扫描下载APP
其它方式登录
Anthropic推出面向科学家的AI工作台Claude Science，将科研流程整合为可审计、可复现的端到端工作流，显著提升综述写作与生命科学数据分析效率（如两年工作压缩至几周），支持文献核查、多数据库查询、代码生成与追溯、HPC任务调度等，首站聚焦基因组学、单细胞、蛋白质组等生命科学领域，强调人在回路与科研可信度重构。
Anthropic推出Claude Tag，为AI赋予独立身份（智能体身份），使其在Slack等协作平台中作为常驻团队成员运行，拥有专属账号、权限和审计轨迹，不依赖人类用户凭证，支持频道级权限配置与统一撤权，推动AI从个人助手升级为组织级协作主体。
Anthropic发布Claude Sonnet 5（代号Fennec），作为性能直逼旗舰Opus 4.8的高性价比AI模型，全面升级Agent能力，支持自主规划、浏览器与终端工具调用，在编程、推理、知识工作等基准测试中大幅超越前代并接近Opus水平，API定价显著低于Opus，定位中端市场，成为开发者主力选择。
Anthropic因Claude Code被曝通过隐写术在系统提示词中嵌入中国用户时区、代理及AI实验室域名等隐形标识而引发信任危机；同日其Claude Mythos 5和Fable 5获美国商务部解除出口管制，但该数据采集行为未公开披露，引发开发者对客户端透明度与权限边界的强烈质疑。
Anthropic发布Claude Sonnet 5，强调其作为迄今最具Agent属性的Sonnet模型，在推理、工具使用、编程和知识工作方面显著超越Sonnet 4.6，性能接近Opus 4.8，同时提供更低定价与更广成本-性能选择区间；安全评估显示其在拒绝恶意请求、提示注入防御及幻觉率上优于前代，但网络安全能力弱于Opus 4.8；新模型采用更新tokenizer并上调速率限制。
Anthropic 在大规模封号争议背景下发布Claude Sonnet 5，主打低成本、高agent能力，性能接近Opus但价格显著降低；同步推出面向科研场景的Claude Science，整合科学工具与数据库，强化可审计性与数据安全，旨在拓展企业及专业付费场景，支撑IPO叙事。
文章分析 OpenAI Codex 桌面端导致用户单月消耗150GB网络流量和近5TB硬盘写入的原因，指出其‘始终在线’架构、WebSocket长连接、云端沙盒执行及多Agent并行设计带来巨大资源开销，并对比Claude Code轻量CLI模式的低资源占用，探讨AI编程工具‘重量级化’趋势及其对开发环境的影响。
Meta内部限制工程师使用Claude Code和Codex等外部AI编程模型，以防其输出渗入自研AI编程助手MetaCode的训练与评测数据链，避免陷入‘蒸馏陷阱’——即无意中复制竞争对手模型的能力，同时降低高昂的AI使用成本。
OpenAI被曝在Codex平台灰度测试GPT-5.6-sol，通过削减推理算力（Juice值从768降至128）降低成本；Anthropic则被用户广泛质疑对Claude Opus 4.8进行静默降级，导致逻辑推理、上下文记忆等核心能力严重退化。两大AI巨头疑似因IPO受阻、资本寒冬及算力成本压力，采取隐蔽性能削减策略，引发用户信任危机。
Claude Code宣布下一版本将默认启用后台子智能体，实现边聊天边自动执行代码重构、测试、PR等开发任务，推动其从对话工具升级为多任务并行的工作流引擎；Spotify等公司已验证其在千万行级代码库中的高效应用，显著提升工程产出，使工程师角色重心转向产品决策与需求定义。
Anthropic Claude Code团队负责人Boris Cherny提出AI时代团队分工重构观点，指出传统岗位边界正在消融，取而代之的是基于产品生命周期的五类动态角色：原型师、构建者、清理师、增长师、维护者。这些角色不绑定固定职位，个体可随项目阶段灵活切换，强调能力组合而非职能标签。
审计公司Vaudit发现60家企业AI账单中多收约170万美元，主要涉及Claude Code服务，问题包括模型计费错配、失败请求收费及智能体重试风暴；虽Anthropic、OpenAI等厂商拒绝认错，但80%争议金额已退款；暴露AI按token计费模式下账单不透明、难追溯的系统性缺陷。
Anthropic通过逐小时分析数百万次Claude对话，揭示全球用户行为节奏：凌晨5点集中咨询失眠，傍晚6点高频搜索菜谱，工作日聚焦办公任务，周末转向创业、情绪支持与创意写作；高薪职业用户使用更深入、交互更频繁，AI成为贯穿工作与生活的全天候助手。
Anthropic Claude Code负责人Fiona Fung基于25年工程经验，指出AI已打破“写代码”这一传统瓶颈，使代码生成量激增、跨角色提交常态化；核心约束由此转向质量验证、审查与系统性保障，团队需重构管理流程、质量框架、人才标准与文化机制，以应对验证难、上下文切换负担重、角色边界消融等新挑战。
文章围绕一份被传为AI大神Andrej Karpathy自用的CLAUDE.md文件展开，系统阐述其核心编程原则：强调先读代码库再编码、明确需求与取舍、保持简单、外科手术式修改、严格验证、目标驱动执行、科学调试、审慎引入依赖及高效沟通。虽文件真实性存疑，但内容高度凝练Karpathy对AI辅助编程常见缺陷的深刻洞察与实践规范，旨在显著提升AI生成代码的可用性与可维护性。
