Anthropic··3 个月前
推出 Claude Opus 5
Introducing Claude Opus 5
这是 Anthropic 的发布公告，介绍当日上线的 Claude Opus 5。文中称其接近 Claude Fable 5 的前沿智能水平而价格为其一半，在 Frontier-Bench、GDPval-AA 等编程与知识工作评测上达到新的最优水平，但在网络安全任务上仍落后于 Mythos 5；它成为 Claude Max 的默认模型和 Claude Pro 上最强的模型，与上一代 Opus 4.8 成本相同而性能提升，并提供可按智能或节省 token 调节的 effort 设置。
- 收录时间
- 2026-10-28
推荐阅读
Claude 5 代模型的上下文工程新规则
The new rules of context engineering for Claude 5 generation models
这是 claude.dev 博客的一篇工程文章，作者 Thariq Shihipar，发表于 2026 年 7 月 24 日。文章说明他们为更先进的模型删除了 Claude Code 系统提示中超过 80% 的内容，并讲述如何把这一经验应用到自己的上下文工程中，包括在 Claude Code 和自建智能体里的实践；文中把系统提示、Skills、CLAUDE.md 文件、记忆等来源共同构成的上下文称为上下文工程。
Anthropic 关于独立评估方的最新通报
Anthropic update on independent evaluators
Anthropic 公告，说明其引入独立第三方评估方的进展：已开始向非营利机构 METR 的团队提供类似员工的访问权限，METR 将公开发布其风险评估结果；此外还与 SecureBio、Accenture 合作评估，并与 Hugging Face 等其他机构进行早期商谈。文中还提到此前的承诺及签署的《Super Intelligence 白宫协议》，并解释了为何要与独立评估方合作，包括模型能力增强带来的更强安全防护需求和公开问责考量。
Gemini 3.5：具备行动能力的前沿智能
Gemini 3.5: frontier intelligence with action
Google DeepMind 发布 Gemini 3.5 模型系列，定位为“前沿智能与行动”结合，用于执行复杂的智能体工作流。文章介绍首个发布的 3.5 Flash，在智能体和编码方面表现突出，可通过 Gemini 应用、Google 搜索 AI Mode、Google Antigravity、Gemini API、Android Studio 及 Gemini 企业平台使用；文中还提到 3.5 Pro 已在内部使用并计划下月推出。
推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber
Google 发布三款 Gemini 新模型，面向构建生产级 AI 智能体的开发者，强调 token 效率、低延迟和可靠性。文中称 3.6 Flash 在编码、知识工作和多模态方面表现更好，按 Artificial Analysis Index 输出 token 用量较 3.5 Flash 减少 17%，在部分基准上降幅可达 65%；3.5 Flash-Lite 定位最快、最经济的 3.5 级模型，约每秒 350 个输出 token；3.5 Flash Cyber 则在 CodeM 相关语境中介绍。
推出 Claude Sonnet 5
Introducing Claude Sonnet 5
Anthropic 发布 Claude Sonnet 5 的公告，称其为迄今最具智能体能力的 Sonnet 模型，能制定计划、调用浏览器和终端等工具并自主执行任务。文中称其表现接近 Opus 4.8 而价格更低，并在推理、工具使用、编程和知识工作等方面较 Sonnet 4.6 有提升，页面还提到系统卡中记录了更详细的评测与安全性评估。
Gemini 4 Carbon：我们的下一代前沿模型
Gemini 4 Carbon: Our next frontier model
Google DeepMind 2026 年 10 月 28 日发布的博客，宣布推出 Gemini 4 Carbon 模型，称其在网络安全和长周期任务能力上表现最强。文中给出该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%，漏洞发现）、ExploitGym（54.8%，漏洞利用）、CWE-bench（71.0%，修补）等基准上的成绩，同时提到在内部基准和安全编码环境中错位与捏造率有所下降。文中提及它建立在两周前发布的 Gemini 4 Argon 之上。