搜索“Claude Opus 4”

Simon Willison 用 Claude Code 开发了一款 Command & Conquer 风格的浏览器 RTS 游戏 Battle Drones，支持两台邻近设备通过音频消息同步游戏状态实现多人对战。

项目经历 12 个大版本迭代、321 次由编码智能体（主要是 Claude Code）提交的 commit，可在手机和桌面浏览器运行。游戏包含 9 种建筑、7 种地面载具、6 种空中载具、3 种步兵单位，全部为 3D 模型，另有战争迷雾、6 张地图覆盖 5 种生物群系、随机地图生成器、Skirmish 与 Last Stand 模式、AI vs. AI 以及两个 LLM 对战的 Agent vs. Agent 模式。

Replit CEO Amjad Masad 在 TechCrunch Disrupt 上表示，公司已不再与 Anthropic 合作，OpenAI 的 ChatGPT 成为平台默认模型，原因是成本、合作与性能，内部和公开基准显示 Sol 与 Astra 在从零构建 vibe-coded 应用上表现更好。他随后澄清用户仍可在平台上选用 Anthropic 的 Claude 等模型，Replit 保持模型无关，但 OpenAI 是驱动 Replit Agent 的首选伙伴；此前 Replit 依赖 Claude 运行平台，并曾是 Anthropic 前五大客户之一。

Anthropic 在旧金山与潜在投资者的私下会议上披露，第三季度营收达 168 亿美元，环比增长约 45%，是 2025 年全年营收的 3.6 倍以上，但增速较第二季度超过 140% 的环比增幅明显放缓。

公司截至第三季度的调整后营业利润率为 11%，为连续第二个季度实现调整后盈利，且现金流为正，第三季度每花 1 美元算力成本可带来 1.70 美元收入。Anthropic 估计 5% 至 7% 的收入来自知识蒸馏，并称已推出有效反制措施，但这部分收入预计将下降并拖累当季业绩。

Meta 发布前沿模型 Muse Wonder 的两个版本，Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。

arXiv 宣布自 2026 年 10 月 1 日起将投稿上限设为每人每自然月两篇，适用于所有分类且仅针对投稿人，共同作者不受影响，被拒论文仍计入额度。

平台称 AI 工具推动投稿量激增，2026 年 9 月投稿达 40,363 篇，较 2024 年 9 月的 20,569 篇近乎翻倍，cs.AI 分类两年内增长超过六倍，给志愿审稿人带来近 9,000 张支持工单。

Nvidia 开源数据引擎 Flora，用于为机器人视频生成动作描述、分步评分和任务成败判断三类标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.50 美元。

Flora 由三个微调的 Qwen3.5 模型组成，其中 9B 模型切分动作片段，两个 27B 模型分别负责描述和评分，模型已在 Hugging Face 发布。Nvidia 称该系统已用于 GR00T 模型训练，在 512 块 GB300 GPU 上每天可标注最多 20 万小时视频。

Hugging Face 推出 FairStress 基准，用于测量 LLM 在影响他人决策中超越最终选择的人口统计公平性，并已集成到其开源评测工作台 Olmo-eval。

该基准包含 29 个领域（招聘、医疗、借贷、教育、住房、刑事司法等）的 300 个真实双候选人决策场景，通过变化身份呈现方式（无身份信息、人口统计编码姓名、间接暗示、显式标签）并加入对抗性前缀，将场景扩展为超过 1300 万个测试用例。团队另发布基于项目反应理论筛选的 5 万条 FairStress-Core 子集，以降低评测计算成本。

Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否独立做研究，任务是发明一种改进语言模型训练的新方法并自行实现、测试和迭代，起点是 GRPO，人类参考方法是 SDPO。

微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它让智能体在隔离的 MCP 工具会话中运行，再根据终端后端状态和副作用而非生成文本打分，并让每个任务重复 20 次。