物理学家 Matt von Hippel 发起挑战后，Anthropic 的 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 用 Fable 5.1 配合 Claude Science 平台算出了 planar N=4 super Yang-Mills 的九环六粒子振幅。
推荐理由：作者亲历发起挑战到被 Claude 算出九环结果的全过程，给出预算、验证方式和人类团队对比等一手细节。
Anthropic 宣布成立生命科学研究组与实验室，并分享早期成果：约 950 个 Claude 智能体用 21 小时和 210 million tokens 搜索 DNA 数据库后，自主发现一种与 DNA 重复序列相关的新型酶系统，命名为 array-associated reverse transcriptases（ART），模式类似 CRISPR。
推荐理由：Anthropic 以当事方身份完整披露 Claude 自主发现 ART 酶系统的流程、规模和实验验证方式，读者可以借此了解 AI 智能体驱动生物学研究的具体做法。
ARC Prize 发布发展时间线，回顾 ARC-AGI 从 2019 年 François Chollet 论文《On the Measure of Intelligence》到 2026 年推出 ARC-AGI-3 的历程。
Anthropic 前沿红队发布对智谱 GLM-5.3 的评测，发现它能自主构建端到端网络漏洞利用，在 ExploitBench 410 次尝试中成功 50 次，接近 Claude Mythos Preview 的 56 次。
推荐理由：Anthropic以第一手评测数据给出GLM-5.3的攻击能力与防护绕过率，读者可据此权衡开源权重模型在网络攻防两侧的风险。
ARC Prize Foundation 是一个致力于加速 AGI 发展的非营利组织，主张真正的 AGI 不能只靠扩大现有模型规模，而需要转向具备流体智能的系统。该组织通过创建和策划人类校准的基准来衡量人类与 AI 之间的能力差距，并推动研究者探索超越模式匹配与记忆的方法。其团队由 ARC-AGI 创造者 François Chollet 等人组成，并维护开源协作生态。
Anthropic 启动一项新研究，通过 Anthropic Interviewer 访谈收集人们对 AI 的体验与期待，参与者可自行决定是否将完整访谈公开。此前去年 12 月的同类研究有 81,000 人参与，其结果曾提交世界经济论坛并影响了 Anthropic Institute 的议程。
Anthropic 发布 Claude 与 Console 账户支持指南，支持仅通过支持 messenger 和邮件以书面形式提供，不提供电话支持。
ARC Prize Foundation 发起捐赠，用于扩展其工作并打造更具影响力的 AI 基准，捐款可抵税。该机构称 ARC-AGI 是唯一针对"人类能解、AI 尚不能解"这一关键缺口的基准。Google AI Studio 产品负责人 Logan Kilpatrick 表示已个人支持该基金会，以更好判断通往 AGI 的进展。
Anthropic 宣布 Claude Design 现可在任意 Claude 对话中使用，包括 Claude Code 和 Artifacts 标签页，Claude Tag 支持即将推出。
推荐理由：原文给出可用范围、连接器和设计系统管理等具体变化，读者可据此判断它对设计到交付流程的影响。
Anthropic 推出 @Claude（beta），面向 Claude Enterprise 和 Team 客户开放，在 Slack 中 @ 提及后可读取会话、理解完整上下文并实时回应。
Anthropic 推出 Claude Cowork，一个面向非编码知识工作的智能体产品，用户给定目标后它可在指定文件夹和工具中直接读写文件、完成多步任务并交出可审查成果，已随付费计划在 web 和移动端（beta）推出，桌面端可访问本机文件夹和应用。
推荐理由：官方页面给出 Claude Cowork 的任务交接方式、内置浏览器、订阅计划和权限控制，读者可据此评估它对知识工作流的适配。
Anthropic 推出 Claude Code Enterprise，支持在终端、桌面、任意 IDE、Slack 或网页中用自然语言开发完整功能，包括写代码、建测试和开 PR。
Anthropic 的 Claude Code 是一款可在终端、IDE、Slack 和网页中使用的编码智能体，支持 macOS、Linux 和 Windows，能规划任务、编写代码、运行测试并打开 PR，可处理 bug 修复、代码库解读和持续数小时的重构迁移。
Anthropic 更新 Claude 产品概述页，将 Claude 定位为可交接实际任务的协作者，而非仅回答问题的助手。
推荐理由：官方页面给出任务交接、定时任务、连接器和跨应用入口等完整能力清单，读者可据此判断它如何嵌入现有工作流。
Anthropic 于 9 月 22 日发布 Claude Opus 5.5，称其在多数工作上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。同页还预告 9 月 10 日的威胁情报报告，介绍八个月内在多个行动中识别并阻断威胁行为者滥用 Claude 的案例，以及 2025 年以来恶意使用方式的演变。
Anthropic 公布三份政策提案，包括应对 AI 冲击劳动力市场的经济政策框架、针对最强模型灾难性风险的 Advanced AI Framework，以及美中 AI 领导权竞争的两种 2028 情景。该公司称美国人采用 Claude 的速度是 20 世纪任何新技术的 10 倍，并主张政府应要求开发者发布灾难性风险评估、引入独立评估机构。
Tomer Tunguz 分析 Dario Amodei 提出让行业自我放缓 AI 发展的倡议，指出五个阵营各说后果却无人给出具体速度。文章以 2023 年 10^26 FLOPS 报告门槛被撤销、Grok-3 数周后越线为例，说明算力每年增长约五倍，固定数字很快过时，真正问题是谁有权决定速度。
Vercel COO Jeanne DeWitt Grosser 在 The Information 访谈中表示，inbound 销售开发实现 90% 自动化，自建客服 Agent 处理 93% 的支持案例，销售开发 Agent ROI 达 32x，两项的年度基础设施账单均为几千美元低位；inbound SDR 团队从 10 人缩至 1.25 人。
Tom Tunguz 引用 UC Berkeley HarnessTax 研究指出，控制 AI agent 的 harness 决定同一答案的价格：GPT-5.6 Sol 在 Pi 上比在 Claude Code 上每完成一个任务成本低 71%（$0.441 对 $1.540），42 组同模型 harness 对比中质量差异均无统计显著性。
推荐理由：作者基于 UC Berkeley 研究数据解释 harness 如何决定同一模型的成本与毛利，比较框架可迁移到 AI 应用商业判断。
Tomer Tunguz 撰文提出 AI 正在优化 if-then 判定这一编程原语：Jev（TypeSafe）和 SemIf（MIT 协议开源，配合 Jared Palmer 的 kev）只运行一次注意力计算即从少量输出 token 判定结果，成本比传统 AI 低约 99%。
推荐理由：作者以自己 agent 的实测数据展示专用小型判定模型可同时大幅降本并提升分类准确率，方法有可迁移性。
Tom Tunguz 撰文分析 AI 市场竞争焦点不在前沿模型而在中间层。他引用数据指出，Anthropic 的 Opus 系列维持 $5 与 $25 每百万 token 价格五次发布后首次降价，OpenAI 的 Luna 先后降价 80% 和 50%，开源模型以 86% 折扣承担大部分 token 流量；最强模型 Fable 5.1 上线十二天仅占网关支出的 3.7%。
推荐理由：作者用多家模型价格与网关份额数据说明竞争重心在中间层市场，为理解 AI 定价经济提供了一个数据视角。
Theory Ventures 合伙人 Tomer Tunguz 撰文认为 AI 已把软件工程的重心从手写代码转向系统设计，核心是构建让 AI 验证自身输出的循环。
推荐理由：作者结合 Artemis 与 Lauren Tan 的案例，把 AI 时代的软件工程归纳为基于 Meadows 三性质的验证循环设计，视角有可借鉴的分析框架。
GPU 租赁价六个月内从 $4.40 涨到 $8.08 每卡时，但 AI 价格仍在下降。文章归因于数据中心建设推高电力、材料和信贷成本，需求激增放大竞价；同时模型效率快速提升，Claude Opus 5.5 运行成本降 40%，同一基准的通过成本从 $0.55 降至 $0.0015。Microsoft 称每 GPU 生成的 token 年增 90%，效率与成本两股力量大致相当。
Anthropic 与 OpenAI 在2026年通过市场分层重新拉开收入差距：Anthropic 于2026年3月推出企业按量计费，一个季度内收入翻倍；约三个月后 OpenAI 将最便宜的 Luna 模型降价80%，run rate 接近 $70b。
OpenAI 发布 Dots，这是一类主动式智能助手，可在复杂项目和日常任务中持续推进工作。官方介绍称 Dots 能帮助用户在工作推进的同时保持掌控。
OpenAI DevDay 2026 公布 20 多项发布，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。官方以回顾形式汇总了这些公告，具体功能细节与可用性尚未在摘要中展开。
OpenAI 发布 GPT-6.1 Sol，定位接近 Astra 的智能水平，面向编码、计算机操作和专业工作场景，价格为其标准 API 输入和输出 token 价格的五分之一。
推荐理由：原文点出 GPT-6.1 Sol 的定位与价格对比，读者可以据此判断它在编码等场景的成本取舍。
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼"网络在冻结基座模型的前提下动态调整生成轨迹。
Google 发布 autofinetune 项目，将 autoresearch 的自主研究循环应用到 LLM 后训练（SFT 和基于 GRPO 的强化学习），使用 Tunix、Gemma 和 Cloud TPU，并由 Antigravity CLI 与 Gemini Flash 3.7 编排。
Google Developers Blog 发布零信任 Agent 系列第二篇，讲解如何将 Customer Support & Returns Agent 的安全检查从构建时移到 Gemini Enterprise Agent Platform 的运行时治理层。
Gemini Enterprise Agent Platform 推出 Agent Anomaly Detection 私密预览，这是一个基于推理的智能体监督与审计层，通过分析推理轨迹、工具调用和执行流程识别行为异常、可疑意图与策略违规。
Google 宣布与 Speakeasy 合作，将后者的 OpenAPI 代码生成套件以 AGPLv3 许可开源。
推荐理由：原文交代了闭源 SDK 生成器停服带来的风险，以及 Speakeasy 以 AGPLv3 开源多语言生成套件的具体内容。
Google AI 订阅用户即日起可获得 Google Colab 高级权益，包括优先使用更快的加速器和更强算力的机器。Google AI Ultra 订阅者还可解锁不间断后台执行和 Premium GPU 访问，长时间训练无需保持浏览器标签页开启。相关权益将在未来几周内向 Colab 支持国家的 Google AI 订阅用户逐步推送，已有 Colab 订阅不受影响。
NVIDIA 发布开源表格基础模型 Kumo Tabular，权重已上架 Hugging Face，给定带标签表格后单次前向即可完成分类或回归，无需训练、调参或特征工程。
Google 宣布 Antigravity SDK 支持本地模型工作流，首发支持基于 Google AI Edge LiteRT 的 Gemma 4 26B A4B，可完全离线运行智能体辅助，建议机器配备超过 24GB VRAM 或统一内存。
推荐理由：官方给出了本地智能体工作流的完整上手步骤和混合编排演示，含具体 token 与硬件数据，可直接照做复现。
Google 团队在 MaxText（JAX/XLA）中从零复现 Ai2 的 Olmo 3 7B，在 Google Cloud TPU 上完成 stage-1 预训练（约5.93T token。
Google Cloud API Gateway 在 Public Preview 中新增远程 MCP 服务器能力，通过在 OpenAPI 3.x 规范中添加 x-google-api-management.mcp 注解并部署，即可把现有 REST 操作暴露为 agent 可调用的 MCP 工具，无需单独搭建和运维 MCP 服务器。
Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，将单次内容检索耗时从 250 分钟降至 2 分钟以内。
针对 RAG 在跨数百份合同的聚合问题上失效，该方案改用结构化抽取：AI 抽取智能体（Claude Sonnet 系列）从每份合同 PDF 提取 8 个关键字段并附置信度，验证智能体（Claude Haiku）独立复核，签名检测分歧由 Amazon Textract 用计算机视觉裁定，结果存入 Amazon Aurora PostgreSQL。
AWS 发文拆解 Amazon Quick 各组件的提示词写法：Quick Research 需明确目标、受众与关注范围，并自行拆解子问题、限定数据源（Quick Index。