Anthropic 发布 K-12 教师用光合作用形成性评估材料
Anthropic 面向 K-12 教师发布了一份 8 年级光合作用形成性评估表，对应 NGSS MS-LS1-6 标准，不计分。评估分 Part A 核心概念与 Part B 证据推理两部分，共 10 题，并附答案要点与教师提示，重点针对“植物质量来自土壤”“碳原子来自阳光”等常见误解。
#编码
#编码
今日 5 条Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分77 Tomer Tunguz 博客（VC 分析）AI 评分3838 模型边用边学：测试时训练如何改变 AI 推理成本与记忆机制
测试时训练让模型在回答提示词时就地做梯度更新，权重随使用而改变，从而把不断增长的 KV-cache 折叠为固定大小的权重，内存占用不再随上下文线性增长。斯坦福针对小模型的研究显示其推理速度最高可提升 2.7 倍，In-Place TTT 还能免重训把 4b 模型提升到有竞争力的 128k 上下文表现。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分4646 Anthropic 企业版 Claude Enterprise：面向企业的 Claude 部署方案
Anthropic 推出面向企业的 Claude Enterprise，提供 SSO/SAML、SCIM、审计日志、合规 API 及 HIPAA-ready 等管理控制，数据默认不用于训练模型。企业可将 Claude 部署到 Chat、Claude Cowork、Claude Code 及自有产品中，官方称复杂代码迁移可减少 90% 耗时。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分4545 Anthropic 展示 Claude 编程能力：Opus 5.5 在 Terminal-Bench 4.0 得分 66.4%
Anthropic 公布 Claude 在编程场景的能力数据：Opus 5.5 在 Terminal-Bench 4.0 上得分 66.4%，为某 AI 平台客户带来 60 倍更快的代码审查反馈，为某企业软件客户将测试运行时间缩短 95%。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2323 Claude Code 如何加速代码现代化
Claude Code 面向企业遗留代码库的现代化改造，结合 AI 代码生成与深度代码库理解，在保持业务逻辑完整的前提下支持可扩展迁移。它能生成依赖图、识别死代码、按复杂度与业务影响排定重构优先级，并自动为重构代码创建单元测试、补充回归测试。该工具可接入现有 CI/CD 流水线与版本控制系统，满足企业级安全与合规要求。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2323 Anthropic 详解如何用 Claude 构建高效 AI 智能体
Anthropic 发布工程长文，介绍用 Claude 构建能规划、行动与协作的 AI 智能体，并称 Claude 在客户支持到编程等智能体场景中表现优于其他模型。
Tomer Tunguz 博客（VC 分析）AI 评分5151 Tomer Tunguz：AI 提升的不是效率而是产出上限
Tomer Tunguz 分析五年写作数据后认为，AI 自动化草稿并未减少人工编辑，而是提高了同等工作量的产出上限。行级句编辑中位数稳定在每篇约 136 处，而发布文章的质量下限上升最快，第 10 百分位评分从 2.59 升至 3.81，涨幅约为第 90 百分位的两倍。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8080 Anthropic 发布 Claude Haiku 4.5，SWE-bench Verified 得分 73.3%
Anthropic 发布 Claude Haiku 4.5，称其是最快、最具性价比的模型，在编码、计算机使用和 Agent 任务上媲美 Sonnet 4，SWE-bench Verified 得分 73.3%。
推荐理由：官方给出性能、价格与可用渠道的关键数字，读者可据此评估它在低延迟和多智能体场景中的适用性。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 并降价最多 30%
Anthropic 发布 Claude Sonnet 5.5，比 Sonnet 5 运行快 30%，典型负载成本最多低 30%，定价为每百万输入 token $2、输出 token $10，支持 1M 上下文窗口，可通过 Claude API、AWS、Google Cloud 和 Microsoft Foundry 使用。
推荐理由：官方页面给出价格、token 用量与多客户评测数据，读者可以据此评估它在成本与性能间的取舍。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8686 Anthropic 发布 Claude Opus 5.5，运行成本比 Opus 5 低约 40%
Anthropic 发布 Claude Opus 5.5，面向高强度编码和 AI 智能体的混合推理模型，具备 1M 上下文窗口，典型工作负载运行成本比 Opus 5 低约 40%。
推荐理由：官方给出了定价、token 成本与多个客户实测数字，可帮助开发者评估升级到新 Opus 的成本与效率收益。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8181 Anthropic 发布 Claude Fable 5.1：面向编码与长时间智能体任务的新旗舰模型
Anthropic 发布 Claude Fable 5.1，定位为其最强编码与知识工作模型，面向 Pro、Max、Team、Enterprise 用户及 Claude Platform、AWS、Google Cloud、Microsoft Foundry。
推荐理由：官方页面给出定价、缓存降价、回退机制和客户实测引用，读者可以据此评估长时智能体与编码工作流的成本收益。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7171 Anthropic 发布 Claude 桌面与移动应用统一下载页
Anthropic 上线 Claude 应用的统一下载页，提供 macOS、Windows、Linux（beta）桌面端和 iOS、Android 移动端。桌面应用内可直接运行 Claude Code，支持远程控制、跨设备记忆同步、Chrome 等扩展连接本地工具，并面向企业提供 MSIX/PKG 安装包和 SSO 部署；Linux 端暂不支持 Computer Use 和听写功能。
推荐理由：页面汇总了 Claude 桌面与移动应用的下载入口、各平台支持情况和常见使用限制，方便读者判断适配自己的版本。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分5656 Anthropic 发布 Claude Security 公测，用 Claude Mythos 5.1 扫描代码漏洞
Anthropic 推出 Claude Security，面向 Claude Enterprise 开放公测，用 Claude Mythos 5.1 扫描代码库，对发现结果做对抗性验证并给出建议补丁，所有补丁需人工审核批准。
Google Developers Blog（RSS）AI 评分4242 为什么 Go 是 AI 辅助软件工程的理想语言
Google 认为 Go 是 AI 辅助软件工程的理想语言，因为 AI 编程时代开发重心已从写代码转向审查与维护代码。Go 自带格式化、测试框架、依赖管理和安全工具，AI 模型可借助这套端到端工具链更快、更便宜、更可靠地处理 Go 代码。Go 优先可读性而非可写性，其统一风格也为 LLM 提供了更标准化的训练数据。
Google Developers Blog（RSS）AI 评分4848 如何评估、迭代与守护 AI 编程智能体：Harness Engineering 解剖
针对 AI 编程智能体，端到端基准（如 Terminal-Bench、DeepSWE）只能给出综合分数，无法解释涨跌原因，行为评估则断言具体可观测动作，如提示词不明确时是否反问、改构建文件前是否跑本地校验。
Baseten Base Labs：模型研究AI 评分5959 Z.AI 发布 GLM-5.3：与 GLM-5.2 同底座，靠规模化后训练强化智能体编码
Z.AI 发布 GLM-5.3，定位智能体工程，与 GLM-5.2 使用相同的 744B-A40B MoE 底座，全部能力提升来自在更多样真实任务环境（完整代码库、文档、测试工具、多步工作流）上的规模化后训练。
Baseten Base Labs：模型研究AI 评分6868 Baseten 上线 DeepSeek V4 Pro 0813，1.7T 参数开放权重模型
Baseten 上线 DeepSeek V4 Pro 0813，一个 1.7T 参数的前沿开放权重模型。它可与较小的 V4 Flash 0731 搭配用于 coding agent，由 Pro 驱动主 agent、Flash 运行子 agent，使整个编码栈跑在开放权重模型上。
Baseten Base Labs：模型研究AI 评分1818 Nomic Embed Code
Nomic Embed Code 的示例响应显示，其返回的 embedding 向量为单元素数组，model 字段标注为 thenlper/gte-base，usage 中 prompt_tokens 与 total_tokens 均为 512。
Cloudflare BlogAI 评分6060 Cloudflare 用 AI 工具 CryptoLabe 推进 2029 年后量子迁移
Cloudflare 介绍内部 AI 工具 CryptoLabe，用于发现代码库中的密码学使用并规划后量子（PQ）迁移，目标 2029 年实现全面 PQ 就绪。
xAI：News（网页）AI 评分5757 Grok Build 推出记忆功能
xAI 为 Grok Build 推出记忆功能，在每轮对话完成后于后台记录约定、决策和项目事实，后续会话会先读取相关笔记再修改代码。记忆按项目保存并另有全局偏好集合，不记录任务状态、临时结论、密钥及仓库文档已覆盖的内容；新增 /memory 浏览命令和 /dream 整理命令，后者也会定期在后台运行。
TensorZero：实验与工程博客AI 评分5858 TensorZero 用 tree-sitter 和树编辑距离从每次 Git commit 自动评估 Cursor 推理效果
TensorZero 团队发布开源方法，在每次 Git commit 时自动为 Cursor 的 LLM 推理计算反馈奖励。
Berkeley RDI：Blog（AI 安全与评测）精选AI 评分6767 Berkeley RDI：GitHub Pages 上近 2000 个站点仍加载 polyfill.io 恶意 CDN，AI 编码助手加剧风险
Berkeley RDI 扫描发现 1,960 个 GitHub Pages 站点（18,384 个页面，合计超过 530K stars，含 microsoft/AirSim 和 UC Berkeley 课程页）仍在加载 polyfill.io 等 Funnull 系列 CDN，该运营商已被 OFAC 制裁。
推荐理由：原文实测四款大模型仍会推荐已被制裁的恶意 CDN 域名，并给出可执行的排查命令和修复清单，方法可迁移到自身项目。
Berkeley RDI：Blog（AI 安全与评测）AI 评分5454 Berkeley RDI等机构提出软件开发自主性三级框架，展望编码不再是瓶颈后的软件工程
UC Berkeley、MIT、Microsoft、Cursor等机构的研究者发布立场论文《Towards Autonomous Software Development》，提出软件开发自主性三级框架：Level I代码自主、Level II流水线自主、Level III需求自主。
Berkeley RDI：Blog（AI 安全与评测）AI 评分5656 UC Berkeley 等发布 Vero 基准：评测 AI 智能体能否构建形式化验证的软件仓库
Berkeley RDI 等机构发布 Vero 基准，要求 AI 智能体在仓库级同时编写实现与 Lean 4 证明，包含 43 个多模块实例、743 个评分 API 和 2,705 条形式化规范。
Microsoft AI：官方博客（网页）AI 评分3030 Microsoft Signal 博客汇总：MAI-Code-1.1-Flash、CARE-X 与开源智能体框架 Orchard
微软推出 MAI-Code-1.1-Flash 模型，已用于 GitHub Copilot，在命令行编码和 .NET 开发任务上表现提升，用更少 token 完成任务且成本低于 6 月版本。微软还发布开源智能体框架 Orchard，为训练和评估能写代码、浏览网页的 AI 智能体提供可复用环境。此外，微软研究模型 CARE-X 可将多项放射学任务整合，在胸部 X 光任务和真实患者数据上表现良好。
METR：Blog（网页）AI 评分3030 METR 博客笔记：从 per-action 监控到 AI 研发加速的多项研究
METR 发布系列研究笔记，涵盖 per-action 阻断监控的有效性论证、LLM 是否加速网络/数学/算法领域发现速率，以及智能体能力度量。其中一项微调实验显示，四个推理模型经少量指令遵循数据微调后，CoT 可控性在分布外任务上从平均 2.9% 升至 8.8%；另一项分析发现约半数通过 SWE-bench Verified 的 AI 生成 PR 不会被仓库维护者合并入主分支。
Meta AI：Blog（网页）AI 评分7171 Meta Superintelligence Labs 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 发布 Muse Spark 1.1，一个面向智能体任务的多模态推理模型，在工具与计算机使用、编码和多模态理解上较 Muse Spark 有明显提升，支持 100 万 token 上下文管理和多智能体编排。
Baseten Base Labs：模型研究AI 评分6565 Z.AI 发布 GLM-5.3：智能体编码能力大幅提升，Terminal-Bench 3.0 从 4.6% 升至 28.3%
Z.AI 发布面向智能体工程的新模型 GLM-5.3，沿用与 GLM-5.2 相同的 744B-A40B MoE 底座，能力提升全部来自在更多样真实任务环境上的规模化后训练。
Fireworks AI（网页）AI 评分5959 Fireworks AI 分析：前沿不是单个模型，而是路由器
Fireworks AI 基于 DeepSWE v1.1 的 113 个任务分析称，按任务选模型的 oracle 路由在 18 个模型上可达 97.6% 通过率、每任务 $1.88，比最佳单模型 GPT-6 Astra（74.1%、$6.52）高 23 分且成本不到三分之一；仅用开源权重模型也能达 90.3%、$1.45。
Fireworks AI（网页）AI 评分5454 Fireworks AI 推出 Specialized Intelligence Index 覆盖七大领域模型评测
Fireworks AI 发布 Specialized Intelligence Index（SII），汇集开放、闭源和专用模型在医疗、法律、网络安全、金融、客服、生产力、软件七个领域的从业者设计基准上的表现。
Fireworks AI（网页）精选AI 评分6868 Fireworks Research 发布 Ember-1：以 Kimi K3 为基础实现同等质量下更省 token
Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 训练，在保持质量的同时减少约 35–50% 推理 token。团队做了 50 多次训练实验和 200 多次评估，在 Terminal Bench 2.1、SWE-bench Verified 等 7 个基准和两家客户生产流量的 A/B 测试中质量持平，每任务 token 约省 35%。
推荐理由：原文给出多组基准和生产 A/B 数据，读者可以据此评估用更低 token 成本跑 Kimi K3 级质量的可行路径。
NVIDIA Technical Blog：Agentic AI / Generative AIAI 评分5555 NVIDIA 与 SGLang 团队发布 SWE-Serve 基准，揭示本地测试通过不等于实机服务可用
NVIDIA 联合 SGLang 团队推出 SWE-Serve 基准，从 83 个已合并的 SGLang pull request 中构建 53 个可执行任务，用于评估智能体对推理服务软件仓库级改动的真实效果。
Cursor Blog精选AI 评分7979 Cursor 宣布被 SpaceX 正式收购
Cursor 官宣已被 SpaceX 正式收购，始于 4 月与 SpaceXAI 合作的收购流程正式完成。Cursor 表示将使用全球最大的 GPU 集群，以更低成本构建和提供能力更强的模型，并提及周三发布的 Grok 4.6 初步展示了合作成果；Cursor 将继续帮助用户少写代码、专注于更有挑战性的问题。
推荐理由：收购方官方亲述交易完成与后续算力、模型计划，读者可借此了解 Cursor 未来产品与成本走向。
Cursor Blog精选AI 评分7474 Cursor 推出 Projects：用协调智能体承接大规模开发工作
Cursor 推出 Projects，让开发者以项目为单位承接功能开发、迁移和长期维护等工作，可维持数月上下文、向数千个子智能体委派任务并自动处理周期性工作。每个 Project 默认在云端运行并同步共享上下文，协调智能体只负责委派而不写代码，还可订阅 Slack 频道、按计划运行或跟踪 PR。
推荐理由：官方介绍了 Projects 的协调智能体机制和内部使用数据，读者可以对照自己的多 PR 工作流评估是否适用。
Cursor Blog精选AI 评分7373 xAI 发布 Grok 4.7，编码与知识工作能力提升且价格不变
xAI 发布 Grok 4.7，定位为面向编码和知识工作的最强模型，价格和速度与 Grok 4.6 相同，输入每百万 token $2、输出 $6。
推荐理由：官方给出了 Grok 4.7 的基准成绩、价格和防护数据，读者可以据此与 Grok 4.6 等模型比较编码和安全表现。
Cursor Blog精选AI 评分6161 Cursor 推出软件开发 Bots：Rollouts 与 Security Reviewer
Cursor 推出两款软件开发 Bots，Rollouts 全程监控变更从 PR 到生产环境、自动标记回归并支持回滚，Security Reviewer 在每个 PR 上像安全工程师一样审查代码并支持一键修复。
推荐理由：原文来自官方，详细说明了两个 bot 的工作机制和适用场景，读者可对照自身部署与安全审查流程评估可用性。
Cognition 模型 / Devin 博客（网页）AI 评分6464 Cognition 发布 SWE-2 编码模型，以更低成本逼近前沿性能
Cognition 发布 SWE-2，其最强编码模型在 FrontierCode 1.1 Main 得分 50.0%，与 Fable 5.1 差距不到 1 分且便宜 64%。
Cognition 模型 / Devin 博客（网页）精选AI 评分7171 Cognition 将 Fusion 双智能体 harness 引入 Devin Desktop 和 CLI
Cognition 在 Devin Desktop 和 CLI 中开放 Fusion，一个由前沿模型主导规划审查、高性价比模型执行编码的双智能体 harness，官方称在主要编码基准上最高节省 39% 成本。
推荐理由：原文给出双智能体架构、实测成本数据与模型配对调优经验，读者可据此理解按任务定价与多智能体分工的设计取舍。
Cognition 模型 / Devin 博客（网页）AI 评分4747 Cognition 与 AWS 达成多年战略合作，推动 Devin 自主工程师在企业落地
Cognition 与 AWS 签署多年战略合作协议，帮助企业将 Devin 自主工程师部署到生产环境，并加速遗留工作负载迁移上 AWS。客户已可通过 AWS Marketplace 购买 Devin，并在 Devin 内直接使用 Agent Toolkit for AWS。
Cognition 模型 / Devin 博客（网页）AI 评分4141 Cognition 携 Devin 拓展拉丁美洲市场，首站落地圣保罗
Cognition 宣布拓展拉丁美洲业务，首站设在圣保罗，此前已与 Itaú、Nubank、Santander 等区域大型机构合作使用 Devin。Itaú 超 75% 技术团队使用 Devin，完成 30 万+ 代码库文档化、.NET 迁移 Java 提速 6 倍、自动修复约 70% 安全漏洞，工程吞吐量提升 20-30%。