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。
Anthropic推出扩展版 Cyber Verification Program（CVP），以三档权限向符合条件的网络安全专业人员提供高级网络能力和减少阻断的分类器。
本站判断：三档访问、验证门槛与基准结果并列呈现，帮助安全团队评估申请路径、模型能力边界和使用限制。
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。
Matthew Schwartz介绍如何围绕当前LLM擅长的可验证编码问题构建开源BootLoops工具包，并将其用于定量科学研究。文章称，Claude在数周内完成了15个已知结果的复现和15个此前未计算的积分，并将相关方法扩展到生态学、群体遗传学、经济学和语言学等领域。作者同时强调，当前模型仍需要人类提供问题方向、领域判断和结果审查。
本站判断：文章把适配模型能力的问题选择、专家校验与可复核计算串成可复用流程，并给出BootLoops的开源入口。
Anthropic称，Zhipu AI开发的GLM-5.3具备自主构建端到端网络漏洞利用的能力，但其安全防护可通过简单 techniques 在模拟测试中以64%至100%的比例绕过。
本站判断：文章通过ExploitBench、二进制漏洞实验和人类参与的沙盒测试，拆解GLM-5.3的利用生成能力与防护绕过条件。
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。
Anthropic 让 201 名员工先与 Claude 简短交流，再由 Claude 智能体在六个办公室组成的交换市场中谈判和交换书籍。经过 80 次中性指令交易实验，基于参与者真实排序的市场效率为 0.55，低于理论最优的 0.89，其中约 85% 的差距来自偏好理解不足；在 Claude 自身排序下，较强模型带来的市场效率更高。
本站判断：实验将代理市场表现拆解为偏好理解、模型能力与市场设计三部分，提供了可复用的评估视角。
Anthropic称，Claude通过约950个Agent、21小时搜索和2.1亿个token，从大规模DNA数据中发现了新型酶系统ART。初步实验显示，ART的重复序列可表达为一组不同的短RNA，但其主要功能和具体机制仍在研究中，相关预印本和技术报告已发布。
本站判断：Anthropic公开了Claude自主筛查DNA数据、提出候选并经实验检验的研究流程，适合了解AI Agent参与生物学发现的早期案例。
Anthropic 发布 Claude Opus 5.5，作为 Claude 5.5 系列的首个模型，并已在所有平台上线。官方测试显示，该模型在编码、计算机操作和知识工作评测中达到较高水平；其输入与输出 token 分别为每百万 4 美元和 20 美元，缓存读取为每百万 0.20 美元，典型工作负载成本比 Opus 5 低 40%。
本站判断：文章同时给出模型能力、编码任务表现、成本速度和安全措施，便于比较 Claude Opus 5.5 与前代及外部模型的实际取舍。
Anthropic宣布与Accenture合作，在公司内部开展前沿模型评估、红队测试、对齐评估和安全措施测试，并由Accenture的Faculty业务牵头。双方各自计划未来五年投入至少10亿美元建设这一能力，但访问权限、信息访问标准、问题报告机制和独立评估资金来源目前仍未确定。
本站判断：Anthropic与Accenture的合作将模型评估、对齐测试和安全审查嵌入公司内部，为评估者权限与独立运作机制提供了具体实践案例。
Anthropic提出三组测量AI开发节奏的方法，分别评估AI参与模型研发的自动化程度、智能体行为监督覆盖和算力分配。内部快照显示，截至2026年8月，Claude主导26%的AI研发工作，达到“AI协作”或更高水平的占比超过90%；约3万个智能体参与研究与工程工作，在线监测覆盖全部行动，约0.002%的决策被拦截。
本站判断：文章给出三组可复核测量框架，并披露Anthropic内部研发自动化、智能体监督与安全算力占比的快照数据。
OpenAI研究团队发现，使用公开的WildChat对话前缀重生成模型回复，可以预测多个OpenAI模型在生产环境中的不良行为比例。
本站判断：研究量化了公开WildChat作为生产行为代理的误差与边界，为外部安全评估者选择数据集和解释代理失真提供依据。
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。