Anthropic / Claude

OpenAI 移除模型推理盜取行動，手段仍在 Azure 上有效

OpenAI 已停止一項針對其模型推理的盜取行動，然而同樣手段在 Microsoft Azure 上仍能取得推理內容。 - 攻擊方式：利用加密推理輸出，將其複製到另一對話並解密，讓低成本模型充當「解密 oracle」。

Claude Tag 讓團隊可在 Slack 內直接召喚 Claude，提升協作效率並減少切換成本。 - 功能：在 Slack 中以團隊成員身份加入 Claude，並可標記 (Tag) 其進行任務委派。 - 整合：支持跨工具、整合計算環境與記憶體，實現無縫工作流程。 - 使用場景：適用於需要在多個頻道協同工作的團隊，減少切換工具的時間。

Anthropic 發布了一篇關於 AI 產業應放緩的文章，並提出三步計畫。 三步計畫：第一步由 Anthropic 單方面承諾，提供第三方評估者永久、員工級別的存取權。 安全與對齊：文章強調放緩對安全與對齊的重要性。 行業影響：此舉可能促使其他公司考慮類似措施。

AWS 推出 Claude Sonnet 5.5

AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform 上可用，具备更高的编码与知识工作效率及更低的单任务成本。该模型适合处理范围明确的持续工作负载，支持与 Claude Opus 5.5 搭配使用以兼顾复杂判断与快速执行，用户可通过控制台或 API 进行调用。

Claude Code 新纪元：Anthropic 研发者 Thariq Shihipar 访谈

Anthropic 在 AI Engineer New York 会议上公布了 Claude Code 的最新功能，包括 Claude Tag、Sonnet 5.5、Mods 系统和插件门户。Thariq Shihipar 在访谈中阐述了提示技巧、Artifacts、Mods 等如何提升智能体的定制化与安全性，并讨论了 Agent 安全与“Pacing the Frontier”议题。

Agent 技能生态现状报告

Vercel 在博客中公布了 skills.sh 注册表在七个月内达到一百万技能、近 2.8 亿次安装的报告。报告显示，跨行业技能占 66% 的注册量，安装量占 87.5%，并指出安装高度集中，最受欢迎的 0.04% 技能贡献了 62% 的安装。

Anthropic 发布 Claude Opus 5.5 与 OpenAI 推出 GPT-6 Sol 和 Luna 模型

Anthropic 发布了 Claude Opus 5.5，主打 Fable 5.1 级能力与更低运行成本，随后 OpenAI 推出了降价幅度和性价比更高的 GPT-6 Sol 与 Luna 模型。两家实验室均在效率优化与定价上展开竞争，同时社区也围绕基准评测和多Agent扩展展开了广泛讨论。

Claude Opus 5.5、GPT-6 Sol、GPT-6 Luna 与新一轮价格战

Anthropic 发布了 Claude Opus 5.5，其输入输出价格较前代降低 20%，缓存读取价格降低 60%，并在高思考级别下遇到了超出最大输出 token 限制的问题；随后 OpenAI 发布了 GPT-6 Sol 与 GPT-6 Luna，价格降至同级前代型号的一半。两家厂商通过密集发布新模型和大幅降价，进一步加剧了 AI 模型的市场价格战。

Claude Opus 5.5 在 AI Gateway 上可用

Anthropic 的 Claude Opus 5.5 已在 AI Gateway 上上线，支持 1M-token 上下文窗口和 128K 输出 token。与 Opus 5 相比，速度提升约 30%，成本降低约 40%。

AINews：近期前沿模型动态、智能体工程落地与开源生态进展

Latent Space 发布了最新一期 AINews，重点报道了多项前沿 AI 进展：OpenAI 推出了模型失配披露机制，Databricks 针对约 3500 名工程师部署了 GPT-6 Astra，部分团队开始在生产环境评估智能体编码的成本与收益。同时，开源与推理基础设施持续演进，多款开源模型及量化工具在社区获得广泛讨论。

Open-weight 模型佔 AI Gateway 56% 代幣量，Astra 兩倍 Fable 5.1 成本

Open-weight 模型 在 AI Gateway 8 月份佔據 56% 的代幣量，首次超過所有封閉模型。 - 代幣成本：平均每代幣價格較 5 個月前下降 23.2%，中位團隊每代幣支付 7.6% 更低。

智能体究竟需要多少记忆容量：ALTK-Evolve 评测与剂量校准方法

Hugging Face 团队发布研究探讨如何为 AI 智能体配置自蒸馏记忆，评估了从 30B 到前沿模型的 8 款模型在 AppWorld 基准上的表现。研究发现智能体记忆效果取决于模型能力层级：强模型适合注入完整记忆，较弱模型适合精选检索，而已饱和模型则无明显增益。精选检索能在仅增加 5% token 的情况下使 gpt-oss-120b 任务完成度提升 16.1 个百分点。

Intelligence is Free, Now What? Data Systems for, of, and by Agents

伯克利人工智能研究院（BAIR）团队探讨了推理成本大幅下降后数据系统面临的新机遇与新挑战，指出未来数据系统需要围绕 Agent 的交互、底层协同及自主合成三个维度进行彻底重构。文章重点分析了 Agent 推理带来的高并发复杂查询需求、多 Agent 协作所需的状态管理机制以及利用 Agent 从零自主合成专用数据系统的方法。