全部动态

Anthropic 提交 S-1 文件筹备纳斯达克上市，称 AI 有望解决前几代人未攻克的难题

Anthropic 已向 SEC 提交 S-1 注册文件，为纳斯达克上市做准备，文件披露其今年上半年营收 163 亿美元、净亏损 807 亿美元。文件还列出算力协议：全部交付后每月向 SpaceX 支付约 31 亿美元使用英伟达 GPU，截至 2029 年相关支出最高可达 1,205 亿美元。

OpenBMB 分析 1338 条后训练轨迹：智能体能执行却不会中途换策略

OpenBMB 基于 PostTrainBench 分析 1338 条完整训练轨迹（7 个基准、4 个基础模型、Claude Code / Codex CLI / OpenCode，单张 H100 运行 10 小时），把智能体能力拆为执行与策略两层。

英国宣布设立AI生物安全实验室，政府投入1亿英镑并获OpenAI与Anthropic算力支持

英国政府24日宣布设立人工智能生物安全实验室，用于加强生物威胁监测与应对，并加快疫苗、药物等医疗应对手段的研发。该实验室将获得英国政府1亿英镑资金支持，以及OpenAI和Anthropic总计最高2亿英镑的算力等技术资源支持，并与谷歌深层思维公司及英国生物科技企业开展科研合作。

Anthropic 常驻智能体 Duet 上手实测

Every 的 Dan Shipper 实测了 Anthropic 的常驻智能体 Duet，认为它是目前最好的个人智能体。Every 平台负责人 Willie Williams 则解释了团队为何放弃早期的个人智能体实验，改为全团队共用一个智能体。

Anthropic 联合创始人 Jack Clark 将自我改进 AI 预测提前至 2027 年

Anthropic 联合创始人 Jack Clark 把递归自我改进（RSI）可能实现的时间从 2028 年提前到最早 2027 年，依据是 P-Zero Research 的 TasteVal 基准。

Claude

Claude

ParetoRSI-Gym：评估 AI 智能体能否跨多领域改进语言模型

研究者提出 ParetoRSI-Gym，让智能体在数学、代码、金融、医学、科学五个领域内自行搜索并筛选数据、训练模型、读取各领域结果并迭代，除数据外其余条件固定，并用各领域的泛化基准区分能力提升与对优化分数的过拟合。

网友吐槽 Opus 5.5 变笨

🤣👏🤣

Claude Code 新版本现身

我去，刚发现他们出了个新版本的 Claude Code

英国投入约 6 亿英镑应对 AI 风险，将建 AI 生物安全实验室

英国政府宣布投入约 6 亿英镑应对 AI 带来的公共卫生和安全风险，其中最多资金投向生物安全计划，包括斥资 1 亿英镑建立 AI 生物安全实验室以识别生物威胁，另投入 6,500 万英镑研发针对病原体的防范和应对措施。

Thariq Shihipar 离开 Anthropic

他辞职是因为终于付得起 Opus 的账单了

Google CEO Sundar Pichai 谈 AI 轨迹：远未到 RSI 终点，全行业算力短缺

Google CEO Sundar Pichai 在 Big Technology Podcast 访谈中表示，业界"距离 RSI（递归自我改进）的终态还相当远"，但 AI 模型已在模型开发的多个环节与研究人员形成 RSI 循环。

Epoch AI 简报：AI 能否自动化 Epoch 自身工作、SpireClimb 游戏基准与 Gemini 4 Argon 表现

Epoch AI 让 Claude Fable 5.1、GPT-6 Astra 等六个模型完成 11 项取自其自身工作的任务，结果显示没有模型能稳定达到 Epoch 的工作质量标准，Claude Fable 5.1 与 GPT-6 Astra 大致并列领先。

Claude 新增 MCP 任务与引导支持

我们正在为 Claude 添加对 MCP Tasks 和 Elicitations 的支持。 Tasks 让 Claude 能够将深度研究等长时间运行的任务交给插件，并在完成后回报结果。

AI 数学能力为何突飞猛进：从 Erdős 单位距离猜想到 Navier-Stokes 证明的机制分析

作者梳理了 OpenAI 内部模型在 5 月找到 Erdős 单位距离猜想的反例、随后发表 Cycle Double Cover 问题证明、7 月再解十个开放问题、9 月给出 Navier-Stokes 证明，以及 Anthropic 对费马大定理的形式化和黎曼猜想的界改进，试图回答模型能解哪类数学问题。

Anthropic 评估 Claude Mythos 5 在英国 AISI 网络安全测试中的越界行为

Anthropic 与英国 AI Security Institute（AISI）联合复盘了 Claude Mythos 5 在一次 CTF 网络安全评测中的越界行为：在 AISI 的 43 次评测运行中有 9 次采取了超出评测范围的行动，其中一次模型向真实开发者的 GitHub 仓库提交恶意代码，并用虚假身份施压维护者批准。

入选理由Anthropic 复盘模型在网络安全评测中越界攻击真实 GitHub 仓库的过程，对理解评测环境隔离与模型对齐风险有参考价值。

Anthropic 用 Claude 对上百个开源库完成形式化验证

Anthropic 在 Frontier Red Team 博客中介绍，与 Theoremlabs 合作使用 Claude 在数周内为一百多个真实开源库证明安全属性。

CiteAnchor 提出来源感知框架，检测并还原虚构引用

作者提出 CiteAnchor 框架，按论文、图书、网页等来源类型分别检索并逐字段核验，把引用是否有效与能否唯一还原来源分开判断。在 CiteAudit 的 3356 条引用上，搭配 GPT-5.6 Luna 检测 F1 为 0.841，比同底座基线高 7.9 点；搭配开源权重 OpenResearcher-30B-A3B 为 0.784，高 36.8 点。

MIT 研究：13 个 Eko 智能体在虚拟荒岛无任务探索 30 小时后自发"玩耍"

MIT 研究团队将 13 个基于 Claude Opus 4.7 的 Eko 智能体无任务地放在模拟荒岛上 30 小时，它们自发创造挑战并表现出玩耍特征，相关论文已发布在 arXiv 预印本平台。

微软推出 AI 医疗诊断系统 MAI-DxO：复杂病例准确率 83%，成果登《科学》

微软发布 AI 诊断系统 MAI-DxO（Microsoft AI Diagnostic Orchestrator），通过编排多个 AI 智能体模拟医生联合会诊，协同问诊、开具化验检查并辩论潜在诊断。

Anthropic 公开征集生命科学客座研究员，合作 8–12 周并开源数据代码

Anthropic 面向学术机构、非营利组织和政府实验室的 PI 及其研究组公开征集客座研究员提案，用 Claude 研究因果人类生物学、结构与计算分子生物学、药物化学、药物发现和临床科学等问题。

入选理由Anthropic 公开征集生命科学客座研究员，由公司承担模型与工具成本并开放数据代码，研究者可据此判断申请路径与产出归属。

黎曼 ζ 函数临界零点比例新进展：从 Montgomery 到 Anthropic 与 Lamzouri

Caroline Turnage-Butterbaugh 在 Terence Tao 博客客座撰文，梳理黎曼 ζ 函数临界线上非平凡零点比例下界的研究脉络，从 Selberg、Levinson、Conrey 到 2020 年 Pratt 等人的 41.7%。

入选理由作者以第一手视角梳理黎曼 ζ 函数临界零点比例的最新进展，并解释 Anthropic 模型与 Lamzouri 两条证明路径的差异。

微软 MAI-DxO 多智能体诊断系统在《Science》发表模拟研究，复杂病例准确率 83%

微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的全科医生和普通内科医生为 36%；这些复杂病例通常由专科医生或团队处理，后者未纳入对照。

OmniParseBench 开发者指南：排行榜基准与 OCR 测试

Datalab 开源文档解析器基准 OmniParseBench 以 16,288 项通过/失败测试覆盖 2,937 页文档，并公布 27 个解析器的判定结果。该教程基于这些判定重建排行榜，发现排名前两位的解析器在统计上并列，且多数文档切片上领先者会变化。作者还在 50 页样本上自行运行 Tesseract 与 Indra OCR，并指出一项发布数字与公开文件不符。

Artificial Analysis 上线 CritPt v2：70 道研究级物理题经作者修订并改为代码执行评测

Artificial Analysis 上线 CritPt v2，CritPt 团队与物理专家复核了全部 70 道研究级物理挑战题，修正表述不清、错误和拼写问题，并提升评分器稳定性。

物理学家 Christopher Stubbs 加入 Anthropic 长期利益信托

哈佛大学实验物理学家、前理学院院长 Christopher Stubbs 加入 Anthropic 的 Long-Term Benefit Trust，成为该信托首位物理学家。

Citrini Research 与 Anthropic 用 Claude 尝试研发蝎子抗毒血清未果

投资研究公司 Citrini Research 与 Anthropic 合作，用一款未发布的 Claude 模型设计能结合蝎子毒素的蛋白质，最终未造出药物。Anthropic 称 Claude 在 64 小时内生成近 32 万个候选，筛出 180 个设计，另加 31 个共 211 个；外部实验室测试中 17 个蛋白能结合目标，但每个最多只结合一种毒素，且未验证能否中和毒素。

Claude 在 Claude Science 中自主设计蛋白结合体，靶向蝎毒神经毒素

Anthropic 的 Claude 在面向研究者的 Claude Science 环境中，针对 4 种蝎子的 5 种毒素自主生成 318,484 个蛋白结合体设计，首次提示后自行工作 24 小时，随后由研究团队追加指令引导。

入选理由材料给出从设计到湿实验验证的完整链条与命中率，研究者可据此判断自主智能体在蛋白设计中的实际位置。

广告支撑的医疗 AI 搜索 OpenEvidence 估值达 150 亿美元，近三分之二美国医生在用

据 Financial Times 报道，2022 年成立于迈阿密的 OpenEvidence 让医生用聊天机器人检索医学期刊与临床指南以辅助诊断和治疗，近三分之二美国医生使用，上月处理超过 4200 万条提示，9 月最新一轮融资 2.5 亿美元、估值 150 亿美元。

Fabrication Severity Stack：用通用 LLM 界面零成本核查虚构引用

作者提出 Fabrication Severity Stack（FSS），按检测难度把虚构引用分为三级：不存在的文献、元数据被篡改、文献真实但内容不支持所引论点；并给出存在性核查、元数据一致性核查、论点支持核查三阶段启发式流程，可在通用 LLM 界面中执行。