如何在 Claude Code、Codex 與 Gemini CLI 中使用 Google AI Pro 訂閱
作者開發的開源 MCP 伺服器 gemini-pro-mcp,可讓 Claude Code、Codex 與 Gemini CLI 呼叫 Google AI Pro 訂閱中的服務。
作者開發的開源 MCP 伺服器 gemini-pro-mcp,可讓 Claude Code、Codex 與 Gemini CLI 呼叫 Google AI Pro 訂閱中的服務。
作者在 451 個測試全數通過後,對專案中的 10 個檔案執行變異測試,發現測試未察覺其中近半數變異,並據此檢視測試實際驗證了哪些行為。 - 初次結果:工具產生 550 個變異,其中 273 個被測試攔截、161 個存活、116 個沒有測試涵蓋;作者指出,這只代表該樣本中的變異未被察覺,不能推論一半的測試毫無價值。
Simon Willison 使用 Claude Code 建立 Beep Locator,透過多臺裝置同步收音與聲音定位,在房間內以約 40 公分的誤差找到蜂鳴聲來源。
作者分享在 Windows 的 WSL 環境中並行使用 Claude Code 與 Codex 時,遇到的 7 種問題及自己採用的處理方式。
把資料分散在不同裝置上做隱私分析時,挑出重要資料的準確度可能比集中處理差。研究指出,只靠一般的加噪彙整方式做私密選擇,至少需要 Ω(d/ϵ) 筆資料;作者因此提出加入一種實作稀疏向量技巧(SVT)的查詢方式。用這個方法設計的差異隱私演演算法,在 n 相對 d 為多項式範圍時,選擇結果的加法誤差可達 O(log(dn)/ε),與中央模型相當,預期 SVT 查詢次數為 O(d log* d)。研究也指出,這種做法可用於損失最小化、熱門專案辨識與稀疏平均值估計。
作者使用 Claude Code 與 Fable 5.2,根據姪子的手繪設計完成一款 12 關、18 名角色、最多 4 人遊玩的橫向捲軸格鬥遊戲。
推薦理由:這項計算延伸了既有黑洞形成研究的適用範圍,並提供一個由物理學家檢查 AI 推導成果的案例。
Refmade 作者說明如何在一天內將 Mac App 0.4.0 本地化為 8 種語言,同時保留既有韓文事件資料與分類邏輯。
如果你錯過了 🔥:Claude 訂閱方案在 11 月 16 日前,最多可使用相當於方案額度 50% 的 Claude Fable 5.2。 測試額度 👀
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2,並稱兩款模型在多項基準測試中重返領先;公司仍建議日常使用 Claude Opus 5.5。
推薦理由:Artificial Analysis 的基準呈現 Fable 5.2 在多項測試的領先與弱項,文章也列出高算力等級的任務成本,便於比較效能與費用取捨。
Flightpath 是 DK Labs 開發的開源工具,可在瀏覽器中即時檢視 Claude Code 工作階段的操作步驟與上下文變化。 - 檢視內容:Steps 顯示各步驟及其上下文、命令等細節;Tokens 呈現上下文增長與各 subagent 的 token 使用情況;Snapshot 可檢視單一步驟收到的內容,以及上下文壓縮後還原的內容。
Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2,定位於程式開發、資安、科學研究等高難度技術工作;文中所列效能與基準資料均來自 Anthropic,尚無獨立測試。
推薦理由:文章整理 Fable 5.2 與 Mythos 5.2 的防護與使用門檻差異,並區分 Anthropic 自行公佈的效能資料和獨立測試結果。
Anthropic 配合 Claude Fable 5.2 上線,為符合資格的付費訂閱者提供限時 Fable 模型用量重置,部分方案另享一週 Fable 模型用量。
推薦理由:Diode Computers 的實作與 PCB Gym 資料,呈現 Claude Fable 5.2 在電路板佈局修正上的表現及 API 成本差異。
Anthropic 說明開發者如何依任務選擇 Haiku 5.5、Sonnet 5.5、Opus 5.5 或 Fable 5.2,並調整 effort 等級以權衡能力、成本與延遲。
推薦理由:文章依任務型別整理四款模型的起步選擇,並比較 effort、延遲與每項任務成本,提供可套用於自有工作負載的評估方法。
JetBrains 發布 GoLand 2026.3,讓 AI 代理操作效能分析器,協助追查 Go 程式中的資源瓶頸。 - 支援與操作方式:支援 Claude Code、Codex 與 Junie;代理可依問題擷取 CPU、阻塞、互斥鎖或記憶體分析資料,並透過內建的 goland-profiler 技能與 MCP 工具查詢函式排名、呼叫路徑及原始碼位置。
Anthropic 宣佈推出 Claude Fable 5.2 與 Claude Mythos 5.2,稱 Fable 5.2 在內部評估中比 Opus 5.5 快約 30%,並使用較少 token 完成任務;文中未提供獨立基準測試結果。
推薦理由:Anthropic 的內部測試與單一程式任務案例呈現速度、用量和成本變化,也說明每 token 單價較高且尚無獨立基準可供比較。
Anthropic 使用 1,000 個執行 Claude Fable 5.2 早期版本的AI 助理,在沒有 Prove2Me 或研究者引導的情況下,於 28.7 小時內完成費馬大定理的形式化證明。
推薦理由:這項實驗呈現 1,000 個AI 助理如何用 Git 與共享資料庫自行協調證明工作,也說明沙箱和監控如何限制其操作範圍。
Claude Fable 5.2 在 Artificial Analysis Intelligence Index v5 的 max effort 評測中獲得 65 分,登上榜首,領先 Gemini 4 Carbon(high,60 分)與 Claude Opus 5.5(max,59 分)。
推薦理由:多項基準顯示 Claude Fable 5.2 的優勢集中在科學、知識與程式評測,AI 助理知識工作和終端程式仍與既有模型接近。
AWS 宣佈 Claude Fable 5.2 與 Claude Mythos 5.2 已可透過 Amazon Bedrock 和 Claude Platform on AWS 使用。
推薦理由:文章整理兩款模型在技術工作與高風險研究上的定位,並說明 AWS 上的存取方式、資料保留要求與遷移做法。
EveryInfra 示範如何透過 Telegram Channel Scraper API 與 Claude,整理公開 Telegram 頻道的每日價格摘要,並比較手機報價與貨運資訊。
SendNF MCP Server 可讓 Claude 或 Cursor 查詢公司資料、預覽並開立巴西服務發票,預設要求人工核准後才會送交稅務機關。 - 設定方式:需要 API 金鑰與 MCP 使用者端,伺服器使用 Streamable HTTP,網址為 https://api.sendnf.com/mcp;未提供金鑰時會回應 401。
作者走訪維吉尼亞州的 Data Center Alley,認為資料中心引發反彈的核心因素是供電需求及其對電網與周邊社群的影響。 - 維吉尼亞州部分資料中心連線既有電網;當地平均資料中心的供電容量為 54 megawatts,高於丹佛國際機場的用電量。
推薦理由:Artificial Analysis 比較 Claude Fable 5.2 在多項評測與不同 effort 設定的表現,並列出價格及每項任務成本,呈現能力與成本的取捨。
Claude Code 與 Codex 會依不同路徑載入 monorepo 中的指令檔;檢查工作目錄、上層覆蓋檔與容量限制,有助於找出 AGENTS.md 未生效的原因。
Ethan Mollick認為,Claude Fable 5.2 在多種數位任務上展現接近通用智慧的能力,但仍難以自行察覺作品品質與流程上的問題,因此稱之為「幾乎」AGI。
推薦理由:多項實作呈現 Fable 5.2 跨領域完成數位任務的能力,也揭示它難以自行察覺品質與流程問題的落差。
Claude Mythos 5.2 預測出用於遞送基因治療的 AAV 蛋白質衣殼完整結構。 方法:模型編寫程式碼,對相鄰五鏈分組執行開源折疊模型,再利用衣殼對稱性拼合全部 60 條鏈。 結果:在 AAV2 上,預測結構與實驗結構的誤差約為一個原子寬度。
推薦理由:從相鄰五鏈分組預測到利用衣殼對稱性拼合,原文交代了方法與 AAV2 的誤差結果,可供理解模型在結構生物學任務中的表現。
Claude Fable 5.2 現已在 Devin Desktop 和 Devin CLI 中提供,並在 FrontierCode 2.0 以 49.1 分排名第一。 與前代比較:在低推理力度下,Fable 5.2 以約三分之一的成本,取得高於 Fable 5.1 的分數。
推薦理由:Fable 5.2 在 FrontierCode 2.0 的排名與低推理力度下的成本變化,提供了比較模型表現和選用成本的依據。
Vercel AI Gateway 開放使用 Anthropic 的 Claude Fable 5.2,提供模型呼叫、用量追蹤與模型回退設定。 模型能力:Claude Fable 5.2 面向開放式技術工作,在程式開發、推理與視覺能力上優於先前的 Fable 模型;可無人看管地執行冗長且目標模糊的任務,也能協調較小型模型,或作為其他 Claude 模型的顧問。原文並稱其溝通更清楚、輸出速度更快。 推理設定:Effort 可設為 low 至 max,API 預設為 high。 資料保留與安全限制:模型啟用了資安與生物學安全分類器,使用時必須接受資料保留;Anthropic 不支援此模型的 Zero Data Retention。提示詞與回覆會保留 30 天,且不會用於訓練 Claude。若團隊已啟用 ZDR,AI Gateway 會回傳錯誤,不會轉送請求。 模型回退:若資安分類器拒絕請求,可在 providerOptions.gateway 加入 models 陣列,讓 AI Gateway 依序嘗試其他模型。範例設定會先回退至 Opus 5.5,再至 Sonnet 5.5;此設定適用於各種 AI Gateway API 格式。 使用方式與費用:可透過 AI SDK、Chat Completions、Responses、Anthropic Messages API,或連線 AI Gateway 的程式代理呼叫;模型名稱為 anthropic/claude-fable-5.2。在 Claude Code、Codex、Cursor 等工具中使用,需安裝最新版 Vercel CLI 並執行設定。AI Gateway 依照供應商定價,不加價,也不對推論收取平臺費用,包括 BYOK 請求。
推薦理由:Claude Fable 5.2 在 AI Gateway 的接入同時附帶資料保留與安全分類器限制,也提供模型回退設定,呈現實際使用時需考量的部署條件。
Vercel 發布 2026 年 11 月 AI Gateway Production Index,指出決策模型已佔 10 月全部請求的 26%,而新付費團隊首選 Anthropic 的數量近乎是 OpenAI 的兩倍。
推薦理由:Vercel 以匿名彙總流量呈現模型採用與更替速度,並列出各項統計口徑,便於理解企業團隊的實際使用變化。
Claude Code v2.1.321 加入 Claude Fable 5.2 作為預設 Fable 模型,並更新遠端控制設定、許可權行為及多項錯誤修正。
推薦理由:這次更新同時調整預設模型、遠端控制設定與許可權行為,並修正多項 MCP、Bash 和檔案操作問題,可從中掌握 Claude Code 的變更範圍。
GAWE 作者以 Claude Sonnet 5.5 測試 AI Agent 面對提示詞注入的表現,125 次攻擊中沒有攻擊者步驟執行;作者指出,這不代表引擎防禦已通過驗證,因為測試中的模型沒有受騙。