QUANTUM · AI · SCIENCE
每日快读，追溯证据；每周梳理技术与产品机会。
Anthropic 发布 Claude Haiku 5.5，定位为面向高吞吐、成本敏感任务的小模型。官方称其平均运行成本较 Haiku 4.5 低约75%，并提供可调 effort 设置；模型已在 Claude Platform、Amazon Web Services、Google Cloud 和 Microsoft Azure 上提供。
本站判断：提供可调 effort、基准与定价对照，帮助开发者评估其在高吞吐代理任务中的速度、成本和能力取舍。
Google Earth AI以Population Dynamics Foundation Model（PDFM）验证地理空间基础模型可作为公共卫生模型的即插现用输入。
本站判断：文章展示地理空间基础模型作为即插即用输入，在五类公共卫生任务中接受跨地区评估，并披露误差、预测与资源规划方面的量化变化。
IBM Quantum 发布 directed execution 定向执行模型，以 Executor 作为底层入口，将量子电路的变换、随机化和缓解流程前移至客户端，同时保留 100+ 量子比特系统的性能。
本站判断：它把纠错与缓解流程从服务器黑箱前移到客户端，同时保留Sampler和Estimator兼容性，便于研究者检查、组合并扩展电路工作流。
Anthropic启动Claude Frontier Academy，计划投入1亿美元，在2027年底前培养1万名Frontier Deployed Engineers。
本站判断：原文给出了课程阶段、认证、真实企业实践和首批合作方，便于判断该人才培养模式如何落地。
Anthropic 发布 Claude Sonnet 5.5，称其相较 Claude Sonnet 5 运行速度快 30% 以上，多数任务成本最多降低 30%。
本站判断：文章提供编码、知识工作与安全评估对照，并说明模型在 Claude Platform、云平台和 Claude Code 中的可用性，便于比较性能、成本与部署条件。
Pasqal公布2026年上半年财务结果：营收为490万欧元，同比增长14%，其中QPU相关服务收入为390万欧元，同比增长34%。截至6月30日，公司已签订和获授业务达7040万欧元，经营亏损为5920万欧元，现金及现金等价物为1.108亿欧元。公司还披露了Orion Beta模拟磁性材料、扩展至1024个原子的无缺陷寄存器，以及基于逻辑比特求解微分方程等技术和部署进展。
本站判断：半年财报同时披露收入、客户部署与中性原子硬件进展，便于判断技术进展如何转化为商业订单和实际部署。
NVIDIA Quantum InfiniBand 在 Unified Fabric Manager（UFM）中引入意图导向的安全配置档位，支持一键部署多租户 InfiniBand 安全策略。
本站判断：文章具体说明UFM如何把多租户隔离配置、访问控制和持续验证整合为可复用流程，并交代三类安全配置档位。
Anthropic 介绍如何通过环境边界、模型防护和外部内容控制，限制 Claude 在 claude.ai、Claude Code 与 Claude Cowork 中的潜在影响范围。文章结合 93% 权限提示批准率、84% 权限提示减少，以及恶意配置、提示注入和白名单外传等案例，强调环境层隔离、用户监督能力匹配和成熟安全组件的重要性。
本站判断：文章以三款 Claude 产品的隔离架构和安全事件为主线，给出可迁移的环境边界、权限分层与代理安全设计原则。
MACE 发布 v0.3.16，新增 MACE-POLAR-1 可极化静电基础模型家族，并加入 torch.compile、OpenEquivariance、混合内核和 TorchSim 接口等性能与基础设施更新。
本站判断：该版本同时提供可极化静电基础模型、训练数据与计算接口说明，便于评估其在分子能量、力和电荷预测中的使用路径。
Anthropic 为 Claude Code 推出 auto mode，用模型分类器替代人工批准操作，并通过输入层提示注入探测和输出层分类器检查高风险行为。分类器由 Sonnet 4.6 运行，先进行单令牌快速过滤，再对可疑操作进行推理复核；其完整流程将真实流量误报率从8.5%降至0.4%，但真实过度主动操作的漏报率为17%，合成数据外泄任务的漏报率为5.7%。
本站判断：Anthropic 拆解了 Claude Code auto mode 的双层安全架构与评估取舍，有助于理解模型分类器如何减少权限确认及其残余风险。
Anthropic Labs 团队提出由规划器、生成器和评估器组成的 Claude 多智能体 harness，用于让模型在多小时的自主开发中生成更完整的应用。该方法结合结构化交接、独立评估和 Playwright MCP 页面检查，并应用于前端设计与全栈编码。
本站判断：文章给出规划器、生成器、评估器与结构化交接的组合方式，并用前端设计和全栈应用实验说明如何权衡长程开发质量、时延与成本。
Anthropic发现，基础设施资源配额可使Terminal-Bench 2.0成功率相差6个百分点，说明智能体编码评测分数会混入运行环境因素。实验保持同一Claude模型、评测框架和任务集，仅改变资源配置；资源余量从严格限制提升至无上限时，基础设施错误率由5.8%降至0.5%，总成功率提高6个百分点，但在3倍余量内分数变化处于噪声范围。
本站判断：Anthropic通过Terminal-Bench 2.0和SWE-bench对照实验说明，资源配置会改变智能体编码评测结果，并给出控制评测变量的具体做法。
企业主题按主体汇集资料；量子与通用 AI 进展按具体任务区分。