Opus

Grok 4.5在编码基准测试中以83.3分超越Opus 4.8，Cursor公司正基于600亿美元收购数据训练下一代模型。

SpaceXAI发布Grok 4.5，首个Cursor合作训练的Opus级模型，性能接近Opus但成本效率提升，专注编码与代理场景。

阿尔伯塔省政府使用Claude模型20小时扫描4.66亿行代码，修复安全漏洞，传统方法需6.5年。

Claude Fable 5 即将下线，可通过五项策略提取其价值并持续使用。

Grok 4.5在SpaceX和Tesla内部测试，性能接近Opus，SpaceX计划每月发布全新模型。

GLM 5.2 在 BrowserCode 中表现接近 Opus 级别，且是目前最便宜的模型。

SubQ 是首个基于完全次二次稀疏注意力架构的大型语言模型，其计算成本降低 1000 倍，上下文窗口达 1200 万 token。

Anthropic 推出 Claude Fable 5 模型，性能显著提升但价格高昂，引发业界两极评价。

Anthropic 推出 Claude Fable 5，其能力显著提升，但伴随严格的限制措施，引发对 AI 安全与控制的讨论。

Anthropic 发布的 Mythos 级模型 Fable 5 在性能上表现强劲，但因 ZDR 和 RSI 抑制政策引发争议。

Claude Code 是一个强大的 AI 工具，可以用于构建项目，无需编写代码。它通过安装 Node.js、Claude Code 和 Cursor 来实现，Cursor 是一个免费的编辑器，可以实时显示 Claude 触及的文件。 Claude Code 可以用于构建四个项目，包括一个 landing page。 Claude Code 的工作原理是使用 Opus 和 Sonnet 模型，Opus 是高级架构师，用于规划，而 Sonnet 是构建者，用于执行。 Claude Code 还可以用于调试和修改页面样式，无需编写 CSS。

MiniMax M3是国内首个同时具备长上下文、多模态与Coding能力的开源模型，实测在SWE-Bench Pro上跑出59%成绩，超越GPT-5.5和Gemini 3.1 Pro，效率达上代1/20。

Felix Rieseberg分享了如何在日常生活中使用Claude Cowork，强调通过抽象层提升效率，并利用电子邮件作为个人数据源。

GPT-5.5 在复杂代理工作方面的表现有了显著提升，优于 Opus 4.7，显示出 OpenAI 的强劲竞争力。

Karpathy 指出，AI 编码账单的 90% 花费在不必要的 context 上，通过优化 context 使用和路由策略，可以大幅降低成本。

Codex Spark 编码速度达每秒 1200 tokens，远超 Sonnet 和 Opus 的 40-60 区间，但高速可能引发代码质量下降问题。

MiniMax M3通过稀疏注意力机制提升长期运行智能体的实用性，值得关注。

GLM-5.2 在设计任务中表现优异，尤其在游戏、网页和3D世界设计方面，但尚未达到专业设计师水平。

美国对Fable 5的出口限制可能削弱美国的网络防御能力，因其限制了AI模型修复代码漏洞的能力。

MiniMax M3通过稀疏注意力机制实现长期规划代理，但文章内容不完整，缺乏具体技术细节和实验数据支撑。

该视频展示了基于扩散模型的文本生成技术，可在单设备上实现每秒1,000个token的生成速度，但不适用于大规模云部署。

AI Agent 可能改变设计师的工作方式，但设计系统仍是关键，人工调整仍不可替代。

Anthropic 在 42 天内发布 Opus 4.8，且 Andrej Karpathy 加入两周后即引发行业关注，其“快速迭代+公开分享”文化正成为顶级人才招募利器。

本文主要梳理了近期 AI 领域的热点动态，包括 Anthropic 的 Mythos/Opus 讨论、RSI 研究的正式化、以及新型长周期评测基准的出现，强调前沿模型在可靠性与长周期任务上的不足。

智谱开源 GLM 5.2，其编程能力达到 Opus 水平，已接入 Cola 作为 beta 模型测试。

文章讨论了 Mythos 验证 VM 的过程，但信息密度较低，缺乏深度技术细节。

Claude 产品线以艺术作品命名，包括 Haiku、Sonnet、Opus、Fable 和 Mythos，分别对应不同特性和应用场景。

Opus 4.7 和 Opus 4.8 之间的权重变化不到 1%，表明版本间调整较小。

文章链接无法访问，内容缺失，无法提供有效技术信息。

DeepSWE 评测显示 Opus 4.8 性能优于 4.7，成本更低、效率更高，但远逊于 GPT-5.5；作者仍用更便宜的 4.6，因价格优势；并质疑 Benchmark 可信度，更信真实用户反馈。