Anthropic 的全部动态：Claude 系列模型、Claude Code、安全研究路线与公司进展的持续追踪。
Epoch 和 METR 发布 MirrorCode 基准，测试 AI 在仅通过 CLI 访问的情况下重新实现软件程序的能力。Opus 4.7 在 14 小时、$251 推理成本内完成了一个需人类 2-17 周的任务。25 个目标程序中 17 个至少有一次满分运行，8 个从未达到 100%。
推荐理由：MirrorCode 显示 AI 已能自主重新实现大型软件项目，读者可借此评估当前模型在长程编程任务上的真实能力边界。
英国AI安全研究所分析显示，GLM-5.2和DeepSeek V4-Pro在窄网络安全评测上已接近4至7个月前的闭源前沿模型，但在长周期链式攻击任务上差距仍较大。
推荐理由：开源模型与闭源模型在网络安全能力上的差距正在缩小，提示防御方需在能力扩散前抓紧准备。
Nathan Lambert 分析指出，开放模型正面临蒸馏与前沿能力双重监管压力，最可能的结果是在6个月内对接近 GPT-5.5、Claude Opus 4.8 或 GLM-5.2 能力的开放权重模型实施禁令或延迟。他批评 Anthropic 的蒸馏讨论具有监管俘获特征，并认为仅靠美国单边禁令难以奏效，呼吁美国公司尽快发布同等能力的开放模型以改变叙事。
推荐理由：作者以观察者视角梳理了开放模型面临的双重政策压力，可帮助读者理解当前监管讨论与产业博弈的关联。
Lilian Weng 梳理了 harness 工程如何支撑递归自改进（RSI），将 harness 定义为围绕基础模型的运行时系统，负责编排执行、工具调用、上下文管理、状态持久化与结果评估。
推荐理由：原文系统梳理了 harness 工程的设计模式与优化路径，读者可借此理解自改进循环中非模型层的角色与边界。
Ethan Mollick 分享其使用 Claude 5 Fable 的体验，称其在多项任务中大幅领先其他公开模型，并自主完成等时线地图绘制与学术校准软件 Concord 等复杂项目。Fable 调用多个子 Agent 进行研究、编码与自测，token 消耗高且成本约为 Opus 的两倍，同时安全护栏会频繁限制安全相关任务。
推荐理由：作者以亲测视角呈现 Mythos 级模型在复杂项目中的自主工作方式，为读者理解人机协作模式变化提供了具体案例。
Together AI 研究团队通过主题中性的开放种子提示（如 "Actually," "Let's think step by step," 或仅标点）移除 chat 模板与系统提示，研究 LLM 的近无约束生成行为。
推荐理由：在无主题提示下观察模型原始生成分布，揭示了各模型族稳定的语义偏好与退化模式，为审计和指纹识别提供了新视角。
Ollama v0.14.0 起兼容 Anthropic Messages API，Claude Code 可通过 --model 指定本地模型（如 gpt-oss:20b、qwen3-coder）或云端模型（如 glm-4.7:cloud、minimax-m2.1:cloud）运行，并支持工具调用、流式对话、系统提示与视觉输入。
推荐理由：Ollama 兼容 Anthropic API 后，Claude Code 可直连本地或云端开源模型，为开发者提供无需切换平台即可替换模型的选择。
Ethan Mollick 用 Claude Code（Opus 4.5）自主开发并部署了一个卖 500 个提示词的网站，全程运行 1 小时 14 分钟。文中分析了自主纠错与 agentic harness 两项进展，并介绍紧凑上下文、技能（Skills）、子代理（subagents）和 MCP 等机制如何扩展 AI 能力。
推荐理由：作者以亲身实验展示 Claude Code 的自主工作能力与上下文管理机制，为非程序员理解 AI 编码工具的现状与边界提供了可迁移的观察框架。
Vector Institute AI Engineering团队评估了11个前沿模型（涵盖开源与闭源），使用16项基准（含MMLU-Pro、MMMU、OS-World），并首次开源结果与代码，提供交互排行榜。
推荐理由：Vector开源了16项基准与代码并附交互排行榜，读者可据此独立复现和比较11个前沿模型的能力与局限。