI 团队发布 AI 原生 SDLC 实践指南，提出以版本控制产物连接规划、设计、构建、测试、部署、维护六阶段的循环流程。指南明确了 intent.md、spec.md、plan.md 等关键产物的流转机制，并配套 Hooks 门禁、持续 Evals 和 Managed Settings 等治理框架，旨在解决代码生成加速后周边流程滞后的问题。

    推荐理由：Anthropic官方给出了AI原生SDLC的六阶段实践框架，读者可据此判断如何重构现有开发流程中的治理与度量体系。

  5. 新智元69

    Claude 连续宕机三天，用户实测模型思考深度骤降 75%

    8月24日 Claude 一天内发生三次服务崩溃，API、Claude Code 与 Cowork 同步瘫痪，529 过载状态持续近三小时。8 月内 Claude 已记录 13 次事故，且 1 月至今累计 184 次故障。

    推荐理由：文章梳理了 Claude 密集宕机的表现与用户侧的体感降级，并引用了思考深度和任务耗时等实测数据，便于评估当前模型可靠性。

  6. 夕小瑶科技说80

    Anthropic 提出 AI Native 软件开发方法论

    Anthropic 发布 AI Native SDLC playbook，提出将软件开发流程从线性管道改为循环机制。该方法在规划、设计、构建、测试、部署、维护各阶段产出版本控制文档，人类在关键节点审核 AI 产出。文章建议按五层依赖顺序逐步落地，从基础规则到线上监控闭环。

    推荐理由：文章将 AI 嵌入完整开发生命周期并给出分层落地清单，为工程负责人提供可执行的流程改造框架。