Anthropic
共 98 篇 · 第 4/5 頁
-
Agent與應用
沒被授權，它造了一套截圖工具鏈：從 Fable 實測看高自主 Agent 的邊界
2026 年 6 月 11 日，Datasette 與 LLM 開源工具作者 Simon Willison 僅授權 Claude Fable「查依賴找橫向捲軸 bug」，離開電腦幾分鐘後回來，發現 Fable 已自行安裝 `pyobjc-framework-Quartz`、列舉系統視窗，並在 Safari 截圖驗證。
-
政策監管
Dario 只管 1 人，Leopold 押 AI 基建破 200 億：頂層的兩個同向判斷
6 月 10 日 Bloomberg 報導：估值 9650 億美元的 Anthropic，CEO Dario Amodei（共同創辦人兼執行長）只有一名直屬下級，即幕僚長 Avital Balwit。對比：黃仁勳管 60 人，奧特曼管 6 人，Dario 管 1 人。
-
Agent與應用
別再寫 Prompt：設計驅動 Agent 的 Loop
6 月 10-11 日，Steipete、Boris、Andrej 在各自平台說了幾乎相同的話：停止手動 prompt agent，去設計驅動 agent 的 loop。三個獨立聲音在同一周收斂，不是趨勢預言，是工作型態轉型的訊號點。但他們說的到底代表什麼改變？
-
Agent與應用
答題學霸不等於幹活能手：Agents' Last Exam 讓 Fable 5 輸給 GPT-5.5
2026 年 6 月 12 日，UC Berkeley 發布 ALE（Agents' Last Exam）基準，要求 AI agent 在 Siemens NX、Unreal Engine、Adobe After Effects 等真實軟體裡複製人類領域專家已完成的任務；冠軍 GPT-5.5 + Codex 通過率 24%，在多數靜態基準上壓倒 GPT-5.5 的 Fable 5 僅拿到 22%，排第三。
-
政策監管
靜默降智與 24 小時：Fable 5 安全治理爭議的信任代價
2026 年 6 月 9 日，Anthropic 發布 Claude Fable 5，system card 第 13 頁揭露「靜默降智」機制，當天引爆《Interconnects》電子報作者 Nathan Lambert 與前白宮科技政策辦公室 AI 政策顧問 Dean Ball 等人強烈批評。
-
模型動態
Anthropic 撤回隱形限制：Claude Fable 5 對前沿 AI 研究的「秘密拖慢」引爆研究圈反彈
Anthropic 於 6 月 9 日推出 Claude Fable 5，系統卡揭露模型會對前沿 LLM 開發類請求「隱形降效」，方法包含 prompt 改寫、steering vector 與 PEFT，使用者不會被告知。
-
開源生態
Anthropic 雙發 Fable 5 與 Mythos 5：護欄觸發 fallback 機制上線，安全攔截正式變成 API 路由設計題
Anthropic 在同一天推出兩個共用能力基礎的模型：Claude Fable 5 強化安全護欄，Claude Mythos 5 則是明確「不帶安全分類器」的對應版本。Fable 5 配套了新 API 機制：護欄觸發拒答時，系統主動通知呼叫方，並支援設定自動 fallback 到另一個模型。
-
模型動態
Working software on tap：Fable 5 的 Jevon's 悖論與自主性溢價
karpathy 那則貼文值得從頭讀完。Fable 5 跟底層模型 Mythos 共用同一個基礎，差異在加了安全機制。榜上是全面新高，但他說真正的跳躍在質感：他認為這跟 Claude 4.5 當時的幅度是同一量級，尤其在長時間、高難度解題場景裡最明顯。
-
Agent與應用
OpenEnv：開源 AI Agent 訓練缺的那層基建
當前 AI agent 訓練的競爭，正從單純的模型能力比拼，移向 harness 與模型的協同最佳化。
-
資本市場
Apple 降低 AI 承諾，iPhone 照樣創新高：工程誠實勝過發表會願景
今年 WWDC 有兩件事值得對照著讀：Apple 把 AI 的承諾範圍大幅收窄，同時 iPhone 17 的營收卻交出歷史新高。兩件事放在一起，比任何技術發表更適合當產品判斷的參考座標。
-
研究前沿
教原理還是示範行為？Anthropic SDF 的對齊實驗與自駕車驗證方法的交集
Anthropic 近期公開了一項訓練實驗的細節，結論有些反直覺：要讓大型語言模型在對齊上表現更好，示範「正確行為」的效果，遠不如教它「為什麼這樣做是對的」。這套做法被稱為 SDF，具體操作是把憲法檔案與虛構故事混入預訓練的 next-token 預測任務，不靠強化學習（RL）塑形行為。
-
模型動態
800K 參數，100% 正確：消去式推理為何讓大模型看起來像在猜謎
AI 圈有個根深蒂固的假設：規模越大，能力越強。更多參數、更多算力、更長訓練，問題就解決了。這個邏輯在語言理解、程式生成等任務上確實成立，但最近一篇論文戳到了它的盲點。
-
晶片算力
OpenAI 晶片二號員工 Clive Chan 量產前夕出走，ASIC 經驗直送 Anthropic
OpenAI 硬體組第二號員工 Clive Chan 本週宣佈離職，隨即加入 Anthropic。時間節點耐人尋味：他主導的 OpenAI 與博通合作 10 GW 定製 AI 加速器，據稱採台積電 3 nm 工藝，正值量產視窗，Chan 曾於 2025 年 10 月透露該晶片將於九個月後量產，往後推算恰好是現在。
-
資本市場
衝萬億估值前喊暫停：讀懂 Anthropic 擰巴姿態的底層邏輯
6 月 1 日，Anthropic 秘密遞交 IPO 文件，估值有望破兆；四天後，它發文呼籲全球同行考慮放緩前沿 AI 開發，理由是 AI 正逼近「遞迴自我改進」臨界點。批評幾乎是反射性的：有人類比為考前成績最好的學生突然號召全班停課，前華爾街分析師 Tae Kim 直言此舉對美國 AI 產業適得其反。
-
政策監管
當 AI 客服變成攻擊面：Meta 帳號事件揭示的新安全正規化
2026 年 6 月 5 日，404 Media 報導了一起針對 Meta AI 客服 agent 的攻擊：攻擊者透過極為簡單的手法，奪取了多個 Instagram 帳號的控制權。受害物件包括一個休眠中的歐巴馬白宮帳號（被用來釋出親伊朗貼文）以及多個具市場價值的單字 handle，推測是為了轉售而取得。
-
大廠戰略
從協作到共存：當 AI 寫了 80% 的程式碼
兩年前《Co-Intelligence》的世界裡，人類坐中心、AI 打下手；如今 Anthropic 自述 AI 負責了八成程式碼，每位開發者出貨量提升八倍。這不只是效率數字，它標誌著一個轉折：你面對的不再是聽話的助手，而是一個在某些領域已經超越你、但並非全面超越你的同事。如何與這樣的存在共處，才是真正的問題。
-
模型動態
當 AI 拿到真實的錢包，基準測試就破了
把智慧壓成一個分數，這是現有 benchmark 的共同邏輯。SWE-Bench、MMLU、Humanity's Last Exam 各有用處，但它們測的是受控環境下的點狀能力，不是模型在時間裡持續行動、面對真實後果時的樣子。
-
Agent與應用
形式化不是吃苦藥，Axiom 對 AGI 路徑的反主流判斷
2025 年，成立僅七個月的 Axiom 在 Putnam 數學競賽解出全部 12 題（限時內完成 8 題），優於頂尖大學生的 110/120 分、DeepSeek 據報的 103/120 分。Putnam 歷屆中位數通常是 0 到 1 分，這份成績單並非不值一提。
-
Agent與應用
GitLab 營收漲 23% 仍砍 14% 員工，CEO「agentic era」轉型被市場一日打臉
GitLab 在 Q1 財報超預期的當天同步宣佈裁員約 350 人（佔全員近 14%），並退出 22 個國家及地區。本季營收 2.642 億美元、年增 23%，超出分析師預期的 2.54 億；財報發布後盤後股價一度漲 7%，但次日開盤消化裁員訊息後，漲幅全數回吐。
-
Agent與應用
競爭已從模型跑分蔓延到 IPO 時間表：Anthropic S-1 背後的三條線索
6 月 1 日，Anthropic 向 SEC 秘密遞交 Form S-1 草案，同日宣佈完成 650 億美元 Series H 融資，投後估值達 9,650 億美元。股份數量與發行價格尚未確定，後續視 SEC 審查進度而定。
-
Agent與應用
開源 Agentic Coding 的差距正在收斂，M3 的真正訊號不是跑分
MiniMax M3 最值得認真看的，不是 SWE-Bench Pro 的 59%，雖然這個數字超過 GPT-5.5 和 Gemini 3.1 Pro、接近 Opus 4.7 確實夠硬。真正的訊號是：它是國內第一個把長上下文、多模態、Coding 三件事同時做到的開源模型。
-
資本市場
美國 AI GDP 藏身統計盲區：Anthropic、UVA、加拿大央行估出 2500 億，品質調整增速高達 2600%
美國 AI 經濟的真實規模正被官方統計嚴重低估。Anthropic、維吉尼亞大學（UVA）與加拿大央行的經濟學家聯合估算，2025 年美國名目 AI GDP 約 2500 億美元，品質調整後的實質年增率卻高達 2600%。這個驚人數字幾乎完全不見於任何官方 GDP 統計。
-
Agent與應用
憑證不進 sandbox，就無法外洩：拆解 Anthropic 跨產品的沙箱架構
多數沙箱產品的通病是文件含糊，讓使用者根本無從判斷該給它多少信任。Anthropic 最近公開了一份少見的詳細說明，把 Claude.ai、Claude Code 和 Cowork 三個產品各自怎麼做隔離說清楚了。
-
資本市場
Anthropic「年化營收」演算法拆解：消費型乘以 13，不是 12
消費型營收取近 28 天再乘 13（而非 12），相當於把一年放大成 13 個月。訂閱制雖按月乘 12，但兩者相加後整體數字已被系統性拉高。看到 AI 公司亮出「run-rate」頭條時，先問：基期是幾天？乘數是多少？還原回實際季度收入再比較，才不會被年化口徑牽著走。