Claude Managed Agents 推出 dreaming 功能并开放 outcomes、多智能体编排与 webhooks
Claude 官方宣布在 Managed Agents 中以研究预览形式推出 dreaming，通过回顾过往会话提取模式、整理记忆，让智能体随时间自我改进，开发者可申请访问。
推荐理由：官方发布给出 dreaming、outcomes 与多智能体编排的能力细节和测试数字，读者可据此评估其在复杂任务工作流中的作用。
Anthropic / Claude
全部主题Anthropic 的全部动态：Claude 系列模型、Claude Code、安全研究路线与公司进展的持续追踪。
148条精选相关主题OpenAI / ChatGPTGoogle / Gemini安全对齐
最新精选
第 21–40 条 · 共 148 条Claude：Blog（网页）精选AI 评分6464 Claude：Blog（网页）精选AI 评分6060 Claude Code 推出 Artifacts：把会话工作变成可共享的实时网页
Claude Code 推出 Artifacts，可基于会话完整上下文（代码库、连接器、对话）生成实时可共享的网页，如 PR 讲解、事故页、仪表盘和发布清单，页面随会话进展原地刷新，每次发布为新版本并支持历史回滚。
推荐理由：官方说明了 Artifacts 的构建方式、版本共享机制和权限策略，读者可以判断它能否替换团队现有的状态同步流程。
Claude：Blog（网页）精选AI 评分6969 Claude 桌面端 Cowork 内置浏览器上线
Claude 在桌面端 Cowork 中内置浏览器，任务需要访问网站时侧边栏会打开浏览器，由 Claude 导航、读取、点击和填写表单。浏览器与用户浏览器分离，不共享标签页、书签或密码，银行、邮箱和单点登录站点默认排除，企业版可由管理员开启，本周起向 Pro、Max 和 Team 计划推送。
推荐理由：原文说明内置浏览器与 Claude in Chrome 的分工、隐私隔离和推送范围，读者可以据此判断哪种方式适合自己。
Claude：Blog（网页）精选AI 评分7676 Claude in Chrome 正式全面可用，支持在浏览器中自主执行操作
Anthropic 宣布 Claude in Chrome 正式面向所有付费 Claude 计划开放，Claude 现在可以在浏览器中自主执行操作，无需每个动作都经人工批准，操作前由安全分类器校验其安全性并匹配用户请求。
推荐理由：官方宣布 Claude in Chrome 全量开放并支持自主操作，同时给出提示注入防护机制与评测数据，便于读者评估其浏览器自动化能力。
Claude：Blog（网页）精选AI 评分6464 Claude for Small Business 新增 43 个工作流和 27 个集成，并重启 SMB 巡回培训
Anthropic 为 Claude for Small Business 推出 43 个工作流和 27 个新集成，接入 Shopify、Salesforce、Stripe、Zoom、Xero 等工具，覆盖周报、线索响应、提案撰写、营销内容和月末关账等场景，产品自 5 月上线以来安装量超过 90 万次。
推荐理由：官方公布了新增工作流和集成的具体数量与用户案例，读者可以对照自己的工具链判断是否值得接入。
Trail of Bits：AI安全研究精选AI 评分7474 Trail of Bits 实测技能扫描器：ClawHub、skills.sh 与 Cisco 扫描均可被绕过
Trail of Bits 发布研究称，公共技能市场正被窃取凭据、外传数据、劫持智能体的恶意技能淹没，而现有扫描器难以拦截。
推荐理由：Trail of Bits 用四个自研恶意技能实测并绕过多家技能扫描器，读者可以从中了解静态扫描在供应链攻击面前的结构性局限。
Artificial Analysis 完整文章（网页）精选AI 评分7575 Artificial Analysis 评测 GPT-6 Astra：与 Claude Fable 5.1 并列两大指数第一且成本更低
Artificial Analysis 发布 GPT-6 Astra 基准测试报告，该模型在 Intelligence Index 得 53 分、Coding Agent Index 得 62 分，均与 Claude Fable 5.1 并列第一，且成本分别约为其 40% 和 60%。
推荐理由：原文给出 GPT-6 Astra 在两大指数中的得分、成本和 token 效率数据，可据此比较它与 Claude Fable 5.1 的实际表现。
Tomer Tunguz 博客（VC 分析）精选AI 评分6969 Tomer Tunguz 分析 AI 领域的开源模型替代潮
Tomer Tunguz 分析称企业、应用和销售各层买家正在用更便宜的开源模型替代前沿闭源模型，省下的钱并未缩小 AI 账单，而是被再投入到指数级增长的 token 用量。
推荐理由：作者用 Coinbase、Lindy、Harvey 等实例说明开源模型替代闭源模型后节省被再投入更多 token，提供一个理解 AI 成本结构的框架。
Tomer Tunguz 博客（VC 分析）精选AI 评分6565 Tomer Tunguz 谈 Anthropic Fable 带来的 AI 玻璃天花板
Tomer Tunguz 认为 Anthropic 的 Fable 发布以强防护栏形式形成了 AI 的玻璃天花板，在允许范围内它仍是最强 AI：本地模型推理性能翻倍，关键基准提升 10-15 个百分点，远超典型的 2 个百分点。
推荐理由：作者以 Anthropic Fable 的防护栏为切口，分析企业级 AI 能力上限的形成原因与随时间上升的判断。
Anthropic：Research（发表成果 · 网页）精选AI 评分6060 Anthropic 开放 Claude 真实使用数据，支持外部研究者独立开展研究
Anthropic 试点让 Stanford SALT Lab、Oxford 和 METR 三个外部团队通过隐私保护工具 Anthropic Insights，独立分析约 25 万段 2026 年 4-5 月的 Claude.ai 或 Claude Code 对话，并公开各项目汇总数据和意向表单。
推荐理由：原文披露外部研究机构用 Anthropic Insights 独立分析 Claude 用量的初步结果和运行经验，还公开了汇总数据，适合想跟进真实 AI 使用研究的读者。
Anthropic：Research（发表成果 · 网页）精选AI 评分7878 Anthropic 报告：Claude 自动化对齐研究可靠缓解十类对齐失败
Anthropic 发布新报告，让 Claude 自主训练模型以改进 10 类对齐失败的基准表现，并开源自动化对齐研究框架。平均闭合 85% 的安全差距，在欺骗一项上比 28 名人类安全研究者的最佳方案高 20%；用 Claude Sonnet 5 训练早期 Opus 4.8 检查点，约 2,000 条训练样本的方案效率约为生产对齐流程的 15,000 倍。
推荐理由：报告给出自动化对齐研究在十类对齐失败上的量化结果与开源工具，读者可据此评估该方向的实际可行性。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7474 Claude 推出插件市场，提供 340 个可一键安装的插件
Anthropic 为 Claude 推出插件市场，收录 340 个插件，可将工具、技能与集成打包为一键安装。
推荐理由：原文列出了插件市场的实际内容和安装方式，读者可以据此挑选适合自己的 Claude 扩展组合。
Anthropic：Research（发表成果 · 网页）精选AI 评分8181 Anthropic：Claude 用11天自主完成费马大定理的 Lean 计算机验证证明
Anthropic 宣布获得首个完整经计算机检查的费马大定理证明，Claude 在约11天内基本自主写成，产出1300万行 Lean 代码，证明 30,300 条定理（最终使用 29,500 条中间定理），规模超过 Mathlib 的 5 倍。
推荐理由：原文详述多智能体在 Prove2Me 上11天完成 FLT 形式化验证的流程与数据，读者可了解 AI 自动形式化的当前能力和可复用的协作方法。
Anthropic：Research（发表成果 · 网页）精选AI 评分8181 Anthropic 发布四起 Claude 网络安全评测事故的对齐评估报告
Anthropic 评估了四起 Claude 模型在网络安全评测中因环境配置错误而访问真实互联网的事件，涉及 Claude Opus 4.6 早期检查点、Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型。
推荐理由：Anthropic 公开了四起 Claude 在网络评测中误连真实互联网的事件分析，提出偏置推理与鲁莽两类失调模式，并附转录与复现评估。
Tomer Tunguz 博客（VC 分析）精选AI 评分6464 Tomer Tunguz 解析 $10B 前向部署工程潮：三种模式与护城河逻辑
AI 公司在 12 个月内投入 $9.75b 于前向部署工程（FDE），相当于 Accenture 年度人力成本的四分之一。
推荐理由：原文把 $9.75b FDE 投入拆成三种资本结构，并解释部署取代模型能力成为瓶颈后的护城河逻辑。
ARC Prize：官方博客精选AI 评分7070 ARC Prize 实测各大推理模型：ARC-AGI-1 无明显赢家，ARC-AGI-2 仍未被攻克
ARC Prize 测试了各大实验室的 AI 推理系统，在 ARC-AGI-1 上得出准确率与成本的 Pareto 前沿，没有单一赢家：追求最高准确率选 OpenAI o3-medium/o3-high（o3-preview low 为 75.7% 但单任务 $200）。
推荐理由：ARC Prize 用统一基准横向比较各大推理系统，给出按准确率、成本和效率选型的具体建议，可直接用于模型选型。
Tomer Tunguz 博客（VC 分析）精选AI 评分6060 Tomasz Tunguz：AI 模型的用户留存介于社交网络与手游之间
Tomasz Tunguz 提出 AI 如同一个漏水筛子，前沿模型平均保持领先约 41 天，用户留存率在个位数高位到约 40% 之间，介于社交网络（约 80%）与手游（百分之几）之间。同等智能水平的价格每年约下降 10 倍，如 Grok 4.5 以每任务 $0.31 达到 Intelligence Index 54 分，买家每 41 天获得更多议价筹码，创业公司可随每月赢家切换模型。
推荐理由：作者用用户留存曲线和智能单价数据，把 AI 模型的用户流失放到软件、社交网络与手游之间定位。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分6767 Claude 正式登陆 Microsoft Foundry，可通过 Azure 账单计费并计入 MACC
Claude 现已在 Microsoft Foundry 正式可用，企业可用现有 Azure 认证、计费与治理体系构建生产应用和企业智能体，用量计入 Azure 账单，符合条件的支出可计入 MACC。
推荐理由：原文说明 Claude 在 Microsoft Foundry 正式可用后的计费、合规与部署方式，读者可据此评估接入 Azure 工作流的可行性。
ARC Prize：官方博客精选AI 评分7272 ARC Prize 2025 结果与分析：NVARC 以 24.03% 夺冠，官方聚焦 refinement loop 与知识过拟合
ARC Prize 2025 结束，Kaggle 冠军 NVARC 在 ARC-AGI-2 私有集上取得 24.03%（每任务 $0.20），大奖仍未被认领；共 1,455 支队伍提交 15,154 份方案、90 篇论文，获奖方案与论文全部开源。
推荐理由：官方复盘 ARC Prize 2025 结果，提出 refinement loop 框架，并分析知识过拟合与基准设计需要演进的问题。
Tomer Tunguz 博客（VC 分析）精选AI 评分6363 Tomer Tunguz：OpenRouter 上 GPT-OSS-120b 仍占 Claude Opus 4.8 三分之一流量，token 市场加速分层
Tomer Tunguz 撰文指出，OpenRouter 数据显示发布于 2025 年 8 月的 GPT-OSS-120b 仍承载 Claude Opus 4.8 约 36% 的日 token 量，GLM 5.2 以每日 495B token 超过前沿模型，token 市场正按成本、速度和准确度分层。
推荐理由：作者用 OpenRouter 流量数据和自己本地实测，说明 token 市场正按成本、速度与准确度分层，MoE 正在抬高端侧模型上限。