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。
Anthropic 的 Claude Mythos 在 METR 的自主任务测试里撑了 186 分钟，成功率 80%。这个时长刚好落在专家们之前预测的 3 到 4 小时中位数区间，但预测的时间点是 2026 年底，现在提前到了。正文因为需要验证码没抓到具体细节，不知道任务类型、失败原因和是否有人工干预，所以这个 80% 成功率先打个折看。
推荐理由：这条消息的钩子很直接：预测年底才到的水平，今天就被打出来了。我会先打个折——正文没披露模型规模、任务类型和可复现细节，所以不能当完整评测看。但 80% 成功率加 186 分钟连续跑，对从业者来说是个可感知的信号：agent 的自主时长在拉长，而且比行业预期快。安全焦虑和落地想象空间同时被触发，适合放 featured 位置。
微软 AI 负责人 Mustafa Suleyman 公开说 Anthropic 的模型成本太高，公司已经在开发内部替代模型来降本。他没透露具体模型名称、能便宜多少、什么时候上线。这件事的背景是微软一边给 OpenAI 投了几百亿美元，一边还在大量采购别家模型当备选，现在连备选都觉得贵了。正文没披露自研模型是基于开源方案还是完全从头训，也没说性能对标的...
推荐理由：HKR三项都过了。微软点名Anthropic贵，自己下场做便宜替代，这个动作本身就够抓眼球。但正文缺了关键信息——模型叫什么、能便宜多少、什么时候能用，这些都没说，所以分数先打个折，放在featured里偏低的位置。
Anthropic 公开了他们内部用 Claude 做自助数据分析的整套方案。核心思路是让非技术同事直接用自然语言问业务数据问题，系统自动查表、写 SQL、出结果。他们搭了一个三层架构：底层是数据基础层，负责把分散的业务指标统一成模型能读懂的语义；中间是验证工作流，专门处理模糊提问、过期数据和查不到的情况；上层是技能模块，让 Claude 学会按公司规...
推荐理由：我会先打个折，这是官方博客，数字肯定挑好看的讲。但 95% 自动化加约 95% 准确率，配上数据层、验证和 skills 这套 agentic analytics stack，确实把怎么做说清楚了。没有新模型或产品发布，所以分数在 72–77 这个区间。正文没披露错误类型的具体分布和延迟数据，这点先别太激动。
这篇来自 WSJ 的报道梳理了 OpenAI 总裁 Greg Brockman 和 Anthropic 联合创始人 Dario Amodei 之间长达九年的矛盾。核心冲突是，在 OpenAI 内部研发一个后来演变成 ChatGPT 的项目时，Dario Amodei 直接禁止 Greg Brockman 参与。文章还提到，Brockman 现在负责 O...
推荐理由：我会先打个折：这不是模型发布或现任高管离职，所以放在 featured 里算合理。但 WSJ 挖出的料够硬——Dario 当年直接不让 Brockman 碰 ChatGPT 的前身，这比普通的口水仗有信息量。后面 Brockman 管了近 1500 人的产品战略，也说明他现在在 OpenAI 的盘子有多大。两条事实一前一后，把两家公司的旧怨和现状串起来了，对关注 AI 公司权力格局的人有参考价值。
Sensor Tower 估算，ChatGPT 在 5 月全球月活用户跨过 10 亿，只用了大约三年，比 Google Maps、TikTok 和 YouTube 当年冲到这个数字的速度都快。不过，Claude 的增长势头更猛：2026 年第二季度月活 5600 万，同比涨了约 640%，而 ChatGPT 同期增速是 62%。一个值得注意的信号是，在...
推荐理由：这条消息的核心价值在于 Sensor Tower 提供了两个关键产品的用户规模估算，让行业能直观对比 OpenAI 和 Anthropic 的采用速度。我会先打个折，因为这是第三方估算，不是官方数据，但 10 亿月活和 640% 的同比增长仍然是很强的信号。正文没披露统计口径和误差范围，所以不能当精确财报看，但作为竞争格局的参考已经足够。
微软在模型发布卡里加了个新指标：平均 token 用量。他们的新模型在 SWE-Bench Verified 上拿了 71.6 分，但消耗的 token 只有 Claude Haiku 4.5 的三分之一。这意味着现在衡量模型得看两个维度：活儿干得怎么样，以及干这活儿花了多少钱。靠烧 token 刷榜、靠补贴打价格战的时代在翻篇。Uber 四个月烧光预...
推荐理由：H、K、R 三条都站得住。用“跑分除以 token 消耗”当钩子，比单纯报分数更让人想点进去看。71.6 分和三分之一的 token 量是实打实的新信息。不过文章没给出完整的测试配置和具体定价对比，所以重要性停在 78 分，我会先打个折，不往更高拉了。
Claude Code 新增了动态工作流，核心是让它在运行时执行 JavaScript 文件，按需创建并协调多个子代理（subagent）。每个子代理有自己的上下文窗口，互不干扰，可以同时跑研究、安全分析和代码审查这些任务。官方举的例子是让一个子代理查漏洞、另一个审代码逻辑，主代理最后汇总结果。正文没披露子代理数量上限和额外费用怎么算，这点先别太激动。
推荐理由：HKR 三项全中：Claude Code 用运行时 JS 编排带独立上下文的子代理，这是个实打实的新功能。Anthropic 的品牌有加分，但这次是功能更新而非模型或平台级发布，所以分数落在 78–84 区间。正文没提具体性能数据和价格变化，这点先别太激动。
Claude Code 加了一个动态工作流功能，你给它一个任务，它会现场写一段 JavaScript 来指挥多个子智能体分工协作。你可以指定用哪个模型、工作区隔离到什么程度，适合做研究、安全分析、代码审查这类复杂活，写好的工作流还能共享和复用。不过正文没提具体会多烧多少 token，也没说这个功能现在是不是所有人都能用，这点先别太激动。
推荐理由：HKR 三项都过，但文章只给了机制层面的细节，token 增量、推送范围和定价都没提。因为跟 Claude Code 直接相关，所以放在中量级产品更新里偏高的位置。
两条消息都来自彭博的报道，但原文因为反爬机制没能抓到正文，只留了标题。Alphabet 打算通过股权融资筹集 800 亿美元，用来扩建 AI 基础设施。Anthropic 则已经秘密提交了上市申请。正文没披露估值、上市时间表和承销商这些关键信息，所以这两件事的规模和节奏现在都还看不清。
推荐理由：Anthropic 秘密交表准备上市，这是头部大模型公司里动作最快的一个，但正文没披露估值、时间表、承销商，所以别急着猜它值多少钱。另一边 Alphabet 要融 800 亿美元砸 AI 基建，数字大到能说明这轮算力投入还在加码，不是降温。两条消息合在一起看，一边是模型公司急着进公开市场拿钱，一边是云厂商继续往死里投基础设施，AI 烧钱大战远没到收手的时候。
这个 CLI 工具把 Claude Platform 的所有 API 端点都搬到了终端里。你可以直接在命令行调用 Messages API、启动 Claude 托管的智能体，然后把返回结果用管道传给 shell 做后续处理。官方提到，用 Claude Code 这类编码智能体来理解这个 CLI 也没问题。正文没披露性能开销或额外费用，实际用起来会不会增...
推荐理由：Claude Platform CLI 在 HKR 三项上都站得住，是个实用的开发者工具更新。不过公告只给了能力范围，安装流程、权限控制、安全限制和定价都没提，我会先打个折——实际落地好不好用，还得看这些缺口怎么补。
Anthropic 计划将 Mythos 这个专门做网络安全的模型开放给更多地区，覆盖超过 15 个国家，大约 150 家机构会用上。正文被付费墙挡住了，没披露具体是哪些国家、什么时候开始、以及模型本身的技术细节或效果数据。
推荐理由：HKR 三项都过。Mythos 扩张有具体数字和地缘安全话题性，但正文只给了接入范围，没提能力细节、具体国家名单或使用条款，所以放在 featured 低分段。
Claude Code 的工程主管在 Code w/ Claude SF 2026 活动上分享了团队内部的变化。他们把智能体编程（让模型直接写代码、改代码）设为默认工作方式后，砍掉了传统的详细需求文档，改成“即时规划”——在动手前先让 Claude 收集上下文、理清任务。代码审查环节，Claude 会先过一遍代码风格和测试覆盖，人则把精力集中在法律合规...
推荐理由：这是 Anthropic 自家团队在 Code w/ Claude SF 2026 上的分享，不是模型发布或重大产品更新，所以分数压在 80 分左右。亮点在于他们公开了内部怎么用 Claude Code 干活：规划从提前设计改成即时按需，写代码前先让 Claude 把上下文理一遍，审查环节把风格和测试甩给 Claude，人只做法律和安全判断。这些机制写得实在，没有画饼，对工程团队有直接参考价值。但正文没披露具体效率数据或量化对比，所以别当性能报告看。
这篇帖子本身被 Reddit 的安全策略拦住了，正文内容没抓到，只留下一个“被网络安全屏蔽”的提示。从标题和已有的英文摘要看，作者用 LM Studio 的接口测了 20 个小模型，统一在 6GB 显存的 RTX 4050 上跑，每个模型在 1k、8k、32k 三种上下文长度下各测了 5 次速度。目前能看到的唯一具体数据是 unsloth/lfm2.5...
推荐理由：我会先打个折，来源是 Reddit 帖子，权威性一般，但内容本身很实在。作者没搞虚的，就是拿 20 个模型在 LM Studio 里用 6GB 4050 实测，把速度、显存占用都列出来。对想本地跑小模型的人来说，这比看论文里的 A100 数据有用得多。正文没披露测试用的量化精度和具体 prompt，这点信息缺口让结论不能直接照搬，但作为一张低显存显卡的参考表，已经够用了。
Anthropic 正在把自家的安全漏洞项目 Project Glasswing 和模型 Mythos 开放给 15 个国家的 150 家机构，专门盯电力、水务、医疗和通信这些命脉系统。按他们的说法，这些系统一旦被攻击，可能影响上亿人。正文没具体说 Mythos 是直接部署在本地还是通过 API 调用，也没披露这 150 家机构是免费试用还是付费签约，...
推荐理由：HKR 三项全中：规模有、行业有、安全痛点也有。没给更高分是因为正文只说了铺开范围，Mythos 具体怎么控、怎么评、出过什么问题都没提，所以先打个折。
Anthropic 发了新模型 Claude Opus 4.8，主要卖点是 Claude Code 现在能先写一个调度脚本，再同时拉起多个子代理并行处理复杂任务。不过有开发者提醒，这并不证明松散的 multi-agent 架构靠谱，反而是围绕小代理循环的确定性工作流更稳。模型本身被 Simon Willison 评价为“温和但有用的升级”，更诚实、更少...
推荐理由：HKR 三项都成立，因为这是一次有实质内容的 Anthropic/Claude 发布和 Claude Code 代理更新。文章没给基准测试、定价和上下文窗口数据，所以分数压在 85–94 这个区间。
Anthropic 把 Project Glasswing 的合作范围从约 50 家扩到约 150 家新机构，覆盖超过 15 个国家，新增了电力、水务、医疗、通信和硬件等关键基础设施行业。这些机构都有一个共同点：一旦代码库被攻破，影响可能超过 1 亿人。前期合作方用 Claude Mythos Preview 已经扫出超过 1 万个高危或严重漏洞，现在...
推荐理由：Anthropic把Project Glasswing铺到约150个新组织，横跨15个以上国家，HKR三项都有实打实的数字和行业支撑。不过正文没披露具体的安全机制或模型能力变化，所以分数就停在featured低段，先别太激动。
作者用一张 RTX 3090 跑 Qwen3.6-27B，在 47 个多步骤编程工作流里顶替 Claude 试了两周。计划生成的结构合规率大约 95%，但工具调用格式错误率有 12% 左右，而且上下文一超过约 12k token，实际表现就开始明显下滑。正文没披露具体任务难度和对比基准，所以 95% 这个数只能当个参考，别直接当成“接近 Claude”...
推荐理由：这篇值得看，因为它是真人两周实测，不是跑分。作者用一张消费级显卡把 Qwen3.6-27B 塞进多智能体编排里，替换 Claude，给出了能用的上限和会翻车的点。95% schema 合规听着不错，但 12% 工具调用格式错误意味着每八九次就有一次格式炸了，生产环境还得加校验层。长上下文到 12k tokens 就吃力，复杂任务得拆。正文没披露延迟数据和总 token 消耗，这点先别急着算成本账。整体是份诚实的工程笔记，不是公关稿。
Google DeepMind、Anthropic 和 Meta 都在研究 AI 能不能产生意识，以及这对人意味着什么。但正文被付费墙挡了，没披露具体用什么方法、有没有时间表、怎么才算“有意识”的评判标准。
推荐理由：我会先打个折：标题很抓人，但正文几乎没给干货。三家大厂在研究 AI 会不会产生意识，这确实是个能吵起来的话题，安全和对齐方向的人都会关注。可文章没披露他们怎么定义“意识”、用什么实验验证、有没有阶段性结论，连时间表都没有。所以这条只能当个信号看，别太激动。基于信息缺口，重要性停在 72，放在 featured 里提醒大家有这么个动向就够了。
这篇文章本身因为微信环境验证问题，正文内容没能抓取到，所以下面这些判断只能基于标题和摘要来聊。标题说教皇利奥十四世和Anthropic联合创始人Christopher Olah一起发声，预测通用人工智能会在2030年到来，留给人类建立治理框架的时间窗口只有1500天左右。他们提议搞一个类似反洗钱金融行动特别工作组（FATF）的国际审计框架来监管AI。这...
推荐理由：我会先打个折：这不是模型发布也不是硬政策，更像一次高规格的治理喊话和路线图吹风。但它的信息钩子很清晰——2030年AGI、1500天窗口、FATF式审计框架，这些数字和机制让讨论有了抓手，不是空谈。正文没披露具体的技术验证或政策落地细节，所以激动归激动，先别当既定事实看。整体属于值得从业者扫一眼的治理信号，放在featured低位合理。
这套流程把 Claude Code 定位成“高效又聪明的老师”，目标不是替你写完代码，而是确保你能把问题、方案和影响讲清楚、辩得动。它沿着问题域、方案域和语境域三条线，拆成 8 个可执行步骤，用增量教学、用户复述、清单加测验的方式，在进入下一步前先确认你真的懂了。这么设计是为了对抗长会话里人慢慢变成“审批按钮”的问题，强制把决策上下文沉淀下来，让理解过...
推荐理由：我会先打个折：这不是产品发布，是一篇实操分享，所以放在 featured 低位。HKR 三项都踩实了——钩子把“人变按钮”这个痛点讲得很透，知识部分有 8 步工作流和验证循环，相关性直击开发者对 agent 失控的担忧。正文没披露这套流程在复杂项目里的失败率，这点先别太激动，但作为可落地的教程，信息密度够。