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。
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 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 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 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 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 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。
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。