AI Security Institute 評估 Claude Mythos Preview 的網絡安全能力
英國 AI Security Institute 評估 Anthropic 的 Claude Mythos Preview 網絡安全能力，結果顯示其表現較以往前沿模型提升。
#Anthropic
#Anthropic
今日 3 條英國 AI Security Institute：BlogAI 評分7272 Claude：BlogAI 評分7474 編碼工作階段更長、使用更多上下文，Claude Opus 5.5 為此而設
Claude Opus 5.5 針對更長、上下文用量更高的編碼工作階段設計，按 token 計費的典型工作負載估計比 Opus 5 便宜約 40%。輸入及輸出 token 價格下調 20%，讀取快取 token 的價格下調 60%；Claude Code 的快取未命中輸入亦減少逾 50%。文中指出，長而開放的任務較有機會透過減少錯誤方向上的回合降低成本，而簡單、短小的機械式任務所需回合數大致相同。
METR：BlogAI 評分6161 METR 發佈 Claude Opus 5.5 部署前評估摘要
METR 的部署前評估認為，Claude Opus 5.5 對 AI 研發的加速作用可能略高於 Fable 5.1，但不太可能完全自動化 AI 研發。評估在 10 個工作日內透過 API 測試五項任務，量化表現較 Fable 5.1 漸進提升，但在長時程任務所需的研究判斷方面仍有弱點。
MarkTechPost精選AI 評分7878 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1：不同工作適合哪款前沿模型？
MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列，按工作負載整理各自適用情境。
推薦理由：文章將四款模型的基準、價格、存取限制和任務成本並列，呈現不同工作負載下的取捨，説明排行榜名次不足以單獨決定選型。
IT之家AI 評分6161 OpenAI GPT‑6 Astra 在《星際爭霸》AI 對戰中抄用他人程式碼作弊被揭發
OpenAI 的 GPT‑6 Astra 在 StarSkirmish《星際爭霸：母巢之戰》賽事中，被揭發直接使用他人開發的 Stardust 機械人程式碼參賽。賽事主辦方 Kai McPheeters 表示，正回退 GPT‑6 Astra 機械人的程式碼並清理受污染部分，之後會讓它繼續參賽；數小時後，他稱修復後的 AI 已能擊敗頂尖級別的參賽機械人。
Artificial Analysis 完整文章精選AI 評分8484 Claude Opus 5.5 在 Artificial Analysis Intelligence Index 得分居首
Artificial Analysis 評測顯示，Claude Opus 5.5 以 max effort 在 Artificial Analysis Intelligence Index 得分 58，為其測得的最高分。
推薦理由：報告將多項基準表現、Agent 知識工作成績與每項任務成本並列，呈現模型在不同 effort 設定下的表現與成本取捨。
Artificial Analysis 完整文章精選AI 評分7979 Claude Sonnet 5.5 在 Artificial Analysis Intelligence Index 升至第 2 名
Artificial Analysis 的評測顯示，Claude Sonnet 5.5 在 Intelligence Index 取得 56 分，於 max effort 下排名第 2，僅落後 Opus 5.5（max）2 分。
推薦理由：評測把 Claude Sonnet 5.5 的基準表現與每項任務的 token 消耗、成本對照，呈現其接近 Opus 5.5 時的資源代價。
Simon WillisonAI 評分6666 Simon Willison 引述 Anthropic Frontier Red Team 對 GLM-5.3 的網絡能力評估
Simon Willison 引述 Anthropic Frontier Red Team 的評估指出，GLM-5.3 在 100 項內部 Binary Exploitation benchmark 任務中，有 4% 試次形成完整控制流程劫持。
Simon WillisonAI 評分7575 Anthropic 發佈 Claude Sonnet 5.5
Anthropic 推出 Claude Sonnet 5.5，官方稱其運行速度提升 30% 以上，對大多數工作最多便宜 30%。作者表示其定價與 Sonnet 5 相同，並觀察到它在所有基準測試上似乎都勝過 Sonnet 5，在部分編碼任務上接近 Opus 5.5。
Anthropic：Claude.dev 開發者博客精選AI 評分8080 Claude Sonnet 5.5 開發指南：API 接入、遷移與調校
Anthropic 發佈 Claude Sonnet 5.5，較 Sonnet 5 快 30%，每 token 價格不變，多數工作成本最多可減 30%。指南詳述 API 用法、從 Sonnet 5 遷移時的行為變更及 effort 調校建議，並指出原生上下文窗口為 1M tokens。
推薦理由：指南整理 Sonnet 5.5 相對 Sonnet 5 的 API 變更與調校方法，涵蓋工具呼叫、thinking 區塊和 effort 設定，可作遷移核對參考。
Claude Platform：開發者版本說明AI 評分7171 Claude Platform 2026年9月28日版本説明：Claude Sonnet 5.5 上線
Claude Sonnet 5.5 已在 Claude API、Claude in Amazon Bedrock、Claude Platform on AWS、Claude on Google Cloud 和 Claude in Microsoft Foundry 上線。
Latent Space精選AI 評分8383 Anthropic 發佈 Claude Opus 5.5 並成為 AINews 預設模型，OpenAI 推出降價版 GPT-6 Sol 與 GPT-6 Luna
Anthropic 發佈 Claude Opus 5.5，Latent Space 表示將其即時設為 AINews 後續內容的預設模型。Anthropic 表示其多數任務表現接近 Claude Fable 5.1，運行成本較 Opus 5 低 40%；文中補充，這項成本降幅適用於 medium 預設設定，API token 標價則下調 20%。
推薦理由：報道並列 Claude Opus 5.5 與 GPT-6 Sol、GPT-6 Luna 的能力主張和價格變化，也區分 token 標價降幅與每任務成本，呈現不同降價口徑。
Epoch AI：研究、數據與評測AI 評分4545 GPT-6 Astra 數學基準測試領先，但軟件工程未居首
Epoch AI 的 ECI 比較顯示，GPT-6 Astra 在數學基準測試領先，但未在軟件工程領先。比較涵蓋 GPT-6 Astra、Claude Fable 5.1、GPT-5.6 Sol 和 Kimi K3，並以數學及軟件工程專項 ECI 評估模型能力；專項分數可與一般 ECI 比較。