Sonnet 5 促销价(每百万 token)
- Anthropic 官方,2026-08-31 前限时
- 之后恢复 $3/$15
- 对照 Opus 4.8 的 $5/$25
$2 输入 / $10 输出
2026年7月1日 · 周三
模型之争转入范式之争:Sonnet 5 携促销价登场,GeneBench-Pro 把 AI 智能体拽进科研,Claude Science 把算力调度交到科学家手里
- 过去 24 小时,OpenAI 与 Anthropic 罕见同日四发:Sonnet 5 携促销价 $2/$10 百万 token 正式登场,Intelligence Index 53 分与 GPT-5.5 同分
- 逊于 Opus 4.7/4.8
本期判断
- 今天真正改变了什么:前沿模型的『分数之争』让位于『工作流之争』。
- Sonnet 5 用促销价强推订阅档,把 Sonnet 系列第一次做到『买得起的智能体基座』
- Claude Science 用多 agent + 本地/HPC/Modal 算力调度把科研工具栈整合为单一一站式入口
本期速览
3 条01Anthropic Sonnet 5 正式发布
- 促销价 $2
02Claude Science 同步上线
- 60+ 科研连接器、UniProt
03OpenAI GeneBench-Pro
- 129 道合成题、10 大计算生物学域、GPT-5.6 Sol 高推理档通过率 28.7%(Pro 模式 31.5%)
过去 24 小时,前沿厂商罕见同日四发——Anthropic 把 Sonnet 5 与 Claude Science 同步推出,OpenAI 同期发布 GeneBench-Pro 基准与 Core Dump Epidemiology 工程反思,Google DeepMind 双发 Nano Banana 2 Lite 与 Gemini Omni Flash,每一条都在改写『谁有模型 ≠ 谁赢了』的格局。
Sonnet 5 用促销价强推订阅档默认模型——$2/$10 百万 token 的限时价(至 8-31)把 Free/Pro 用户一夜推到 Sonnet 5,但 Artificial Analysis 的 Intelligence Index 仅 53 分(scaling01 测算去掉促销后比 Opus 4.8 Max 还贵 1.2x、比 DeepSeek-V4-Pro 贵 57x),Anthropic 在用利润率换获客节奏;Claude Science 把科研工具栈整合为单一入口——60+ 科研连接器、本地/HPC/Modal 算力调度、reviewer agent 自校,这是 OpenAI Deep Research / Devin Fusion 的『agent harness 化』范式推进到科研垂直,reviewer agent 自校引用与计算是真正的护城河;OpenAI GeneBench-Pro 把『科学智能体』评估从答题推向研究决策——129 道合成题 + 已知因果结构绕开训练污染与作者偏好,高调对比开源模型的科学推理落后;DeepMind 双发把生成式媒体价格砍到 $0.034/图与 $0.10/秒——生成式媒体从『按次付费的稀缺品』推向『按 token 计价的基础设施』。
每一条都在指向同一个判断:前沿模型的『分数之争』让位于『工作流之争』。Sonnet 5 拼促销价与生态订阅,Claude Science 拼科研场景整合,GeneBench-Pro 拼科学推理评估话语权,DeepMind 拼生成式媒体价格带——基础模型层的同质化竞争已让位,前沿厂商正式进入『拼生态、拼场景、拼工作流嵌入』的阶段。同时 Mythos 出口管制松动信号再起(6-30 据传 Fable 5 解除管制)、吴恩达系统阐述 Loop Engineering 三 Loop 框架(工程师部分承担 PM 角色)、Nous Hermes Agent 网页抓取 60x、SGLang DSpark 预测解码 1.81x 加速、GLM 5.2 / LongCat-2.0 在设计与物理任务上击败 Opus 4.8——四条暗线在 7-01 同日加速,是 2026 H2 AI 竞争主轴从模型层转向工作流层的结构性拐点。
On this page
本期导航
Deep Dives
本期重点 · 深度报告
Key Numbers
Sonnet 5 Intelligence Index
- Artificial Analysis 评测
- 比 Sonnet 4.6 高 6 分,与 GPT-5.5 同分,落后 Opus 4.7/4.8
53 分(max effort)
Sonnet 5 单任务成本相对值
- scaling01 转述,去除促销定价后成本仍高于 Opus 4.8
- 原话『goes straight into the garbage bin』
Opus 4.8 Max 1.2x / GPT-5.5-
- xhigh 2x
- GLM-5.2 5x
- Kimi-K2.6 7x
- DeepSeek-V4-Pro 57x
GeneBench-Pro 题目数 / 域数
- OpenAI 官方,合成数据集已知因果结构、外部专家审核
- 10 题已开源至 HF、50 题给 Artificial Analysis
129 题 / 10 大域 / 21 子域
28.7%(Pro 模式 31.5%)
$0.034 / 1K image
- 单图 <4 秒
Briefs
快讯 · 已核验与追踪
观点观察重要度 3/5中置信已核验
吴恩达系统阐述『Loop Engineering』三 Loop 框架:工程师正在部分承担 PM 角色
- 吴恩达在 The Batch 中系统阐述『Loop Engineering』
- 由 Boris Cherny(Claude Code)与 Peter Steinberger(OpenClaw)推火的热词。
- 三 Loop 框架:
- ① Agentic Coding Loop——agent 写代码并自测,分钟级迭代(他用一个女儿练习打字的 app 验证 agent 可独立运行约 1 小时)
要点拆解展开
Why
吴恩达用框架化语言把过去一年 Claude Code / Codex / Cursor 用户的实践总结为『Loop Engineering』,为『工程师转 PM』的现象提供了可传播的命名,是工程师群体重新理解自身角色的关键参考框架。
Impact
- 工程师:需要把『设计 feedback loop』与『运行 agentic loop』作为新的核心能力,而非纯写代码
- 创业公司:组织设计需重新评估 PM / Engineer 配比
- 教育:Coursera / DeepLearning.AI 可能据此推出相关课程。
Numbers
- 吴恩达女儿练习打字 app Agentic Coding Loop 验证时长
- agent 可独立运行约 1 小时吴恩达 The Batch 中的具体案例,作为 Loop Engineering 的实证The Batch via AndrewYNg X
早报判断
- Loop Engineering 真正的洞察不在『三 Loop』的结构,而在把『开发者 vs PM』的边界显式模糊化
- 吴恩达把过去 PM 的核心工作(定义产品愿景、把控用户反馈循环)用『Developer Feedback Loop』与『External Feedback Loop』转译到工程师的日常职责上。
- 这意味着 2026 年的工程师岗位正在被结构性重写:不再是『写代码的人』,而是『设计、运行、调优三 Loop 的人』。
- 这套框架与 Cognition Devin Fusion、Claude Code、Anthropic Claude Science 的产品路径完全一致
接下来看
- 吴恩达后续是否会推出 Loop Engineering 的系统课程
- Boris Cherny / Peter Steinberger 等被引用的实践者是否会扩展三 Loop 的细节
产品上新重要度 3/5中置信官方源
Nous Hermes Agent 网页抓取性能跃升 60x、成本降至 1/49;Step 3.7 Flash MoE 通过 Nous Portal 限时 30 天免费
- Nous Research 宣布 Hermes Agent 网页抓取后端升级:读取网页速度提升最高 60 倍、成本降低 49 倍
- 抓取后端直接将干净内容传给 agent,跳过冗余处理
- 大页面本地保存、按需分页。
- 同时 Nous Portal 与 StepFun 合作的 Step 3.7 Flash MoE 视觉语言模型限时 30 天免费开放,主打 agent 效率、编码、搜索与多模态工作流。
要点拆解展开
Why
Hermes Agent 是当前少数提供『速度 + 成本 + 多 agent 看板』三角能力的开源 agent,且网页抓取 60x 是少见的『工具调用层』优化案例,对所有自建 agent harness 的团队有借鉴价值。
Impact
- 自建 agent 团队:网页抓取后端的成本与延迟是隐性瓶颈,Nous 的做法值得借鉴
- 开源模型阵营:Step 3.7 Flash 限时免费是 OpenRouter 之外的另一获客路径
- Nous Portal:作为『开放 + 限时免费』的新分发模式,可能成为继 OpenRouter 之后的中立平台选项。
Numbers
- Hermes Agent 网页抓取性能提升
- 读取速度 60x / 成本 1/49Nous Research 官方,大页面本地保存按需分页,跳过冗余处理NousResearch X
- Step 3.7 Flash 免费开放时长
- 30 天限时Nous Portal 与 StepFun 合作的 MoE 视觉语言模型;主打 agent 效率、编码、搜索、多模态NousResearch X
早报判断
- Nous 把『网页抓取』这一常被忽视的 agent 基础设施环节做了 60x 性能优化
- 这揭示了一个常被低估的事实:在 agent harness 中,『工具调用』本身的成本与延迟往往远超『模型推理』,且常是隐性瓶颈。
- Step 3.7 Flash 限时 30 天免费则是 Nous 在『开源 vs 闭源』之外的第三条路
- 『开放 + 限时免费』的获客路径,与 Sonnet 5 促销价的逻辑异曲同工,但成本承担方不同。
接下来看
- Step 3.7 Flash 30 天限时结束后的实际定价
- Hermes Agent 多智能体看板的稳定性第三方评测
研究论文重要度 3/5中置信已核验
SGLang DSpark 预测解码实测数据放出:多场景预测 3 token,1K prompt 加速比 1.81x,8 卡 B200 速度 164→297 token/s
- SGLang 的 DSpark 预测解码实测数据在 PR29538 放出:多场景基本能预测 3 个 token(数学 3.37 / 对话 3.0 / 代码 3.52)。
- 1K prompt 下加速比 1.81x,8 卡 B200 速度从 164 token/s 拉到 297 token/s。
- TPOT 仅 2.9-5.2ms,DSpark 神经网络层延迟可忽略。
- 超过 8 并发收益降至 1.2-1.3x(GPU 已打满)。
要点拆解展开
Why
- DSpark 第一次给出在 SGLang 上的完整实测数据,且与 DeepSeek 自报口径的差异值得追问
- 投机解码的实际效果决定开源推理引擎的下一阶段能力。
Impact
- vLLM:需回应 DSpark 在 SGLang 上的加速数据,是否会被移植
- 推理框架团队:投机解码与高并发调度的权衡是下半年重点
- DeepSeek:开源 DeepSpec 是其『推理生态影响力』的重要拼图,DSpark 上游合并进度值得关注。
Numbers
- DSpark 多场景预测 token 数
- 数学 3.37 / 对话 3.0 / 代码 3.52karminski3 转述 PR29538 数据karminski3 X
- DSpark 1K prompt 加速比与吞吐
- 1.81x / 8卡B200 164→297 token/sTPOT 2.9-5.2ms;神经网络层延迟可忽略karminski3 X
早报判断
- DSpark 在 SGLang 上的实测数据揭示了『投机解码』的工程边界:
- 1.81x 加速比与 3 token 预测长度,比 DeepSeek 自报的 60-85% 提速口径更保守——说明 DeepSeek 自报口径与第三方实测之间存在显著差异,这正是 6-28 DSpark 深度页里就指出的 caveat。
- 同时『超过 8 并发收益骤降』的瓶颈提示:SGLang 与 vLLM 在投机解码与高并发调度之间的取舍,会成为下半年推理引擎的主战场。
接下来看
- PR29538 合并进度与 SGLang 正式版本集成时间表
- vLLM 是否会移植 DSpark / Eagle3 的预测解码实现
研究论文重要度 3/5中置信官方源
Meta Brain2Qwerty v2 增量:开源训练代码 + BCBL 发布 v1 数据集,9 名志愿者平均词准确率 61% / 最佳 78%
- Meta AI 转发 Jean-Remi King:Brain2Qwerty v1 已在 Nature Neuroscience 发表,Brain2Qwerty v2 已开源(v2 在 v1 基础上加入并改进了更鲁棒的语言模型/神经解码 pipeline)。
- 这是继 6-29 Nature 发表后的开源代码 + 数据集同步释放——Meta 走的是『论文 + 代码 + 数据』三件套路线。
- HN 64 分热帖补充关键事实:这是首个能从原始 MEG 脑信号端到端实时解码整句的非侵入式 BCI,9 名志愿者平均词准确率 61%、最佳 78%。
- 6-29 早报已写过全量增量,本期为延续报道。
要点拆解展开
Why
Brain2Qwerty v2 是『首个能从原始 MEG 端到端实时解码整句的非侵入式 BCI』,开源代码 + 数据集意味着可复现性,与 OpenAI 的闭源路线形成对比。
Impact
- BCI 研究者:可立即基于 v1 数据集与训练代码复现实验,加速 BCI 领域迭代
- Meta:通过『论文 + 代码 + 数据』三件套建立 BCI 领域的开放标准,与 OpenAI 的闭源路线分化
- 医疗设备厂商:需评估非侵入式 BCI 何时进入医疗级监管路径。
Numbers
- Brain2Qwerty v2 词准确率
- 平均 61% / 最佳 78%9 名健康志愿者 MEG 打字 10 小时 × 约 22,000 句;>50% 句子解码错误 ≤1 词Meta AI Blog / Nature
- Brain2Qwerty HN 热帖分数
- 64 分 / 38 评论discovery 候选中 HN 分数最高的研究类条目HackerNews
早报判断
- 增量看点是『开源代码 + 数据集』与『Nature 论文』的同步释放
- Meta 用『三件套』路线把 Brain2Qwerty 变成可被全球 BCI 研究者复现的基线,这与 OpenAI 形成鲜明对比。
- 但需注意:BCBL v1 数据集是首发 v1,而 v2 数据是否开源尚未提及——若 v2 数据不开放,则『全栈开源』叙事会出现裂缝。
- 这是观察 Meta 在 BCI 领域『论文 PR vs 真正可复现』的关键判断点。
接下来看
- Brain2Qwerty v2 数据集是否开源(v1 已开源)
- 第三方研究团队基于 v1 数据集复现实验的论文何时出现
研究论文重要度 3/5中置信已核验
arXiv 高引论文:Agentic Abstention——智能体在『何时不行动』上比通用模型差 30 个百分点
- arXiv 2606.28733《Agentic Abstention: Do Agents Know When to Stop Instead of Act?
- 》获 Hugging Face 120 分(本日 arXiv 候选最高),核心发现:智能体在『何时该停止 / 不该行动』上的判断能力比通用模型低约 30 个百分点。
- 这是 agent harness 范式被广泛采用后的第一个『反例』研究
- 『行动能力』与『克制能力』不是同向增长,智能体越能执行就越容易过度执行。
要点拆解展开
Why
arXiv / HF 当日最高分(120)的 agent 安全论文,在 harness 化产品大爆发的当口提出『克制能力』缺口,可能成为下半年 agent 安全的核心理论文献。
Impact
- agent harness 厂商:Claude Code / Devin / Claude Science 等需把『abstention』加入评测矩阵
- 企业买方:agent 失败模式的预期需要从『答错』转向『过度执行』
- AI 安全研究:agentic alignment 成为新前沿,reviewer agent / guardrail agent 的产品形态将被验证。
Numbers
- Agentic Abstention HF 分数
- 120 分(本日 HF 候选最高)arXiv 2606.28733HuggingFace Papers
- 智能体 abstention 能力差距
- 比通用模型低约 30 个百分点论文核心发现:智能体在『何时停止 / 不该行动』上比通用模型差 30 个百分点arXiv 2606.28733
早报判断
- 这篇论文是 6 月 Claude Code / Devin Fusion / Claude Science 等 harness 化产品大爆发之后的第一个反向警示
- 『克制能力』(abstention)是 agent 安全的核心,但所有 harness 产品的优化目标都偏向『行动』。
- HF 120 分高引说明 agent 安全研究社区已意识到这个缺口。
- 下半年最可能出现的 agent 失败模式不是『答错题』而是『做了不该做的事』,这会推动『guardrail agent』『reviewer agent』(如 Claude Science 已采用)成为标配。
接下来看
- 该论文是否被 NeurIPS / ICML 2026 接收
- Claude Science reviewer agent / Claude Code 自校机制能否实测提升 abstention
产品上新重要度 2/5中置信已核验
LongCat-2.0 / GLM 5.2 设计任务实测:几乎所有类目击败 Opus 4.8,LongCat 物理任务表现优于 Opus 4.8 / GLM 5.2
- Command Code 用 /design 在 SaaS、作品集、仪表盘、建筑站、宠物店、房地产等设计任务上跑测试,GLM 5.2 在几乎所有类目上击败 Opus 4.8
- LongCat-2.0 在真实物理任务(HTML5 canvas 写物理模拟:加农炮拆墙、保龄球击瓶、龙卷风卷物)上对标 Opus 4.8 与 GPT 5.5 表现,LongCat 物理效果优于 Opus 4.8 与 GLM 5.2(无穿模/掉落),细节与渲染与 GPT 5.5 持平
- LongCat 18,015 tokens / $0.00
- Opus 4.8 18,872 / $0.48
要点拆解展开
Why
这是 6-28 『开源追平闭源』叙事的第一次具体场景验证,GLM 5.2 在设计任务上击败 Opus 4.8 是『能力可比 + 价格仅 1/5』的双重背书。
Impact
- 设计工具厂商:Command Code 等垂直 agent 工具会进一步把 GLM 5.2 / LongCat 推到默认模型位置
- 开源阵营:『能力可比 + 价格碾压』的双重优势会让更多企业买方迁移
- Opus 4.8 等闭源旗舰:在垂直场景的领先优势会被进一步压缩。
Numbers
- LongCat 物理任务 token / 价格
- 18,015 tokens / $0.00对照 Opus 4.8 18,872 / $0.48;GPT 5.5 32,588 / $0.98;GLM 5.2 31,062 / $0.09atomic_chat_hq X
- LongCat 物理任务表现对比
- LongCat 优于 Opus 4.8 / GLM 5.2,与 GPT 5.5 持平无穿模/掉落;细节与渲染与 GPT 5.5 持平atomic_chat_hq X
早报判断
- GLM 5.2 / LongCat-2.0 / Qwen3.6 27B 的实测数据,共同把『开源追平闭源』从 6-28 OpenRouter Insights 的判断推进到具体场景验证:设计任务几乎全面击败 Opus 4.8,物理任务优于 Opus 4.8 / GLM 5.2。
- 这是继 6-28 『3-6 个月差距稳定』之后的第一次具体场景验证
- 但需注意:这些测试是 Command Code / atomic_chat 等单一第三方,在 SaaS / 物理模拟这种垂直场景下的样本,不构成全面评测。
- Qwen3.6 27B 把自家 35B A3B 吊着打则说明『小模型靠精调跑赢大模型』的现象已经在阿里内部出现。
接下来看
- GLM 5.2 / LongCat-2.0 在第三方综合基准(Artificial Analysis / LiveBench / Aider)上的全面表现
- Command Code /design 是否发布跨模型的可复现测试套件
产品上新重要度 2/5中置信已核验
GitHub Trending 上榜项目:winsznx/theeleven(AI 自主开足球盘)、benchflow-ai/awesome-evals、lycorp-jp/sim-use、eli-labz/Godcoder
- 本日 GitHub 高分候选(均 200+ stars):
- ① winsznx/theeleven(691★)——11 个自主 AI 智能体在 X Layer 开放足球 prop 盘,自定义 Uniswap v4 hook、gasless USDT0 staking
- ② benchflow-ai/awesome-evals(606★)——策划的非 BS AI 智能体评估资源库,论文/博客/工具/基准
- ③ TianhangZhuzth/Fundamental-Ava(588★)——构建数字人自主协作社交智能体
要点拆解展开
Why
GitHub Trending 是观察 agent 工程范式分化的最直接指标,本日高分候选共同揭示『agent 经济 + agent 评估 + 本地优先』三个趋势。
Impact
- 开源 agent 生态:本地优先(Privacy-first)与自主经济(Autonomous agent economy)将成为下一阶段重点
- 企业买方:agent 评估资源库是建立内部评测矩阵的参考
- crypto / DeFi:链上 AI agent 是与现实世界资产结合的新前沿。
Numbers
- theeleven GitHub stars
- 691★本日 GitHub 候选最高分;11 个 AI 智能体开足球盘GitHub
- awesome-evals stars
- 606★AI 智能体评估资源库GitHub
早报判断
- 本日 GitHub Trending 揭示三个趋势:
- 一是『自主 agent 经济』(theeleven 691★ 在链上开足球盘)——agent 从『工具』走向『经济主体』
- 二是『agent 评估』(awesome-evals 606★)——agent 安全与 abstention 论文后,评估资源库同步爆发
- 三是『本地优先』(Godcoder 254★、sim-use 326★)——隐私与可控性驱动 agent 部署回归本地。
接下来看
- theeleven 在 X Layer 上的实际足球盘交易量与合规进展
- awesome-evals 资源库的更新频率与社区贡献者画像
Developing
发展中 · 待进一步核验
以下内容仅作为追踪线索，不与已核验新闻等量呈现；正式文件、项目材料或独立复核出现后再升级。
行业动态重要度 3/5低置信发展中
待验证｜Mythos 出口管制增量:POLITICO 转述 Fable 5 解除管制预期,官方未坐实;Fable 仍全面禁止
- 据 POLITICO 转述(@SophiaCai99 / @AggrNews),美国商务部预计 6-30 晚解除对 Anthropic 模型 Fable 的出口管制。
- AggrNews 与 ZOOMER 都转发了同一消息。
- 这是继 6-12 Mythos 5/Fable 5 全面暂停
- 6-28 转述 Mythos 5 部分解禁(限定三类对象)之后的又一次政策松动信号。
要点拆解展开
Why
出口管制是前沿 AI 国家安全框架的核心抓手,Fable 5 据传解除是『双轨制』政策的第一个可观察松动信号,直接关系到 Anthropic 的全球商业化节奏与亚洲厂商的窗口期。
Impact
- Anthropic:Fable 5 解除后对美可信机构的访问恢复,商业化收入有望提速
- 亚洲厂商:抢推 Mythos-like 模型的窗口期可能在 7 月中下旬收窄
- OpenAI:Fable 是否同步解禁是观察『双轨制』是否对称的关键。
Numbers
- 出口管制时间线
- 6-12 全面暂停 → 6-28 Mythos 5 部分解禁 → 6-30 Fable 5 据传解除三阶段精细化进程;社区转述为主,官方未坐实POLITICO via @SophiaCai99 / @AggrNews X
早报判断
- Mythos 出口管制正从『全面暂停』走向『分对象解禁』的精细化阶段
- 先放开 Mythos 5 给三类对象(自家研究员/可信合作伙伴/政府机构),Fable 5 据传 6-30 晚跟进,意味着 Anthropic 的两条旗舰线可能在 7 月初全部恢复对美可信机构的访问。
- 但『对美解禁 ≠ 对华解禁』,亚洲厂商趁封锁窗口抢推 Mythos-like 模型的窗口期(6-28 已观察到 360 / Sakana)可能在 7 月中下旬收窄。
- OpenAI 的 Fable(同名但不同公司)是否同步解禁,是观察白宫对前沿模型『双轨制』的关键。
接下来看
- 美国商务部 / Anthropic 官方对 Fable 5 解除管制的正式公告
- OpenAI Fable 是否同步解禁(目前被管制名单只有 Anthropic 与 OpenAI 两家)
模型发布重要度 2/5低置信已核验
待验证｜Mistral 发布 Leanstral 1.5:HN 36 分,聚焦推理 / 代码 / 长上下文
- Mistral 发布 Leanstral 1.5 模型,在 HackerNews 获得 36 分与 1 条评论(冷启动期)。
- 模型卡片聚焦推理、代码与长上下文能力。
- 这是 Mistral 在『前沿智能体』叙事之外的『性价比推理』路径上的更新
- Leanstral 系列定位介于旗舰与开源权重之间,与 GLM 5.2 / Qwen3 / DeepSeek V4 系列在中端市场正面对决。
要点拆解展开
Why
Mistral 是欧洲唯一有持续模型发布的厂商,Leanstral 1.5 是观察其『前沿 vs 性价比』定位选择的关键产品。
Impact
- 欧洲企业买方:Leanstral 是符合欧盟数据合规的少数前沿选择
- 中端模型市场:Leanstral 1.5 与 GLM 5.2 / Qwen3 / DeepSeek V4 在 2026 H2 将形成更激烈的正面对决
- Mistral:定位选择决定下一阶段融资估值。
Numbers
- Leanstral 1.5 HN 分数
- 36 分 / 1 评论discovery 候选中分数偏低的模型发布;社区关注度低HackerNews
早报判断
- Leanstral 1.5 在 HN 上仅 36 分与 1 条评论,远低于 Sonnet 5(35 分 / 16 评论)与 Brain2Qwerty(64 分 / 38 评论)
- 说明 Mistral 在前沿智能体叙事中已显著掉队,Leanstral 系列在中端市场的差异化卖点是『价格 + 长上下文』,而非『前沿能力』。
- Mistral 下一阶段需要决定:是继续在『中端性价比』打深,还是回追前沿智能体。
接下来看
- Leanstral 1.5 在 Artificial Analysis / LiveBench / Aider 等第三方基准的具体表现
- Mistral 是否在 7 月公布 2026 H2 的产品路线图
#Mistral#Leanstral#中端模型#欧洲
行业动态重要度 2/5低置信发展中
待验证｜Claude Code 被指对中国用户做隐蔽指纹检测
- BREAKING 转载:Anthropic 在 Claude Code 中嵌入了针对中国用户的隐蔽检测 / 类似间谍代码。
- 当用户使用非官方代理时,会悄悄收集时区、代理、中国 AI 实验室域名等信息,并通过修改日期格式等隐写手法把指纹写进 prompt 发回后端。
- 原报道(@IntCyberDigest / @oragnes 转述)给出来源待核实,目前未有 Anthropic 官方回应,事实尚未坐实。
要点拆解展开
Why
若属实,这是 Anthropic 在『地域合规』上第一次被公开指控使用隐蔽检测代码,直接影响中国用户对 Claude Code 的信任与代理生态走向。
Impact
- 中国用户:Claude Code 代理生态可能受影响,需重新评估使用风险
- Anthropic:需要官方澄清技术细节,否则中国市场份额可能受损
- 国际安全研究:这是 AI 工具『合规 vs 隐私』边界的标志性案例。
Numbers
- 指控转述来源
- @IntCyberDigest / @oragnes X 转述BREAKING 转载,Anthropic 尚未回应X 转述
早报判断
- 这条指控若属实,意味着 Anthropic 在 Claude Code 中建立了『地域 + 行为』双重指纹机制
- 通过日期格式隐写把指纹写进 prompt,是一种相当成熟的反检测工程。
- 这与 Anthropic 自身的政策声明(6-12 Mythos/Fable 出口管制配合)方向一致:在合规框架下对『受限用户』做精细化区分。
- 但指控本身的来源是单一国际安全媒体转述,缺乏独立第三方验证,且 Anthropic 尚未回应。
接下来看
- Anthropic 官方对该指控的回应
- 独立安全研究者(看雪 / FreeBuf / Hacker News)对该指控的复现验证
社交雷达 · X 讨论
- Google 在 Gemini API 与 AI Studio 推出两款生成式媒体模型:Nano Banana 2 Lite(单图 <4 秒
- $0.034/1K image)与 Gemini Omni Flash(视频编辑 SOTA,$0.10/秒与 Veo 3.1 Fast 同价)。
原帖 ↗- Anthropic 正式发布 Claude Sonnet 5:迄今最 agentic 的 Sonnet,推理/工具/编程/知识工作全面升级,性能逼近 Opus 4.8 但价格更低。
- 限时优惠(至 8-31)输入 $2/M token、输出 $10/M token。
- Claude Code、Free/Pro 用户默认模型,已集成 GitHub Copilot、Notion、Cursor、Devin。
原帖 ↗- Claude Sonnet 5 评测:Intelligence Index 53 分(max effort),比 Sonnet 4.6 高 6 分,与 GPT-5.5(high reasoning)同分,落后 Opus 4.7/4.8,榜上排第 5。
- 提醒:去掉促销定价后 Sonnet 5 单任务成本反而高于 Opus 4.8。
原帖 ↗- 成本对比:Sonnet 5 比 Opus 4.8 Max 贵 1.2x
- 比 GPT-5.5-xhigh 贵 2x
- 比 GLM-5.2 贵 5x
- 比 Kimi-K2.6 贵 7x
原帖 ↗独立确认:Sonnet 5 在 Artificial Analysis Intelligence Index 上单任务成本『MORE than Opus 4.8』,呼应 ArtificialAnlys 的结论。
原帖 ↗- Sonnet 5 单 benchmark 全面输给 Opus 4.8,但仍推荐 Claude Code 的 Dynamic Workflows:/model Sonnet 5 + /effort Ultracode 让复杂任务跑动态工作流。
- 预判:Fable 5 解封后会成为『超级智能顾问』,Sonnet 5 充当『快速实现者』。
原帖 ↗更多讨论14 条
- 据 POLITICO:美国商务部预计今晚解除对 Anthropic 模型 Fable 的出口管制。
- 后续 ZOOMER 也转发了同一消息。
原帖 ↗GLM-5.2 成为 Z.ai 在 Hugging Face 历史上最受好评的模型。
原帖 ↗用 /design 在 Command Code 跑 SaaS、作品集、仪表盘、建筑站、宠物店、房地产等设计任务,GLM 5.2 在几乎所有类目上都击败 Opus 4.8。
原帖 ↗- LongCat 在真实物理任务(HTML5 canvas 写物理模拟:加农炮拆墙、保龄球击瓶、龙卷风卷物)上对标 Opus 4.8 和 GPT 5.5:LongCat 18,015 tokens / $0.00,Opus 4.8 18,872 / $0.48,GPT 5.5 32,588 / $0.98,GLM 5.2 31,062 / $0.09。
- LongCat 物理效果优于 Opus 4.8 和 GLM 5.2(无穿模/掉落),细节与渲染与 GPT 5.5 持平。
原帖 ↗- SGLang DSpark 预测解码实测(PR29538):多场景基本能预测 3 个 token(数学 3.37 / 对话 3.0 / 代码 3.52)。
- 1K prompt 加速比 1.81x,8 卡 B200 速度从 164 token/s 拉到 297 token/s。
- TPOT 仅 2.9-5.2ms。
原帖 ↗Qwen3.6 27B 把自家的 35B A3B 吊着打。
原帖 ↗- BREAKING 转载:Anthropic 在 Claude Code 中嵌入针对中国用户的隐蔽检测/类似间谍代码。
- 当用户使用非官方代理时,会悄悄收集时区、代理、中国 AI 实验室域名等信息,并通过修改日期格式等隐写手法把指纹写进 prompt 发回后端。
原帖 ↗- 反驳 Anthropic CEO Dario 关于『开源』的言论:Dario 认为 AI 圈『开源』多数只是开放权重,免费不成立。
- 反驳称『开放权重 ≠ 免费』判断对了一半,但忽略开放权重带来的私有部署、可控性、可审计性、生态创新这些价值
- 当模型变成基础设施,要在『能力 / 成本 / 控制权』之间重新排序。
原帖 ↗- 日常 CRUD 任务下 Claude Code、Cursor、Codex、OpenCode 已在智能和特性矩阵上『同质化收敛』,互相可换。
- 唯一严重掉队的是 Google 的 Antigravity:API 稳定性(Thinking Token 冲突导致 length 截断)和软件工程成熟度(无响应死锁
- 五子组件架构分裂)都明显脱节。
原帖 ↗- 新 Codex 工作流:1) Codex 支持一个 thread 管理其他 thread
- 2) 可创建 heartbeat 持续做某事或 check-in
- 3) 用 /goal 让 agent 跑完所有工作。
原帖 ↗用 Multi-Agent 自动跑完整个 CVE 挖掘流程:从挑项目、审代码、验证漏洞到生成可直接提交的漏洞报告。
原帖 ↗- 传言:谷歌询问美国政府是否需要保留 Gemini 3.5 Pro,得到的回答是『不需要』
- 美国政府要求谷歌不在美国发布 Gemini 3.5 Pro,只在美国以外地区发布。
原帖 ↗- 用 Claude Code 或 Codex 出的 dashboard 一眼就 AI 味,问题两类:sameness(同一套三模板轮转)
- sloppy detail(emoji 当 icon
- 按钮没 hover 状态
原帖 ↗- Gemini Omni Flash 在 Video Arena 视频编辑能力榜排第 2(1347 分),比第二名 HappyHorse 1.0(1308)高近 40 分
- 该榜只评了 7 个模型。
原帖 ↗