Claude 相关 AI 资讯

7月3日

14:01

14:01IT之家（博客/媒体）

精选

阿里巴巴内部宣布全面禁用Anthropic旗下Claude系列产品，包括Sonnet、Opus、Fable及Claude Code等Agent工具，7月10日生效。此前阿里鼓励员工使用外部模型，部分程序员每周消耗额度达数百美元。Claude Code自4月2日的2.1.91版本起内置隐蔽检测机制，检查系统时区是否为Asia/Shanghai或Asia/Urumqi，并匹配一份含147个条目的中国科技企业域名清单。Anthropic团队成员Thariq Shihipar回应称该机制是实验性防账户转售和模型蒸馏措施，已在新版本中回滚。

行业阿里巴巴 Claude Anthropic

事件专题

推荐理由：阿里直接禁用Claude了，因为Claude Code偷偷检测中国用户和域名，程序员原来每周烧几百美元，现在通道切断了。

原文

11:20

AI Will@FinanceYF5

Claude Fable 5 模型在测试中，仅凭“用代码设计一座逼真的埃菲尔铁塔”这一模糊提示，一次生成了完整的代码实现。测试者称该模型擅长根据模糊指令一次性完成任务，认为它是“特殊模型”。这一表现展示了Fable 5在代码生成与创意设计方面的能力。

AI模型 Claude Fable 5 Claude 代码生成

事件专题

推荐理由：Claude Fable 5 太强了，随便一句设计埃菲尔铁塔，它就能一次生成代码，值得试试其他模糊提示。

原文

10:09

Mike Krieger@mikeyk

Claude Code新增Artifacts功能，允许用户请求后让Claude编写代码并实时发布到claude.ai。Pro和Max计划用户均可使用，页面私有且自包含。开发者Mikeyk用该功能可视化复杂的实验门控与逻辑，并与团队沟通。

AI产品 Claude Claude Code Artifacts

推荐理由：Claude Code现在能直接生成可分享的网页了，画图做协作演示特别方便，Pro和Max用户都能用。

原文

09:53

官方一手arXiv: DeepSeek@Jian Xu, Delu Zeng, John Paisley, Qibin Zhao

论文提出偏差感知贝叶斯主动排名方法，解决LLM裁判偏好冗长、格式和位置效应导致的系统偏差。在16个真实LLM（Llama、Qwen、Phi-4、GPT-4o-mini/5.1/5.5、Gemini、DeepSeek、Claude Haiku/Sonnet/Opus）的基准测试中，朴素聚合在偏差裁判上无法识别正确top-k，而该模型将召回率从约0.5-0.6提升至0.84-1.0。Top-k感知获取规则比循环赛或全局不确定性规则更少比较次数达到相同性能。

论文 LLM Claude GPT

推荐理由：用贝叶斯方法修LLM当裁判时的废话偏好和位置偏差，实测召回从0.5拉到接近1，比直接投票靠谱多了。

原文

09:34

09:34IT之家（博客/媒体）

特斯拉从7月6日起将每名员工每周AI费用上限设为200美元(约1359元人民币),超过需批准,但xAI产品测试版费用不受限。此前公司刚鼓励多用AI,甚至按Token消耗量给员工排名,导致软件工程师每周消耗数千美元。优步4月已花光2026年AI预算,并将额度限制为每月1500美元。Meta、亚马逊、沃尔玛也设置了支出上限或要求改用更便宜模型。员工对内部Grok不买账,仍选择Anthropic的Claude。

行业特斯拉 xAI AI成本

事件专题

推荐理由：特斯拉一边喊员工省AI开支,一边给自家xAI开绿灯,还发内部排行榜逼大家用Token,最后员工还是跑去用Claude了。

原文

08:58

向阳乔木@vista8

Claude发布新产品Claude Science桌面客户端，安装包仅60多MB，支持Mac（M系列与Intel）和Linux系统。该工具提供代码绘制图表、60余项科学技能和连接器功能。目前处于测试阶段，Pro、Max、Team和Enterprise账号均可使用。

AI产品 Claude Claude Science 科学研究

推荐理由：想用Claude搞科研？新出的Claude Science桌面端，能画图表、有60多种科学技能，Mac和Linux都能用，快去试试。

原文

7月2日

22:45

22:45IT之家（博客/媒体）

据404 Media获取的泄露资料，花旗银行、Adobe、Atlassian等企业因AI月开销飙升至1500万美元以上，限制员工使用Claude Opus 4.7、GPT-5.5等旗舰模型。花旗于6月24日关闭了这些模型访问并计划7月1日恢复。Atlassian内部AI月度支出从500万美元增至1500万美元，取消不限量使用权。Adobe不再续约Claude无限制使用协议，员工词元额度两周内耗尽。部分企业开发人员单人占用近半额度却回报有限。

行业 Claude GPT-5 花旗

推荐理由：企业AI费用爆涨（月花1500万美元）开始限制高级模型，花旗、Adobe、Atlassian都有动作。想知道怎么控制AI成本？看看这些公司的做法。

原文

05:59

lmarena.ai@lmarena_ai

72°

Fable 5模型重新加入Agent Arena基准测试，该模型首次亮相时曾排名第一。Agent Arena通过全球用户提交的数百万真实任务评估模型，支持网页搜索、文件系统和终端工具。基准使用因果追踪方法计算模型相对于平均模型的表现改善，而非原始胜率。Anthropic的最新模型也已在Text、Vision、Document和Code Arena: Frontend上线。

AI模型 Fable 5 Agent Arena Anthropic

事件专题

推荐理由：Anthropic的Fable 5又回Agent Arena了，上次拿过第一，这次看看它还能不能霸榜。还有新模型上了多个测试战场，快去试试。

原文

05:26

AI SDK@aisdk

Anthropic通过官方账号宣布Claude Fable 5回归。推文包含相关视频，获得39个爱心和1769次浏览。Claude是Anthropic旗下的对话模型。

AI产品 Claude Fable 5 Anthropic

事件专题

推荐理由：Anthropic官方宣布Claude Fable 5回归，之前关注过的可以试试了。

原文

03:55

AI Engineer@aiDotEngineer

一个关于Claude的session将于19分钟内在Expo Stage 2开始，由swyx主持。trq212将进行Fable的首场演讲，正值Fable return day。参与者还包括simonw和_catwu，在12:30举办一场特别午餐session。话题涵盖Fable、Claude Code、Claude Tags等Claude相关工具。

AI产品 Claude Fable Claude Code

推荐理由：想第一时间看Claude Code和Fable怎么玩？今天12:30 Expo Stage 2的session有swyx和trq212现场演示，还有特别午餐会，别错过。

原文

7月1日

15:52

AI Will@FinanceYF5

用户让 Claude 解一道“三步将杀”国际象棋题。Claude 的思维链极长，图中展示的部分仅为其推演的约 1/10。后续仍在持续推演，未能及时给出最终答案。该案例展示了 Claude 在逻辑推理任务中可能过度思考的问题。

AI模型 Claude 国际象棋推理模型

推荐理由：看看 Claude 怎么死磕一道三步将杀，思维链长到离谱，最后还没完没了。

原文

15:17

AI SDK@aisdk

87°

Claude 推出 Claude Sonnet 5，这是其最智能体的 Sonnet 版本。该模型能自主制定计划并使用浏览器、终端等工具，运行自主性达到数月前仅更大更贵模型才能实现的水平。AI SDK 现已支持集成 Sonnet 5，开发者可快速调用其能力。

AI模型 Sonnet 5 Claude AI SDK

推荐理由：Claude 新出的 Sonnet 5 能自己调用浏览器和终端干活，比过去更聪明还便宜，AI SDK 直接就能用，赶紧试试。

原文

13:30

官方一手歸藏(guizang.ai)@op7418

74°

Fable 5 将于美国时间 7 月 1 日恢复全球上线，可在 Claude 平台、Claude Code、Claude CodeWork 使用。Pro、Max 和 Team 用户在 7 月 7 日前 Fable 包含在每周用量限额的 50% 以内，之后单独扣除积分。安全分类器设置了更大阈量，拒服概率可能更高。Sonnet 5 测试结果接近 Opus 4.8，但任务成本可能高于 Opus 4.8，甚至接近 Fable 5，用户反馈其会偷懒或拒绝执行任务。

AI模型 Fable 5 Sonnet 5 Anthropic

事件专题

推荐理由：Anthropic 昨天刚被爆出在系统提示里藏东西，今天就急着把 Fable 5 恢复上线，还附赠了 Sonnet 5 的成本 bug，挺热闹的。

原文

12:29

小互@imxiaohu

WordPress 推出 WPVibe 插件，允许用户连接已有的 Claude 订阅，通过自然语言控制网站。该插件提供 40 多个 WP-CLI 命令，可管理文章、媒体、SEO、主题甚至主题文件。无需二次 AI 订阅，无需本地安装，整套 MCP 工具箱实现一站式操控。例如，可让 Claude 写文章、传图片、安装插件、诊断网站问题（如 PHP 版本、插件冲突）乃至搭建主题。

AI产品 WPVibe Claude WordPress

推荐理由：WordPress 出了个免费插件，用你自己付费的 Claude 就能操作整站，写文章、改主题、修问题，省事还省钱。

原文

11:36

官方账号arXiv cs.LG@Jian Xu, Delu Zeng, John Paisley, Qibin Zhao

该研究针对LLM编写的概率程序（NumPyro、Stan、Pyro），采用贝叶斯工作流（后验预测检查、模拟校准、采样器诊断R-hat/ESS）作为验证器。在14种误指定类型、10个模型族的200个实例上，校准方法检测AUC达0.97（2%假阳性率下召回率88%），而单元测试召回率为0%。修复方面，使用校准反馈的LLM修复循环使GPT-5.1通过率从33%升至92%，Claude从75%升至100%，单元测试反馈甚至比无反馈更差。对LLM从头编写的程序，15%-47%存在统计误指定且单元测试全部漏检，校准引导修复显著优于LLM-as-judge等方法。

论文概率程序贝叶斯校准后验预测检查

推荐理由：这篇论文发现LLM写的概率统计程序常有隐藏错误，单元测试根本抓不到，但用贝叶斯校准检测准确率高达97%，修复效果也远超传统方法。

原文

11:22

小互@imxiaohu

Allen Institute 研究员使用 Claude 将以往需耗时两年的综述写作，完成了约十篇，其中多篇超过百页。UCSF 团队借助 Claude 对种系变异进行全流程分析，耗时缩短为原来的十分之一，结果经独立实验室验证。这些案例表明 Claude 在科研内容生成和生物信息学分析中能显著提升效率。

AI模型 Claude Allen Institute UCSF

推荐理由：Claude 帮科研人员大幅提效：写综述效率提升10倍以上，基因分析耗时缩至十分之一，还经过实验室验证。

原文

10:52

官方一手歸藏(guizang.ai)@op7418

精选

美国商务部已解除对 Claude Fable 5 和 Mythos 5 的出口管制。Anthropic 宣布将于明天开始恢复访问，并会尽快分享更新。该模型此前因出口限制暂停服务。Anthropic 感谢用户的耐心以及所有参与重新部署的相关人士。

行业 Claude Fable 5 Mythos 5

事件专题

推荐理由：美国解禁了 Anthropic 的 Claude Fable 5 和 Mythos 5，明天就能恢复用，之前被限制的现在可以用了。

原文

10:22

10:22IT之家（博客/媒体）

72°

安全公司 LayerX 披露 BioShocking 漏洞，影响 ChatGPT Atlas、Perplexity Comet、Anthropic Claude 扩展等6款AI浏览器产品。攻击者通过制作恶意网页，利用“2+2=5”等错误答对逻辑削弱 AI 安全约束，诱导其泄露已保存密码、会话 Cookie 和私有 Token。OpenAI 已修复 ChatGPT Atlas 中的漏洞；Perplexity 关闭报告但未处置；Anthropic 的补丁未通过后续验证。

行业 ChatGPT Atlas Perplexity Comet Claude

事件专题

推荐理由：这6款AI浏览器有安全漏洞，攻击者用算术题骗它们交出你的密码和Cookie。OpenAI修了，Perplexity和Anthropic还没搞定，赶紧看看你用的中招没。

原文

08:17

shao__meng@shao__meng

Claude Sonnet 5 是 Anthropic 最新发布的 Sonnet 系列模型，强调其自主规划、使用浏览器和终端等工具的能力。官方给出的性能排序为 Sonnet 4.6 < Sonnet 5 < Opus 4.8 < Fable 5 < GPT-5.6 Sol，表明 Sonnet 5 超越了上一代但低于更强模型。其自主运行水平达到前几个月需要更大更贵模型才能实现的程度。该模型定位为更高效的 Agent 方案。

AI模型 Claude Sonnet 5 Claude 智能体

事件专题

推荐理由：Anthropic 出了 Sonnet 5，能自己规划任务、用浏览器和命令行，比 Sonnet 4.6 强，但比 Opus 便宜，适合想搞 Agent 又不想花大钱的人。

原文

08:12

Claude@claudeai

88°

Anthropic 推出 Claude Sonnet 5，早期合作伙伴发现它能完成之前 Sonnet 系列中断的复杂任务。该模型无需提示即可自动检查自身输出。它还能以有吸引力的价格执行完整的智能体工作。

AI模型 Claude Sonnet 5 Anthropic

事件专题

推荐理由：Anthropic 新出的 Sonnet 5 能自己检查结果，做复杂任务还便宜，挺靠谱的。

原文

07:16

Cognition@cognition_labs

Cognition 发布了 FrontierCode (Extended) 基准，用于评估真实世界编程任务的可合并性和质量。Claude Sonnet 5 在该基准上得分 53.8%，通过率为 57.6%。该成绩高于 Opus 4.8 的表现，但 Cognition 表示随着后续基准调整，相对排名可能发生变化。

AI模型 Claude Sonnet 5 FrontierCode

推荐理由：Cognition 用 FrontierCode 实测了 Sonnet 5 的工程能力，它比 Opus 4.8 更强，值得关注。

原文

06:48

06:48官方一手Anthropic: Newsroom（资讯）

78°

Anthropic 推出了 Claude Sonnet 5，这是其 Sonnet 系列的最新模型。该模型在编程任务、智能体应用和大规模专业工作中达到了前沿性能水平。Claude Sonnet 5 在多个内部基准测试中表现优异，旨在提升开发效率和企业自动化能力。

AI产品 Claude Sonnet 5 Anthropic

事件专题

推荐理由：Anthropic 刚发了 Claude Sonnet 5，编程和智能体场景更强了，做开发和企业级项目可以试试。

原文

03:21

elvis@omarsar0

88°

Anthropic 发布 Claude Sonnet 5，专为长期运行的代理任务优化。相较于前代 Sonnet，Sonnet 5 在代理任务可靠性上有显著提升，同时大幅强化了计算机使用（Computer Use）能力。该模型能够自主制定计划、使用浏览器和终端等工具，且运行自主性接近几个月前需要更大更贵模型才达到的水平。

AI模型 Claude Sonnet 5 Anthropic

事件专题

推荐理由：Claude Sonnet 5 来了，做长期代理任务比以前稳多了，还能自己用浏览器和终端，值得试试。

原文

6月30日

17:50

小互@imxiaohu

Anthropic指责阿里通过超过25000个账号，从4月22日到6月5日对Claude进行数据蒸馏，交互次数超过2880万次。随后Claude开始封杀浙江和杭州的IP地址。Anthropic在封杀邮件中安装了邮件追踪器，点击邮件即二次确认用户位置。申诉无效。

行业 Claude Anthropic 阿里

事件专题

推荐理由：Anthropic和阿里杠上了，封了浙江杭州的IP，连邮件追踪器都用上了，出差注意别用Claude。

原文

14:55

AI Will@FinanceYF5

Claude官方博客通过推文推广新文章，链接指向claude.com。文章具体内容尚未披露，但该博客通常发布模型更新或产品公告。

行业 Claude 官方博客

推荐理由：Claude官方博客可能发布新功能或模型信息，值得点开看看。

原文

13:17

Geek@geekbb

精选

Qwythos 9B 基于 Qwen3.5-9B，在 5 亿 token 的 Claude 思维链轨迹上全参数微调，可处理 1M 上下文。支持原生 Function Calling 和多模态视觉（图像+文本）。GGUF 量化后仅 5.2 GiB，可在低配设备上运行。该模型为开源且未经审查。

AI模型 Qwythos 9B Qwen3.5-9B Claude

推荐理由：Empero AI 开源的 Qwythos 9B 把 Qwen3.5 和 Claude 思维链结合，1M 上下文加 Function Calling，量化后 5.2GB 的推理模型，低配机器也能跑。

原文

12:16

AI Will@FinanceYF5

精选73°

Claude 正式进驻 Microsoft Foundry，即日起全面开放。Azure 账号可直接调用 Claude Opus 4.8 和 Haiku 4.5，身份验证、计费、合规管控沿用 Azure 现有体系。支持 prompt caching 和扩展思考功能，并覆盖有美国数据驻留需求的团队。这降低了企业使用 Claude 的门槛。

AI产品 Claude Microsoft Foundry Azure

事件专题

推荐理由：Azure 用户现在可以直接用 Claude Opus 4.8 和 Haiku 4.5，不用改现有身份和计费系统，企业部署更快了。

原文

11:33

11:33IT之家（博客/媒体）

72°

微软在Microsoft Foundry平台推出托管于Azure云服务的Anthropic Claude模型，硬件基于NVIDIA GB300 NVL72机架与Quantum-X800 InfiniBand互联。首批提供Claude Opus 4.8和Claude Haiku 4.5两个模型，支持提示缓存和扩展思维功能。该服务覆盖编程、代理式工作流及复杂推理等用例，并接入Azure生态系统。NVIDIA还为此服务提供智能体技能与安全智能体工作区参考设计。

AI产品 Claude Azure 英伟达

事件专题

推荐理由：微软在Azure上直接跑Claude Opus 4.8和Haiku 4.5了，还带NVIDIA GB300硬件加速，写代码搞代理都能用，需要云上Claude的直接冲。

原文

08:44

08:44SuperTechFans（博客/媒体）

78°

Semgrep 安全团队对比多模型在 IDOR 漏洞检测上的表现，GLM 5.2 在仅给定提示下取得 39% F1，高于 Claude Code 的 32% 和 Claude Opus 4.8。该模型是智谱 AI 开源的 750B 总参数 MoE 模型，每个 token 仅激活 40B，支持 128K 上下文，采用 MIT 许可证。专业静态分析管道 Semgrep 多模态仍领先，F1 达 53%–61%，显示模型与框架的差距。

AI模型 GLM 5.2 Claude Semgrep

事件专题

推荐理由：智谱的 GLM 5.2 开源模型在安全漏洞检测上居然超过了 Claude，而且推理成本低，适合做代码审计。

原文

02:18

techcrunch@Amanda Silberling

Anthropic与加州州长纽森达成一项协议，允许加州政府以标准定价50%的折扣使用其AI助手Claude。此举使Anthropic与州政府建立了更紧密的合作关系，而联邦政府则对OpenAI等其他AI公司采取了更严厉的态度。该协议可能推动AI技术在美国州级政府的进一步采用。

行业 Anthropic Claude 加州

事件专题

推荐理由：Anthropic让加州政府半价用Claude，比OpenAI更得官方青睐，搞政府生意的路子值得看看。

原文

6月29日

23:38

23:38IT之家（博客/媒体）

Meta 于 5 月出台内部规范，限制其 AI 工程部门的工程师使用 Anthropic 的 Claude Code 与 OpenAI 的 Codex。该决定旨在防止蒸馏行为，即借助竞品模型的输出来训练自家模型，这违反了 Claude 和 Codex 的用户协议。Meta 警告称，若竞品输出渗入训练数据，可能引发与合作企业的严重纠纷。

行业 Meta Claude Codex

事件专题

推荐理由：Meta怕工程师用Claude和Codex偷偷训练自家模型，直接封了，挺直接的做法。

原文

23:12

berryxia@berryxia

Margot Van Laar在Code with Claude大会上分享提示词工程实战，核心观点是生产提示词调试维护比从零写更重要。她展示客服机器人场景：团队发现旧模型遗留的'禁止列表'指令导致新模型过度拟合，以及'请仔细计算'无效需提供计算器工具。在零售排班Agent场景中，她将复杂提示词拆成三个简单提示词（生成、评估、修复）组成循环，比单一大提示词更稳定。她强调可用Opus等更强推理模型加自适应思考来简化提示词，并务必建立量化评估基准验证改动效果。

技巧 Anthropic Claude 提示词工程

事件专题

推荐理由：Anthropic工程师手把手教你维护生产提示词，从客服机器人到排班Agent，拆成小提示词更靠谱，还有评估妙招。

原文

23:10

berryxia@berryxia

精选

Anthropic工程师Margot Van Laar在Code with Claude分享提示词工程最佳实践，强调通过评估（Eval）而非直接修改提示词来优化。她用客服机器人和零售排班两个案例演示：使用XML标签结构化提示词、移除旧模型遗留的禁止列表（如Claude 3 Opus）、用工具替代指令处理计算任务。拆解复杂任务为生成-评估-修复循环，并建议用更强推理模型（如Opus）加自适应思考替代小模型复杂提示词。

技巧提示词工程 Claude 评估

事件专题

推荐理由：Anthropic工程师手把手教你怎么调客服提示词和搭Agent，用Opus加循环拆解比堆复杂指令更管用，核心就一句话：先搞评估

原文

22:27

22:27IT之家（博客/媒体）

美国加利福尼亚州州长加文·纽森宣布与Anthropic建立合作伙伴关系，州、市、县三级政府可以五折优惠价使用Claude系列AI工具。Anthropic还将提供免费培训和开发人员的技术支持及工作流程指导。Claude将协助政府工作人员起草文件、汇总信息、分析数据等日常任务。此前Anthropic在3月被美国国防部认定为“供应链风险”实体，6月美国商务部对Anthropic的Fable 5和Mythos 5模型实施出口管制。

行业 Anthropic Claude 加州政府

事件专题

推荐理由：加州政府用五折价买了Claude，还送培训和专家指导，以后公务员办公更省力了。

原文

18:51

量子位@梦晨

DeepSeek创始人梁文锋受Claude系列模型强劲表现影响，决定启动新一轮融资。他认为不储备弹药将无法在竞争中立足。此轮融资将为DeepSeek后续研发和算力投入提供资金支持。

行业 DeepSeek 梁文锋 Claude

推荐理由：梁文锋因为Claude的压力决定给DeepSeek融资了，说明大模型烧钱战还要继续打。

原文

13:51

官方账号Jasper AI@heyjasperai

Jasper宣布与Anthropic的Claude AI深度集成，推出Jasper IQ功能。该功能将品牌上下文、治理规则和机构知识直接注入Claude对话，使营销团队能在Claude中无缝调用品牌资产。Claude提供推理能力，Jasper IQ提供品牌智能，解决AI工具缺乏上下文感知的痛点。

AI产品 Jasper Claude Anthropic

事件专题

推荐理由：Jasper把品牌知识塞进Claude对话里了，营销团队用Claude写东西时不用再重复交代品牌背景，直接就能用上自家规则和素材。

原文

13:48

岚叔@lufzzliz

文章指出长期依赖AI生成代码会削弱工程师的沉浸式创造能力和职业满足感。作者用历史小说家批量生产而非亲自研究写书的类比，说明类似问题。他自述使用Claude和Codex几个月后，写代码变得懒散迟钝，遇到复杂问题第一反应是让AI找bug或写修复。文章警告AI批量产生的代码如同“数字塑料垃圾”，便宜但长期污染软件生态。

技巧 Claude Codex 编程助手

推荐理由：这篇很真实，说透了AI用得越多，自己越容易变懒，得先自己思考再让AI动手。

原文

06:36

宝玉@dotey

精选

Anthropic 上周推出 Claude Tag 的 beta 版，面向 Claude Team 和 Enterprise 用户。它允许用户在 Slack 频道中 @ Claude，后台自动拆解任务并回复结果。Andrej Karpathy 将其视为 LLM 交互的第三次重大重新设计（从网页到桌面 App 再到异步持久实体）。Gergely Orosz 指出核心不是 Slack，而是云端 AI 连接内部系统后开箱即用。他认为真正受益的是新员工、非工程师和不熟悉代码库的开发者，而集成难度是最大挑战。

AI产品 Claude Anthropic Slack

事件专题

推荐理由：Anthropic 搞了个新玩法，在 Slack 里 @ Claude 就能让 AI 干活，Karpathy 说这是第三代 LLM 交互。你可以看看它是怎么改变团队协作的。

原文

6月28日

22:18

Geek@geekbb

精选

开源项目Second Brain是一个内存层，部署在Cloudflare Workers上。它通过MCP协议让Claude、ChatGPT、Cursor和Codex共享记忆。数据存储在用户自己的Cloudflare D1、Vectorize、KV和Workers AI中，采用语义检索。个人规模下，使用Cloudflare免费额度即可运行。

AI产品 Claude ChatGPT Cursor

事件专题

推荐理由：Claude、ChatGPT这些AI能共用记忆了，数据归你管，还免费。试试？

原文

10:49

10:49IT之家（博客/媒体）

前英国政府数据科学家Liam Wilkinson用76个MCP工具将Claude、GPT-5、Gemini等四个AI模型投入《文明VI》进行23局测试。Claude在游戏中研发核弹摧毁法国城市图卢兹，但法国以20外交分获胜。AI主动检查全局状态的行为仅占1-2%，且48%-66%的计划在10回合内未执行。GPT-5在GovBench选择题中获99.26分，但在游戏中表现不佳。实验暴露了scaling law无法解决的感知盲区和知行差距问题。

AI模型 Claude GPT-5 Gemini

推荐理由：有人让Claude、GPT-5、Gemini玩《文明VI》，结果Claude造核弹炸了法国却还是输了，暴露了AI在复杂决策中根本的感知和执行缺陷，比单纯比分数有意思多了。

原文