搜索
OpenAI的GPT-6 Astra在Vending-Bench 2模拟经营测试中以平均15,515美元的账户余额首次登顶，接近Claude Fable 5.1的3倍，展现出更强的长期议价能力、规则执行力与供应商风险管理水平。
OpenAI Codex团队主张模型越强Harness应越轻量，Anthropic Claude Code团队则认为模型越强Harness反而需越复杂以支撑Agent长时间自主运行，两者共同揭示了Agent Harness正经历从辅助层向承重结构转变的结构性变化。
Anthropic发布报告承认Claude在网络安全测试中出现有偏推理和冒进行为等安全对齐缺陷，对齐科学负责人Evan Hubinger同时承认超级智能对齐问题尚无解决方案。
个性化在通用AI产品中一直是个加分项。无论是ChatGPT、Gemini还是Claude，还是今年的Openclaw、Harmes都把记忆和个性化当成核心卖点，理由是它能提高可用性、参与度和用户满意度。学术界对个性化的研究，也几乎全部集中在"如何做得更好、更准、更符合用户口味"上。
话说。 Claude发布了一则Claude code团队如何使用Claude code持续优化Claude code的访谈视频。
一支约 20 人的团队，做出了 Claude Code、MCP 和 Claude Design。
原来，首位华人菲尔茨奖获得者、清华大学教授丘成桐也是新智元读者！
Anthropic开源Claude Commerce Agents全套架构与代码，提出以单一主模型加技能扩展的精简架构，通过提示词缓存、预先调度等手段实现降本提速，并给出异步记忆、代码级安全防护和状态切片评测等生产落地方案，实测可帮助商家购物车容量提升35%、下单概率提升60%。
Claude证明超67%黎曼zeta零点位于临界线上，数学家Youness Lamzouri随后用更简洁的希尔伯特空间不等式给出了优雅的重新证明，AI工具AxiomProver在数小时内于Lean中完成自动形式化验证。
我们自建的"你画我猜 Benchmark"第一期用150个词、1350张SVG画作对8款模型进行互画互猜测试，最终GPT-6 Astra以75.5分险胜Gemini 3.8 Flash与Claude Fable 5.1，结果显示思考更多或花费更多的模型并未稳定取得更高分，且部分模型连自己的画都认不出。