跳到正文
#Anthropic
7月25日周六
  2. Rohan Paul54

    GPT-5.6 Sol 在 DeepSWE 基准测试中取得 72.7% 的成绩，领先于 Claude Opus 5 的 68.8%。DeepSWE 测试模型在陌生代码库中自主完成功能开发或 Bug 修复的能力。

    引用Rohan Paul@rohanpaul_ai

    Anthropic launched Claude Opus 5 at half the price of its most powerful model Fable 5, while at the same time beating Feble 5 in almost all benchmarks. Costs the same as Opus 4.8, $5/$25 per mn input/ output tokens, but exactly half as much as Fable 5. Frankly I am trying to figure out at this price of Opus 5 and with this great benchmark result why would I ever need to use Fable 5. Opus 5 also has less restrictive cyber classifiers than Fable, automatic fallback options, mid-conversation tool changes and no special data-retention requirement for general access. The cheaper model is winning specifically on economically valuable activities—coding, operating computers, research and completing business processes—not merely trivia or academic question answering. Anthropic repeatedly describes Opus 5 as more willing to verify, recover and continue until a task is actually complete. Examples include: - Creating its own computer-vision pipeline to reconstruct a 3D machine component from raw pixels - Finding the root cause of an open-source bug and fixing an edge case missed by the existing community patch - Building a market-data integration and then creating its own test harness when no live validation feed was available - Completing Zapier’s full churn-prevention workflow when previous models failed These are signs of adaptive problem-solving: the model notices that a required capability or validation mechanism is missing and constructs one instead of stopping. Anthropic also describes Opus 5 as more thorough about validating its work and recovering when necessary. The launch gives examples in which it constructed its own vision pipeline, identified the underlying cause of a software bug and built a test harness when no live data feed existed. That is potentially more commercially meaningful than a modest benchmark gain. An agent that finishes 70% of jobs without intervention can be dramatically more valuable than one that produces slightly better individual responses but frequently stalls. GPT-5.6 Sol leads DeepSWE: 72.7% versus Opus 5’s 68.8%

  4. Rohan Paul54

    Anthropic 推出 Claude Opus 5，输入/输出价格分别为 $5/$25 每百万 token，仅为 Fable 5 的一半，但在几乎所有基准测试中击败后者。该模型在编码、操作计算机、研究等经济价值高的任务上表现更优，且具备更宽松的网络分类器和自动回退选项。

    引用Claude@claudeai

    隆重推出 Claude Opus 5。 这是一个深思熟虑且主动的模型，以一半的价格接近 Fable 5 的前沿智能。

  5. Claude：Blog61

    Claude Design 产品设计师 Nate Parrott 分享如何用其探索视觉创意

    Anthropic 产品设计师 Nate Parrott 分享了他在 Claude Design（beta 版）中利用 HTML 交互能力进行产品原型、幻灯片、动画等视觉创意探索与迭代的方法。他将 Anthropic 品牌规范提炼为提示词，使输出自动符合品牌指南。Claude Design 不包含图像模型，不适合 Logo 设计，但可与 Claude Code 协同工作，将早期创意与生产开发衔接。

  11. Google AI：DEV 作者专属46

    Claude Opus 5 在 Google Agent Platform 上线

    Anthropic 的 Claude Opus 5 已正式登陆 Google Cloud Agent Platform 的 Model Garden。该模型专为高度复杂、长时间运行的智能体工作流设计，在编程、视觉和深度推理方面具备先进能力。使用 Claude Opus 5 时，数据保留在用户私有 Google Cloud 网络内，通过 IAM 控制访问，并支持零数据保留（ZDR），确保企业级安全。

  14. Claude：Blog65

    Claude 5 代模型上下文工程新规则：Claude Code 系统提示词精简超 80%

    Anthropic 为 Claude Opus 5 和 Claude Fable 5 等新一代模型删除了 Claude Code 超过 80% 的系统提示词，且编码评测无显著损失。

    推荐理由：Anthropic 官方首次分享他们为 Claude 5 代模型移除了 Claude Code 80% 系统提示的实践，五条新规则颠覆了旧有的提示工程常识，每个用 Claude Code 或自建 agent 的开发者都该对照看看自己的系统提示是否在「过度约束」模型。

  16. TechCrunch：AI69

    Anthropic 发布 Opus 5，性能超越 Fable 5 且限制更少

    Anthropic 推出 Opus 5，这是其旗舰模型的最新版本。Opus 5 在多项基准测试中超越 Fable 5，且不受 Fable 和 Mythos 的 30 天数据保留政策限制，价格更低、限制更少。新模型还引入了 Automatic Fallbacks 测试功能，可在触发安全分类器时自动将请求路由至较弱模型，避免返回错误信息。

  17. Anthropic：Newsroom92

    Anthropic 发布 Claude Opus 5

    Anthropic 发布 Claude Opus 5，其智能水平接近 Claude Fable 5，但价格减半。该模型在 Frontier-Bench v0.1 上性能超过 Opus 4.8 两倍以上，在 ARC-AGI 3 上得分是次优模型的三倍。Opus 5 即日起成为 Claude Max 的默认模型和 Claude Pro 的最强模型。

    推荐理由：Anthropic 这次把 Opus 的性价比条拉满了，性能翻倍价格减半，实际编码和知识工作基准已经超越所有模型。最打动我的是它自查自纠的严谨，写代码像真开发者一样审自己的页面，这种责任心以前只在人身上见过。

  19. Adam Wolff75

    Claude Opus 5 已在 Claude Code 上线。作者 Adam Wolff 表示大项目仍用 Fable，需要快速产出 PR 时用 medium effort 的 Opus 5；引用的官方介绍称 Opus 5 接近 Fable 5 的前沿智能，价格为其一半。

    引用Claude@claudeai

    隆重推出 Claude Opus 5。 这是一个深思熟虑且主动的模型，以一半的价格接近 Fable 5 的前沿智能。

    推荐理由：Claude Code 员工分享了 Opus 5 的实际使用场景，读者可参考不同模型在大小项目间的搭配方式。

7月24日周五
  1. Anthropic：Research73

    Anthropic 联合 Andon Labs 发布 Drone-Bench，评估 AI 模型自主操控无人机执行定位追踪任务的能力

    Anthropic 与 Andon Labs 合作推出 Drone-Bench，用于测试 AI 模型自主操控四旋翼无人机在室内环境中定位并追踪指定人员的能力。该基准将任务分解为 3D 地图重建、定位、导航、目标检测与跟随五个子任务，并通过软件复现实现快速评估。实验表明，该任务链的难度足以区分不同智能水平的模型，并揭示 AI 在物理世界操控能力上的进步轨迹。

    推荐理由：Anthropic首次公开AI端到端控制无人机执行监视任务，Fable 5仅因3D重建瑕疵未能全通。六个月内模型一致性突飞猛进，安全压力比技术潜力更紧迫。

  2. Anthropic：Claude.dev 开发者博客78

    Anthropic 讲解 Claude 5 系列模型的上下文工程新规则

    Anthropic 员工 Thariq Shihipar 介绍为 Claude 5 系列模型（如 Claude Opus 5 和 Claude Fable 5）做上下文工程的新方法：团队为这些模型删除了 Claude Code 超过 80% 的系统提示词，在编码评测上没有可测量的损失。

    推荐理由：作者分享了为 Claude 5 系列模型做上下文工程的新原则，并给出可直接套用到 CLAUDE.md、Skills 和引用文件的落地建议。

  3. The Decoder：AI News56

    Claude 语音模式现已支持 Opus 和 Sonnet 模型

    Anthropic 将 Claude 语音模式扩展至更强大的 Opus 和 Sonnet 模型，用户可在移动端、桌面端和网页聊天中随时切换模型。该模式支持 11 种语言，并能调用 Gmail、Google Calendar 等外部工具通过语音撰写和发送邮件。Anthropic 是目前唯一允许用户在语音模式下直接保存邮件的提供商。

  4. The Decoder：AI News73

    Kimi K3 在网络安全漏洞利用测试中大幅落后美国前沿模型，知识蒸馏或为原因

    英国AI安全研究所与美国AI标准与创新中心联合评估显示，月之暗面的Kimi K3在ExploitBench基准上得分32.2%，远低于美国领先模型的76.2%，但优于智谱GLM-5.2的24.4%。

    推荐理由：英美安全机构的联合评测把蒸馏嫌疑拽到了台面上，Kimi K3 的漏洞利用能力仅为美国前沿模型四成，安全评估不能只看通用基准，开源模型的安全面具该摘了。

  6. IT之家·人工智能52

    Claude Opus、Sonnet 模型现已支持语音模式，对话深度与任务执行能力提升

    Anthropic 将 Claude Opus 和 Sonnet 模型纳入语音模式，此前仅支持 Haiku。更强模型能提供更深入的回答、分析，并可直接执行任务，如整理推介方案或重新安排日历。用户可在同一对话中自由切换文字与语音，并随时更换模型；语音模式新增法语、德语、日语等语言支持。

  7. TechCrunch：AI59

    AI 护栏阻碍进攻性网络安全研究人员的工作

    Anthropic 和 OpenAI 等 AI 巨头为限制模型被恶意利用而设置的严格护栏，正妨碍进攻性网络安全研究人员寻找漏洞和开发利用代码。研究人员被迫花费大量时间与模型“谈判”而非分析漏洞，或转向无护栏的开源模型。部分研究者因担心数据泄露，仅将云端前沿模型用于逆向工程，而将漏洞发现等核心工作交由本地开源模型完成。

  9. Claude Platform：开发者版本说明78

    Anthropic 推出 Claude Managed Agents 公测版及 ant CLI 工具

    Anthropic 在 Claude Platform 发布说明中宣布推出两项新功能：一是 Claude Managed Agents 进入公开测试阶段，这是一个全托管的 Agent 运行环境，提供安全沙箱、内置工具和服务器发送事件流式传输，支持通过 API 创建代理和配置容器；二是发布了 ant CLI，这是 Claude API 的命令行客户端，支持与 Claude Code 原生集成及 YAML 格式的资源版本管理。使用 Managed Agents 需添加特定 Beta Header。

  11. Rohan Paul53

    Anthropic升级Claude语音模式，现支持Claude Opus、Sonnet和Haiku三款模型，可在对话中切换模型且不丢失上下文。语音模式新增连接Gmail、日历、Slack、Canva和Notion等工具，通过语音执行移动会议、起草邮件等操作。该功能支持10种语言，覆盖移动端、桌面端和网页端，免费用户仍限用Haiku及一个连接工具。

    引用Claude@claudeai

    Voice mode now runs on Claude's more capable models and reaches the tools you've connected mid-conversation. Talk through the hard problems out loud, in many more languages.

  13. Claude：Blog75

    Claude 语音模式现已支持 Opus、Sonnet 及连接工具与多语言

    即日起，Claude 语音模式在 Opus、Sonnet 和 Haiku 上运行，并支持连接 Gmail、Slack 等工具及更多语言。用户可在对话中切换模型，语音模式默认沿用上次文本聊天使用的模型。该功能面向所有用户开放 beta 测试，免费版可使用 Haiku 及一个连接工具，付费版可访问更多模型和全部连接工具。

    推荐理由：Claude 语音模式终于能调用最强模型了，深度思考不再受限于轻量版，加上工具集成和多语言，移动端从随口问答升级为实时脑力伙伴，值得立即上手。

  15. The Verge：AI71

    Claude 语音模式现已支持 Opus 和 Sonnet 模型

    Anthropic 将语音模式从 Haiku 扩展至 Opus 和 Sonnet 模型，并接入 Gmail、Slack、Canva 等应用。用户可在对话中自由切换文本与语音模式及模型，例如从 Haiku 快速问答无缝升级至 Opus 深入分析。语音模式新增法语、德语、西班牙语、印地语、印尼语、意大利语、日语、韩语和葡萄牙语支持。

  16. TechCrunch：AI56

    Anthropic 更新 Claude 语音模式，支持更强大模型

    Anthropic 周四更新 Claude 语音模式，用户现可选择 Opus、Sonnet 和 Haiku 模型，系统默认使用用户在文本聊天中最后使用的模型的最快版本。新语音模式支持更长对话，并能调用 Gmail、Google Calendar 等应用执行操作。该功能以 Beta 版面向所有平台用户开放，免费用户仅限使用 Haiku 模型并连接一个应用。

  18. Rohan Paul42

    Offloop 的 4 人团队用多智能体系统在 GDPval 基准上以每任务 $1.65 的成本取得 84.9 分，超越 Claude Code（82.4 分，$14.38/任务）和 Codex（83.3 分，$5.20/任务）。该系统还在 GDP.pdf 和 JobBench 上达到 SOTA，成本仅为竞品的 1/3 到 1/10。

    引用Offloop@Offloop

    In our internal evaluations, Offloop achieved new state of the art results on three benchmarks evaluating professional knowledge work: 84.9 on GDPval, 44 on GDP.pdf, 67.2 on JobBench - each ahead of Codex and Claude Code, at 1/3 to 1/10 of their cost per task. Lower cost per completed task means agents you can leave running, more tasks per dollar, and margins that survive scale.