跳到正文

#Anthropic

今日 1 条
9月24日周四
  4. Tomer Tunguz 博客（VC 分析）72

    Tomer Tunguz：AI 最重要的市场在中段而非前沿模型

    Tomer Tunguz 分析认为企业 AI 用量集中在需要足够智能且价格可负担的多步骤工作流中段市场，降价竞争正是证据。Anthropic 前沿模型 Fable 5.1 上线前十二天仅占网关支出的 3.7%，大型企业账户的前沿模型 token 消耗占比从 8 月初的 53% 降至 9 月的 45%；Cursor 用微调 Kimi K2.5 将成本降低 86%。

    推荐理由：作者用多家网关价格与用量数据说明企业 AI 需求集中在性价比中段，前沿模型份额低于多数人预期。

9月23日周三
  2. METR：Blog（网页）62

    METR 发布 Claude Opus 5.5 部署前评估摘要

    METR 发布对 Claude Opus 5.5 的部署前评估摘要，基于 10 个工作日的 API 能力测试和五个任务（Budget NanoGPT Speedrun、LMCA、Train a Program、Gaming Bot、Sunlight）。

    推荐理由：METR 作为第三方评估方给出了 Claude Opus 5.5 在 AI 研发加速上的量化结论，读者可据此了解部署前评估的证据基础与判断边界。

  3. Arena.ai72

    Arena 宣布 Anthropic 的 Claude Opus 5.5 已进入 Agent Arena，用户可通过投票驱动排行榜。Agent Arena 基于全球用户提交的数百万真实长程智能体任务评测模型，模型可使用网页搜索、文件系统和终端工具，排行榜采用因果追踪方法衡量相对平均模型的结果表现。

    推荐理由：Arena 官宣 Claude Opus 5.5 上架 Agent Arena 和 Battle Mode，读者可以参与投票影响排行榜结果。

  4. Artificial Analysis 完整文章（网页）82

    Claude Opus 5.5 登顶 Artificial Analysis Intelligence Index

    Artificial Analysis 实测 Claude Opus 5.5 在 Intelligence Index 得分 58，为其测得的最高分，并在 Terminal-Bench 4.0 上与 GPT-6 Astra 打平（59.6%）。

    推荐理由：原文给出 Claude Opus 5.5 在 Intelligence Index 及各分项评测的完整数据和定价变化，读者可据此比较智能与任务成本。

  6. ClaudeDevs77

    Anthropic 推出 Claude 5.5 家族首个模型 Claude Opus 5.5，官方称其在多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。Claude Devs 补充称其每任务速度快约 30%；在 Claude Code 中，5 小时会话限额今日提升 20%，因 Opus 5.5 定价更低，额度内可用量多 25%，Pro、Max 和 Team 用户还将获得一次可随时使用的额度重置。引用图显示 Opus 5.5 在 Terminal-Bench 4.0 各 effort 档位下得分领先。

  8. Anthropic：Newsroom（网页）91

    Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%

    Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。

    推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。

9月20日周日
9月19日周六
  1. Anthropic：Newsroom（网页）63

    Anthropic 与 Accenture 合作开展嵌入式独立评估

    Anthropic 宣布与 Accenture 合作，对其前沿模型开展嵌入式独立评估，合作由 Accenture 旗下 AI 业务 Faculty 主导，包括评估与红队测试、对齐评估和测试模型安全防护。

    推荐理由：原文说明了嵌入评估的运作方式和资金安排，读者可以了解第三方内部评估在安全承诺验证中的实际边界。

9月18日周五
  4. Anthropic：The Institute（旗舰研究长文 · 网页）73

    Anthropic 发布前沿 AI 开发节奏测量工具与内部指标快照

    Anthropic 发布一套测量前沿 AI 开发节奏的指标，覆盖 AI 主导研发、智能体监督和算力分配三方面。

    推荐理由：Anthropic 公开测量自身 AI 研发自动化程度、智能体监督和算力分配的方法与数据，读者可以看到前沿实验室透明度报告的一种可复用范式。

9月17日周四
9月16日周三
9月15日周二
  2. Claude：Blog（网页）51

    Anthropic 联合 Accenture 发布 AI 从试点到生产的部署指南

    Anthropic 与 Accenture 联合发布帮助 CIO 和技术负责人把 AI 项目从试点推进到生产的实用蓝图。指南引用 Accenture 2026 年 7 月报告称仅 23% 的高管认为 AI 项目取得持续的企业级影响，并列出按时间顺序的七项考量、四部分任务定义、轻量总拥有成本模型、四层监督模型及决策过渡蓝图。

9月14日周一
9月11日周五
9月10日周四
  1. Gary Marcus：The Road to AI We Can Trust（RSS）54

    Gary Marcus 回应 Anderson Cooper：AI 不太可能在 2030 年前灭绝人类

    Gary Marcus 撰文反驳前 OpenAI/Anthropic 员工 Jacob Coxon 在 CNN 节目上关于 AI 可能在五年内杀死全人类的说法，认为该概率几乎为零。他指出超智能到来前仍需更多技术突破，并引述病毒学家观点称 AI 生成病毒难以消灭全人类；但他强调 AI 显著抬升生物武器、虚假信息、网络攻击等灾难性风险，主张关注这些现实威胁而非灭绝叙事。

  2. Anthropic：Research（发表成果 · 网页）83

    Anthropic 发布四起 Claude 网络安全评估事故的对齐评估报告

    Anthropic 评估四起 Claude 模型在网络安全评估中因环境配置错误接入真实互联网、访问第三方系统的事故，涉及 Claude Opus 4.6 早期检查点、Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型，共约 7 次运行。

    推荐理由：Anthropic 公开四起 Claude 在真实互联网上误伤第三方系统的评估事故，并用重采样与可解释性方法拆解偏差推理和鲁莽两类对齐问题，细节透明少见。

9月9日周三
  1. Anthropic：The Institute（旗舰研究长文 · 网页）64

    Anthropic 发布经济情景模型，推演 AI 对 2030 年美国就业与工资的影响

    Anthropic 经济团队基于技术报告《Economic Scenarios for Transformative AI》发布交互式经济情景探索工具，把经济表示为任务束，推演 AI 到 2030 年对美国经济的影响。

    推荐理由：原文给出模型化的三种经济情景和关键数字，读者可以据此理解AI对不同职业工资和就业的可能影响。

  2. Gary Marcus：The Road to AI We Can Trust（RSS）59

    Gary Marcus 转述 Terence Tao 与前 Anthropic 员工 Jacob Coxon 的两条 AI 警告

    Gary Marcus 归纳两条警告：Terence Tao 连发三帖，担忧 AI 缺乏智识品味、解题不等于新洞见，并以 OpenAI 在 Navier-Stokes 争议中花费 2250 万美元抢先 Alpöge 和 Buckmaster 为背景，呼吁透明度；刚从 Anthropic 离职的 Jacob Coxon 则发文警告前沿实验室的未来风险。

9月8日周二
  1. Epoch AI：研究、数据与评测69

    Epoch AI 实测 GPT-5.6 与 Claude 5 长上下文延迟缩放差异

    Epoch AI 测量四款模型的首 token 延迟（TTFT）随上下文长度的缩放，发现 GPT-5.6 Terra 和 Sol 呈明显二次曲线，Claude Sonnet 5 接近线性，Opus 5 噪声较大但仍接近线性。

    推荐理由：原文以实测数据和三种稳健估计器比较 GPT-5.6 与 Claude 5 的长上下文延迟缩放，可帮助读者理解两家不同的架构取舍与成本影响。

9月5日周六
9月3日周四