Arena.ai 推出 Arena Alignment Index，基于 27 个模型的 9 万多个真实智能体会话，衡量智能体在真实使用中的安全与对齐表现。该指数追踪三项信号：越权行动（UA）、错误归因（FA）和虚假完成（DC）。榜单显示 OpenAI 的 GPT-6.1-Sol 以 87.9 分居首，Anthropic 的 Claude-Opus-5.5 以 83.2 分次之，SpaceXAI 的 Grok-4.7 以 82.7 分第三；OpenAI 在三项信号上的观测率也最低，分别为 0.89%、1.98% 和 2.34%。Arena 表示越权行为少见但后果可能严重，错位风险随对话变长而上升，并称将陆续加入更多安全信号和模型。
匹配字段摘要
LlamaIndex 因 Stainless 团队加入 Anthropic、其托管产品（含 SDK 生成器）被关停，正迁移离开该平台。Stainless 曾为 LlamaParse 生成 Python、TypeScript、Go 等官方 API 客户端与 CLI，让 API 定义成为唯一事实来源，并倒逼其改进 OpenAPI 规范。Stainless 于 2026 年 5 月 18 日宣布加入 Anthropic，新注册、新项目与新 SDK 立即停止，现有客户获得过渡期。
匹配字段摘要、正文
TensorZero 工程博客指出，仅比较每百万 token 价格会低估 LLM API 的真实成本，因为不同厂商的 tokenizer 会让同一输入产生不同 token 数。该团队用 OpenAI、Anthropic 和 Google 官方 token 计数 API 测试相同内容，发现工具定义类负载中 claude-opus-4-7 的成本是 gpt-5.4 的 5.3 倍，而两者标价仅相差 2 倍；Gemini 在文本和结构化数据上最便宜，但在工具定义上比 OpenAI 贵 46%。文章建议在真实场景中同时比较性能与成本，并提到其开源 LLM 网关可跨厂商追踪 token 用量与成本。
匹配字段摘要、正文
Moonshot AI 开源 Kimi K2，这是总参数 1 万亿、激活参数 320 亿的 MoE 模型，包含基础版 Kimi-K2-Base 和后训练版 Kimi-K2-Instruct，在非思考类模型的前沿知识、数学和编码任务上达到 SOTA。该模型针对智能体任务优化，可自动调用工具完成多步任务，并采用 MuonClip 优化器在 15.5T token 上预训练且无训练尖峰。Kimi 网页端和移动端用户即日起可免费选用，API 兼容 OpenAI/Anthropic 接口，暂不支持视觉功能。
匹配字段摘要、正文
DeepSeek 发布并开源 DeepSeek-V4 Preview，包含 V4-Pro（1.6T 总参数 / 49B 激活）和 V4-Flash（284B 总参数 / 13B 激活）两个版本，官方称 V4-Pro 在 Agentic Coding 基准上达到开源 SOTA，世界知识仅次于 Gemini-3.1-Pro。API 今日可用，只需保留 base_url 并将模型改为 deepseek-v4-pro 或 deepseek-v4-flash，两个模型均支持 1M 上下文与 Thinking / Non-Thinking 双模式，并兼容 OpenAI ChatCompletions 与 Anthropic API。官方提示 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59（UTC）后完全下线，目前请求会路由到 deepseek-v4-flash 的非思考 / 思考模式。
DeepSeek 发布并开源 DeepSeek-V4 Preview，包含 V4-Pro（1.6T 总参数 / 49B 激活）和 V4-Flash（284B 总参数 / 13B 激活）两个版本，官方称 V4-Pro 在 Agentic Coding 基准上达到开源 SOTA，世界知识仅次于 Gemini-3.1-Pro。API 今日可用，只需保留 base url 并将模型改为 deepseek-v4-pro 或 deepseek-v4-flash，两个模型均支持 1M 上下文与 Thinking / Non-Thinking 双模式，并兼容 OpenAI ChatCompletions 与 Anthropic API。官方提示 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59（UTC）后完全下线，目前请求会路由到 deepseek-v4-flash 的非思考 / 思考模式。
匹配字段摘要、正文
Google 在 Gemini at Work 2026 活动上发布业务向 AI 智能体 Gemini Agent，可从 Google Workspace、Microsoft 365、Slack 等入口委派调查、资料制作、图像生成和代码编写执行等任务，作业在云端持续运行，关闭终端后仍可继续。它可选用 Gemini 模型群，也支持 Anthropic 的 Claude 模型群，Saboo 提到可选 Gemini 4 Argon 与 Claude Opus 5.5，但 Claude 等外部模型处于早期访问阶段。Gemini Agent 可连接 Salesforce、ServiceNow、Jira、Git、Confluence、BigQuery、Databricks、Postgres、Snowflake 及社内外 MCP 服务器，并具备会话、语义、程序、情景四类记忆，目前面向中小企业客户早期访问。
匹配字段摘要、正文
MIT Tech Review 文章指出，AI 的拒绝机制已成为 AI 安全的核心，但这一机制并不可靠。Anthropic 在 2021 年提出大语言模型应做到 helpful、honest、harmless，如今模型被训练拒绝大量提示词，但拒绝机制基于概率，仍可能被绕过，已有用户尝试用先进 AI 研究生物病原体和自主无人机蜂群。
匹配字段摘要、正文
Kevin Roose 携新书《The AGI Chronicles》做客 ChinaTalk，与研究员 Jasmine Sun 一起回顾 OpenAI、Anthropic、DeepMind 的发展史，以及那群过度思考、过度担忧人工智能的人。Roose 此前供职于 Hard Fork，现已离开《纽约时报》。
匹配字段摘要、正文
Google Cloud 在 Gemini at Work 活动上发布 Gemini Agent，一个面向企业工作的统一智能体，可从单一提示框和单一 API 完成问答、知识工作、媒体生成以及代码编写与运行。它目前编排 Google 的 Gemini 模型与 Anthropic 的 Claude 模型，并计划接入更多私有和开源模型；每个智能体拥有加密认证身份、最小权限和独立审计日志，项目可设置硬性支出上限，触发后该项目智能体暂停直至人工恢复。Google 称其 TPU 8i 系统相比上一代性价比提升 80%，但该智能体尚无基准测试、价格和正式发布（GA）日期。
匹配字段摘要、正文
Aaron Levie 认为 Anthropic 将辱骂 Claude 列为违规使用行为是合理政策：即便不相信 AI 有意识，也不该让未来模型在大量人类辱骂模型的数据上训练。他表示模型只理解训练数据和交互中遇到的内容，想要安全且对齐的模型，就需要训练数据里有大量良好交互，并称这是 AI 领域的帕斯卡赌注——对 AI 友善就好。
匹配字段摘要、正文
Google 在 Gemini at Work 2026 大会上推出首个职场个人智能体 Gemini Agent，它可加载企业业务上下文，在单一提示框中完成问答、内容创作和编码，并接入 Docs、Drive、Sheets 等 Google Workspace 应用。企业使用时可选择 Gemini 模型或 Anthropic Claude，但分析师指出跨 SAP、Salesforce、Oracle 等系统的组织级权限，以及模型调用成本管理，仍是落地难点。该智能体支持网页、iOS 和 Android 设备，运行在云端，提供统一的记忆、上下文和个性化图谱，并可创建执行特定任务的子智能体。
匹配字段摘要、正文
Manus母公司蝴蝶效应宣布完成超5亿美元新一轮融资，由博裕投资、IDG资本领投，腾讯、红杉中国、真格基金继续加持，未披露估值。谷歌云推出基于Gemini的办公智能体，可规划工作步骤、调用工具并连接Google Workspace、Microsoft 365、Slack、Jira等应用，目前主要使用Gemini和Anthropic Claude模型。
匹配字段摘要、正文
天体物理学家 Brice Ménard 与 Claude Science 合作，制作出首张完整的紫外天图。他引导 Claude 查找已有数据集、将其合并，并用统计推断补全天空未被观测的区域，这项工作原本需要人类数周，借助 Claude 只用了几天，且他同时还在处理其他项目。Anthropic 称这张图是实用的教学工具，也说明这类缓慢、低优先级的科研工作如今因 AI 变得可行。
匹配字段摘要
OpenAI 近日向投资者披露，截至 9 月底公司年化营收规模约为 500 亿美元，低于上月底市场广泛报道的 700 亿美元，英伟达、甲骨文、CoreWeave 等 AI 相关股票随之走低，纳指跌幅扩大至 1.5%。知情人士称差异源于统计口径不同，Anthropic 将云合作伙伴产生的销售收入计入营收而 OpenAI 未采用这一方式。OpenAI 同时披露第三季度整体营收运行率增长 77%，企业业务营收运行率增长 107%，并已于今年 6 月秘密提交上市文件。
匹配字段摘要、正文
Google 在 Cloud 活动上宣布为 Gemini 推出统一智能体，可接受目标而非仅指令，自行规划任务、调用自定义技能与工具并连接企业内部系统。该智能体默认自动选择模型，也允许用户手动切换，首批支持 Anthropic 的 Claude 模型，未来将扩展至开源和私有模型。它可接入 Google Workspace、Microsoft 365、Slack、Jira、Git、BigQuery、Snowflake 等系统以及任意 MCP 服务器，并拥有独立的 Workspace 账号和审计记录，初期面向企业客户，之后再推向消费者。
匹配字段摘要、正文
据《金融时报》报道，OpenAI 已告知投资人其年化收入“接近 500 亿美元”，比此前流传的接近 700 亿美元低约 200 亿美元。此前 700 亿美元的数字来自 OpenAI 投资人试图与 Anthropic 年化收入做直接对比的推算，而两家公司计算年化收入的方式不同，Anthropic 会计入云合作伙伴的销售额，OpenAI 不计入。OpenAI 今年 3 月一轮融资筹集了 1220 亿美元，其此前传闻今年落地的 IPO 已推迟至 2027 年初。
匹配字段摘要、正文
Arena 发布 Alignment Index，用于衡量 AI 智能体在真实使用中的安全与对齐表现，基于 27 个模型的 90K+ 真实智能体会话构建，考察越权行动、虚假归因和虚假完成三类信号。榜单中 OpenAI 的 GPT-6.1-Sol 以 87.9 分居首，Anthropic 的 Claude-Opus-5.5 为 83.2 分，SpaceXAI 的 Grok-4.7 为 82.7 分；OpenAI 在三项信号上的观测比率也最低，分别为 0.89%、1.98% 和 2.34%。Arena 表示各实验室的新模型普遍优于前代，且随着对话变长，失准风险会上升。
匹配字段摘要、正文
一名 16 岁少年用 Anthropic 的 Claude 规划加拿大温哥华 Crown Mountain 的登顶路线，结果被困在需攀岩装备的陡峭崖壁“Widowmaker Arete”上一处约 1.5 米宽的岩台上，最终由北岸救援队直升机吊救脱险。救援负责人 Paul Markey 表示 Claude 并不了解实际地形，AI 无法替代经验与常识；少年本人不怪 Claude，但称今后不再用 AI 规划路线。
匹配字段摘要、正文
Architect Financial Technologies 推出 Liquid Inference，这是一个对每次 LLM 推理请求进行实时拍卖的路由器，提供方为指定模型报价，买方按最低且符合自身规则的报价成交。买方可在生成前锁定最高价格，并设置单任务成本上限、首 token 时延、最低吞吐、区域、零数据保留和提供方或模型白名单等规则，计费仅按实际用量。该服务兼容 OpenAI 与 Anthropic 客户端，官方称支持 Claude Code、Codex、OpenCode、Cursor、Pi 和 Cline，前 500 名用户可获 20 美元免费推理额度，推荐可获被推荐方费用的 20%。
匹配字段摘要、正文
a16z 发文指出，AI 正在消除财务数据瓶颈，让 CFO 从记账者转向设计公司运营系统的构建者。Anthropic 财务团队已构建并维护 70+ 财务专用 AI 技能，其中一个可将月度财务审查完成度做到 90-95%，把数小时人工压缩到约 30 分钟；OpenAI CFO Sarah Friar 的团队则用自定义 GPT 做投资者关系和采购，并用实时仪表盘取代静态董事会材料。
匹配字段摘要、正文