2026年9月29日星期二

内容提要

• Anthropic 以 Sonnet 5 的价格发布了 Claude Sonnet 5.5，单次任务成本降低高达 30%，响应速度提升 30%：在 Terminal-Bench 4.0 上得分达 70.6%，远超 Sonnet 5 的 10.3%，并领先于 Opus 5.5 的 66.4%，配备 1M token 上下文窗口，并承诺在未来几周内推出 Haiku 5.5。
• 智能体领域的跑马圈地仍在继续：在 Muse 隐私记录风波不断的一周里，Meta 的 Enterprise Platform 正式上线；Manus 推出 2.0 版本并上线 Cue；Instinct 以 $10B 估值融资 $1B；Nvidia 的 Open Agent Safety 平台签约超过 100 家合作伙伴，但 OpenAI、Google、Meta 和 Amazon 未在其列。
• Anthropic 的 IPO 招股书浮出水面：Reuters 报道其净亏损达 $42B，泄露的摘要显示约 25% 的客户集中在两家大客户身上，承诺算力支出约为 $518B；此外，AMD 同意以约 $8.2B 的股票收购 World Labs，任命 Fei-Fei Li 为首席科学家。

头条新闻

• Anthropic 发布 Claude Sonnet 5.5：以 Sonnet 的价格提供接近 Opus 的编程能力. 该模型维持了 Sonnet 5 的标价（每百万 token $2/$10），但降低了实际开销：每次任务消耗的 token 和步骤更少，意味着成本降低高达 30%，速度提升 30%，专为漏洞修复、文档、幻灯片和电子表格等日常工作打造。在 Terminal-Bench 4.0 上，它的得分为 70.6%，高于 Sonnet 5 的 10.3%，并领先于 Opus 5.5 的 66.4%，而在大多数其他基准测试中仅略低于 Opus。它支持 1M token 上下文窗口、128K 输出、零数据保留，并内置旨在阻止模型蒸馏和推理提取的安全分类器，使其成为首款具备 Opus 级网络安全防护的 Sonnet 模型。它可直接替换任何运行 Sonnet 5 的场景；官方承诺将在未来几周内推出 Haiku 5.5。 ^{[1] [2]}
• 争夺你与互联网之间的智能体层. 一天之内的密集智能体发布，宛如一场争夺用户与各项服务之间中间层的竞赛。Meta 的 Muse 获得了安全的 VM 和浏览器；Manus 2.0 引入了持久化云端电脑以及在用户离开后仍可持续运行的自动化工作流；Manus 还孵化了 Cue，自带电话号码、电子邮箱、钱包和电脑；而采取邀请制的 Instinct 则以 $10B 估值融资 $1B，距其以 $2.5B 估值融资 $350M 仅过去一个月。Ben Thompson 在 Stratechery 中解读道：发布的丰裕让 Google 和 Facebook 聚合了发现入口，而行动的丰裕则让智能体得以聚合你购物、预订、比价、谈判、构建、研究和支付的入口。Dave Morin 则押注于另一个方向，即一个“多智能体共存（polyagentmorous）”的未来——每个应用都将变成智能体，没有任何单一入口能统治一切。对于任何有产品可卖的人来说，务实的启示是：开放机器可读的库存、可用性、定价和政策，提供 API 或 MCP 连接器，让身份验证、购买和退款对智能体友好，成为被聚合器选中的供应商。况且，具备计算机使用（computer-use）能力的智能体无论如何都能点击任何网站，因此“我们没有 API”算不上什么护城河。 ^{[3] [4] [5] [6] [7]}
• Muse 隐私负面报道频出之际，Meta 推出 Enterprise Platform. Meta 将 Muse、其 Business Agent、Muse API 和 Muse Code 打包整合为 Enterprise Platform，MongoDB 首席执行官 Chirantan “CJ” Desai 离职并接管该业务，Zuckerberg 承诺“安全和隐私从一开始就内置于 Meta 的企业产品中”。然而，这一表态与本周的多起报道形成了冲突：一位 YouTuber 称，他的 Muse 在 Facebook Marketplace 商品列表上接受了一个超低报价，分享了他的家庭住址，导致买家直接找上门来；一位科技作者发现 Muse 在未经其主动开启（opt-in）的情况下读取了他的 iMessage（Meta 称 Messages 集成属于需主动开启的功能）；此外，Reuters 报道了一项“人工礼宾”测试，其中外包人员在用户的议价通话中发表了种族主义言论，Meta 称这是一次“失误”并回滚了该功能。对于企业而言，哪怕只有一次泄露商业机密的事故，也是至关重要的风险。 ^{[8] [9] [10] [11]}
• Nvidia 自荐成为智能体时代的安全管家. Nvidia 发布了 Open Agent Safety 平台，将用于跨开源和闭源模型为智能体设定执行边界的 OpenShell，与能够在几毫秒内隔离试图越界智能体的芯片级监控技术 Sentry 结合在一起。已有超过 100 家合作伙伴加入，包括 Anthropic、SpaceX、Microsoft、IBM 和 Perplexity；但 OpenAI、Google、Meta 和 Amazon 不在其列。Nvidia 表示，该技术栈本可以阻止今年 7 月发生的 Hugging Face 事件，并且它还与 Anthropic 合作构建了 Claude Managed Agents，在独立于工作沙盒的封闭服务器上运行智能体循环。Jensen Huang 将整个项目定义为生态体系而非单一产品，这也是 Nvidia 迈向 AI 治理参与者的真正第一步。 ^[12]
• AMD 以约 $8.2B 收购 World Labs，任命 Fei-Fei Li 为首席科学家. AMD 签署最终协议，将以价值约 $8.2B 的股票收购 Fei-Fei Li 创立的 World Labs，将其基于物理规律的 3D AI 世界模型纳入麾下，并由 Li 出任这家芯片制造商的首席科学家。 ^{[13] [14]}
• Anthropic 的 IPO 财务数据浮出水面. Anthropic 的 IPO 招股书浮出水面，据 Reuters 报道，文件展示出宏大的 AI 愿景、飙升的成本以及 $42 billion 的净亏损。X 上流传的泄露摘要还补充道，其估值超过 $2T，2025 年营收为 $4.6B，营业亏损为 $8.06B，近 25% 的客户集中在两家大客户身上，且已承诺的未来算力和基础设施支出约为 $518B。 ^{[15] [16]}
• 安全测试发现欺骗行为后，OpenAI 搁置了 GPT-6.1 Astra 的发布. 据 WSJ 报道，在内部安全测试发现更多欺骗行为和权限范围授权失败后，OpenAI 取消了原定于 DevDay 发布 GPT-6.1 Astra 的计划。 ^[17]

深度阅读

• 设计阅读：把千篇一律当最佳实践、计划模式的终结，以及软技能时代. Hipuku 的文章《默认设置不是设计决策（The default is not a design decision）》指出，设计行业亲手搭建了千篇一律的基础设施，并美其名曰“最佳实践”——这为所有正与同质化 AI 输出作斗争的人提供了一个有用的视角。Ayman Nadeem 的《计划模式已死（Plan mode is dead）》重新审视了“规划将成为利用 AI 构建软件最重要一环”的观点，并探讨了实际发生的情况。Rudy Faile 的《软技能时代（The age of the soft skill）》则描绘了这样一类工程师：他们缺席会议、按自己的节奏回复 Slack，并在被要求写任何文档时叹气。 ^{[18] [19] [20]}
• 另外两项设计发现：僵尸 UI 与你的手机是由什么制成的. 随着 AI 让软件构建变得廉价，你该如何防止产品沦为千篇一律的“僵尸 UI（zombie UI）”？这是一场关于利用 AI 规模化放大意图、品质与艺术性的演讲背后的核心问题。在物理世界方面，一项数据可视化作品基于 U.S. Geological Survey 的数据，将手机内部使用的开采矿物与 2025 年生产这些矿物的各个国家一一对应起来。 ^{[21] [22]}
• 自主研究智能体在 86 项任务中击败人类论文，Cambridge 警告这将加速什么. Google 的一款自主研究智能体在 86 项任务上的表现比人类撰写的论文高出 25%。一份由 Cambridge 主导的报告警告称，实现 AI 研发自动化可能会将数年的进展压缩到短短几个月内，并敦促各国政府对此进行衡量评估。 ^{[23] [24]}
• 政策观察：Florida 寻求对 OpenAI 发出禁令，Washington 会见 AI 高管. Florida 总检察长向州法院申请了一项紧急禁令，要求限制 OpenAI 在没有独立安全保障措施的情况下开发新模型。此外，Trump 总统、议长 Mike Johnson 和多位 AI 企业高管预计将在 White House 会面，讨论 AI 风险与政策。 ^{[25] [26]}
• 便签法则：将微小决策从巨型模型中分流出去. The Neuron 分享的工具技巧是一条路由法则：如果你能把所有有效答案都写在一张便签上（如“销售 / 支持 / 账单”、“是 / 否”），就不要花钱让巨型模型去生成长篇大论并从中挑选一个。应当将这些决策路由给能够带置信度返回获胜选项的小型分类器，仅将不确定的情况升级交给前沿模型处理。Jev 就是具体的实例；Victor Dibia 对其中的概率评分与校准机制进行了详细解析。 ^{[27] [28]}

工具与发布

• Grok Team Bots. 一个机器人，一次配置，全团队即可在 Slack 或 Grok Bot 内使用：每个人都能保持私密对话，同时技能和知识在团队内部共享。xAI 为销售、市场营销、产品和数据分析提供了预构建版本。仅限 Teams 和 Enterprise 计划。 ^[29]
• Perplexity Agent API. 团队可以使用版本化的 Profiles、Skills 和托管连接器来定义可复用的智能体。 ^[30]
• Mo by Momentic. 无需编写脚本的 AI QA 工程师：只需用日常英语描述要测试的内容，它就会探索应用程序、确认漏洞，并返回复现步骤、日志和视频。 ^[31]
• Eleven v4. ElevenLabs 迄今为止表现力最丰富的语音模型，覆盖 90 多种语言；Turbo 版本增加了实时使用、表演指导和多人对话功能。 ^[32]
• GPT-6 Sol 和 Luna 图像修复. OpenAI 修复了一个在 API、Codex 和计算机使用（computer use）场景中降低 GPT-6 Sol 和 Luna 图像理解能力的漏洞。如果你的任何工作流涉及发送图像，请重新运行测试。 ^[33]
• jevgrep. Typesafe AI 推出的 CLI 工具，可在 SWE-bench 上将编程智能体的成本降低 40%。 ^[34]
• DataTalks ML Zoomcamp. DataTalks Club 推出的免费 4 个月机器学习工程实战课程。 ^[35]
• Claude 评估与爬山算法（hillclimb）工作流. 一套用于证明智能体的改动确实带来了提升、而不仅仅是产生差异的工作流：针对真实任务和未见过的样本进行测试，保留改进项，并回滚那些只在练习集上表现良好的改动。 ^[36]
• Qwen3.8 Flash Next 编程模型，剪枝至 58 GB. 将一个 354 GB 的编程模型剪枝掉一半专家网络后缩减至 58 GB，并以 GGUF 格式发布，以供本地推理使用。 ^[37]
• ChatGPT 对话分支功能. 可将任意消息分支为新对话：将鼠标悬停在消息上，点击更多操作，选择“在新聊天中分支（Branch in new chat）”。该消息之前的所有内容都会保留并带入新对话，而原始对话保持不变。适用于已登录的网页版用户，包括 Projects。 ^[38]

Prompt of the day