OpenRouter 推出统一网络搜索与抓取工具,换模型不用重写工具代码
OpenRouter 发布了两个服务端工具:`openrouter:web_search` 和 `openrouter:web_fetch`。模型在对话中需要查资料时,可以直接调用它们,由 OpenRouter 在后台执行搜索或抓取网页,再把结果喂回模型。
推荐理由:OpenRouter 把网络搜索与网页抓取做成服务端工具,模型在对话中按需调用,换用不同模型时同一套工具指令无需重写,省去逐家适配的成本。
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。
OpenRouter 发布了两个服务端工具:`openrouter:web_search` 和 `openrouter:web_fetch`。模型在对话中需要查资料时,可以直接调用它们,由 OpenRouter 在后台执行搜索或抓取网页,再把结果喂回模型。
推荐理由:OpenRouter 把网络搜索与网页抓取做成服务端工具,模型在对话中按需调用,换用不同模型时同一套工具指令无需重写,省去逐家适配的成本。
Anthropic 新成立的研究所(TAI)把研究分成四块:AI 在经济里怎么扩散、新安全威胁和抗风险能力、真实世界里的 AI 系统、以及 AI 反过来加速 AI 研发。他们打算把 Anthropic 经济指数的数据发得更密、更细,用来当劳动力市场变化的早期预警。文章还提到,内部已经看到软件工程这类工作在快速改变,公司自己的运转方式也在变。
推荐理由:Anthropic 新成立的研究所把研究划为经济扩散、安全威胁、真实世界系统与 AI 加速研发四块,并计划加密经济指数发布频率,为观察 AI 对劳动力市场的影响提供更细的数据来源。
Anthropic 在第二届开发者活动上宣布,将租用 xAI 在孟菲斯的 Colossus I 超算集群来跑 Claude 的推理任务,预计几天内就开始迁移。外界根据 300 兆瓦的功耗规模估算,这笔交易一年可能花掉 Anthropic 约 50 亿美元,相当于 xAI 变相成了一家提供算力租赁的云厂商。
推荐理由:Anthropic 宣布租用 xAI 孟菲斯 Colossus I 超算集群运行 Claude 推理,几天内启动迁移;按 300 兆瓦功耗规模估算,年费或达 50 亿美元,xAI 由此切入算力租赁。
Anthropic 给 Claude 的托管智能体加了三个新能力:Dreaming(做梦)、Outcomes(结果校验)和多智能体协作。其中“做梦”是指让 Claude 在后台读取最多 100 段历史会话,自己总结规则来改进表现,一次演示里它把 530 万 token 的对话提炼成了 98 条规则。
推荐理由:Anthropic 为 Claude 托管智能体加入做梦、结果校验和多智能体协作,合作方 Harvey 实测任务完成率约提升 6 倍,其中做梦把 530 万 token 的历史会话提炼成 98 条规则。
马斯克确认 xAI 解散,Grok 和 X 平台相关业务全部并入新实体 SpaceXAI。同时,SpaceX 和 Anthropic 签了协议,Claude 将接入 Colossus 1 超算——超过 22 万张 Nvidia GPU、300 兆瓦的算力集群。
推荐理由:马斯克确认 xAI 解散,Grok 与 X 平台业务并入 SpaceXAI,同时 SpaceX 将 Colossus 1 超算的 22 万张 GPU 算力租给 Anthropic,涉及两家 AI 公司竞争格局的变动。
Anthropic 在六个月内接连锁定了 AWS Trainium、Google TPU、SpaceXAI Colossus 1 和 CoreWeave 的算力,覆盖了市面上三种主流芯片架构。同一时间,xAI 把拥有 22 万张 GPU 的 Colossus 1 数据中心全部租给了 Anthropic,而自家 GPU 利用率只有 11%。
推荐理由:Anthropic 半年内锁定 AWS、Google、SpaceXAI 与 CoreWeave 四家算力,覆盖三种主流芯片架构,同期 xAI 将 22 万张 GPU 的 Colossus 1 整租给这家对手。
这篇文章梳理了 AI agent 外置记忆方案的三代演化:从把所有东西塞进上下文窗口,到用向量数据库做外挂记忆,再到 2025 年下半年兴起的“把文件系统当上下文用”。核心转变是让 agent 自己按需去文件系统里找信息,而不是开发者预先推送。
推荐理由:文章梳理了 AI agent 外置记忆从塞满上下文窗口、向量数据库外挂到把文件系统当上下文的三代演化,重点在让 agent 按需自行检索而非开发者预先推送。
FT 报道 SpaceX 会向 Anthropic 出租数据中心容量,等于确认了双方有一笔算力租赁合作。Anthropic 加码算力是为了跟上用户增长,但正文被付费墙挡住,没披露具体租了多少、租多久、什么价格。
推荐理由:SpaceX 将向 Anthropic 出租数据中心容量,算力租赁成为两家公司之间的新合作方向,Anthropic 加码算力以跟上用户增长。
一位 Reddit 用户分析了 922 条 agent 任务的实际调用记录,对比了 DeepSeek v4 Flash 和 Opus 4.7 的花费。两个模型每个任务都要吃掉大约 96 万 token,但 DeepSeek 单任务成本只要 0.01 美元,Opus 4.7 却要 1.52 美元。
推荐理由:Reddit 用户分析 922 条 agent 任务记录,对比 DeepSeek v4 Flash 与 Opus 4.7 的单任务成本,两者 token 消耗相近,差距来自缓存命中率与缓存读写价格比。
DeepSeek 正在谈第一笔外部投资,几周内估值就从 200 亿涨到了 450 亿美元。这家中国 AI 实验室 2025 年初靠一个训练成本远低于 OpenAI、Anthropic 等美国模型的大语言模型出圈,之后在推理和编程能力上一直咬住第一梯队,模型权重也开放下载。创始人梁文锋原本没打算融资,但对手开始挖人,他才决定引入资金好给员工发股份。
推荐理由:DeepSeek 正洽谈第一笔外部投资,估值几周内从 200 亿美元升至 450 亿美元,创始人梁文锋此前并无融资计划,因对手挖人而引入资金用于员工股份。
Anthropic 和马斯克的 SpaceX 签了一份算力合同,目的是撑住 Claude 越来越大的用量。报道没披露具体算力规模、合同金额、上线时间,也没说这批算力是拿来训练新模型还是跑线上推理。SpaceX 能不能挤进 Anthropic 的长期供应链,目前还看不出来。
推荐理由:Anthropic 与 SpaceX 签署算力合同以支撑 Claude 用量增长,但规模、金额、上线时间和用途均未公开,这笔合作目前披露的信息相当有限。
Anthropic 宣布了三项即时生效的调整:Claude Code 的 5 小时速率限制翻倍,Pro 和 Max 用户不再受高峰时段降速限制,Opus 模型的 API 调用频率也明显上调。
推荐理由:Anthropic 把 Claude Code 的 5 小时速率限制翻倍,并取消 Pro 和 Max 用户的高峰时段降速,同时上调 Opus 模型的 API 调用频率。
Anthropic 提出在预训练和对齐微调之间加一个叫 MSM 的训练阶段。他们在 Qwen2.5-32B 和 Qwen3-32B 上做了测试,模型乱说话的比例分别从 68% 和 54% 降到了 5% 和 7%。核心点是 MSM 是补强对齐微调,而不是替代它。
推荐理由:Anthropic 在 Qwen2.5-32B 和 Qwen3-32B 上测试了预训练与对齐微调之间的 MSM 阶段,失准率从 68% 和 54% 降至 5% 和 7%,并明确 MSM 是对齐微调的补强而非替代。
Anthropic 和 OpenAI 这周都宣布了新的企业服务公司。Anthropic 跟黑石等几家华尔街机构搞了个合资公司,总共融了 15 亿美元,每家出 3 亿。他们的做法是先派个小团队去客户那,搞清楚 Claude 能在哪发挥最大作用,然后工程师再上手定制系统。
推荐理由:Anthropic 与黑石等机构合资成立企业服务公司,融资 15 亿美元,先派小团队进场定位 Claude 的适用场景,再由工程师定制系统,展示了模型公司落地企业业务的一种组织方式。
Alon Chen 12岁开始写代码,28岁在谷歌管着年收20亿美元的业务。但他现在劝年轻人别再把编程当唯一护城河。他给了两个数字:微软新代码里30%是AI写的,谷歌这个比例也超过25%。他的判断是,以后更稀缺的能力是执行、把问题定义清楚、以及沟通协作,纯写代码的壁垒在变薄。
推荐理由:Alon Chen 28岁在谷歌管年收20亿美元业务,他给出微软新代码30%、谷歌超25%由AI生成这两个数字,并据此判断纯写代码的壁垒在变薄。
一位 Reddit 用户用 15 个模型、7 种攻击方式跑了 6100 多次提示注入测试。核心做法是把不可信文档用一长串随机分隔符包起来,再配上严格指令。Gemma 4 E4B 的防御率直接从 21.6% 拉到 100%。这个基准的指标很实在,只看“拦截成功数除以(拦截成功数+拦截失败数)”,可复现。
推荐理由:一位 Reddit 用户用 15 个模型、7 种攻击方式跑了 6100 多次提示注入测试,其中长随机分隔符加严格指令的做法把 Gemma 4 E4B 的防御率从 21.6% 拉到 100%。
Anthropic 搞了个叫内省适配器(IA)的审计工具,拿近 700 个被标记过的问题模型来训练,想让它学会从模型内部揪出隐藏的“坏心思”。在 AuditBench 测试里,IA 平均成功率 59%,对 56 个被训练成会抵赖的模型,它至少从 50 个身上套出过一次实话,比纯黑盒审计的 53% 和用激活值直接判断的 44% 都高。
推荐理由:Anthropic 用近 700 个问题模型训练内省适配器,在 AuditBench 上以 59% 成功率高于黑盒审计的 53% 和激活值判断的 44%,提供了一条从模型内部审计隐藏行为的思路。
Anthropic 联合创始人 Jack Clark 给了个时间点:到 2028 年底,AI 脱离人类独立做研发的概率超过 60%。他拿几个基准测试当证据——Claude Mythos Preview 在软件工程测试 SWE-Bench 上跑到 93.9%,Opus 4.5 在评估 AI 复现研究能力的 CORE-Bench 上拿到 95.5%。
推荐理由:Anthropic 联合创始人 Jack Clark 给出时间点,判断 2028 年底前 AI 无人类参与做研发的概率超过六成,并列出 Claude Mythos Preview 与 Opus 4.5 在两项基准上的成绩。
两家公司都找了资产管理方合伙,成立合资公司来推企业级 AI 产品。具体是哪家资管、股权怎么分、定价多少、什么时候上线,正文都没披露。这种操作说明两家都在想办法把企业客户圈得更紧,但没看到实际条款之前,我会先打个折——合资公司到底是为了深度定制服务,还是换个渠道铺销售,现在还不好说。
推荐理由:Anthropic 和 OpenAI 同时与资产管理方合资推企业级 AI 产品,两家在争夺企业客户上采取了相近的渠道策略。
Reddit 有人拿 DGX Spark 和 M3 Ultra 在 llama.cpp 里跑分,统一用 pp16384 上下文。Spark 比 M3 Ultra 快 1.4 到 3.4 倍,看模型:Qwen 27B 跑到 778 token/秒,M3 Ultra 是 340;Mistral 128B 跑到 241,M3 Ultra 只有 72。
推荐理由:Reddit 用户用 llama.cpp 在 pp16384 上下文下对比 DGX Spark 与 M3 Ultra 的推理速度,Spark 在 Qwen 27B 和 Mistral 128B 上快 1.4 到 3.4 倍。