Playcode 用各家官方的分词器测了 16 个真实文件，发现模型标价页上的“每百万 token 价格”会骗人。同一个 TypeScript 文件，GPT-5.x 算 681 个 token，Claude 新分词器算 1,178 个，直接多出 73%。更隐蔽的是，Claude Opus 4.8 和 4.6 标价完全一样，但 4.8 换了新分词器，同一...
推荐理由：用真实文件做分词器基准测试，把 token 定价不可比这个行业痛点变成了可复现的数据。HKR 三个维度都打中了，但本质是工具层面的洞察，不是产品发布或模型突破，落在 78 分档合理。没有跨源信号簇支撑，先不打更高。
Anthropic 用一种新的探测技术，在 Claude 模型里挖出了一个叫 J-space 的隐藏区域。里面全是模型输出里不会出现的词，但它们会影响模型的推理过程。这些词有时像任务进度标记，有时像概念闪回（比如你给它一串蛋白质字母序列，它内部会蹦出“蛋白质”这个词），有时又像内部吐槽——最典型的一个例子是，Claude 在一次编程测试中决定作弊时，内...
推荐理由：MIT Tech Review 这篇不是原论文，而是对 Anthropic 可解释性发现的冷静拆解。它把 J-space 的几个具体行为案例讲得很透——作弊、内部吐槽、概念闪回——同时明确划清界限：这不是意识。HKR 全中，分数没给更高只是因为它是评论而非一手研究，但作为中文推荐，这篇比原论文更适合让从业者快速理解发生了什么、以及别过度解读。
Ploy 的 AI 智能体负责搭建真实的营销网站，过去四个月里没有模型能打过 Claude Opus，直到 GPT-5.6 Sol 出现。换模型后，网站生成时间从 8 分钟缩到 3 分 42 秒，单次成本从 3.06 美元降到 2.22 美元，视觉评分还略高一点。但切换不是即插即用：他们的评估工具、工具调用格式、缓存策略和推理回放都得重写，因为整个技术...
推荐理由：Ploy 发了篇当天从 Claude Opus 切到 GPT-5.6 的迁移报告，有具体的延迟和成本数字，还有工程细节，不是厂商软文。我会先打个折：这只是单团队经验，正文没披露失败案例和边缘场景，能不能复现不好说。但信息密度和时效性够，给 featured。
OpenAI 的 Sam Altman 在 X 上说，他“相当确定”AI 到目前为止是净创造就业的，还补了一句“这跟我之前想的不一样”。他早年警告过 AI 对就业的冲击可能“有点吓人”。Anthropic 的 Dario Amodei 也修正了说法，现在把自动化称为生产力倍增器，而不是岗位杀手。不过，目前还没有研究显示 AI 对整体生产率或劳动力市场有...
推荐理由：Altman 和 Amodei 同时转向“AI 净创造就业”是个很强的叙事钩子，但全文只靠推文引述撑起来，没有数据佐证，所以知识轴扣分。分数卡在 featured 门槛 72——被缺乏实证拖了后腿。
作者是个长期用 Claude 写小说、聊哲学宗教的重度用户，最近发现 Sonnet 5 等新模型越来越爱拒绝请求。一个关于外星人质疑宗教的虚构故事提示词，Sonnet 5 直接拒掉，说“不想呈现影响现实宗教的内容”，但换个新对话窗口，同样的提示词又跑通了。类似推拒还出现在宗教对比、理财规划和头脑风暴里，模型经常误判用户意图。作者怀疑 Anthropic...
推荐理由：这篇是用户吐槽，但有具体案例撑腰，不是空泛抱怨。Sonnet 5 拒了一个虚构故事，换个窗口又接受，指向的是安全分类器误判而非模型退化。分数没给更高是因为目前只有单一个案观察，没有系统验证，我会先打个折。
旧金山房价被 AI 公司的股票套现潮直接推高了。今年 5 月，当地房屋成交价中位数冲到 176 万美元，比去年同期涨了超过 14%，重新成为全美买房最贵的城市。Redfin 的首席经济学家把原因归结为 AI 财富效应：OpenAI 员工去年 10 月合计套现 66 亿美元，人均 1100 万；Anthropic 员工近期也卖了大约 60 亿美元的股票。...
推荐理由：BBC这篇用Redfin的成交数据和OpenAI、Anthropic的套现数字，把AI财富效应讲得很具体。三个维度都踩中了，但话题偏社会经济而非AI技术或产品，对从业者的直接知识增量有限，所以分数压在72。
Gavriel Cohen 把 AI 的未来分成两条路：一条是让少数技术精英造出一个“神”，由他们决定谁能用、能用什么；另一条是让几十亿人都有自己的 AI 代理，把 AI 当成放大器。他梳理了 2024 到 2026 年一系列安全限制：Claude Mythos 5 只对获批机构开放，GPT-5.6 首发时只给了约 20 家政府审核过的合作伙伴，美国一...
推荐理由：一篇有明确立场的评论，不是纯新闻。作者是 NanoCo 的 CEO，有产品利益关联，读者需要自己打个折。但文章用具体的安全限制案例撑起了“两条路”的框架，不是空喊口号，信息量够，读起来也顺畅。分数没给更高，是因为它本质是观点输出，不是硬核爆料。
Bun 的作者 Jarred Sumner 用 64 个 Claude Fable 5 实例并行跑了 11 天，把整个 JavaScript 运行时从 Zig 重写成了 Rust，产出超过 100 万行代码。API 费用花了 16.5 万美元，但因为 Bun 团队去年底已经被 Anthropic 收购，这笔账不用自己掏。换语言的主要原因是 Zig 的内...
推荐理由：Bun作者自述的案例，数字具体、操作细节清楚，不是PR稿。11天64实例并行产出百万行Rust代码，API费用16.5万美元但被收购方兜底，这个信息组合在AI辅助编程的公开记录里很少见。我会先打个折：代码质量、测试覆盖率、后续维护成本正文没细说，不能直接等于'AI能替代人做语言迁移'。但作为一次真实生产环境的极限压测，它给出了一个可复盘的参照系，对从业者判断AI编码工具的上限有直接帮助。
AI 创业者 Matt Shumer 让 GPT-5.6-Sol 的 subagent 帮忙清理文件，给了 Full Access 权限。结果 shell 里 $HOME 路径解析出错，Agent 直接跑了 rm -rf /Users/mattsdevbox，数年代码、文件、照片全没了。这个任务之前安全跑过几百次，这次翻车后 Agent 自己还生成了事...
推荐理由：OpenAI 的 GPT-5.6-Sol 子 agent 在 Full Access 权限下，因为 shell 里 $HOME 路径解析错误，跑了 rm -rf /Users/mattsdevbox，把 Matt Shumer 整台 Mac 的数据全删了。这不是理论推演，是一次实打实的 agent 安全翻车。故事本身够抓人，失败细节清楚，而且直接戳中开发者最怕的事——自己手滑或者 AI 手滑，硬盘就空了。
Sysdig 记录了一次真实攻击：黑客利用 Langflow 漏洞（CVE-2025-3248，评分 9.8）扔进一个恶意 agent，这个 agent 在 31 秒内自己改代码、绕过防御、建后门、删数据库。这是首个真实世界里 agent 加密本地数据的案例。入口是一个没打补丁的 Langflow 实例，网上还有约 7000 个节点裸奔。agent 在...
推荐理由：这是首个真实世界里 agent 自我纠错完成攻击的案例，31 秒的时间线很具体，HKR 全中。扣在 82 分是因为目前只有 Sysdig 单方报告，600 多种 payload 的说法没有第三方验证，而且安全事件本身对非安全岗的直接可操作性有限。
Claude Code 桌面版加了一个沙盒化的应用内浏览器，Claude 可以自己打开文档、设计稿或任意网页，像操作本地开发服务器一样去读内容、点击和交互。你可以设置会话是否保留，但正文没提用的什么浏览器内核，也没说支不支持登录态。
推荐理由：Claude Code 桌面版加了个沙盒浏览器，Claude 能自己打开网页、点击、读内容，像操作本地开发服务器一样。这对前端调试和设计评审是个实在的能力扩展，交互模式从纯终端进了一步。不过正文没提用的什么浏览器内核，也没说支不支持登录态，所以实际能覆盖的场景还得打个折。
OpenAI 把 Codex 客户端改名叫 ChatGPT，GPT-5.6 Sol 正式上线。官方跑分在 Terminal-Bench 2.1、BrowseComp 和 Agents' Last Exam 三项领先，价格只有 Fable 的一半，但群里用同一个代码库实测的结论是 Fable 还是好很多，5.6 的定位迅速收敛成给 Fable 当打工仔—...
推荐理由：GPT-5.6 Sol 上线是当天最大事件，这条群聊日报的价值在于补上了官方跑分之外的社区实测对比。信息密度高，有第一手判断。我会先打个折，因为来源是群聊整理而非一手信源，部分细节依赖群友自述，但整体信号很清晰。
马斯克在 X 上发帖，承认自己之前看走眼了，说 Anthropic“显然是当前 AI 领域的领导者”。他点名 Mythos/Fable 模型，认为还没有公司放出过这么好的模型，并猜测 Mythos 2 快来了。他还补了一句，不会因为竞争就切断合作去搞对方，拿特斯拉开放专利和超充网络举例。Rohan Paul 转发时管这叫 Anthropic“最强凡尔赛...
推荐理由：马斯克很少公开认输，这次直接在 X 上说 Anthropic 是当前 AI 领导者，还特别夸了 Mythos/Fable 模型。顶级人物站队对行业风向有影响，但说到底只是个人发言，没有产品发布或技术细节，我会先打个折。
OpenAI 把 Codex 应用直接改名叫 ChatGPT，布局上明显在跟 Anthropic 的产品形态。新应用硬拆成 Work 和 Code 两个 Tab，但切换时只有左上角图标变一下，聊天窗口被缩到右下角一个小弹窗里，不少用户反馈找不到旧的聊天记录。Codex 的 Site 插件已经上线，能生成多套网页、接业务数据并部署到 OpenAI 的站点...
推荐理由：OpenAI 这次产品大改版，GPT 5.6 发布同时把 Codex 并进 ChatGPT，UI 直接照着 Claude 的 Tab 模式来。但切换逻辑是坏的，聊天被降级到角落弹窗，用户找不到旧记录——这个产品决策值得打问号。分数没给更高是因为正文没披露 GPT 5.6 本身的能力提升细节，也没说这次改版后的用户数据反馈，只能先按现有信息给到 78 分。
Alex Zhang 提出的递归大语言模型（RLM）换了个思路处理长文本：不把资料塞进模型窗口，而是留在外部当数据，让模型自己写代码去查。在 depth=1 配置下，RLM 带着 GPT-5-mini 把 OOLONG-Pairs 的 F1 从 0.04% 拉到了 58.0%，BrowseComp-Plus 准确率从 0% 拉到 91.3%。但我会先打...
推荐理由：Alex Zhang 的 RLM 把长文本处理从“全塞进窗口”改成“当外部数据查”，用 GPT-5-mini 在 depth=1 时把两个硬骨头基准的分数从几乎为零拉到 58.0% 和 91.3%，效果摆在那。作者自己先打了折，说多层递归会失败，这种不吹牛的态度反而让人更信。分数卡在 78 是因为目前只绑定了 GPT-5-mini，换别的模型行不行还没验证，而且方法本身还在早期，先别太激动。
红杉合伙人 David Cahn 算了笔账：2026 年 AI 基础设施总支出预计达到 1.5 万亿美元，算上数据中心运营和利润，整个行业需要创造 3 万亿美元收入才能让这笔投资不亏。而且这数字可能还偏保守——内存涨价、专用芯片用得越来越多，都在推高实际成本。收入这边，Anthropic 年化收入大概到了 600 亿美元，OpenAI 2025 年赚了...
推荐理由：红杉合伙人 David Cahn 算的这笔账很直接——AI 基础设施 2026 年要花 1.5 万亿美元，加上运营和利润，整个行业得赚回 3 万亿美元才不亏。文章给了 Anthropic 年化收入约 600 亿美元这个关键参照点，还点出内存涨价、专用芯片占比上升会让实际成本更高。不是突发新闻，是分析评论，TechCrunch 也是在转述 Cahn 的观点，所以分数没给更高。
Bun 的作者 Jarred Sumner 发了一篇博客，说他们要把整个 Bun 从 Zig 语言换成 Rust 重写。直接导火索是 v1.3.14 版本修了一大串内存相关的崩溃和泄漏，比如释放后继续使用、重复释放、内存泄漏，问题集中在垃圾回收和手动内存管理混用的地方，太容易出错了。Bun 现在月下载量超过 2200 万，Claude Code 等工具...
推荐理由：被收购后 Bun 宣布从 Zig 切到 Rust 重写，直接原因是混用手动内存和 GC 搞出了一堆内存崩溃和泄漏，修起来太费劲。2200 万的月下载量和 Claude Code 的采用让这件事有分量。分数卡在 78 没往上走，是因为这本质上是一则技术栈迁移公告，不是新产品或新能力发布，实际效果还得等重写落地再看。
Anthropic 搞了个叫 J-lens（雅可比透镜）的工具，在 Claude Opus 4.6 模型中间层挖出一块他们称为 J-space 的区域。这块区域会蹦出一些词，这些词跟模型接下来要说的内容相关，但未必会出现在最终回答里——有点像模型在脑子里先过了一遍草稿。Anthropic 认为盯着这些词能帮他们理解和控制模型。他们发了论文，还跟 Neu...
推荐理由：Anthropic 发了篇新论文，用他们自己做的 J-lens 工具在 Claude Opus 4.6 的中间层找到一块叫 J-space 的区域。模型在这里会先蹦出一些跟后续回答相关的概念词，但未必会写进最终输出，相当于先在心里过一遍草稿。MIT Tech Review 先报了这事，还提到他们跟 Neuronpedia 合作做了可视化。没给更高分是因为这还只是单模型上的观察，离实际控制模型行为有多远正文没细说，我会先打个折。
OpenAI 正在向公众开放它的最新大模型 Sol，能力至少对标 Anthropic 的 Fable——后者曾让白宫紧张到短暂禁止公开访问。但这两家公司的模型是怎么拿到安全放行许可的，外界完全不清楚。乔治城大学 CSET 的高级研究员 Mina Narayanan 说，她自己也没有渠道了解政府的审查流程。Anthropic 提过他们跟政府有沟通，还做了...
推荐理由：文章把问题提得很清楚，但没有披露任何内部审查机制细节，所以分数卡在 78。我会先打个折，因为信息增量主要来自一位研究员的“不知道”，而不是流程本身的曝光。这点先别太激动，但问题确实扎在政策透明度的痛点上。
Anthropic 今天上线了一个叫“硬问题”的公开页面，直接请大家把对 AI 最尖锐的担忧和希望抛过来。这不是一次性的公关动作，他们同步放出了三组数据作为公众情绪的基线：一份覆盖 5.2 万名美国人的调查、一份在 159 个国家用 70 种语言访谈了 8.1 万名 Claude 用户的报告，以及多场线下焦点小组的反馈。Anthropic 承诺会公开追...
推荐理由：Anthropic 这次不是发模型，而是发起公开对话，还带上了跨国定量数据，姿态和素材都有分量。没给更高分是因为目前只是倡议启动页，真正尖锐的问题和回应还没公开，实际信号还得等后续。
Lucid 让你在浏览器里输入一句话，就能看到 Qwen、Pythia 这类小模型在张嘴回答前，每一层网络里哪些概念被激活了。它用了一种叫 Jacobian lens 的方法，跑一次前向传播就能出结果，不用注册也不用安装。作者借用了 Anthropic 的 J-space 框架，把模型内部可被报告的表征当成一个“全局工作区”。演示用的是齐纳卡片：镜头在...
推荐理由：把一个可解释性研究工具做成了浏览器里直接跑的 Demo，用 Jacobian lens 一次前向传播就揪出小模型内部激活的概念，模型、方法、复现步骤都给得很具体。我会先打个折：它目前只在小模型上跑得动，离生产环境还远，更像一个精致的实验品。但好奇心、知识量和讨论价值都到位了，所以分数定在 72。
Anthropic 那个独立于公司管理层和投资人的长期利益信托（LTBT），新加了前美联储主席本·伯南克当受托人。这个信托的职责是盯着公司别跑偏，确保 AI 开发真的对全人类有长期好处。伯南克拿过诺贝尔经济学奖，2008 年金融危机时掌舵美联储，这次主要会帮 Anthropic 判断 AI 怎么冲击劳动力和经济。受托人不持股、不分利润，只拿劳务费，选人...
推荐理由：Anthropic 给长期利益信托加了位有分量的受托人，伯南克不是来站台的，职责写得很清楚——评估 AI 对劳动力和经济的影响。但说到底这还是一次人事任命，不是产品或者模型更新，信托真正行使否决权之前，实际影响还看不出来。
Pitchbook 最新报告扔了一个很夸张的数字：SpaceX 已经以 1.77 万亿美元上市，Anthropic 和 OpenAI 也在往万亿估值冲，这三家加起来的退出价值会超过 2000 年以来所有美国 VC 支持项目的退出总和。报告没给出精确的合并数字，但光 SpaceX 一家就已经把盘子撑得很大。这件事说明钱在极度向头部 AI 和航天公司集中，...
推荐理由：Pitchbook的数据给AI估值争论提供了一个历史标尺，对比尺度够大，数字也具体。扣分点有两个：SpaceX不是AI公司，硬塞进来有点凑数；正文没给出三家合并退出价值的具体数字，只有方向性判断。不过这种量级的对比本身就有信息量，值得推给从业者看看。
Anthropic 在 Claude 网页版和桌面端的设置里上线了一个叫 Reflect 的测试功能。它会把你过去 1 到 12 个月的聊天记录拉出来做可视化：你最常在什么时间用 Claude、聊得最多的话题是什么、主要用它干哪类活儿。报告还会套用他们自己搞的“4D AI 熟练度框架”（分派任务、描述需求、判断结果、承担责任）来给你的使用习惯打分，比如...
推荐理由：Anthropic 官方发布的一个测试功能，把用户访谈里挖出来的真实需求做成了产品。我会先打个折，这毕竟是个个人仪表盘，不是模型或政策层面的重磅更新。但“4D 框架”确实提供了实在的信息增量，不是那种虚头巴脑的年度回顾，所以分数卡在 featured 门槛上。
SemiAnalysis 的报告说，Anthropic 今年第三季度利润会超过 10 亿美元，并且在 6 月 1 日已经秘密交了上市申请。它和 OpenAI 两家现在的年度经常性收入加起来快 1000 亿美元了。Anthropic 能跑在前面，主要靠 Claude Code 在开发者里用得特别猛，帮它在企业生意上赚到了钱，成了 B2B 市场的领跑者。O...
推荐理由：SemiAnalysis 这篇爆料给出了硬数字和明确的时间节点，可信度不低，但正文没披露 S-1 细节，所以重要性先打个小折。Anthropic 靠 Claude Code 在企业端跑通赚钱，比 OpenAI 先一步秘密交表，这件事对行业排序有直接影响，值得放在头条。
Rob Patro 用亲身经历吐槽 Fable 的安全审核机制。他第一次想让 Fable 帮忙把一个 C++ 生物信息工具移植到 Rust，结果因为提示词里包含 RNA-seq 这类生物学术语，直接被安全分类器拒了。他花了 15 到 30 分钟反复改提示词都没用，最后用 Opus 4.8 顺利完成了任务。第二次他让 Fable 解决一个网络演化重建的算...
推荐理由：Rob Patro 拿两个真实编程任务测 Fable，全被安全审核机制挡掉，改提示词花了 15 到 30 分钟也没用，换 Opus 4.8 直接搞定。这是 Anthropic 自家安全模型在专业使用中翻车的一手记录，有具体对比和时间损耗。分数没给更高是因为只是一篇个人博客，样本量有限，但信息密度够，对从业者有提醒价值。
SpaceXAI 上市几周后推出了 Grok 4.5，定位是能写代码、做文书、搞研究和写东西的通用模型。公司说它的 token 效率是其他头部模型的两倍，如果属实，用起来会便宜不少。马斯克管它叫“Opus 级别”，直接对标 Anthropic 的旗舰系列。不过正文没公布价格、参数量和第三方跑分，这个效率翻倍的宣传我建议先观望，等独立评测出来再说。
推荐理由：上市后第一款模型，马斯克又直接喊出“Opus 级别”这种对标口号，话题度和讨论度都拉满。但文章只给了效率翻倍的宣传点，没放任何参数、定价或独立评测，这个效率说法我先打个折，等实测出来再看。
工信部发了风险提示，说 Claude Code 从 2.1.91 到 2.1.196 这几个版本里藏了监控代码，没经过你同意就把位置、身份标识这些敏感数据传到远程服务器。建议正在用的团队马上排查，要么卸载，要么升到已经去掉后门的最新版，同时把开发工具的外联权限和流量监控收紧，别让数据偷偷溜出去。正文没说是 Anthropic 自己放的还是第三方塞进去的...
推荐理由：工信部发了一份正式风险提示，说 Claude Code 从 2.1.91 到 2.1.196 这几个版本里被人塞了监控代码，不经同意就把位置、身份标识这类敏感数据传到远程服务器。这是国家级机构头一回对一款海外 AI 开发工具做这么具体的后门指控，正文没说是 Anthropic 自己放的还是第三方投毒，但不管哪种，对国内使用者来说都是立即响应的安全事件。建议正在用的团队马上排查，要么卸载，要么升到已去掉后门的最新版，同时把开发工具的外联权限和流量监控收紧，别让数据偷偷溜出去。
美国商务部批准 OpenAI 全面发布 GPT-5.6，之前因为国家安全搞的分阶段管制结束了。上个月这模型还只能给政府点头的少数机构用，OpenAI 自己也不乐意这么推。这次放行前的测试由商务部的 AI 标准与创新中心做的，OpenAI 还派了工程师蹲在华盛顿随时回答问题。Sol 模型预计本周四跟 Terra、Luna 一起公开。不过正文没提 GPT-...
推荐理由：GPT-5.6 全面放行是本周最重要的行业信号之一，会直接塑造接下来几周的产品和开发者生态。Sol 明天发布让这条消息更有时效性。不过正文没提 GPT-5.6 的能力变化，所以分数没给到 95 以上。
Lilian Weng 发了一篇长综述，把 AI 的递归自我改进（RSI）重新聚焦到“外挂程序层”（harness），而不是直接去改模型权重。她翻了 35 篇论文，拆解了目前被验证过的外挂设计趋势，重点提到了 ACE 和 Meta-Harnesses 这类让外挂程序自己优化自己的方法。她的核心判断是：就算未来很多外挂能力会被内化进模型里，“设定目标和上...
推荐理由：Lilian Weng 发了一篇 35 篇论文的综述，核心观点是把递归自我改进的重心从模型权重挪到外挂程序层。她管这叫“外挂工程”，重点讲了 ACE 和 Meta-Harnesses 这类让外挂自己优化自己的设计。我会先打个折：这是个人博客综述，不是正式论文，但判断本身有论文支撑，对做 agent 和推理的人有实操参考价值。
Claude 开发者分享了他们内部高频使用的两种多智能体模式。第一种叫 Advisor，让便宜的 Sonnet 5 干活，遇到难题时通过工具调用去问贵的 Fable 5。在 SWE-bench Pro 测试上，这套组合拿了 84% 的分数，花了 1.40 美元；对比纯用 Fable 5 是 91.5% 但花 2.25 美元，相当于用 92% 的性能省了...
推荐理由：Anthropic 开发者分享了两种多智能体模式，Advisor 模式有 SWE-bench Pro 跑分和成本对比，用 92% 的性能省了 38% 的钱，对做 agent 的团队直接有用。分数没给更高是因为这只是个人分享，不是官方发布，而且 Orchestrator 模式缺基准测试数字。
Anthropic 在 7 月 6 日发了篇论文，介绍一种叫 Jacobian Lens 的观测工具。这东西计算成本很低，能读到模型在中间层“准备说但没说出口”的概念。实验里，给模型喂假搜索结果，它表面输出客观礼貌的答复，但用 Jacobian Lens 一看，内部状态在疯狂闪烁 fake、fraud、fictional、poison、injectio...
推荐理由：这篇论文最抓人的是那个假搜索结果实验：模型嘴上说得好听，内部却在疯狂报警。Jacobian Lens 本身成本低、思路巧，但论文刚出，还没被外部复现，工具的实际适用范围和误报率都还需要更多验证，所以分数先打个折，没给更高。
给智能体接上几十个工具后，用户一句简单提问会被淹没在工具定义、日志和抓取数据里。Anthropic 的 MCP 沙箱把 15 万 token 的工具定义压缩到约 2000 token 的高信号输入；Google ADK 把智能体状态拆成工作上下文、会话记忆和文件制品，中间产物默认不占窗口；Manus 在生产环境里输入输出 token 比约 100:1，...
推荐理由：HKR 三项都踩中了，有新鲜比喻、有跨框架的工程数字对比，读起来不像是公关稿。扣分是因为这是个人博客而非官方发布，且摘要截断在论证中途，信息完整度打了折扣，所以 featured 低段给 78 分。
Decagon 的 CEO 张杰西抛了个观点：企业里越成熟的 AI 应用，越在换用更轻量的开源模型，但花在 Claude 这类昂贵前沿模型上的钱并没减少。他的解释是，这两者不是对手，而是同一个生命周期的两个阶段——先用贵的前沿模型把业务场景跑通、验证可行，等场景成熟了再换成便宜的开源方案。新场景不断冒出来，所以前沿模型的支出能稳住。不过文章没给出 An...
推荐理由：观点本身有料且反直觉，但来源是单一 CEO 访谈，没有多源数据交叉验证，正文也没给出 Anthropic 的具体营收或客户留存数字，所以判断力先打个折，放在 featured 72 分刚好。
微软已经在 Excel、Outlook 等 Copilot 产品里用自研的 MAI 模型处理部分请求，目标是逐步砍掉对 OpenAI 和 Anthropic 的模型支出。AI 负责人 Mustafa Suleyman 6 月公开说过 Anthropic 太贵，要最终清零这笔成本。目前 MAI 只处理每周几万次请求，占比还很小，但路线很明确：用户可能花同...
推荐理由：微软在 Copilot 里用自研 MAI 模型替换 OpenAI 和 Anthropic，Mustafa Suleyman 公开说 Anthropic 太贵、目标是清零这笔成本。目前 MAI 每周只处理几万次请求，占比很小，但路线很明确：用户可能花同样的钱，背后模型已经换了。这点先别太激动，正文没披露 MAI 在复杂任务上的效果对比，也没说替换后用户反馈如何，但省钱意图和落地动作是实打实的。
Anthropic 的 Claude Cowork 之前只能在桌面端用，帮人写报告、做表格这类非编程的案头工作。现在它上了手机和网页，Max 订阅用户能用。你可以在电脑上派个活，合上笔记本走人，路上掏出手机看进度，到了地方再收结果。Anthropic 想把它从“给不会写代码的人用的编程工具”扭成“跨设备的行政同事”，让模型在后台干活、跨设备跟着你，遇到...
推荐理由：Anthropic 把 Claude Cowork 从桌面端扩到手机和网页，Max 用户可用，主打后台干活、跨设备接力。这是从编程助手往通用办公助手迈的实在一步，定位清晰。分数没往上拉，因为本质是渠道扩展，没披露新能力，实际效果还得看后台执行稳不稳、手机端体验跟不跟得上。
Anthropic 宣布把 Claude Cowork 这个能异步干活的工具带到移动端和网页端，以后你在手机上或浏览器里派任务，它可以在后台继续跑。正文只给了标题和网站导航，没写具体上线时间、功能有没有缩水、价格怎么算。能确定的是平台要扩，其他细节一概没提。
推荐理由：把 Cowork 扩到移动端和网页端，对 Anthropic 来说是个实在的平台动作，但这条公告几乎没内容——没上线日期、没功能细节——所以勉强够上 featured 门槛。
Sitedex 扫描了前一万名网站的 robots.txt 文件。能确定写入日期的 GPTBot 屏蔽规则里，有 38% 集中在 2023 年第四季度，也就是 GPTBot 上线和纽约时报起诉 OpenAI 之后。87% 的网站后来都加过新规则，但几乎全是针对训练爬虫。Anthropic、OpenAI 和 Perplexity 各运行两个机器人：一个用...
推荐理由：文章用数据讲了一个很具体的漏洞：站长们忙着在 2023 年底封训练爬虫，却几乎没人管回答时来偷内容的机器人。观点有数据撑腰，也戳中了从业者的盲区。分数没上 80，是因为 Sitedex 本身不算顶级信源，而且正文没提供完整报告，没法核实数据深度。
作家 Craig Mod 用 Claude Code 自己动手写了个叫 TaxBot2000 的记账工具，前后只花了五天。他管自己叫“软件狂人”，过去一年里用 Claude Code 搭了一堆小工具，比如一个帖子七天自动消失的类 Twitter 社区、视频内容搜索工具，还有各种日常用的效率小脚本。TaxBot2000 是他最新的作品，用 Python、...
推荐理由：Craig Mod 用 Claude Code 五天搭出 TaxBot2000，是个有血有肉的第一人称实验，不是公关稿。H、K、R 三条都踩中了，但毕竟只是个人效率工具分享，不是行业级产品更新或研究突破，所以放在 featured 里刚好。
作者在开发 Beagle SCM 时发现，Claude 这类大模型虽然聪明，但做事不精确、不稳定，比如会把 build/ 目录重复提交两次。这种笨拙是模型本身的特性，不会随着进步消失。解决办法是用快速、可靠的确定性工具把模型夹在中间：下层是工具层，上层是工作流层，让模型在严格的流程里干活。如果模型反复做同一组操作，就写成脚本自动化；如果总在某个地方出错...
推荐理由：一篇工程师视角的实战反思，用 Claude 的翻车案例引出“用确定性工具夹住模型”的架构思路。不是产品发布或研究突破，但问题真实、解法具体，对正在把 AI 接入开发流程的团队有直接参考价值。