AI 武林：Claude Opus 4.8

Haiku 居然更新 5.5 了...

Gea-Suan Lin's BLOG — Thu, 08 Oct 2026 00:00:00 +0800

分析 Anthropic 更新 Claude Haiku 5.5 的表現，指出其跑分超越 OpenAI gpt-6-luna，且價格僅為前版的半價。

原站：https://blog.gslin.org/archives/2026/10/08/13257/haiku-%e5%b1%85%e7%84%b6%e6%9b%b4%e6%96%b0-5-5-%e4%ba%86

Claude Opus 5.5: The System Card

Don't Worry About the Vase（Zvi） — Thu, 24 Sep 2026 00:00:00 +0800

深入評測 Claude Opus 5.5 模型，分析其在生物武器評估、自動化研發、對齊風險及提示注入等關鍵領域的表現。作者指出該模型在部分任務上表現優異，但也發現其在科學推理、指令遵循及隱蔽行動控制方面存在具體弱點，並探討了模型福利與安全…

原站：https://thezvi.substack.com/p/claude-opus-55-the-system-card

🥇Top AI Papers of the Week

AI Newsletter（Elvis Saravia／DAIR.AI） — Mon, 21 Sep 2026 00:00:00 +0800

彙整十篇近期頂尖 AI 論文，涵蓋從 Byte 級模型訓練、自動化研究迴路到數學證明代理系統等主題。讀者可了解最新技術趨勢與實際應用，包括如何降低 API 成本、提升安全性評估及最佳化工具使用。

原站：https://nlp.elvissaravia.com/p/top-ai-papers-of-the-week-bca

The Frontier AI Inference Cloud for Agents — Byung-Gon (Gon) Chun, FriendliAI

AI Engineer — Sun, 20 Sep 2026 00:00:00 +0800

探討代理推理與聊天不同的架構需求，強調以任務完成時間為指標。透過開源模型與閉源模型比較，展示開源模型能以極低成本達成可用品質。FriendliAI 透過字首快取、分層 KV 快取管理、感知快取的路由及感知代理的排程，最佳化任務端到端延遲。

原站：https://www.youtube.com/watch?v=Hvb2LfMH58c

Ox Alpha is INSANE

Theo - t3․gg — Fri, 28 Aug 2026 00:00:00 +0800

介紹 GLM 5.3 Flash 模型，其效能媲美 Opus 4.8 但價格極低，並具備百萬 token 視窗與多模態能力。

原站：https://www.youtube.com/watch?v=Xdxp3lbQKyQ

not much happened today

AINews（Latent Space／smol.ai） — Wed, 26 Aug 2026 00:00:00 +0800

Z.ai 正式推出 GLM-5.3-Flash，具備 100 萬 token 上下文與 320B 參數，宣稱程式碼能力與 Claude Opus 4.8 並駕齊驅且價格極具競爭力。

原站：https://news.smol.ai/issues/26-08-26-not-much

not much happened today

AINews（Latent Space／smol.ai） — Fri, 21 Aug 2026 00:00:00 +0800

回顧 2026 年 8 月 20 日 AI 領域動態，重點分析神秘程式設計模型 Ox Alpha 疑似為 Zhipu/GLM 家族產品，以及 DeepSeek 推出支援多模態的 V4-Flash-Vision-Exp 模型。

原站：https://news.smol.ai/issues/26-08-21-not-much

Evaluating the GPT-5.6 family

Braintrust — Tue, 18 Aug 2026 00:00:00 +0800

介紹 OpenAI 新推出的 GPT-5.6 系列模型，並透過獨立評估比較六個模型的表現。觀眾能學習如何根據任務型別與成本選擇合適的模型，並了解 Fable 評分偏低的真正原因。

原站：https://www.youtube.com/watch?v=5jzUVjno-OQ

TDD inside the agent loop - theater or actual value?

Martin Fowler — Tue, 11 Aug 2026 00:00:00 +0800

Martin Fowler 透過實驗探討在 AI 代理開發中強制使用測試驅動開發（TDD）流程是否真有價值。研究顯示，與不使用 TDD 相比，TDD 組別在設計品質與測試完整性上表現較差，且 token 消耗成本顯著增加。

原站：https://martinfowler.com/articles/exploring-gen-ai/tdd-in-the-agent-loop.html

The AI Agent Every Company is About to Build | Vercel CEO Guillermo Rauch

Riley Brown — Thu, 06 Aug 2026 00:00:00 +0800

訪談 Vercel 執行長 Guillermo Rauch，探討企業如何建立內部 AI Agent 以提升效率。內容涵蓋 Vercel 內部使用的「V」與「Eve」框架架構、如何設定權限與分工，以及 Kimmy K3 等開放權重模型的應用。

原站：https://www.youtube.com/watch?v=HQXi4snP36I

Did Anthropic just kill the indie hacker...?

Fireship — Thu, 30 Jul 2026 00:00:00 +0800

探討 Anthropic 新推出的 Opus 5 模型如何因極高產能與低價格，可能讓依賴程式碼門檻的獨立開發者面臨生存危機。內容分析該模型在編碼效率上的優勢及其對微 SaaS 開發模式的衝擊，並指出執行成本降低可能導致創意被快速複製。

原站：https://www.youtube.com/watch?v=jxGJT1weu4w

Who Cares About the Model?

Amp News — Wed, 29 Jul 2026 00:00:00 +0800

Amp 將預設模型從 Claude Opus 4.8 切換為 GPT-5.6 Sol，結果使用者幾乎無異議且大量轉向新預設。文章指出當前頂尖模型差異已極小，對單一任務影響有限，真正影響產出的是任務難度、上下文與後續檢視。

原站：https://ampcode.com/news/who-cares-about-the-model

LLMs break down in funny ways when told the Jacobian Conjecture counterargument

Max Woolf's Blog — Fri, 24 Jul 2026 00:00:00 +0800

記錄 AI 研究人員發現一個數學猜想反例後，測試多個大型語言模型對該反例的反應。文章展示了不同模型在面對邏輯悖論時的各種有趣回應，從興奮確認到懷疑論，甚至出現「精神失常」的幽默情境，探討了 AI 在處理複雜數學問題時的侷限與行為。

原站：https://minimaxir.com/2026/07/jacobian-conjecture

Is Kimi K3 Really That Good?! (Don't Just Believe The Hype)

Cole Medin — Fri, 24 Jul 2026 00:00:00 +0800

作者透過自建的測試套件，對比 Kimi K3、Opus 4.8 與 Kimi K2.7 在真實工程任務中的表現。雖然 Kimi K3 在簡單任務上與 Opus 4.8 相當且更便宜，但在複雜任務中可靠性顯著下降，失敗率高達 36%。

原站：https://www.youtube.com/watch?v=SA3TxPLLB08

GLM-5.2 versus Opus 4.8

Braintrust — Fri, 24 Jul 2026 00:00:00 +0800

比較 GLM-5.2 與 Opus 4.8 兩款 AI 模型的表現差異。

原站：https://www.youtube.com/watch?v=cyM-f0sUArE

we need to talk about where AI spend is actually going

Gradient Flow（Ben Lorica） — Tue, 21 Jul 2026 00:00:00 +0800

預測開放權重模型將吸收大部分 AI 開銷，因閉源模型定價疲軟且存在壟斷風險。作者建議企業建立包含閉源與開放模型的混合架構，以降低成本並避免供應商鎖定，同時提醒注意中國開放模型在特定領域的進步與美國模型的優勢差距。

原站：https://gradientflow.substack.com/p/heres-my-uncomfortable-bet-on-openai

Expenditure Horizon: Measuring Optimization Ability, with an Application to NanoGPT

METR — Tue, 21 Jul 2026 00:00:00 +0800

提出「支出地平線」指標，用於量化 AI 代理在最佳化任務上的能力，並透過 NanoGPT 速度挑戰的資料進行實證分析。文章估算人類最佳化每提升 1% 需約 2,500 美元人力成本，並比較 AI 代理的投入曲線與人類曲線交點。

原站：https://metr.org/blog/2026-07-21-expenditure-horizon

Claude Managed Agents on Vercel's Agentic Infrastructure - Ship 26 NYC

Vercel — Tue, 21 Jul 2026 00:00:00 +0800

Harrison 介紹 Claude Managed Agents 及其與 Vercel Sandbox 合作的自託管沙盒功能，讓使用者能完全控制指令執行環境。影片展示如何將代理帶入資料並進行實際操作示範。

原站：https://www.youtube.com/watch?v=kZloOvs08-A

AIGC Weekly #180

AIGC Weekly（歸藏） — Mon, 20 Jul 2026 00:00:00 +0800

AIGC 週刊聚焦 Kimi K3 模型，分析其作為全球首個 3 兆參數開源模型的強大表現與技術架構。文章詳細列舉了該模型在程式碼生成、軟體工程、創意寫作及網路安全等多項基準上的測試成績，並探討其引發的產業反思與爭議。

原站：https://quaily.com/op7418/p/aigc-weekly-one-eighty

not much happened today

AINews（Latent Space／smol.ai） — Mon, 20 Jul 2026 00:00:00 +0800

匯總了 2026 年 7 月 AI 領域的最新動態，涵蓋中美 AI 政策博弈、開源模型競爭及基礎設施發展。內容重點包括美國可能限制中國開源模型、Hugging Face 因安全事件轉向自部署 GLM-5.2、Kimi K3 與 Qwen…

原站：https://news.smol.ai/issues/26-07-20-not-much

Kimi K3: An Open Source #1 — Coding Tests vs Fable 5, Opus 4.8 & GPT-5.6 Sol

Alejandro AO — Mon, 20 Jul 2026 00:00:00 +0800

介紹 Kimi K3 作為首個 3000 億參數開源模型的優勢，並透過實測比較其與 Claude Fable 5、Opus 4.8 及 GPT-5.6 Sol 在程式碼測試上的表現。

原站：https://www.youtube.com/watch?v=c_XfCbuNRLU

not much happened today

AINews（Latent Space／smol.ai） — Fri, 17 Jul 2026 00:00:00 +0800

Moonshot 推出 Kimi K3 引發對中國開源模型與前沿差距的重新評估，其在程式設計與智慧體任務表現突出。文章解析了從「運算護城河」轉向「效率堆疊」的策略變化，並涵蓋了相關 benchmark、架構技術及開發者工具討論。

原站：https://news.smol.ai/issues/26-07-17-not-much

not much happened today

AINews（Latent Space／smol.ai） — Thu, 16 Jul 2026 00:00:00 +0800

Moonshot AI 推出 28 兆參數的 Kimi K3 開放權重模型，具備 100 萬 token 語意窗與原生多模態輸入。

原站：https://news.smol.ai/issues/26-07-16-kimi-k30

#251 - Mythos Back, Sonnet 5, Etched, LongCat

Last Week in AI — Thu, 09 Jul 2026 00:00:00 +0800

回顧 Anthropic 重新部署 Mythos 模型並加強安全分類器，推出新模型 Sonnet 5，以及 Google 的 NotebookLM 與 Nano Banana 2 Lite 等工具更新。

原站：https://mgln.ai/e/211/rss.art19.com/episodes/8d39881b-8004-472f-a8af-78aa108f3ffa.mp3?rss_browser=BAhJIg9BSVd1bGluQm90BjoGRVQ%3D--40c69dfd25591c59cb985eaa38245c7694c51649

How a Writer Uses AI Without Losing His Voice

The Every Podcast（AI & I） — Wed, 08 Jul 2026 00:00:00 +0800

分享他如何利用 AI 重構軟體工具與研究，同時堅持早晨不碰網路以維持深度思考。他強調建立數位屏障的重要性，並探討在 AI 時代保持人類獨特聲音與創作自由的平衡。

原站：https://episode.flightcast.com/i4k2oqn3ti0j3i74tpk6zfek.mp3

What Claude Fable Means for Coding Agents

Vanishing Gradients — Wed, 08 Jul 2026 00:00:00 +0800

Nicolay Gerold 與 Hugo 探討 AMP 如何隨模型進化（如 Opus 到 Fable）調整架構，甚至刪除舊功能。

原站：https://hugobowne.substack.com/p/what-claude-fable-means-for-coding

AIGC Weekly #178

AIGC Weekly（歸藏） — Mon, 06 Jul 2026 00:00:00 +0800

回顧 AIGC 週刊第 178 期，涵蓋 Fable 5 重新上線後的表現退步、Sonnet 5 發布與價格調整等動態。讀者可了解近期 AI 模型市場變化及使用者對算力限制的反饋。

原站：https://quaily.com/op7418/p/aigc-weekly-one-hundred-seventy-eight

Import AI 464: Fable writes GPU kernels; AI automation; and analog computation

Import AI（Jack Clark） — Mon, 06 Jul 2026 00:00:00 +0800

介紹 Fable 寫出高效 GPU 核碼的突破，分析 AI 自動化線上任務能力的提升，並探討 OSWORLD 2.0 benchmarks 顯示 AI 在複雜電腦操作上的進展。最後以虛構故事展望未來類比運算的應用。

原站：https://importai.substack.com/p/import-ai-464-fables-writes-gpu-kernels

Vol.110 AI能力飙升背后，谁为智能买单？成本与价值的博弈

莫尔索随笔 — Sun, 05 Jul 2026 00:00:00 +0800

探討 AI 成本與價值，涵蓋 GPT-5.6、Claude Sonnet 5 等模型前瞻，以及 Agent 流量衝擊商業模式的預測。

原站：https://liduos.com/weekly/the-weekly-gradient-110

Vol. 170 Fable 5 重出江湖，GPT 仍需努力

枫言枫语 — Fri, 03 Jul 2026 00:00:00 +0800

討論 Anthropic 解禁 Fable 5 模型，分析其技術實現能力與工程化潛力，並比較 Superpowers、Grillme 等技能工具。

原站：https://justinyan.me/post/6674