Tomasz Tunguz：Agent harness 对编码成绩与成本的影响超过模型本身
Tomasz Tunguz 撰文称 harness 对编码基准和成本的影响大于模型。Endor Labs Agent Security League 测试显示。
推荐理由：文章用同一模型在不同 harness 下的分数差和缓存成本数据，说明运行时框架对编码表现和账单的影响可能超过模型本身。
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 41–60 条 · 共 148 条Tomer Tunguz 博客（VC 分析）精选AI 评分6666 ARC Prize：官方博客精选AI 评分6666 ARC Prize 用 ARC-AGI-3 分析 GPT-5.5 与 Opus 4.7 的推理失败模式
ARC Prize 通过 160 段回放与推理轨迹分析 GPT-5.5 和 Opus 4.7 在 ARC-AGI-3 上的表现，分数分别为 0.43% 和 0.18%（半私域数据集测试），并开源分析包。
推荐理由：ARC Prize 基于 160 段推理回放拆解两大模型的失败模式，指出总分掩盖了两者截然不同的推理缺陷。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分6565 Anthropic 推出 Claude Marketplace 生态系统
Anthropic 推出 Claude Marketplace 生态系统，提供超过 2000 个连接器和插件，可连接 Google Drive、Gmail、Microsoft 365、Notion、Slack、Atlassian 等应用。
推荐理由：Anthropic 官方页面列出了生态的实际组成和开放入口，读者可以据此了解 Claude 周边的连接器、产品和合作资源。
Tomer Tunguz 博客（VC 分析）精选AI 评分7272 Tomtunguz 分析 AWS 增速回升至 36.7% 与万亿美元营收之路
作者分析 AWS 最新季度年化营收达 $169b、增速 36.7% 为 18 个季度最快并连续五个季度加速，与 Azure 的差距从 16 个百分点缩窄到 6 个。但 AWS 积压订单 $496b 在三巨头中最小，自由现金流转为负 $7.6b，2026 资本开支计划上调至 $220b；Andy Jassy 称 AWS 有潜力成为 $1T 营收业务，其关键在于企业生产工作负载这一中间段何时普及推理。
推荐理由：作者用 AWS 与 Azure、Google Cloud 的增速、积压订单和资本开支对比，帮读者看清云计算竞争格局与万亿美元目标的真实约束。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7979 Anthropic Claude Platform 页面展示 Claude Opus 5.5、Sonnet 5.5、Fable 5.1 与 Haiku 4.5 定价和平台能力
Anthropic Claude Platform 页面列出 Claude Fable 5.1、Opus 5.5、Sonnet 5.5 和 Haiku 4.5 的定价与适用场景，如 Opus 5.5 定价 Input $4 / MTok、Output $20 / MTok，面向智能体编码和企业工作。
推荐理由：原文给出各型号模型定价、上下文与用量场景，读者可据此对照选择构建智能体的方案。
Anthropic：Newsroom（网页）精选AI 评分6060 Anthropic 更新 Claude Fable 5 生物学安全防护，减少约 85% 误拦截
Anthropic 更新 Claude Fable 5 的生物学安全分类器，生物学相关的 fallback（切换到能力较弱的 Opus 5）减少约 85%，用户在解读化验结果、了解症状、教育性生物学问题等日常场景将更少被拦截。
推荐理由：官方说明了 classifier 重写思路和 85% 的 fallback 降幅，可以了解生物学安全防护如何在风险与可用性之间权衡。
Tomer Tunguz 博客（VC 分析）精选AI 评分6666 Tomer Tunguz 分析模型涨价下分层定价如何延续杰文斯悖论
Tomer Tunguz 分析，超大规模云厂商在 2026 年 Q2 财报电话会上称 AI 产能持续受限，HBM3e 内存涨价 20%、HBM4 预计翻倍。
推荐理由：作者用各实验室定价与算力供给数据，解释分层定价如何维持杰文斯悖论，并指出路由层可能成为新的战略环节。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分6767 Anthropic 推出 Claude for Small Business 插件，覆盖记账、跟单和营销工作流
Anthropic 推出面向小型企业的 Claude for Small Business 插件，提供可定时运行的工作流：周一简报、月度结账、跟进线索并生成报价。
推荐理由：原文给出具体工作流、审批机制和数据安全细节，读者可判断这套面向十人以下企业的自动化方案是否适合自己。
Anthropic：Newsroom（网页）精选AI 评分6363 Anthropic 解释 Claude 文本水印的工作原理
Anthropic 宣布未来的 Claude 模型生成文本将带水印，以遵守欧盟 AI Act 对 AI 生成内容标记的要求，采用 Google DeepMind 2024 年 Nature 论文中的 SynthID-Text 方法，并随 2026 年 7 月约 190 个签署方的 EU Code of Practice 一同公布。
推荐理由：官方解释了水印只改变选词随机性来源这一原理，以及质量、价格、检测 API 和各类边界情况的影响。
Tomer Tunguz 博客（VC 分析）精选AI 评分6565 Tom Tunguz 分析：谁在真正购买 SOTA 模型
Tom Tunguz 分析 OpenRouter 与 Ramp 数据指出，尽管 SOTA 模型比去年 11 月聪明三分之二且平均每三天有两个新模型发布，OpenRouter 上 84% 的 token 并非 SOTA。
推荐理由：作者用 OpenRouter 和 Ramp 数据分析 SOTA 模型的份额与价格弹性，指出应用部署正转向以价格优先的模型选择。
Tomer Tunguz 博客（VC 分析）精选AI 评分7070 Tomer Tunguz 分析 AI 模型公司的每兆瓦收入与模型工厂逻辑
文章引用 Dylan Patel 等人的观点分析 AI 模型公司按兆瓦计的单位经济：基础算力成本约 $10-15M/MW，Anthropic 2026 年收入达 $50M/MW，实现首个盈利季度，收入 $10.9B、营业利润 $559M。
推荐理由：文章用每兆瓦收入和毛利数据拆解 AI 模型公司的单位经济，并解释推理利润如何反哺训练的工厂模式。
Tomer Tunguz 博客（VC 分析）精选AI 评分6161 Tomer Tunguz 分析前沿 AI 市场的准入分化：访问权取代价格成为新稀缺
Tomer Tunguz 撰文指出前沿 AI 市场正分化为封闭阵营，实验室通过选择伙伴、限制访问来管控最强模型。
推荐理由：作者梳理了前沿模型从按 token 出售转向准入管控的多方实例，并给出开源与 Nvidia 反制力量的行业分析。
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7272 Anthropic 发布 Claude Mythos 5.1，聚焦网络安全与生物研究并限制访问
Anthropic 发布 Claude Mythos 5.1，是其面向网络安全和生物学研究的最强模型，目前仅向少量经审核的组织开放，定价为每百万输入 token $10、每百万输出 token $50。同底座的 Claude Fable 5.1 提供带护栏版本，生物护栏对良性请求的干预比 Fable 5 减少 85%，使用 Mythos 5.1 默认需接受 30 天数据保留政策。
推荐理由：原文给出 Mythos 5.1 的受限开放方式、定价与 Fable 5.1 的护栏细节，读者可以据此了解高风险能力如何被分层开放。
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）精选AI 评分7979 Anthropic 推出 Agent Skills，让 Claude 把机构知识封装为可复用能力
Anthropic 推出 Agent Skills，用带 SKILL.md 的文件夹把流程和最佳实践变成 Claude 可自动调用的能力。同一 Skill 可跨 Claude.ai、Claude Code 和 API 使用，支持多 Skill 组合，内置 Excel、PowerPoint、数据分析等常用技能，Box、Notion、Figma、Canva 等伙伴展示了各自的应用方式。
推荐理由：Anthropic 官方页面说明 Skills 的构建方式、跨平台复用和内置能力，读者可以据此判断是否将其纳入自己的工作流。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8282 Anthropic 发布 Claude for Microsoft 365，Claude for Outlook 进入 beta
Anthropic 推出 Claude for Microsoft 365，Claude 可直接在 Excel、PowerPoint、Word 和 Outlook 中工作。
推荐理由：原文来自官方，给出了四大 Office 应用中的具体能力和可用性细节，读者可据此评估是否替换现有办公工作流。