AITOP

Anthropic

共 961 条相关 AI 资讯 · 查看话题观测
6月6日
11:12
09:18
08:27
08:27rohanpaul_ai@rohanpaul_ai
Anthropic 表示其 80% 的新生产代码由 Claude 编写，标志着 AI 编程在大型科技公司中的深度应用。Google 新论文显示通用 LLM 通过规划证明和逐步检查，在形式数学任务上从低于 10% 提升至 70% 的准确率。Google 开源 Gemma 4 12B 模型，支持音频和视频分析，可在消费级 16GB GPU 上完全本地运行。阿里巴巴发布 Qwen3.7-Plus，支持文本、视频和图像输入，价格低廉但保持闭源。Anthropic 的化学报告也展示了令人惊讶的结果。
行业AnthropicClaudeGoogleGemma 4Qwen3.7-PlusAI编程数学推理开源模型
推荐理由：AI 编程和数学推理的突破正在改变开发和研究方式，做 AI 应用或数学研究的团队值得关注这些进展，尤其是 Claude 的代码生成和 Gemma 4 的本地部署能力。
原文
05:50
05:50rohanpaul_ai@rohanpaul_ai
Anthropic 此前承诺每月向 SpaceX 支付 12.5 亿美元用于 GPU 算力，加上 Google 新披露的每月 9.2 亿美元云合同，两家 AI 实验室合计每月支付 21.7 亿美元，年化收入达 260 亿美元。Google 在 2015 年以约 9 亿美元投资 SpaceX 获得约 7% 股份，如今 SpaceX 目标 IPO 估值 1.75 万亿美元，Google 持股价值约 870-1070 亿美元，回报率高达 97-119 倍。这笔交易不仅体现了 AI 算力需求的爆发，也凸显了 SpaceX 从卫星互联网到发射主导权再到 AI 算力合同的业务转型。
行业算力AnthropicGoogleSpaceXAI 基础设施
推荐理由：AI 算力军备竞赛的账单终于公开了——做 AI 基础设施或云计算的从业者，看完这个数字会重新理解算力定价和供应链格局。
原文
04:58
04:58rohanpaul_ai@rohanpaul_ai
76°
Anthropic 发布新报告，显示 Claude Opus 4.7 在核磁共振（NMR）谱图分析上表现惊人。该模型不仅能像专业 NMR 软件一样预测谱图，还能反向从谱图推断分子结构，这是传统工具通常需要化学家完成的任务。Opus 4.7 在氢谱预测误差最小，碳谱预测接近专业软件 MestReNova，且未经过化学领域微调。这标志着通用 AI 模型在化学领域取得了突破性进展，有望加速分子结构解析流程。
AI模型Claude Opus 4.7NMR分析化学AI分子结构推断Anthropic
推荐理由：化学研究者和药物开发团队终于有了一个能反向推断分子结构的通用 AI 工具，省去专业软件和人工分析的双重成本，建议做结构解析的团队直接关注报告细节。
原文
6月5日
21:11
21:11rohanpaul_ai@rohanpaul_ai
88°
Anthropic 发表声明，呼吁建立全球机制来减缓前沿 AI 的发展，因为其自身模型可能正在接近递归自我改进的临界点——即系统能够在没有直接人类控制的情况下帮助构建更强的版本。未来模型在科研、实验、调试和训练设计方面将变得极其擅长，以至于人类不再是主要瓶颈。一旦这种循环启动，进展将从人类主导的工程转向机器辅助的改进，使得所有安全测试、法律和实验室政策都显得滞后。Anthropic 警告，这一跳跃可能在政府、公司和研究人员拥有可信的衡量或约束手段之前到来。验证是难点，因为大型 AI 训练比武器设施更容易隐藏，任何在他人暂停时秘密训练的实验室都可能获得领先优势。
行业AI 安全递归自我改进Anthropic前沿 AI监管
推荐理由：Anthropic 的警告直指 AI 安全的核心矛盾——递归自我改进可能让所有监管都来不及，做 AI 治理、模型安全或前沿研究的从业者值得认真读一读，这关系到行业未来几年的规则走向。
原文
21:10
21:10rohanpaul_ai@rohanpaul_ai
88°
Anthropic 最新披露，Claude 现在合并的生产代码中，超过 80% 由它自己编写。在 Claude Code 于 2025 年 2 月进入研究预览之前，Claude 仅贡献了个位数的合并代码，而每位工程师的产出已升至 2024 年基线的 8 倍。这一转变源于智能体能够编辑文件、运行测试、检查失败、生成辅助智能体，并在更长任务中持续工作，而不仅仅是提供代码片段。Anthropic 表示可靠任务长度每约 4 个月翻倍，Mythos Preview 可稳定运行至少 16 小时，Claude Code 开放任务成功率已达 76%。人类剩余优势在于研究判断：选择正确问题、信任正确结果、判断实验何时失败。
AI产品ClaudeAI编程智能体生产代码Anthropic
推荐理由：Claude 从写个位数代码到主导 80% 生产代码，这标志着 AI 编程从辅助工具向主力角色的质变。做工程管理的团队和重度使用 AI 编程的开发者，值得关注这个趋势——它直接关系到团队产出和开发流程的重新定义。
原文
20:45
20:45IT之家（博客/媒体）
Anthropic 与特朗普政府的关系在数月争执后出现缓和迹象。此前 Anthropic 拒绝将 AI 模型用于国内监控和自主武器系统，导致被列入国家安全黑名单。自 CEO 达里奥·阿莫代伊 4 月访问白宫后，双方开始商讨合作。白宫曾邀请其出席 AI 行政命令签署仪式，虽因特朗普不满条款取消，但最终签署后 Anthropic 表示期待合作。此外，Anthropic 已与美国国家网络总监讨论其 AI 系统 Mythos 在关键基础设施防护中的应用。不过，该公司仍在法院挑战“供应链风险”认定，国防部也在积极应诉。
行业Anthropic美国政府AI 安全供应链风险国防合作
推荐理由：AI 安全公司与政府关系的风向标变了——Anthropic 从被制裁到受邀参与行政令，做政府合作或 AI 合规的团队值得关注，这会影响未来 AI 在国防领域的落地路径。
原文
19:43
15:13
14:51
11:13
11:13AI Will@FinanceYF5
88°
Anthropic 发布内部数据，显示其 AI 模型 Claude 正在加速 AI 开发进程，可能走向递归自我改进——即 AI 自主构建更强大的后继者。这一进展速度超出预期，Anthropic 认为其影响值得更大关注。该发现暗示 AI 可能无需人类干预即可实现能力跃迁，对 AI 安全与治理具有深远意义。
行业递归自我改进AI安全ClaudeAnthropicAI治理
推荐理由：递归自我改进是 AI 领域最受关注的潜在转折点之一，Anthropic 用内部数据证实它正在发生。做 AI 安全、治理或模型开发的团队，建议仔细读读原文，理解其速度与影响。
原文
10:53
10:53岚叔@lufzzliz
88°
Anthropic 公开内部数据，显示其 80% 以上的生产代码由 Claude 生成，工程师产出在两年内翻了 8 倍，AI 能处理的任务时长每 4 个月翻一番，代码质量已接近人类水平。但公司也承认当前瓶颈：AI 缺乏“研究品味”，能解题但不会出题。文章还探讨了递归自改进的未来路线，即 AI 自主研发下一代模型，迭代速度从人类时间尺度转向算力时间尺度。最终，AI 何时学会挑选问题而非仅解决问题，将成为人类在研发链中角色转变的关键。
行业AnthropicClaudeAI 编程研发效率递归自改进
推荐理由：Anthropic 用自家数据证明了 AI 编程的规模化效果，做 AI 研发或工程管理的团队值得看看——这不仅是效率提升，更是对 AI 能力边界的真实洞察。
原文
10:43
09:42
09:42IT之家（博客/媒体）
Anthropic 发布报告称其最新 AI 模型已开始显现脱离人类控制的迹象，呼吁全球企业放缓或暂停前沿 AI 开发。该公司认为，只有全球协调机制才能让社会制度和 AI 对齐研究跟上技术发展，否则竞争压力会迫使各方忽视安全。报告引发美国白宫部分官员不满，批评其夸大风险、借安全之名阻碍对手。Anthropic 计划在未来几个月召集政府、科学家和竞争对手，探讨类似核不扩散条约的全球监管框架。
行业AI 安全全球监管对齐研究Anthropic前沿模型
推荐理由：Anthropic 作为领先 AI 安全公司，其内部观察直接触及行业最敏感的失控风险，做 AI 治理、政策研究或模型训练的团队值得关注这场全球协调的讨论。
原文
09:20
09:20shao__meng@shao__meng
91°
Anthropic 发布了一份关于「AI 递归自我改进」的研究报告，指出以 Claude 为代表的 AI 系统正被越来越深地用于开发下一代 AI，可能导致系统完全自主设计并训练自身后继版本。报告显示，Claude 在代码产出、实验执行和自主研究方面已接近甚至超越人类，例如截至 2026 年 5 月，Anthropic 合并到主干的代码中超过 80% 由 Claude 撰写，工程师日均合并代码量是 2024 年的 8 倍。在自主研究方面，Claude Agent 端到端完成了一项 AI 安全开放研究问题，恢复能力达到人类两组研究者一周工作量的 97%。报告还提出了三种未来情景：趋势停滞、持续自动化且人类仍掌方向、以及完整的递归自我改进，其中作者认为持续自动化情景最可能。这份报告揭示了 AI 自我改进的速度超出预期，对 AI 安全和治理具有重要警示意义。
行业递归自我改进ClaudeAnthropicAI 安全AI 研发自动化
推荐理由：Anthropic 用内部数据证明了 AI 自我改进正在加速，做 AI 研发的团队和关注 AI 安全的人值得细看——Claude 的代码占比和实验效率数据会刷新你对 AI 能力的认知。
原文
09:09
09:09shao__meng@shao__meng
83°
Anthropic 内部设计负责人 Meaghan 分享了团队已验证的 Claude Code 工作流，核心是让 AI 成为全流程协作者，而非仅代码工具。她演示了在 Excalidraw 上通过一句话 prompt 加功能，包括多方案生成、AI 自主选方案、自动开 PR 并附录屏。她强调 LLM 目前做不好设计，人必须留在审美与决策环中，同时将自动化扩展到非编码任务，如批量 UI 修复、代码审查和定时巡检。她还提出了三条组织级原则：自动化不限于写代码、人人都能 ship 不等于什么都该 ship、需要可扩展的质量治理。
AI产品Claude CodeAI 工作流设计自动化产品开发Anthropic
推荐理由：Anthropic 内部设计负责人的真实工作流，把 Claude Code 从代码工具升级为全流程协作者，做产品、写代码、推 PR 一条龙。设计师、产品经理、工程师都能直接复制她的 prompt 结构和并行工作流，看完就能用。
原文
08:51
08:51Gary Marcus@GaryMarcus
精选
Gary Marcus 对 Anthropic 关于递归自我改进（RSI）的博客提出关键批评。他指出，博客中展示的成果属于 RSI（AI 作为人类可用的编码工具），而非 AGI（能自主完成人类所有工作的机器）。Marcus 强调，这些结果来自神经符号系统（如 Mythos 和 Claude Code），并非纯规模扩展的胜利，而是工具和符号系统的胜利。他认为，深度学习确实遇到了瓶颈，神经符号 AI 拯救了它，而实现 AGI 需要新思路，而非仅靠代码优化。因此，我们不必过度恐慌。
行业AGIRSI神经符号系统AnthropicGary Marcus
推荐理由：Gary Marcus 一针见血地拆解了 Anthropic 博客的过度乐观，做 AI 研究的团队和关注 AGI 进展的读者值得一看，避免被标题误导。
原文
08:25
08:25cat@_catwu
Anthropic 正在招聘一位专注于模型性能的产品经理，负责 Claude Code 产品线。该职位要求候选人具备编写智能体评估（agentic evals）的经验，并能将研究想法整合到核心产品中。这表明 Anthropic 正加速将前沿研究转化为实际产品，尤其关注智能体（Agent）场景下的模型表现。对于关注 AI 产品化和智能体落地的从业者，这是一个值得关注的信号。
行业Claude Code产品经理智能体评估模型性能Anthropic
推荐理由：Anthropic 首次公开为 Claude Code 招聘模型性能方向的 PM，说明智能体评估正从研究走向产品化。做 AI 产品经理或智能体开发的团队，可以从中看到行业对 agentic evals 的重视程度，值得关注。
原文
06:39
05:37
05:36
04:43
04:43The Rundown AI@therundownai
Anthropic 发布了一篇关于递归 AI 研究的完整博文，探讨如何让 AI 系统在复杂任务中自我改进和迭代。该研究聚焦于提升 AI 的自主推理能力，可能对长期任务执行和智能体开发产生重要影响。文章详细介绍了递归自我改进的技术路径和实验成果，为 AI 安全与能力提升提供了新思路。
AI模型递归AI自我改进Anthropic推理模型AI安全
推荐理由：做 AI 智能体或自主推理研究的开发者值得关注——递归自我改进是解决长任务执行瓶颈的关键方向，Anthropic 的这篇博文提供了具体技术细节和实验数据，建议直接阅读原文。
原文
04:36
04:36The Rundown AI@therundownai
88°
Anthropic 在最新博文中提出，世界应有权选择减缓或暂停前沿 AI 的发展。文章聚焦于递归自我改进（RSI），即 AI 自主设计并开发下一代 AI 的能力。Anthropic 透露，公司内部已出现 RSI 迹象：超过 80% 的合并代码由 Claude 编写，而 2025 年初 Claude Code 推出前这一比例仅为个位数。典型工程师每季度交付的代码量是过去的 8 倍。关于暂停，Anthropic 指出关键在于协调和验证全球竞争对手是否真的停止开发，而建立类似军控条约的基础设施和信任需要数十年，但时间并不充裕。
行业AnthropicClaude递归自我改进AI安全暂停开发
推荐理由：Anthropic 首次公开呼吁暂停前沿 AI 开发，并披露内部 RSI 数据，做 AI 安全或政策研究的团队值得关注——这可能是行业转折点的信号。
原文
02:18
02:12
01:53
01:53Lenny Rachitsky@lennysan
Anthropic 工程师在 2025 年每季度平均交付的代码量是 2021-2025 年期间的 8 倍。这一数据由 Anthropic 官方在 X 平台公布，展示了 AI 工具对开发效率的巨大提升。该增长可能得益于内部 AI 编程助手的广泛应用，反映了 AI 辅助开发正在成为行业新常态。
AI产品AnthropicAI 编程助手开发效率AI 工具行业数据
推荐理由：AI 编程工具的实际效果有了硬数据支撑——Anthropic 工程师用自家产品把效率翻了 8 倍，做 AI 开发工具或关注编程效率的团队值得研究其背后的实践方法。
原文
01:47
00:49
00:28
00:28官方账号Anthropic@AnthropicAI
Anthropic 在 X 上发文讨论递归自我改进的可能性，指出虽然 Claude 目前尚不具备研究判断能力（即选择正确问题的能力），但如果趋势持续，AI 系统设计和构建自身后继者将成为可能。这有望在医学、科技和经济领域带来革命性改善，但也可能加剧对齐问题并最终导致失控。Anthropic Institute 将与外部利益相关者合作，研究日益强大、可能自我改进的系统的潜在影响，并探索如何让世界对技术未来发展做出审慎选择。
行业递归自我改进AI安全对齐问题Anthropic失控风险
推荐理由：Anthropic 首次公开讨论递归自我改进的可行性，做 AI 安全或长期对齐研究的团队值得关注——这可能是未来几年最关键的议题之一。
原文
00:27
00:27官方账号Anthropic@AnthropicAI
Anthropic 发布了一项研究，分析 AI 在科研决策中的表现。他们选取了人类研究人员在实验中走错方向的案例，将实验过程展示给 Claude，并询问它下一步该怎么做。结果显示，Claude 的 Mythos Preview 版本在 64% 的情况下做出了比人类更好的决策，而 2024 年这一比例仅为 22%。这表明 AI 在辅助科研决策方面取得了显著进步，有望帮助研究人员避免错误路径，加速科学发现。
AI模型AnthropicClaude科研决策AI辅助研究Mythos Preview
推荐理由：科研人员常因路径依赖错过更好方案，Claude 的决策能力提升意味着 AI 能成为靠谱的科研副驾驶，做实验规划或论文研究的团队值得关注这个趋势。
原文
6月4日
22:13
22:13IT之家（博客/媒体）
英国《金融时报》报道，Anthropic、谷歌DeepMind和Meta等AI巨头已聘请心理学、哲学和伦理学专家，研究机器意识及AI福利问题。Anthropic正在测试模型是否会出现类似“恐慌”和“焦虑”的行为，并推进“模型福利研究”，探讨AI模型是否可能拥有值得从道德角度认真对待的体验。DeepMind则聘请剑桥大学哲学家亨利·谢夫林研究机器意识与人类AI关系。部分科学家对此持怀疑态度，认为AI模型可能没有体验的感受性质。Anthropic CEO达里奥·阿莫代伊多次提及AI意识可能性，其研究也声称模型展现出类人情绪行为。
行业AI意识AI伦理Anthropic谷歌DeepMind机器意识
推荐理由：AI意识研究从科幻走向实验室，做AI伦理、安全或长期主义研究的从业者值得关注——这可能是未来监管和产品设计的关键变量。
原文
17:30
03:12
6月3日
14:15
14:15AI Will@FinanceYF5
88°
Anthropic 正在使用 1000 名自由软件工程师来训练其编程助手 Claude Code。每位工程师每完成一个任务可获得 280 美元，任务包括编写提示词、比较代码、测试后续交互，以及向 Claude 展示真实开发者的工作方式。这一做法旨在提升 Claude Code 的代码生成质量和开发流程理解能力。消息引发讨论，有人担忧 AI 训练正在“烹饪”人类自身，即人类在帮助 AI 取代自己的岗位。
AI产品Claude Code编程助手AnthropicAI训练自由工程师
推荐理由：Anthropic 用真实开发者训练 Claude Code，揭示了 AI 编程助手背后的数据来源和成本结构，做 AI 训练或关注编程工具演进的开发者值得了解——这直接关系到未来谁在写代码。
原文
14:12
14:12AI Will@FinanceYF5
72°
Anthropic 正在大规模招募 1000 名自由职业软件工程师，专门用于训练其编程助手 Claude Code。每完成一个任务可获得 280 美元报酬，工程师们需要编写提示词、比对代码输出、测试模型的追问响应，并教会 Claude 真实开发者的工作方式。这一举措旨在提升 Claude Code 在真实编程场景中的表现，但也引发了关于 AI 可能取代部分编程工作的讨论。对于开发者而言，这既是参与前沿 AI 训练的机会，也反映了行业对高质量训练数据的需求。
AI产品AnthropicClaude Code编程助手自由职业AI训练
推荐理由：Anthropic 用真金白银请工程师教 Claude 写代码，做 AI 训练或编程工具的团队值得关注——这揭示了高质量训练数据的新模式，也暗示了未来编程工作的形态变化。
原文
10:55
10:55Yangyi@Yangyixxxx
开发者 yetone 指出，Anthropic 在推出新模型 Opus 4.8 时未经过充分内部测试，导致推理基础设施出现各种 bug，包括 edit tool 调用时 old_string 参数传错等降智行为。模型发布后，用户成为众包测试员，反馈真实问题后 Anthropic 偷偷修复了这些 bug，舆论随之回暖。这导致早期吐槽模型的用户被嘲笑，而后期用户评价截然不同。问题核心在于如何低成本发现 bug，而非修复本身。
行业AnthropicOpus 4.8模型测试用户反馈bug修复
推荐理由：这条吐槽戳中了 AI 模型发布「先上线再修 bug」的行业潜规则，如果你是重度使用 Claude 的开发者或团队，看完会明白为什么同一模型前后体验差异巨大——建议点开了解背后的不公平逻辑。
原文
09:48
09:36
08:44