搜索
清华姚班出身的彭天翼带队，Anthropic旗下Claude仅用11天、消耗60亿Token和1300万行代码，首次端到端形式化证明了困扰数学界350年的费马大定理，并产出29500条可验证中间定理，成为迄今为止最大的Lean证明。
Manus团队在评测模型深度研究报告质量时，构建了"信息量"与"隐喻率"两项指标，分别通过抽取事实点和统计每百句隐喻数量来衡量信息密度与文风易读性，在覆盖9个主流模型36道题目的Research Bench测试中发现Claude Fable-5隐喻率最高、GPT旗舰模型信息密度低于Claude系列。
Anthropic声称其模型Claude在11天内完成了费马大定理的完整形式化证明，写下约1300万行Lean代码，人类仅提供少量高层指导，其中30300个定理获得机器可验证证明，标志着大规模自动形式化首次接近工程化落地。
研究发现SubAgent等上下文重建机制会将工具层的恶意指令提权为用户消息或系统指令，导致Claude Code、Codex、Gemini CLI、Qwen Code、Kimi和OpenCode六款AI编码框架在13类攻击上全部沦陷，连自动权限审核（Auto PR）也被绕过。
Anthropic发布Fable 5.1完整提示词与工程落地指南，涵盖思考档位选择、工具调用进度汇报、历史对话管理、上下文压缩、写作密度控制、检索引用规范、安全策略调优、多智能体并行及视觉任务处理等多方面的使用技巧与避坑要点。
Anthropic前脚刚发布了Fable 5.1（具体可见Claude最强Fable 5.1发布！8项屠榜，最高降价45%，反蒸馏机制上线），后脚第三方权威跑分和个人第一手实测已经出炉了！
前DeepMind AI Scientist团队创立的Inherent获5000万美元种子融资，其基于Qwen3.6-27B后训练的科研判断系统Faraday在AI for Science预留测试集上以0.791的平均得分超越Claude Opus 4.8与GPT-5.5 Codex。
EvoMap团队推出自进化智能体EvoX，采用无中心调度的蜂群模式让大量Agent平级协作、自主组队，在563道逻辑、数学、物理题上将Claude Haiku 4.5的正确率从单Agent的26.29%提升至70%以上，并开源AutoResearch项目构建Agent经验基础设施。
就在最近，Anthropic突然爆料了一个被自己故意「训坏」的Opus级模型！挑80个有毛病的训练环境，把模型丢进去，撤掉所有纠偏机制，然后看它长成什么样。
如果你觉得 AI agent 离帮你订机票、填报销单、投简历只有一步之遥，那 MMLU-Pro 的作者联合滑铁卢大学 TIGER Lab，UBC NAIL Group 和 UniPat AI，CMU 等机构刚刚放出的这项研究，可能会让你冷静下来。