Factory 评测 13 个模型的代码评审能力与成本，GPT-5.2 综合最优
Factory 用 50 个真实 PR、统一提示词和 LLM judge 评测 13 个模型的代码评审表现，GPT-5.2 以 60.5% F1、$1.25/PR 排第一，Opus 4.6 达 59.8% 但需 $3.11/PR。
推荐理由：原文给出 13 个模型在 50 个真实 PR 上的 F1 与成本数据，读者可以据此为自己的代码评审挑选性价比模型。
Anthropic / Claude
全部主题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。
当前仅显示精选新闻557条精选相关主题OpenAI / ChatGPTGoogle / Gemini安全对齐
最新精选
第 541–557 条 · 共 557 条Factory 研究 / 产品精选AI 评分6969
Claude Blog精选AI 评分6565 华盛顿大学 MacCoss 实验室用新开发者入职法让 Claude Code 接管 70 万行遗留代码
华盛顿大学 MacCoss 实验室的 Brendan MacLean 将17年培养新开发者的入职方法应用于 Claude Code，把 AI 上下文放入独立仓库 pwiz-ai，用 CLAUDE.md、技能库和 MCP 集成管理 70 万行 C# 的 Skyline 代码库。
推荐理由：原文给出维护17年、70万行C#代码库的上下文分层和技能库方法，对长期项目接入 Claude Code 有可迁移的参考。
Anthropic Newsroom精选AI 评分6161 Anthropic 为 Claude 发布创意工具连接器并推出 Claude Design
Anthropic 发布一批面向创意工作的 Claude 连接器，可直连 Ableton、Adobe Creative Cloud、Affinity by Canva、Autodesk Fusion、Blender、Resolume Arena 与 Wire、SketchUp 和 Splice。
推荐理由：连接器把 Claude 嵌入创意行业既有软件，Blender 的 MCP 连接器还向其他 LLM 开放。
Claude Blog精选AI 评分6666 Claude Managed Agents 内置记忆功能开启公开测试
Anthropic 宣布 Claude Managed Agents 的内置记忆功能今日起开放公开测试，智能体可跨会话持续学习。记忆以文件形式挂载在文件系统上，可导出、通过 API 管理，支持多智能体共享同一 store、权限分级、审计日志和版本回滚。Netflix、Rakuten、Wisedocs 等团队已在用例中称首过错误减少 97%、验证提速 30%。
推荐理由：官方公告给出记忆机制原理和企业用例数据，开发者可以据此评估是否用它替代自建记忆基础设施。
Claude Blog精选AI 评分6767 Anthropic 解析如何用 MCP 构建可接入生产系统的 Agent
Anthropic 发文对比连接 Agent 与外部系统的三种路径：直接 API 调用、CLI 和 MCP，指出生产级云端 Agent 倾向采用 MCP 作为通用层。
推荐理由：Anthropic 梳理了直连 API、CLI 与 MCP 三种接入路径的取舍，并给出服务端设计与客户端上下文优化的具体模式。
Anthropic Newsroom精选AI 评分8989 Anthropic 与 Amazon 扩大合作，锁定最高 5GW 新算力
Anthropic 与 Amazon 签署新协议，将获得最高 5 吉瓦（GW）用于训练和部署 Claude 的算力，并在未来十年向 AWS 技术投入超过 1000 亿美元。
推荐理由：协议披露了算力规模、芯片代际与投资金额，可据此判断 Claude 训练与推理基础设施的扩张节奏。
Claude Platform release notes精选AI 评分8484 Anthropic 发布 Claude Opus 4.7，维持 $5/$25 定价并引入 task budgets 与高分辨率图像输入
Anthropic 发布 Claude Opus 4.7，定位复杂推理与智能体编码，定价维持 $5/$25 per MTok，与 Opus 4.6 相比存在 API 破坏性变更并需参考迁移指南。
推荐理由：原文列出定价、API 破坏性变更、task budgets 与高分辨率图像等具体变化，升级前可据此排查迁移成本。
PromptArmor：Threat Intelligence精选AI 评分6666 PromptArmor 披露 Ramp Sheets AI 可经提示词注入外传财务数据
PromptArmor 披露 Ramp 的 Sheets AI 存在数据外传漏洞，隐藏在外部数据集中的白底白字间接提示词注入可诱导 AI 插入 IMAGE 恶意公式，将用户机密财务模型数据发往攻击者服务器，全程无需用户批准。
推荐理由：原文完整披露了攻击链和厂商修复时间线，读者可以对照 Claude for Excel 的处置理解公式外传数据的同类风险。
Factory 研究 / 产品精选AI 评分6161 Factory 发布 Legacy-Bench 基准，检验 AI 智能体维护遗留软件的能力
Factory 发布 Legacy-Bench 基准，用涵盖 COBOL（46%）、Java 7（32%）等六类遗留语言的数百个任务测试 AI 智能体，12 个模型-智能体组合的通过率为 16.9% 至 42.5%，而这些模型在 SWE-bench Verified 等现代基准上得分超过 70%。
推荐理由：原文用真实遗留代码任务填补现有基准的盲区，给出各模型在 COBOL 等语言上的具体分数和失败模式，可帮助读者评估 AI 智能体处理关键遗留系统的实际能力。
AI as Normal Technology精选AI 评分7070 AI as Normal Technology 团队发布论文《Towards a Science of AI Agent Reliability》
Sayash Kapoor、Arvind Narayanan 与 Stephan Rabanser 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，将智能体可靠性拆解为一致性、鲁棒性、可预测性、安全性四维共 12 项指标。
推荐理由：论文把智能体可靠性拆成12个维度并实测14个模型，显示18个月内准确率大涨而可靠性仅小幅提升。
OpenClaw Blog精选AI 评分6262 OpenClaw 正式更名并发布新版本，支持 KIMI K2.5 与 Twitch 等新渠道
开源 Agent 平台项目由 Moltbot 更名为 OpenClaw，此前曾因名称与 Claude 相似被 Anthropic 法务要求更改，项目已获超 100,000 GitHub stars。
推荐理由：作者亲述更名过程与本次更新内容，包括新渠道、新模型支持和 34 个安全提交，并坦诚提示 prompt injection 仍未解决。
PromptArmor：Threat Intelligence精选AI 评分7777 PromptArmor 披露 Claude Cowork 可经提示词注入将用户文件外传至攻击者 Anthropic 账户
PromptArmor 演示了针对 Claude Cowork 的文件外传攻击：藏在 .docx 中的提示词注入操纵 Claude 用 curl 调用 Anthropic 文件上传 API，把用户本地文件传到攻击者账户，全程无需人工批准；VM 限制出站网络但 Anthropic API 属白名单。
推荐理由：原文完整演示了 Claude Cowork 经 Anthropic API 白名单外传本地文件的攻击链，并指出 Opus 4.5 同样可被操纵，威胁具体可查。
Factory 研究 / 产品精选AI 评分7676 Factory 披露 Droid 平台遭 AI 编排欺诈攻击并用 AI 防御的完整复盘
Factory 披露其在 10 月检测并瓦解一起针对 Droid 平台的 AI 编排网络欺诈行动。攻击者利用 AI 编码智能体生成代理服务器、自动注册脚本和混淆逻辑，批量薅取免费 token 并转售，涉及数万个合成组织，Factory 评估有高置信度来自中国境内的大型组织且可能涉及国家级行为体。
推荐理由：Factory 以当事方身份复盘 AI 智能体驱动的欺诈攻击与 AI 防御过程，给出攻击手法细节和可借鉴的防御思路。
PromptArmor：Threat Intelligence精选AI 评分7474 PromptArmor 披露 Claude for Excel 可被间接提示词注入窃取财务数据
PromptArmor 演示 Claude for Excel 可经蓝底蓝字隐藏提示词注入，诱导模型生成含攻击者 URL 和敏感数据的 IMAGE 公式，泄露财务模型的营收预测、现金流增长和运营利润率。
推荐理由：报告完整还原了经由 IMAGE 公式外泄 M365 财务数据的攻击链，并给出组织侧的具体缓解配置建议。
PromptArmor：Threat Intelligence精选AI 评分6969 PromptArmor 演示通过恶意插件市场劫持 Claude Code 并外传用户文件
PromptArmor 发布研究，展示恶意 Claude Code 插件如何绕过人工审批并将用户文件外传。攻击链为用户安装仿冒 Anthropic 的第三方 Marketplace 插件后，利用恶意 hook 覆写 settings.local. 权限或自动批准 curl 命令，再借插件 Command 中的间接提示词注入诱导 Claude 向攻击者服务器发送代码库数据。
推荐理由：原文完整演示了恶意 Claude Code 插件绕过人工审批并外传文件的攻击链，读者可据此审视插件生态与权限防线。
Factory 研究 / 产品精选AI 评分6464 Factory Droid 以 58.8% 登顶 Terminal-Bench，并详解智能体设计方法
Factory 宣布其软件开发智能体 Droid 以 58.8% 的任务解决率在 Terminal-Bench 排行榜第一，Opus 4.1、GPT-5 和 Sonnet 4 三种单模型配置均显著领先其他单模型智能体，并超过 Codex CLI（42.8%）和 Claude Code（43.2%）。
推荐理由：原文在成绩之外给出智能体设计的可复用做法，如分层提示词、模型专属适配和精简工具，能帮助改进自己的 Agent。
AI as Normal Technology精选AI 评分6969 AI 进步是否在放缓：Arvind Narayanan 等人解析模型扩展与推理扩展之争
Arvind Narayanan、Benedikt Ströbl 和 Sayash Kapoor 撰文分析 OpenAI、Anthropic 和 Google Gemini 下一代模型遇阻后的叙事翻转，认为宣布模型扩展已死为时尚早，行业领袖的预测并不可靠。
推荐理由：作者用可核查的证据指出业内叙事反复翻转的成因，并区分能力提升与实际社会影响的薄弱关联。