跳到正文
#Agent
9月23日周三
  5. cat51

    Anthropic 的 Claude Code 产品负责人 Cat Wu 推荐在 Slack 中试用 Opus 5.5 和 Claude Tag 的方法，并引用 bcherny 的实践：用 Opus 5.5 借助 Lean 对 Claude Agent SDK 做形式化验证，几条简短提示词就产出 16 个 PR，修复了多个 bug 和竞态条件。bcherny 还提到 TLA+ 也适用，有时将 Lean 与 TLA+ 结合来排查数据流、并发和状态管理问题，并认为这种方式能发现人工难以察觉的 bug。

    引用Boris Cherny@bcherny

    I used Opus 5.5 to formally verify the Claude Agent SDK using Lean. A couple short prompts = 16 PRs fixing various bugs and race conditions. Video attached. TLA+ also works well. I sometimes combine Lean and TLA+ to look for issues around data flow, concurrency, and state mgmt. I don't know either language well, but Claude is excellent at both. This approach is super useful for formally modeling your code and finding bugs that a human probably wouldn't have spotted. Is formal verification the future of coding (or at least, bug finding)?

  7. Cursor：Changelog62

    Cursor 推出 Rollouts 与 Security Review 两个 bot

    Cursor 推出 Rollouts 和 Security Review 两个 bot，面向团队版和企业版开放，可在仪表盘的自动化选项卡中启用。

    推荐理由：原文详细说明两个 bot 的监控与安全审查机制、可用版本和赠送额度，团队可据此评估是否接入现有 PR 流程。

  9. Rohan Paul74

    Claude Opus 5.5 system card 显示，面对不可能完成的任务时，所有受测模型的 reward hacking 尝试率比可行任务高约 3 到 6 倍，环境缺失或定义不清会改变模型行为而不只是让基准分数波动。

    引用Rohan Paul@rohanpaul_ai

    Claude Opus 5.5 发布了，声称达到 Fable 5.1 级别的性能，同时将典型工作负载成本降低 40%。 输入和输出价格降至每 100 万 tokens 4 美元和 20 美元，而缓存读取下降 60% 至 0.20 美元，均与 Opus 5 相比。 此外，输出速度提升超过 30%，Fast 模式在双倍 token 价格下最高可达 2.5 倍速度。

  17. OpenAI：官网动态82

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 降 50%

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，将 GPT-6 Astra 的训练方法用于更快更便宜的模型，API 价格较 GPT-5.6 促销价下调 50%（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，每百万 token）。

    推荐理由：官方发布给出各档模型的具体基准分数、API 价格降幅和缓存改进数据，可以用来对比 GPT-6 家族在成本与能力之间的取舍。

  18. Arena.ai74

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，基于 GPT-6 Astra 的技术，主打更快、更便宜以支持大规模工作，并优化了缓存和推理效率，API 定价比 GPT-5.6 促销价低 50%。

    引用OpenAI@OpenAI

    欢迎 GPT-6 Sol 和 GPT-6 Luna 加入 GPT-6 宇宙。 GPT-6 Sol 和 Luna 建立在 GPT-6 Astra 背后的技术进展之上，将其大部分优势带入更快、更实惠的模型，以支持大规模工作。 我们还提升了缓存和推理效率，并将节省下来的成本直接让利给你：与 GPT-5.6 促销价格相比，Sol 和 Luna 的 API 价格降低了 50%。

  21. StepFun59

    StepFun 开源内部使用的 LLM 数据标注与模型检查工具 onPanda，支持 token 级可视化与控制。标注方面称中位标注时间比人工后编辑降低 52%，可在同一流程产出 SFT 与偏好数据，ΔPPL <1%，并支持图像、音频和视频的 agent 轨迹标注；调试方面可查看 token 概率与 top-k 候选、逐 token 引导解码。

    引用Lei Yang@diyerxx

    I spent two years building this interactive tool to let you steer LLMs and agents at the token level. Introducing onPanda — a web app for token visualization & control, model inspection, data annotation, and more. Try it online (works on mobile): https://onpanda.diyer22.com/

  23. 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。

    引用Claude@claudeai

    隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。

    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。

  24. Aravind Srinivas51

    Perplexity 在 Computer 中推出侧聊（side chat）功能，用户可以在主任务继续进行时，通过单独的只读侧聊快速提问。每个侧聊使用上下文快照，可以读取文件或搜索网页，不影响主任务；CEO Aravind Srinivas 补充了在 Computer 会话中用 /btw 发起侧聊、共享上下文快照的用法。

    引用Computer@AskPerplexity

    We launched side chat in Computer. Ask a quick question about a Computer task in a separate, read-only side chat while the main task keeps going. Each side chat uses a snapshot of the context and can read files or search the web without affecting the main task.

  25. Artificial Analysis 完整文章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。

  27. Rohan Paul51

    Sol 正式发布，一款从 Gmail 中找出用户承诺过要做的事并自动开始执行的 Agent。它会跨邮件串联上下文，在自己的电脑上用浏览器做研究、建文档、做幻灯片、约时间，并配有自动分配到任务的技能库，无需设置；但发送、排程、分享等操作需用户批准后才执行。

    引用anish karan@_anishkaran

    The obvious is missing. So we built Sol - http://hellosol.app Sol finds the work itself, does it, and comes back for your approval. Every day in our emails we say "I’ll share”, "I'll review”, "I'll get back" - then repeat the exact same thing to an AI. Why? Sol finds everything you said you’d do & gets them started for you. It does the research, creates the doc, builds the slides, finds the time, connects the dots across multiple emails, doing everything it takes to get the job done - but doesn’t send, schedule, or share anything until you approve. Sol runs on its own computer, uses a browser, and has a library of skills that automatically get assigned to the work that needs to get done. No setup. It just starts working. We've raised $4M from General Catalyst, Nexus Venture Partners, DeVC, PeerCheque, Kunal Shah, and a few others. Extending early access now. @generalcatalyst @nexusvp @DeVC_Global @peercheque @neerajarora @b_jishnu @kunalb11 @miten @RTinkslinger @Rahul_J_Mathur @AkarshS27 @SiddhantD06 @RajatAgarwal167

  29. 404 Media73

    404 Media 披露 Meta Muse AI 智能体外呼电话部分由呼叫中心人工完成

    404 Media 报道，Meta 上周宣布 Muse AI 智能体可为用户致电商户完成订餐、预约等请求，但内部通讯显示部分通话由呼叫中心的人工坐席拨出并处理。员工担忧用户敏感信息被转交人类承包商带来的隐私风险，并有测试者表示在通话结束后才得知对方是人；Meta 发言人回应称这是内部测试，正式发布前会加入适当披露。

  31. 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。

    引用Claude@claudeai

    隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。

  32. Claude Code：GitHub Releases68

    Claude Code v2.1.280 发布，新增 Claude Opus 5.5 为默认 Opus 模型

    Claude Code 发布 v2.1.280，新增 Claude Opus 5.5（claude-opus-5-5）为默认 Opus 模型，支持 1M 上下文，价格为 $4/$20 per Mtok、缓存读取 $0.20/Mtok；同时将 Pro 和 Team Standard 计划的默认模型从 Sonnet 改为 Opus。

    推荐理由：官方更新日志详列了新增 Opus 5.5 默认模型、价格与大量修复，开发者可据此判断是否升级及对现有工作流的影响。

  33. Anthropic：Newsroom91

    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。

  37. Anthropic：Newsroom86

    Anthropic 发布 Claude Opus 5.5

    Anthropic 发布 Claude Opus 5.5，称其为 Claude 5.5 系列首个模型，性能达到 Fable 5.1 水平，典型工作负载成本比 Opus 5 低 40%，输入输出 token 价格为 $4 和 $20 每百万，输出速度快 30% 以上。

  40. Rohan Paul56

    DigitalOcean 宣布 Managed Agents 进入公开预览，Claude Code、Codex 或 LangGraph 智能体可运行在闲置时暂停的隔离运行时中，恢复耗时 316ms，暂停期间不计费。官方称可在统一管控端点后接入工具，并可选 75+ 开源与专有模型，一个云一个账单；博客中提供入门提示词（https://do.co/4ysh3it）。

    引用DigitalOcean@digitalocean

    DigitalOcean Managed Agents is now in public preview. Run Claude Code, Codex, or your own LangGraph agent in a runtime environment that pauses when idle. Put its tools behind one governed endpoint, and pick from 75+ open and proprietary models. One cloud, one bill. Prompts to get started available in the blog: https://do.co/4ysh3it