5月15日 周五

4 条

工具发布·1 天前

Equibles 开源 MCP 服务器，让本地 LLM 获取实时美国金融数据

开发者 Daniel 发布 Equibles，一个自托管的开源 MCP 服务器，专为本地大模型提供实时美国金融数据。它爬取并暴露 SEC 文件（10-K/10-Q/8-K 全文搜索）、13F 机构持仓、内幕交易、国会交易、FINRA 做空数据、FRED 经济指标、CFTC 期货持仓、CBOE VIX/看跌看涨比以及日线价格与技术指标，全部以 MCP Tool 形式暴露。无需云依赖、无需 API Key、无遥测，完全运行在用户本地机器上，兼容 Claude Code/Desktop、Cursor 及任何 MCP 客户端。

›1 条相关源

大模型·2 天前

Intern-S2-Preview：35B 科学多模态模型通过任务缩放逼近万亿参数性能

上海 AI Lab 发布 Intern-S2-Preview，一个 35B 参数的科学多模态基础模型。不同于传统参数和数据缩放，该模型探索"任务缩放"——通过增加科学任务的难度、多样性和覆盖度来解锁模型能力。基于 Qwen3.5 继续预训练，采用从预训练到强化学习的全链条训练管线，在多个核心专业科学任务上达到与万亿参数级 Intern-S1-Pro 相当的性能。技术亮点包括：RL 阶段引入共享权重 MTP（Multi-Token Prediction）配合 KL 损失，减少训练与推理行为不匹配，显著提升 MTP 接受率和 token 生成速度；同时采用 CoT 压缩技术缩短推理响应长度。该模型也是首个同时具备材料晶体结构生成能力和强通用能力的开源模型。

›1 条相关源

大模型·2 天前

Anthropic 用 5 天让 Claude 自主攻破 macOS 安全防线

Anthropic 发布 Mythos 项目成果：Claude 在无人类干预的情况下，花费 5 天时间自主发现并利用 macOS 零日漏洞，成功突破系统安全防线。Mythos 的核心技术路线是让模型在沙箱环境中反复执行"假设-验证-利用"循环，结合代码生成与动态调试能力，逐步缩小攻击面。该实验展示了前沿 AI 模型在复杂系统安全评估中的自主能力，也引发了对 AI 驱动攻击的担忧。

›1 条相关源

论文速递·2 天前

PersonalHomeBench：智能家居Agent评测框架发布

arXiv 论文提出 PersonalHomeBench，一个用于评估基础模型在个性化智能家居环境中作为 Agent 助手的基准测试。该基准通过迭代过程逐步构建丰富的家庭状态，生成个性化、上下文相关的任务，并提供 PersonalHomeTools 工具箱支持家庭信息检索、设备控制和情境理解。实验表明，随着任务复杂度增加，模型性能系统性下降，在反事实推理和部分可观测场景下失败明显，后者需要有效的工具调用来收集信息。

›1 条相关源

5月14日 周四

4 条

大模型·2 天前

Anthropic 强制默认 Adaptive Thinking，固定推理预算选项被废弃

Anthropic 宣布废弃 Opus 4.6 和 Sonnet 4.6 上的固定推理预算（extended thinking）模式，强制默认使用 adaptive thinking。新模型 Opus 4.7 已完全移除 manual extended thinking，调用时返回 400 错误。社区用户质疑此举是成本削减策略：API 用户按 token 付费，却无法选择花更多钱换取固定推理预算来保证回答质量。用户还指出，Claude Code 在关闭 adaptive thinking 后质量下降问题消失，且未见 adaptive thinking 在效果上优于固定预算的案例。

›1 条相关源

大模型·2 天前

Anthropic 推出 Claude 认证架构师考试

Anthropic 发布了 Claude Certified Architect 认证考试，面向使用 LLM 的工程人员。考试内容涵盖评估（evals）、护栏（guardrails）、RAG 的正确实现、多智能体编排，以及何时不应使用 LLM。考试难度在于材料本身不繁重，但考题全面深入，需要真正理解工程实践而非死记硬背。认证入口通过 Skilljar 平台开放，同时配套官方学习视频。

›1 条相关源

训练框架·3 天前

Anyscale 发布 Agent Skill 工具，强化 LLM 后训练阶段

Anyscale 推出 Agent Skill 工具，专为 LLM 后训练（post-training）阶段设计，帮助开发者将智能体能力注入模型。该工具聚焦于后训练环节，而非预训练或推理部署，核心是让模型学会工具调用、多步推理等 agent 行为。目前公开信息有限，具体实现细节、支持的数据格式和训练策略尚未披露。

›1 条相关源

大模型·3 天前

开发者实测：Claude Code Opus 4.7 零错误完胜 GPT-5.5 Codex，但价格差距在缩小

一位开发者用两个真实任务（PR 分类机器人与实时代码审查 UI）对比了 Claude Code（Opus 4.7）和 GPT-5.5 Codex（通过 Cursor）。Claude 在 12 分钟内构建 36 个文件，首次运行零错误，总成本约 $2.50；Codex 因 Cursor 环境问题未能完成第一个任务，第二个任务需补丁修复无限循环，架构更紧凑（28 个文件），成本约 $2.04（便宜 18%）。作者认为复杂架构任务仍首选 Opus，但 Codex 在紧凑型任务中已具备竞争力，定价差距首次引起关注。

›1 条相关源

5月13日 周三

3 条

大模型·3 天前

Anthropic 将 Claude --print 划入 SDK 计费，CLI 自动化方案遭堵

Anthropic 宣布从 6 月 15 日起，Claude CLI 的 --print 模式将被视为"程序化"SDK 使用，不再计入 Pro/Max 套餐的 CLI 免费额度，而是走独立的月度信用额度（$100/月）。这意味着此前社区利用 --print 实现脚本化、自动化调用 Claude（绕过 API 计费）的玩法正式被堵住。用户若想继续以编程方式控制 Claude，要么购买 SDK 信用包，要么改用官方 Claude Code 交互式模式。

›1 条相关源

工具发布·3 天前

Claude Code 终端隐藏命令：资深开发者分享 5 个提效技巧

一位资深 Linux 开发者分享了使用 Claude Code 6 个月后发现的 5 个隐藏命令。/statusline 可自定义终端底部状态栏，显示模型、分支、上下文占比等信息。! 前缀可直接在对话中执行 shell 命令，输出保留在对话上下文，按 Ctrl+B 可将长命令切到后台。@ 加文件名触发路径自动补全，比让 Claude 自行搜索更精准。/add-dir 可将多仓库项目加入同一会话。/btw 可发起简短旁路提问而不打断当前任务，长对话可用 /branch 分支到新会话。

›1 条相关源

系统与分布式·3 天前

OpenAI 为 Codex 构建 Windows 沙箱：安全执行编程 Agent

OpenAI 公开了为 Codex 编程 Agent 构建 Windows 沙箱的技术方案。核心挑战在于 Windows 缺少 Linux 的 seccomp/namespace 等原生隔离原语，团队采用应用层沙箱策略：通过文件系统过滤驱动限制 Agent 对用户目录的读写范围，仅允许写入临时沙箱目录；网络层面使用 Windows Filtering Platform (WFP) 限制出站连接，阻止 Agent 访问内部网络或外泄数据。沙箱内还集成了进程白名单机制，防止 Agent 启动未授权的可执行文件。该方案在安全性与 Agent 执行真实编码任务的能力之间做了权衡，未依赖虚拟化层，以降低延迟和资源开销。

›1 条相关源

5月12日 周二

3 条

工具发布·4 天前

Claude Code v2.1.140 发布：修复 /goal 挂起与 Windows 事件循环卡死

Anthropic 发布 Claude Code v2.1.140，主要包含多项 Bug 修复与体验改进。核心修复包括：/goal 命令在 disableAllHooks 或 allowManagedHooksOnly 设置下不再静默挂起，改为显示明确提示；修复 Windows 上因缺失可执行文件（如 gh）触发同步 where.exe 重试导致的事件循环卡死；修复后台服务在企业端点安全机器上启动超时问题；修复 symlink 配置文件热重载误报 ConfigChange 钩子；修复 Read 工具调用中 offset 参数含空白或 + 前缀时的校验失败。此外，Agent 工具 subagent_type 匹配改为大小写与分隔符不敏感，并更新了 Agent 调色板。

›1 条相关源

工具发布·5 天前

Claude Code 上线 /goal 异步模式，支持"跑完为止"后台任务

Claude Code 在 v2.1.139 版本中引入 /goal 命令，允许用户设定一个完成条件（如"所有测试通过且 PR 就绪"），然后 Claude 会在后台持续运行直到目标达成。本次更新包含 104 个变更，核心是让 Claude Code 从同步交互转向异步执行。新增的 claude agents 视图可展示所有运行中的会话状态：工作中、等待用户、或已完成。这是 Claude Code 首个真正意义上的"发后即忘"循环，用户可同时发起多个目标任务，稍后回来检查结果。

›1 条相关源

大模型·5 天前

OpenAI 办参数高尔夫赛：千名选手探索AI辅助模型设计极限

OpenAI 举办了一场名为 "Parameter Golf" 的 AI 辅助机器学习研究竞赛，吸引了 1000 多名参与者和 2000 多份提交。比赛的核心约束是极严格的参数预算，迫使参赛者利用 AI 编码 agent、量化技术和新颖模型架构在有限资源下最大化性能。这本质上是一场关于 AI 辅助研究能力的压力测试，考察 coding agent 能否在约束条件下自主发现高效的模型设计。比赛覆盖了量化、模型剪枝、agent 协作等方向，但 OpenAI 未公布具体的技术方案细节或获胜架构。

›1 条相关源

5月11日 周一

4 条

工具发布·5 天前

Claude Code 推出 Agent View：多会话并行调度

Anthropic 在 Claude Code 中发布 Agent View（研究预览版）。该功能提供一个统一面板，展示所有运行中的会话（session）状态：哪些正在执行、哪些在等待用户输入、哪些已完成。用户可通过 `claude agents` 命令一次性派发多个会话，每个会话在后台持续运行，无需占用终端标签页。支持内联回复解除阻塞，以及随时跳入/跳出会话而不丢失上下文。所有付费计划可用。

›1 条相关源

工具发布·5 天前

LLM 工具可直接写在 Shebang 行中执行脚本

Simon Willison 受 Hacker News 讨论启发，展示了如何将 LLM 命令行工具直接放在脚本的 shebang 行中。最简单的用法是 #!/usr/bin/env -S llm -f，后面跟自然语言指令即可生成 SVG 等内容。更进一步，可通过 -T 参数调用工具函数（如获取当前时间），甚至使用 -t 参数嵌入 YAML 模板，在脚本内定义 Python 函数作为 LLM 工具，实现计算等复杂任务。

›1 条相关源

工具发布·5 天前

Claude Code v2.1.139 新增 Agent 视图与 /goal 持续执行命令

Anthropic 发布 Claude Code v2.1.139，主要新增 Agent 视图（Research Preview），通过 claude agents 命令可查看所有会话状态（运行中、等待用户、已完成）。新增 /goal 命令，允许用户设定完成条件后让 Claude 跨轮次持续工作，并实时显示耗时/轮次/Token 消耗面板。其他改进包括：/scroll-speed 鼠标滚轮速度调节、claude plugin details 显示插件组件清单与预估 Token 成本、MCP stdio 服务器新增 CLAUDE_PROJECT_DIR 环境变量、Remote MCP 断线重连对所有用户开放、子代理 API 请求携带 x-claude-code-agent-id 头。无破坏性变更。

›1 条相关源

工具发布·6 天前

子目录放 AGENTS.md 可分层注入上下文节省 Token

Cursor 用户发现，在项目子目录中放置 AGENTS.md 文件，AI 编辑器会按目录层级自动拼接这些文件到 prompt 中，最内层文件位于 prompt 底部，可覆盖或扩展外层指令。该技巧适用于 Claude、Cursor、Codex 等主流 AI 编程工具，Codex 官方文档对此有详细说明。核心价值在于：无需在根目录 AGENTS.md 中塞入所有上下文，而是按模块/目录粒度拆分，让 AI 只在相关代码区域看到对应指令，从而减少 token 消耗并提高指令精准度。

›1 条相关源

5月8日 周五

3 条

工具发布·8 天前

Codex Rust v0.130.0 发布，新增 remote-control 与 Bedrock 认证

OpenAI Codex 发布 Rust 版 v0.130.0。新特性包括：插件详情展示捆绑的 hooks，插件分享支持链接元数据与可发现性控制；新增 codex remote-control 命令，用于启动无头远程可控的应用服务器；应用服务器客户端支持分页加载大线程，提供未加载、摘要或完整 turn 视图；Bedrock 认证现可使用 AWS 控制台登录凭据（来自 aws login 配置文件）；view_image 可通过所选环境解析多环境会话中的文件。Bug 修复方面：实时应用服务器线程无需重启即可感知配置变更；turn diff 在 apply-patch 操作后保持准确；Windows 沙箱设置已修复桌面运行时二进制缓存权限。该版本无破坏性变更。

›1 条相关源

大模型·8 天前

用 HTML 替代 Markdown 作为 LLM 输出格式，交互式图表与 SVG 让解释更直观

Anthropic Claude Code 团队成员 Thariq Shihipar 撰文倡导在向 Claude 等大模型提问时，要求其以 HTML 而非 Markdown 格式输出回答。核心论点是 HTML 可以嵌入 SVG 图表、交互式控件、页面内导航等丰富元素，使技术解释更直观易懂。Simon Willison 在博客中表示认同，并分享了自己从 GPT-4 时代因 token 限制而默认使用 Markdown，如今重新考虑转向 HTML 的转变。文章还提供了具体 prompt 示例，如要求 Claude 用 HTML 呈现 PR 审查报告，包含行内注释、严重性颜色编码和 diff 渲染。

›2 条相关源

大模型·8 天前

OpenAI 如何安全运行 Codex：沙箱与代理原生可观测

OpenAI 公开了其 Codex 编码代理的安全运行实践。核心方案包括：每个 Codex 实例运行在隔离沙箱中，通过审批机制控制文件读写与命令执行，网络策略限制出站流量，并内置代理原生遥测（agent-native telemetry）实现全链路可观测。这些措施旨在让编码代理在企业场景下安全合规地落地。

›1 条相关源

5月7日 周四

1 条

工具发布·9 天前

Codex 0.129.0 发布：TUI 支持 Vim 模式与工作流恢复增强

OpenAI Codex 发布 v0.129.0 版本，主要面向 TUI（终端用户界面）和插件管理进行大量增强。新特性包括：Composer 中支持模态 Vim 编辑（/vim 命令、默认模式配置、Vim 专属键位上下文）；工作流恢复/复刻选择器重新设计，新增原始回滚模式、/ide 上下文注入和工作区感知的 /diff 功能；状态栏支持主题感知颜色及 PR/分支变更摘要；插件管理新增工作区共享、访问控制、源过滤、本地共享路径追踪、市场移除/升级、远程 Bundle 同步等能力。Bug 修复方面，改进了 tmux 下的 /copy 行为、Windows 输入延迟、大粘贴占位符保留、Linux 沙箱在旧版 bwrap 和符号链接保护路径下的启动可靠性等。

›1 条相关源

5月6日 周三

1 条

大模型·11 天前

OpenAI 发布 B2B Signals 报告：前沿企业如何深化 AI 采纳

OpenAI 发布 B2B Signals 研究报告，分析前沿企业（frontier enterprises）如何深化 AI 采纳。报告指出，这些企业正在规模化部署 Codex 驱动的 agentic 工作流，并以此构建持久的竞争优势。核心发现包括：企业从单点 AI 应用转向多步骤 agent 工作流，Codex 在代码生成与自动化任务中扮演关键角色，以及早期 adopters 正在拉开与后发者的差距。

›1 条相关源

4月28日 周二

2 条

工具发布·19 天前

Claude Code v2.1.121 发布：MCP alwaysLoad、技能搜索与全屏交互改进

Anthropic 发布 Claude Code v2.1.121，带来多项开发者体验改进。核心变更包括：MCP 服务器配置新增 alwaysLoad 选项，开启后该服务器的所有工具跳过延迟加载始终可用；新增 claude plugin prune 命令清理孤立插件依赖；/skills 页面增加输入过滤搜索框，方便在长列表中快速定位技能。PostToolUse 钩子现在可通过 hookSpecificOutput.updatedToolOutput 替换所有工具的输出（此前仅限 MCP）。全屏模式下输入不再导致滚动跳回底部，超长 URL 点击可打开完整地址。MCP 启动临时错误自动重试最多 3 次。Vertex AI 新增 X.509 证书 Workload Identity Federation（mTLS ADC）支持。SDK 中 CLAUDE_CODE_FORK_SUBAGENT=1 现可在非交互会话中工作。无破坏性变更。

›1 条相关源

大模型·19 天前

OpenAI 模型与 Codex 登陆 AWS，企业可托管 AI Agent

OpenAI 宣布 GPT 系列模型、Codex 代码生成工具以及 Managed Agents 正式在 AWS 上可用。企业可以在自己的 AWS 环境中直接调用 OpenAI 模型构建 AI 应用，无需将数据传出 AWS。Managed Agents 提供托管式 AI Agent 能力，支持工具调用与任务编排。此举标志着 OpenAI 与云厂商的深度合作从 API 层面延伸到基础设施集成层面。

›1 条相关源

4月27日 周一

1 条

工具发布·20 天前

OpenAI 开源 Codex 编排规范 Symphony

OpenAI 发布 Symphony，一个开源的 Codex 编排规范，旨在将 issue 跟踪系统转化为始终在线的智能体系统。Symphony 定义了 Codex Agent 之间的通信协议、任务分配与状态同步机制，使多个 Agent 能协作处理长期运行的工程任务，减少工程师的上下文切换。该规范目前以开源形式发布，允许社区参与定义 Agent 间交互标准。

›1 条相关源

4月23日 周四

3 条

工具发布·23 天前

Claude Code v2.1.119 发布：设置持久化、GitLab PR 支持、OpenTelemetry 增强

Anthropic 发布 Claude Code v2.1.119，带来多项工程体验改进。核心变更包括：/config 设置（主题、编辑器模式、verbose 等）现在持久化到 ~/.claude/settings.json，并遵循项目/本地/策略覆盖优先级；新增 prUrlTemplate 设置，可将底部 PR 徽标指向自定义代码审查 URL；--from-pr 现在支持 GitLab MR、Bitbucket PR 和 GitHub Enterprise PR 链接；--print 模式开始尊重 agent 的 tools: 和 disallowedTools: 前置声明，与交互模式行为一致。OpenTelemetry 方面，tool_result 和 tool_decision 事件新增 tool_use_id，tool_result 还包含 tool_input_size_bytes。Hook 系统新增 duration_ms 字段（工具执行时间，不含权限提示和 PreToolUse 钩子）。修复了 Windows 剪贴板 CRLF 内容粘贴时多出空行的问题。

›1 条相关源

大模型·23 天前

OpenAI 发布 GPT-5.5 系统卡，披露安全与能力评估

OpenAI 于 2026 年 4 月 23 日发布 GPT-5.5 System Card，详细披露该模型在安全、偏见、幻觉、越狱攻击等方面的评估结果。系统卡延续了 GPT-4 系列的风险评估框架，涵盖红队测试、自动化安全评测、能力边界测试等内容。技术核心包括对齐训练方法、拒绝机制改进、以及针对多模态输入的安全过滤策略。未提及具体模型架构参数或训练细节。

›1 条相关源

工具发布·24 天前

Claude Code v2.1.118 发布：Vim 视觉模式、/usage 合并、MCP 钩子增强

Anthropic 发布 Claude Code v2.1.118。新增 Vim 视觉模式（v/V）及操作符支持；将 /cost 与 /stats 合并为 /usage，保留快捷键；支持自定义主题创建与切换，插件可通过 themes/ 目录分发主题；Hooks 新增 type: "mcp_tool" 直接调用 MCP 工具；新增 DISABLE_UPDATES 环境变量彻底阻断更新；WSL 可通过 wslInheritsWindowsSettings 继承 Windows 托管设置；Auto mode 支持 "$defaults" 语法在保留内置规则的同时追加自定义规则；修复 MCP OAuth 无 expires_in 时每小时重认证、HTTP/SSE 自定义头服务器卡在认证状态等多项 bug。

›1 条相关源