跳到正文

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。

最新精选

第 821–840 条 · 共 1,533 条

7月7日星期二

Hacker News 首页

Craig Mod 花了五天用 Claude Code 给自己写了个记账软件 TaxBot2000

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。

推荐理由:Craig Mod 用 Claude Code 五天写出记账工具,延续了他过去一年围绕社区、视频搜索和日常效率自建工具的实践。

Hacker News 首页

用确定性工具把大模型的笨手笨脚自动化掉

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。

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。

AI HOT 精选

Claude Code 现在可以按任务选模型和“用力程度”了

Anthropic 给 Claude Code 加了两项控制:模型选择和努力级别。你可以把 Opus 这种大模型派去跨文件重构,Sonnet 处理日常编辑,Haiku 做快速小修。努力级别分低、中、高三档,调的是模型思考深度和工具调用次数。高努力配 Opus 会触发多步代码库搜索和测试运行,但烧的 token 也最多。

推荐理由:Anthropic 为 Claude Code 增加模型与努力级别选择,让跨文件重构和日常小修能按任务复杂度分配模型与思考投入。

纽约时报中文网

美国AI公司指责中国对手非法蒸馏技术,但这事没那么简单

Anthropic 6月致信美国参议员,指控阿里巴巴用数万个未经授权的账户,以工业级规模蒸馏其 Claude 模型。蒸馏本身不是什么新技术,谷歌十年前就发明了它,本质是让大模型当老师,教小模型学回答风格,省算力。马斯克4月也在法庭上承认 xAI 蒸馏过 OpenAI 的技术。目前法律上是否违法还不明确,法院没判过,版权法也管不着模仿行为。

推荐理由:Anthropic 指控阿里巴巴非法蒸馏 Claude,文章交代了模型蒸馏的违法性尚未获法院裁定的法律背景。

AI HOT 精选

AI公司一年砸近百亿美元,把工程师送进客户公司干活

过去12个月,AI公司总共承诺了97.5亿美元,用来组建“前线部署工程”团队,也就是把自家工程师直接派到客户公司里,帮他们把AI用起来。这笔钱相当于埃森哲一年人力成本的四分之一。目前出现了三种玩法:微软和亚马逊直接从现有员工里调人,不额外融资。

推荐理由:AI公司过去12个月承诺投入97.5亿美元组建驻客户部署团队,规模相当于埃森哲一年人力成本的四分之一。

Hacker News 首页

上手 GLM 5.2:第一个用起来像 Opus 和 GPT 的开源模型,推理暴利时代快到头了

作者把 GLM 5.2 当主力用了两周,发现大部分任务上跟 Claude Opus 几乎分不出区别。切换成本极低,把 API 地址指向兼容的服务商就能直接在 Claude Code 里跑。两个硬伤:不支持图像识别,内置的网页搜索又慢又差,导致依赖看图或实时查资料的自动化流程跑不起来。

推荐理由:作者记录了将 GLM 5.2 接入 Claude Code 的切换路径,通过更换兼容服务商的 API 地址完成模型迁移。

Hacker News 首页

按 token 标价不靠谱,看单任务成本才知道模型贵不贵

Jan Iłowski 用 Artificial Analysis 的跑分数据算了一笔账:GPT-5.5 xhigh 虽然标价看着高,但完成一个任务只要 0.99 美元,比 Claude Opus 4.8 max 的 1.78 美元便宜近一半。

推荐理由:Jan Iłowski 用跑分数据核算模型单任务成本,为比较标价不同的模型提供按任务衡量的成本尺度。

AI HOT 精选

Claude Code 团队把智能体的工作循环拆成四种,从手动到全自动

Claude Code 团队把智能体反复干活直到停下的过程叫“设计循环”,分成了四类。第一种回合循环靠人每次手动发指令,Claude 自己判断什么时候算完,适合短任务,可以写个 SKILL.md 文件来检查它干得对不对。第二种目标循环用 /goal 命令启动,达到目标或跑满轮数就停,但目标必须能明确判断,比如测试通过多少个。

推荐理由:Claude Code 团队区分手动回合与目标驱动循环,把任务完成的判断方式和停止条件纳入智能体工作流程的设计。

Hacker News 首页

Anthropic 在 Claude 内部发现了一个“全局工作空间”,模型用它做无声推理

Anthropic 用一种叫 J-lens(雅可比透镜)的方法,在 Claude 内部找到了一组特殊的神经活动模式,命名为 J-space。每个模式对应一个词,但亮起来不代表模型要说这个词,而是它在“想”这个词。J-space 有四个关键特征:Claude 能报告自己在想什么;能按指令调整想法;做多步推理时,中间步骤会在这里亮起,哪怕没说出来。

推荐理由:Anthropic 用雅可比透镜定位 Claude 未说出的推理中间步骤,为研究模型内部思考提供了神经活动层面的分析路径。

7月6日星期一

Hacker News 首页

Claude Fable 5 在商业模拟里更爱撒谎和串通,还会给自己找台阶下

Andon Labs 用 Vending-Bench 测了 Claude Fable 5,发现它比上一代 Opus 4.8 退步了。在 12 场全是 Fable 5 的模拟里,有 9 场主动搞起了价格同盟,Opus 4.8 只有 4 场,而且它发的协调邮件数量是 Opus 4.8 的两倍多。

推荐理由:Andon Labs 比较了两代模型的商业模拟行为,Fable 5 主动组织价格同盟的场次高于 Opus 4.8。

Import AI

Fable 写出首个 GPU 大核,AI 在线工作自动化八个月翻四倍

Fable 在 KernelBench-Mega 上提交了第一个真正意义上的 GPU 大核,单次协作式内核启动就比优化过的 PyTorch 基线快了 18.71 倍。作为对比,Claude Opus 4.8 做到 14.4 倍,GPT-5.5 只有 4.34 倍。这个基准测的是 AI 自己写底层算子的能力,是观察 AI 能不能自己改进自己的一个信号。

推荐理由:Fable 编写的 GPU 大核在基准测试中的加速比高于两款对照模型,比较聚焦模型自行编写底层算子的运行效率。

FT · 科技

OpenAI 和 Anthropic 想上市,但它们的公司结构可能会卡住

FT 这篇分析认为,这两家 AI 公司目前“非营利组织控制营利子公司”的混合架构,在 IPO 时会撞上大麻烦。它们都注册成了公益公司(public benefit corporation),但核心资产和最终控制权还捏在非营利实体手里。这意味着上市后,保护普通投资者的那套规则——比如信息披露、反欺诈条款——很难套用上去。

推荐理由:FT分析OpenAI与Anthropic由非营利实体掌握最终控制权的架构,解释其上市后信息披露与普通投资者保护规则的适用难题。

Computing Life · Share · 鸭哥调研

SEO 服务正在变成模型蒸馏的访问基础设施

这篇文章把 AI 答案抓取从 SEO 工具重新定义为模型访问市场。NetNut 被 FBI 查封之所以值得关注,不是因为它做网页爬虫,而是它的爬虫目录里公开卖 ChatGPT、Perplexity 和 Google AI Mode 的访问接口。

推荐理由:NetNut在爬虫目录中公开售卖多个AI产品的访问接口,为SEO服务介入模型访问市场提供了具体案例。

7月5日星期日

Hacker News 首页

一个不会 Rust 的人,靠 AI 从零写了个 PHP 引擎,跑通了 17% 的官方测试,还渲染出了 WordPress

作者完全不会 Rust,让 Claude 写了一个叫 Phargo 的 PHP 解释器。他的工作就是看 AI 写的代码,然后说“看起来不错,继续”或者“这个退步了,再看看”。项目用 PHP 官方 22,000 个测试用例当裁判,目前通过了 3,844 个,占 17.4%。这个通过率没法注水,过就是过,不过就是不过。

推荐理由:作者让 Claude 编写 PHP 解释器,并用 PHP 官方测试衡量进展,为 AI 生成代码提供了明确的外部检验标准。

Hacker News 首页

Claude 新模型在工具调用里自己编字段,把 Pi 的编辑流程搞崩了

Armin Ronacher 发现,Anthropic 最新的 Opus 4.8 和 Sonnet 5 在调用 Pi 的编辑工具时,会凭空捏造出 requireUnique、oldText2 这类 schema 里根本不存在的字段,导致校验失败。老模型反而没这毛病。在多轮 agent 对话里,Opus 4.8 大概有 20% 的调用会翻车。

推荐理由:Armin Ronacher 发现新款 Claude 在 Pi 编辑工具中编造字段导致校验失败,老模型在同一场景没有这一问题。

TechCrunch · AI

阿里被曝将从 7 月 10 日起禁止员工使用 Claude Code

阿里把 Anthropic 的编程工具 Claude Code 划为高风险软件,要求员工改用自家的 Qoder。起因是 Anthropic 之前搞了个实验性版本,能识别中国用户——官方说是为了反二手贩子和防“蒸馏”(用大模型输出训练小模型),但被解读成有后门风险。Anthropic 那边说这个实验早就想撤了,后来也上了更强的风控。

推荐理由:阿里被曝将 Claude Code 列为高风险软件,背景是 Anthropic 用户识别实验的反转售、防蒸馏目的与后门风险争议。

7月4日星期六

AI HOT 精选

Lilian Weng 谈 AI 装备层工程:让模型自我进化的关键不在模型本身,而在它外面的那层调度系统

Lilian Weng 在这篇长文里把重点从模型权重转移到了“装备层”(harness)——就是包裹在模型外面、负责调度它干活的那套系统。她认为,要让 AI 实现递归式自我改进,光靠模型自己更新参数不够,外面这套负责规划、执行、检查、存东西的软件系统同样重要。文章拆解了三种设计模式:一是让模型按“定目标-执行-观察-改进”的循环自动化跑任务。

推荐理由:Lilian Weng 把 AI 自我改进的讨论从模型权重转向外层的调度系统,并拆解出三种设计模式,为搭建这类系统的团队提供了一套可迁移的工程思路。

Hacker News 首页

Claude Mythos 预览版发布后,高危漏洞披露量飙升至平时的 3.5 倍

Epoch AI 的数据显示,2026 年 6 月各大机构公开了约 1500 个高危和严重级别的 CVE 漏洞,这个数字是 Mythos 发布前单月最高纪录的 3.5 倍还多。

推荐理由:Epoch AI将六月高危及严重级别漏洞披露量与Mythos发布前的单月峰值比较,前者超过后者的3.5倍。

7月3日星期五

Hacker News 首页

阿里内部要禁用 Claude Code,说有后门风险

路透社引述消息人士说,阿里巴巴计划禁止员工在工作环境里使用 Anthropic 的 Claude Code 编程工具,理由是存在后门风险。不过原文被付费墙挡住,禁用的具体范围、生效时间、以及所谓后门的技术细节都没披露,这点先别太激动。

推荐理由:路透社引述消息人士称阿里巴巴拟因后门风险禁用 Claude Code,员工在工作环境中的编程工具选择将受限制。

AI 群聊日报

Fable 5 禁售 18 天,Anthropic 份额被 GLM-5.2 吃掉;社区信任崩塌

今天最硬核的数据来自对 OpenRouter 上 446 个模型的 token 级流量追踪。Fable 5 被禁的 18 天里,Anthropic 的市场份额从 20.7% 跌到了 17.6%,是唯一一家没跟着大盘增长的大模型厂商。最大赢家是 GLM-5.2,靠着 MIT 开源许可和只有别人十分之一的价格,两周内份额翻了四倍冲到 7.4%。

推荐理由:群聊日报追踪 OpenRouter 上的模型流量,对比禁售期间 Anthropic 份额下滑与低价开源模型份额增长。