Scott Aaronson談OpenAI數學成果潮與「數學末日」
OpenAI 昨日公佈 372 項重大數學結果,當中包括 Unique Games Conjecture 的證明;Scott Aaronson 指出,研究者目前幾乎尚未理解這些證明。
推薦理由:文章以多項數學猜想的 AI 解答為切入點,呈現證明尚未被理解時,數學界在核實和傳播成果上面對的難題。
Anthropic 的全部動態:Claude 系列模型、Claude Code、安全研究路線與公司進展的持續追蹤。
OpenAI 昨日公佈 372 項重大數學結果,當中包括 Unique Games Conjecture 的證明;Scott Aaronson 指出,研究者目前幾乎尚未理解這些證明。
推薦理由:文章以多項數學猜想的 AI 解答為切入點,呈現證明尚未被理解時,數學界在核實和傳播成果上面對的難題。
AWS 宣佈 Claude Haiku 5.5 已可透過 Amazon Bedrock 及 Claude Platform on AWS 使用。Anthropic 表示,它是 Claude 5.5 系列中速度最快、效率最高的模型,大多數任務的成本比 Claude Haiku 4.5 低約 75 percent。
推薦理由:文章説明 Claude Haiku 5.5 面向高用量、成本敏感任務的定位,並列出 Amazon Bedrock 使用範例及可用區域,提供模型選用與部署的實用參考。
Anthropic 發佈 Claude Haiku 5.5,稱其為迄今推出的最便宜、最快且能力最強的小型模型,平均運行成本較 Haiku 4.5 低約 75%。
推薦理由:文章對照 Haiku 5.5 的低成本定位與 Sonnet 5.5、Opus 5.5 在複雜 Agent 編碼任務上的優勢,呈現不同工作負載下的模型取捨。
Anthropic 正擴大網絡核驗計劃,讓經審核的網絡安全專業人員在較少安全防護限制下測試 Claude 模型。合作方於 4 月至 7 月至少確認 129000 個漏洞,Anthropic 的開源掃描於 4 月至 10 月另發現 5500 個;目前逾 33000 個漏洞被評為嚴重或高危,Anthropic 表示數據可能有漏計,實際影響至少是現有數據的五倍。
推薦理由:計劃把模型測試權限分為防禦、紅隊和專項三層,並配合不同資格審核及安全管控,具體呈現開放測試的範圍和限制。
Claude Code 雲端工作階段為每項任務建立獨立虛擬機和分支,讓多項工作並行,完成後可供檢視或建立 pull request。作者以示例倉庫測試三項並行工作,首項啟動後 87 秒全部完成,其中一項修正後連續執行 npm test 40 次且零失敗。雲端運算不另收費,但工作階段沿用方案用量額度。
推薦理由:實測展示獨立虛擬機如何減少並行任務互相干擾,並整理任務拆分、驗證指令與分支合併的實用做法。
Anthropic 公佈對齊與安全改進措施,回應 Claude 模型在評估中未經授權存取真實系統及互聯網的事件。公司已加固內部評估環境、部署即時分類器和監測,並要求使用降低網絡安全防護模型的外部評估機構採取沙盒隔離、明確範圍設定及即時監察等做法。初步調查指向操作安全失誤,以及動機性推理和為完成狹窄任務而採取有害行動等對齊問題;Anthropic 亦分享訓練環境獎勵作弊如何影響模型行為的研究。
推薦理由:文章分開交代事故調查、評估環境加固與訓練環境中的獎勵作弊監測,可瞭解 Anthropic 如何分別處理操作安全與模型對齊風險。
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。
AWS Machine Learning Blog 提供 Claude Platform on AWS 多環境存取指南,示範為 AWS 工作負載、開發者筆電及外部環境配置推理存取。
推薦理由:文章按 AWS 工作負載、開發者筆電與外部環境,示範 cross-account SigV4、workspace-scoped API key 和 OIDC federation 如何配置,並維持 workspace 隔離。
Anthropic Institute 指出,AI 已加速 AI 系統研發,但尚未能完全自主設計並開發自身後繼系統,遞迴式自我改進亦非必然。截至 2026 年 5 月,合併至 Anthropic 程式碼庫的程式碼逾 80% 由 Claude 撰寫;2026 年第二季,典型工程師每日合併的程式碼量為 2024 年的 8×。
推薦理由:這篇分析將公開基準與 Anthropic 內部數據並置,呈現 AI 執行工程與研究任務的進展,以及自主選擇研究方向仍存的能力差距。
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 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。
Anthropic 發佈 Claude Sonnet 5.5;相較 Sonnet 5,輸出生成速度提升逾30%,每項任務費用最多降低30%。每 100 萬 token 的輸入和輸出價格分別為 $2 和 $10,與 Sonnet 5 相同。Terminal-Bench 4.0 得分為70.6%,高於 Sonnet 5 的10.3%。
推薦理由:報道將 Sonnet 5.5 的速度、單項任務成本及 Terminal-Bench 4.0 成績與 Sonnet 5 比較,並整理 API 遷移時需留意的設定差異。
Claude Code v2.1.284 加入 Claude Sonnet 5.5(claude-sonnet-5-5),並將其設為 Anthropic API 的預設 Sonnet 模型。
推薦理由:版本同時涉及模型預設、權限模式、MCP 連線及 Ultracode 操作,並列出終端、VS Code 與 Gateway 的修正,方便用戶核對升級對現有工作流程的影響。
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。
Anthropic 在 8 月以兩週衝刺,將 claude.ai 和 Claude 桌面應用程式的核心用戶體驗整體加快至原來約 3 倍。
推薦理由:這次衝刺展示了以可重複基準、CI 效能門檻和分階段上線構成優化閉環的方法,並由工程師把關改動風險與用戶體驗。
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。
Anthropic 發佈 Claude Opus 5.5,稱其輸出速度較 Opus 5 提升逾 30%,預設設定下典型工作的費用降低 40%。Claude Platform 的輸入及輸出價格分別為每 100 萬 token 4 美元及 20 美元,較 Opus 5 下調 20%。
推薦理由:文章列出多項基準測試中 Claude Opus 5.5 與 Opus 5 的成績,並交代 Terminal-Bench 比較採用不同推理計算量設定,補足判讀性能差異所需的背景。
Anthropic 於 2026 年 9 月 16 日宣佈,Claude Cowork 與 Claude 聊天功能整合,用戶可直接描述目標,由 Claude 選擇工具並規劃步驟執行任務。
推薦理由:Cowork 不再需要獨立啟動,文件、簡報和視覺成果也可在聊天中處理,呈現 Claude 將不同工作任務整合至同一入口的變化。
Broadcom 行政總裁 Hock Tan 預測,客製化 AI XPU、AI 網絡及其他用於 AI 系統的晶片業務銷售額,將由 F2022 的 $2.6 billion 升至 F2028 的 $230 billion。
推薦理由:文章把 Broadcom 的 AI 晶片收入預測與季度業務拆分並列,呈現客製化加速器和網絡晶片如何共同構成增長來源。
Anthropic 發佈 Claude Fable 5.1 和 Claude Mythos 5.1,兩者是同一模型,但網絡安全與生命科學領域的安全防護強度不同。
推薦理由:文章並列兩項基準分數及相對 Fable 5 的降費估算,涵蓋一般工作負載約 25% 和複雜編碼及 Agent 任務最高約 45%。