搜索“Claude Opus 4.5”

Battledrones v14 新增名为 Compass Rose 的四人地图，此前地图仅支持两人对战。

Claude Opus 4.5 制作了这张具备四向旋转对称性的地图，并修改 WebSocket 多人网络代码，使该地图最多支持四名玩家通过分享链接或二维码加入，空位由 AI 玩家补足。新阵营使用紫色和绿色机器人，与原有的蓝色和红色设计并存，可在更新后的模型浏览器中预览配色。

AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。

Simon Willison 认为 2026 年 10 月是 vibe coding 游戏开发的拐点，Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显进步，他让模型把游戏改得更有趣，结果确实奏效。

他近几周完全不看代码，做出四款自己真正爱玩的 HTML/JavaScript 浏览器游戏：单次提示生成的找不同小游戏 Tree Appreciator、带剧情和关卡编辑器的奇幻 RPG Emberwick、已以 Apache 2.0 开源的即时战略游戏 Battle Drones，以及仍在迭代的种南瓜模拟器 Quarter Sun Cove，每个项目投入不超过四小时。

Anthropic 表示，单个按需加载上下文的智能体在质量、成本和延迟上常优于多子智能体架构，并已在 GitHub 发布迁移工具包，帮助团队评估和切换。

从 Opus 4.5 起，以及 Opus 5.5 和 Fable 5.1 等较新模型可直接在单个循环中管理复杂计划；在一次对比中，单智能体架构运行速度约为多智能体方案的两倍。Anthropic 建议把工作流打包成技能、通过工具搜索按需加载工具，由小型中央团队维护系统提示词；当单个智能体的上下文窗口出现可测量的性能下降、需要并行运行多个任务或工具选择困难时，子智能体仍有必要。Anthropic 还提醒不要盲目合并，其一次客服智能体测试中，并入子智能体虽降低了延迟，却破坏了原有流程。

月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，后训练算力显著增加。

该模型在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。若按计划在 2026 年 11 月 4 日前开放权重，它将成为得分最高的开源权重模型，把开源与闭源模型的差距从 12 分缩小到 3 分。

Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在公开预览基础上继续做强化学习，编码与防御性网络安全能力提升。

在 Artificial Analysis Coding Agent Index 上得分 48%，与开源领先模型 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 从预览版提升 13 个百分点至 41%，输出 token 减少 30%。

Ai2 发布研究 Old Ideas, Novel Problems，并公开基准、数据和代码，用于测试 LLM 作为“新颖性评判者”是否可靠。

研究基于 ICLR 2026 评审意见构建两个数据集：154 篇高新颖性人类论文想法与 145 篇低新颖性想法组成 Human-Only，另有 154 个人类想法与 LLM 生成想法配对的 Human+Generated。

微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 0/1 可执行校验结果当作强化学习奖励，用于训练智能体。

用 GRPO 对 Qwen3.8-27B 训练 50 步后，在 507 项 ThinkingBox-Bench 任务各跑 20 次，pass@1 从 51.70% 升至 60.78%，20 次全部通过的任务从 38 个增至 107 个，而至少通过一次的任务从 453 个降至 446 个。训练池按离线策略相对难度筛选，只保留基础模型时对时错的任务，最终池含 187 个任务，基准任务未参与训练。

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。

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。