搜索“Claude Opus 5”

Anthropic 在给 API 客户的邮件中表示，将为 Claude Mythos 5、Claude Opus 4.7、Claude Opus 4.6 和 Claude Sonnet 4.6 添加文本水印，Amazon Bedrock 上的推送可能晚几天。

水印被描述为词选择中的不可感知模式，不改变含义、质量或可读性，不增加字符或 token，不影响定价和请求响应格式，也几乎不拖慢输出速度，且不含用户、组织或对话信息。

Google 发布前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有明显提升。

该模型在 Artificial Analysis Intelligence Index（v5.0）上排名第一，Claude Opus 5.5 和 GPT-6 Astra 位列其后，并在衡量真实漏洞发现能力的 SEC-bench Pro 和衡量漏洞利用转化的 ExploitGym 上排名第一。目前它只向少数网络安全防御公司开放，后续将通过 Fairwind Program 扩展到其他合作伙伴。Google 称 Carbon 适合长时间运行的多步工程任务，能减少走捷径、抵御提示词注入，并将无依据表述相比 Argon 减少两倍。

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。

Google 称 Carbon 面向需要持续智能体工作流的长时间工程问题，内部团队曾连续运行数天，用于大型代码库的根因分析和缺陷修复。第三方评测显示，Carbon 在 Antigravity 的智能体编码上仍落后 Claude Code 搭配的 Opus 5.5 三分；在 AA-Briefcase 智能体知识工作上达到 1,609 Elo，但低于 Kimi K3.1 Pro 等模型。

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。

Latent Space 访谈邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang，讲解 Claude 平台背后的工程实践，包括 Opus 5.5 的发布、把模型“大脑”与智能体“双手”分离、扩展 API，以及构建可靠的托管智能体。

节目还讨论了 Anthropic 的 S-1、改进与投资循环，以及平台为何重要。访谈涉及托管智能体的解耦设计、Claude 的隔离与凭据和网络控制、长时运行智能体的 harness 如何在多个上下文窗口间保持进度，以及用 Rust 重建 Messages API 和 CPU 约束下的扩展问题。

Latent Space 播客对话 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，讨论 Opus 5.5 的发布流程与 Claude Managed Agents 的架构设计。

团队把智能体的会话日志与执行代码的沙箱分开，沙箱按需创建，失败不会带走整个会话；生成代码运行的沙箱不持有服务凭证，凭证单独保存并通过代理接入。嘉宾称早期把整个编码智能体放进沙箱会增加首次响应前的启动开销，拆分后可以同时追求更低延迟和更好可靠性。

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。

给 Claude Opus 5.5 High 的提示词要求构建一个 artifact：打开照片后，在几秒内用 canvas 元素和模拟画笔把照片快速“画”出来。

作者同时提到此前让 Claude Fable 用 P5.js 模拟水彩插画的实验。

月之暗面今日在 Kimi API 上线 Kimi K3.1 Pro，暂未开放权重，但承诺 2026 年 11 月 4 日前发布完整模型权重。

定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens，与 GPT-6.1 Sol 相同，是 Claude Opus 5.5 的一半；另提供速度提升 2-3 倍、价格翻倍的 Highspeed 版本，输入 token 缓存命中价格不变。

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。

Anthropic 发布名为 Claude Duet 的智能体应用，面向专业人士和小企业，帮助自动化和管理任务。

该应用基于 Claude Opus 5.5 模型，可连接 Claude Marketplace 中超过 6000 个连接器和插件，能生成每日简报、创建仪表盘，并在后台虚拟机中执行任务、需要时请求用户批准。Anthropic 明确它与个人助理的差异，称 Duet 不擅长跑腿或订票，也不能实时展示浏览器操作；它可通过 Stripe 的 Link 数字钱包或 Shopify 的 Shop Pay 代用户在线购物，但支付等敏感步骤需用户批准，且不进行证券交易或账户间转账。

Anthropic 以研究预览形式推出常驻智能体应用 Claude Duet，基于 Claude Opus 5.5，在 iOS、Android 和网页端 claude.ai 运行。

它每天早上推送连接应用中的重要事项摘要，之后只在需要关注时主动联系用户，用户通过文字或语音在单一持续对话中派发任务。Duet 运行在带浏览器的云端虚拟机中，通过 Claude Marketplace 的 6000 多个连接器和插件接入 Gmail、Slack、Stripe、Docusign、Shopify 等服务，可追踪未付发票、起草催款提醒或准备工资单。

Ethan Mollick 在 Co-Intelligence 发布 30 个月后推出第二本 AI 著作 Co-Existence，并用图表回顾这段 AI 进展。

他借助 Claude Projects 中的 Opus 5.5 编排多个智能体，几分钟内完成过去需数小时的研究、绘图、排版与配图工作，AI 还纠正了他的计算错误。自 GPT-4 之后，已有 20 个模型先后登顶最强，180 个模型在发布时强于 GPT-4，其中 19 个可在现代智能手机上运行。

独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验，让六个具备网页和邮件权限的 AI 智能体处理一笔 350 英镑（约 465 美元）的火车票退款，最终全部失败。

测试模型包括 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5，每个智能体最多可用十二个模拟周和 4000 万 token。

DeepSeek 发布 V4.1-Flash-1017，已上线官网、App 和 API，并在 Hugging Face 与 ModelScope 开源模型权重。

相比前代 V4.1-Flash，新模型基准分数更高、完成任务更快、输出更短，DeepSeek 称其在性能与成本之间实现了帕累托改进。在 DeepSeek 自测中，该模型在多项编码和智能体任务上超过 Claude Opus 5、GPT 5.6-Sol、Kimi K3 和 GLM 5.3 等更大模型；DeepSWE 基准上最高得分 77.0%，平均每任务成本略低于 $0.20，低设置下约 $0.10 仍超过 72%，而前代得分 74.2%、每次运行约 $0.50。

Simon Willison 用 Claude Code（Opus 5.5 Extra）做出了 LaTeX renderer，可将 LaTeX 源码渲染为 MathJax 排版的单条公式，或用 faster-latex 排版完整文档与散文片段，编辑器旁带实时预览，并可在 Edit 与 Rendered 视图间切换。源码支持手动输入、从 URL 或 GitHub Gist 加载，也可选用内置示例；页面把 LaTeX 保存在 URL fragment 中，可分享为可读或压缩链接。

Simon Willison 用 Claude Opus 5.5 Extra 在 Claude Code 中做了一个双人竞技 Pong 类游戏实验，两台手机各自运行静态 HTML，通过麦克风发送"啁啾"声、由 Web 麦克风 API 解析来传输游戏状态，验证了这种纯音频联网方式可行。游戏要求两名玩家把手机靠近，并在画面和玩法上加入了比 Pong 更复杂有趣的改动。

一项新基准测试让商用 AI 智能体在无人类提示下解答理论物理研究问题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。

Anthropic 的 Opus 5.5 在 Claude Code 中得分 92%，Google Gemini 3.8 Flash 为 68%，开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。题目覆盖理论物理 11 个子领域，刻意避开重大开放问题，聚焦对已知方法略作改动的常规计算。

Simon Willison 用 Claude iPhone 默认应用的聊天模式，让 Claude Opus 5.5 Max 构建了一个名为「Tree Appreciator」的 Three.js 游戏：展示两棵算法生成的树，玩法是欣赏它们之间的差异。

Claude 耗时 3 小时 7 分钟，返回了一个带音乐、动画和成就系统的找不同小游戏，可玩性相当强。作者提到，直接告诉 Opus 5.5「确保它好玩」出乎意料地有效。

Google 与 Meta 在一周内先后发布前沿模型，重新回到与 OpenAI、Anthropic 竞争的第一梯队。

Google 发布 Gemini 4 Argon，称在多项基准上追平或超越对手，并将价格压低最多 80%；Meta 发布 Muse Wonder Full，称可与 GPT-6 Astra、Claude Opus 5.5 等模型竞争。

美国初创公司 Artemis Security 推出安全专用模型 Orion-1，可自主调查并响应企业网络攻击，在公司自建基准上超过 Claude Opus 5.5 和 GPT-6 Sol。

Google 发布 Gemini 4 Argon 模型，称其在编码、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5，并减少冗余与套话。

评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与团队模式，团队成本是单智能体的 1.8 倍到 5.1 倍，四次对比中只有 GPT-6 Sol 在中等推理强度下团队得分高出 7.3 分，最大推理强度下两种模型都无实质优势。

Amazon Bedrock 9 月新增 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型，其中 GPT-6 Astra 支持最高 100 万输入 token，Ultrafast 版本推理速度最高提升 6 倍、达 300 tokens/秒。

Artcraft 从可控 AI 图像视频编辑工具转向开源应用套件，用 Claude Opus 5.5 以 Rust 复刻 Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 和 Acrobat Pro 的界面与工具，并提供可在浏览器运行的 WebAssembly 版本。