跳到正文

#Anthropic

RSS
今日 0 則
11月16日週一
11月14日週六
  1. Artificial Analysis61

    用 AI 助理寫程式時,分數高不一定代表不同工具在同一套測試裡都能公平比較。Artificial Analysis 更新 Coding Agent Index,改用新版 FrontierCode 和 Terminal-Bench 評分;前者看程式修改是否值得專案維護者合併,後者更新了檢查答案的方式,讓評分更可靠,也較不容易被鑽漏洞。新版中 Claude Fable 5.2 和 Claude Opus 5.5 都拿下 58 分;整體分數平均比舊版低 5 分。得分 48 分以上的配置,每項任務成本約差 30 倍,從 $1.51 到 $44.22,顯示比較表現時也要留意花費。

    推薦理由:新版基準讓模型分數平均下降 5 分,並列出不同配置的單項任務成本,方便比較分數與花費之間的差異。

  2. Claude Code Releases56

    Claude Code v2.1.325 修補安全問題並調整許可權與沙箱規則

    Claude Code v2.1.325 修補了 zstd 壓縮回應的解碼安全問題,也調整多種許可權和沙箱規則。部分複合 Bash 指令現在會先要求許可;沙箱中的指令預設也會走一般的許可權流程,若要擴音示執行,可設定 sandbox.autoAllowBashIfSandboxed: true。更新還修正登入、工作階段、MCP 工具和 VS Code 整合等問題,並加強外掛安裝時的安全提醒。

  3. Cisco Talos Blog82

    Cisco Talos 分析 ARTEX 如何加速多起網路攻擊

    攻擊者若把偵察、找漏洞和後續入侵交給自動化工具,防守人員可能來不及發現並阻止。Cisco Talos 分析 ARTEX 及相關攻擊案例:操作者設定目標後,AI 助理會拆分工作、呼叫資安工具,並記錄發現;研究人員也觀察到攻擊者利用外洩憑證、應用程式弱點和雲端設定問題,進一步取得資料或擴大存取。Talos 建議監看異常登入與許可權變更、保護憑證、修補對外系統,並預先準備撤銷憑證和隔離裝置的應變流程。

    推薦理由:Talos 彙整多起 ARTEX 相關活動,呈現自動化工具如何串起弱點利用、憑證濫用與資料外洩,並列出防守方可採取的監測與應變措施。

  4. Arena.ai45

    LMSYS Arena 本週公佈多款模型在不同競賽的表現。Claude Fable 5.2 (Max) 在 Agent Arena 排名第 1,根據 7.8k 次真實使用記錄,淨改善幅度為 +30.5%;Gemini 4 Hydrogen (High) 則是前 10 名中速度最快的模型,每個常見步驟約需 7.3 秒。Muse Ember (Max) 以每項任務 $0.03 的中位成本登上 Code Arena: WebDev 第 37 名;Inkling 2 Small 則以 1647 分拿下該榜開放權重模型第 1。這些排名讓人能比較模型的表現、速度與成本;推文也提到,採用 Apache 2.0 的開放權重即將推出。

  5. Arena.ai50

    Claude Fable 5.2(Max)在 Agent Arena 排名第一;在和 Claude Opus 5.5(Max)都有排名的 10 個類別中,Fable 有 9 類領先,另一類差距小到無法分出高下。Fable 的視覺設計表現特別突出,整體進步分數是 30.48%,視覺設計則是 45.34%;Opus 5.5 分別為 19.51% 和 23.29%。不過,這些分數只顯示誰領先,還無法說明原因,因此發文者接著比較兩個模型在真實使用情境中的表現。

  6. AWS Machine Learning Blog61

    AWS 說明如何追蹤 AI 工具在 Amazon Bedrock 的個人費用並設定支出限制

    公司匯入 AI 程式開發和辦公工具後,常會遇到費用都算在同一個帳號、難以看出誰用了多少的問題。AWS 說明如何用 IAM Identity Center 讓每位使用者以自己的身分呼叫 Amazon Bedrock,再把使用者和團隊標記帶進帳單資料,透過 Athena 查詢各人或各團隊的花費。帳單資料按時段彙整,不能查到每次提示詞的費用;若要逐次檢視,需使用模型呼叫記錄或請求標記。文章也比較幾種支出限制方式:AWS Budgets 設定較簡單,但帳單更新可能延遲;CloudWatch 搭配 Lambda 可較快反應,其他方法則各有維運負擔。

    推薦理由:文章整理 Amazon Bedrock 如何把每次模型呼叫連到使用者身分,並比較不同支出控管方式的延遲與維運負擔,方便規劃企業管理流程。

  7. Anthropic Research72

    Anthropic 說明如何設計更可靠的 AI 安全評測

    要判斷 AI 模型是否安全,不能只看一個分數,因為測驗可能問錯問題、被模型鑽漏洞,或漏掉真實對話中的風險。Anthropic 根據自家經驗整理做法:先說清楚要測什麼,再找領域專家設計貼近真實情況的多輪對話,並用明確規則評分。像是遇到自傷風險時,只看模型有沒有拒答並不夠,也要看它是否有同理地回應並引導使用者尋求真人協助。評分工具也要拿人工判斷來核對,並公開測試設定和結果的不確定範圍,讓其他人知道分數能說明什麼。

    推薦理由:Anthropic整理安全評測從設計、評分到報告的做法,說明如何避免測錯問題,並讓結果更貼近模型在真實對話中的表現。

  8. Arena.ai67

    程式模型進步很快,但使用者也關心回答要花多少錢。Code Arena 分析了 2025 年 12 月到 2026 年 10 月 23 日的榜單和回答成本,發現 7 月到 10 月每月有 12 到 14 個新模型上榜。到了 10 月,Xiaomi 的 MiMo-V2.6-Flash 分數超過 4 月排名第一的 Claude Opus 4.7,價格不到其二十分之一;在回答價格介於 5 cents 到 $1 的比較中,10 月最佳模型對上 4 月最佳模型的估計勝率為 65% 到 80%。

    推薦理由:從 Code Arena 的榜單與回答價格比較,可看出程式模型進步加快,也讓較低成本的選擇開始超越先前的頂尖模型。

11月13日週五
  1. AWS Machine Learning Blog74

    如何以 Amazon Bedrock 和 LiteLLM 建置自助式 LLM 閘道

    AWS 說明如何以 LiteLLM、AWS Fargate 與 Amazon Bedrock Application Inference Profiles 建置自助式 LLM 閘道,讓開發者透過 OpenAI 相容 API 使用模型,並管理個別使用者的成本與用量。

    推薦理由:文章以數百名開發者的部署經驗,說明閘道在成本控管、長請求逾時與跨區配額上的設定取捨,並提供可操作的配置範例。

  2. ClaudeDevs64

    Anthropic 開放自託管版 Claude Managed Agents 私人測試,讓使用者自行託管 Agent 執行框架、沙箱與工作階段紀錄,並選擇 Claude 請求的傳送位置。 可部署於自己的雲端或內部部署環境。

    推薦理由:Anthropic 將 Claude Managed Agents 的執行環境與工作階段紀錄交由使用者自行託管,並可選擇 Claude 請求的傳送位置,提供部署方式上的彈性。

11月12日週四
  1. Anthropic89

    Anthropic 已向美國證券交易委員會(SEC)提交與此次發行相關的註冊宣告及公開說明書,並提供查閱檔案的方式。 貼文指出,註冊宣告生效前不得出售證券,也不得接受購買要約;此貼文不構成出售證券或招攬購買的要約。 檔案可透過 SEC 的 EDGAR 網站免費取得:https://www.sec.gov/edgar/search/

    推薦理由:Anthropic 已向 SEC 提交此次發行的註冊宣告與公開說明書,檔案可供查閱,貼文也說明證券尚未進入可銷售階段。

  2. OpenRouter Announcements73

    OpenRouter 教你如何評測 LLM,並比較 10 個模型的合成任務結果

    OpenRouter 說明如何用符合應用輸入與輸出格式的任務評測 LLM,並比較正確率、費用與請求時間;文中也公佈 10 個模型在 60 項合成任務上的結果。

    推薦理由:文章以可重現的合成任務示範如何同時檢查正確率、輸出格式、成本與回應時間,也揭示公開排名與特定工作負載結果可能不一致。

  3. AWS Machine Learning Blog50

    AWS 盤點 2026 年 10 月 AI 開發者新功能

    AWS 在 2026 年 10 月為 AI 開發者推出新模型與服務更新,涵蓋模型選擇、Agent 可用性、工作流程控制、結構化輸出及成本管理。 - 模型選擇:Claude Haiku 5.5適用於高流量、成本敏感的子 Agent 工作;Anthropic 表示,它在多數任務上的成本比 Claude Haiku 4.5低約 75%。

  4. Epoch AI Gradient Updates80

    Epoch AI 11 月 11 日簡報整理模型能力、資安研究與全球 AI 算力

    Epoch AI 的 11 月 11 日簡報彙整模型能力、資安、全球算力與生物學研究等多項新分析。 - 資安測試:研究者在離線沙盒中測試 GLM 5.3,模型無需人工輸入,便為 Firefox 最近的六個版本建立可讀取訪客電腦檔案並傳送給攻擊者的網頁;每個版本約花費 $1,000。

    推薦理由:受控沙盒測試呈現開放權重模型利用修補時差攻擊 Firefox 的方式與成本,並指出此類風險可能擴及其他軟體。

11月11日週三
  1. Anthropic MCP Releases64

    MCP v2.4.0 釋出安全修復更新

    MCP v2.4.0 釋出安全修復更新,修復六項漏洞,涵蓋檔案系統、Git 與 Fetch 服務。 - 安全修復:修復六項漏洞,涵蓋檔案系統、Git 與 Fetch 服務。

    推薦理由:此版本修復多項安全漏洞,使用者應即時升級以避免潛在攻擊,確保系統安全與資料完整。

11月10日週二
  1. Anthropic Newsroom82

    Anthropic 為擬議首次公開募股啟動路演

    Anthropic 已為其 A 類普通股擬議首次公開募股啟動路演,預計發行 825,000,000 股,每股價格預計介於 $70.00 至 $78.00。

    推薦理由:Anthropic 說明 IPO 提案的發行股數、預期價格區間與 Nasdaq 掛牌代號,並交代登記宣告尚未生效及股票銷售限制。