Anthropic 应用 AI 团队在多个企业部署对比中发现，带技能（skills）的单一智能体在质量上常优于子智能体架构，且单任务成本和延迟更低，并给出把子智能体折叠进主循环的迁移方法。文章指出子智能体仍适用于上下文膨胀导致性能下降、需要并行处理独立任务、或工具选择与指令冲突的场景，并建议先把子智能体作为工具调用，再逐个转成技能和 MCP 工具，用端到端评估对比前后表现。文中提到 Claude Code 面向更先进模型的系统提示词缩减了超过 80%，并配套提供 build-eval、prompt-audit、hillclimb、cost-optimize 等 Claude API 技能。
匹配字段标题、摘要、正文
一位 Anthropic 工程师在 30 分钟工作坊中介绍了自己用 Claude Code 同时运行 100 多个智能体的配置：设一个主代理，子代理充当项目经理分派任务。作者据此建议把角色从逐行改代码转为先写任务拆解与验收规则、再派生子代理并发执行，同时提醒主代理的终止条件和权限边界若未写死，容易陷入死循环并推高 Token 成本，新手可先从一主三副的小规模练手。
匹配字段标题、摘要、正文
一位 Anthropic 工程师在 30 分钟工作坊中展示了 Claude Code 的高阶用法：在一个集成循环里同时运行 100 多个智能体，由 1 个主代理坐镇，子代理充当项目经理拆分任务、分发和交叉验收。作者据此建议开发者先用主窗口写好任务拆解与验收规则，再派生子代理并发执行子模块，同时提醒百个代理同跑时若终止条件和权限边界没写死，容易在死循环中烧掉大量 Token，新手宜从一主三副的小规模开始。
匹配字段标题、摘要、正文
《卫报》解读 Anthropic 攻击性研究团队本周发布的报告：该团队称已造出一个恶意 AI 程序，可在联网智能电视之间自主传播，并把自身拆分到 15 台电视上、借用每台的一点算力维持运行。研究人员认为，成功的 AI 蠕虫需要在更低算力设备上具备更强能力，但按当前趋势到年底就可能可行；多伦多大学此前论文中的蠕虫则感染了一台全尺寸电脑并能更快扩散。多位安全专家意见不一，有人强调智能电视等物联网设备补丁更新慢、风险难修，也有人认为该实验移动缓慢、动作可预测可拦截，属于 stunt hacking。
匹配字段标题、摘要、正文
Anthropic 分享了在 Claude 写出约 90% Claude Code 代码后重设代码评审的做法：2026 年 6 月到 9 月合并 PR 数量翻倍以上，revert 率下降超 40%，内部 PR 上实质性评审意见占比从 16% 升到 54%。团队把评审拆成七层防线，从 PR 前的自我验证、必过 AI 评审、阻塞性安全评审与自动检查，到按风险分级的人工审批，并规定 agent 的批准不算人工批准。文中还给出两个工程细节：用历史事故 PR 构成 eval 集每日给评审器打分，以及用三轮封顶、只看增量 diff 等办法解决评审死循环，使一轮通过率从 65% 升到 78%、平均评审轮次从 2.08 降到 1.32。
匹配字段标题、摘要、正文
Anthropic 分享了其代码审查流程：保留 code review，但大部分审核交给机器，人的时间只花在高风险判断上。提 PR 前由 Claude 自己跑测试和构建，再由一个新开的 agent 审一遍 diff；每个 PR 由 AI 多 agent 找 bug，投票过滤误报，再加一轮安全审查和 CI，每条发现都必须处理才能合并。人工审批按风险分级，低风险 0 人、中风险 1 人、高风险 2 人，由分类器判定，bot 的批准不能替代人。上线采用合并队列、feature flag、先内部使用再灰度发布，出问题一键回滚；历史事故整理成每日 eval 评估 reviewer，并给审查轮数设上限避免 agent 之间无限互审。
匹配字段标题、摘要、正文
ARC Prize 公布 Anthropic Haiku 5.5 在 ARC-AGI 系列基准上的成绩：ARC-AGI-3 为 2.8%（provider adapter harness，$437）和 0.5%（standard harness，$388），ARC-AGI-2 为 61.3%、每任务 $0.085，ARC-AGI-1 为 89.0%、每任务 $0.051。ARC Prize 称 Haiku 5.5 在 Anthropic 小模型档位中表现有竞争力。ARC-AGI-2 评测未采用 max reasoning，因为该设置只完成 120 个任务中的 74 个，许多未完成尝试在耗尽输出预算前未能返回可解析答案。
匹配字段标题、摘要、正文
ARC Prize 公布 Anthropic Haiku 5.5 在 ARC-AGI 上的评测结果：ARC-AGI-3 为 2.8%、成本 437 美元（provider adapter harness），标准 harness 下为 0.5%、388 美元；ARC-AGI-2 为 61.3%，每任务 0.085 美元；ARC-AGI-1 为 89.0%，每任务 0.051 美元。ARC Prize 表示在 ARC-AGI-2 上省略了 max reasoning 档位，因为它只完成 120 个任务中的 74 个，许多未完成的尝试在耗尽输出预算前未能返回可解析的答案。
匹配字段标题、摘要、正文
ARC Prize 公布 Anthropic Haiku 5.5 在 ARC-AGI 系列基准上的成绩：ARC-AGI-3 为 2.8%（437 美元，provider adapter harness）和 0.5%（388 美元，standard harness），ARC-AGI-2 为 61.3%（0.085 美元/任务），ARC-AGI-1 为 89.0%（0.051 美元/任务）。ARC Prize 称 Haiku 5.5 在 Anthropic 小模型档位中表现有竞争力。ARC-AGI-2 上未采用 max reasoning，因为该模式仅完成 120 个任务中的 74 个，许多未完成尝试在耗尽输出预算前未能返回可解析答案。
匹配字段标题、摘要、正文
Anthropic 在工程博客中介绍其自研版本控制系统，并在五个月内把 monorepo 从 git 完整迁移过去。合并量从 5 月每天约 2,500 次代码变更增至 9 月每天超过 30,000 次，原有面向人类规模构建的开发基础设施因此成为瓶颈。
匹配字段标题、摘要
Anthropic 基于 Claude Managed Agents（beta）给出一个参考实现，让智能体按计划读取 Slack 和 GitHub 等自定义来源、跟踪上次运行以来的变化，并把要点发到 Slack。文章逐步讲解来源、目标、智能体、调度、记忆和护栏六个组件，并给出可在 Claude Code 中运行的配置命令。文中还列出常见失败模式及六条规则，例如按书签而非固定时间窗口读取来源、读取失败要报告为不可读而非当作没有新内容、发布需 Slack 确认后才更新书签和台账。
匹配字段标题、摘要、正文
SemiAnalysis 对 Anthropic、OpenAI、Meta、MiniMax、Moonshot、Z.ai、Cursor、Cognition 等订阅计划逐一做了额度实测，按模型与工作负载换算成 API 等价价值。在中端模型上，Anthropic 的 Opus 5.5 提供的 API 等价价值约为 OpenAI 的 5 倍；OpenAI 上周把 200 美元档额度减半并新增 500 美元档，使 Pro 100、200、500 每美元 token 数趋于一致。文章还给出按 token 类型（输入、缓存写入、缓存读取、输出）测量额度消耗的方法，并指出厂商可随时通过调整 credit 成本静默改变额度。
匹配字段标题、摘要、正文
OpenRouter 发文对比 OpenAI、Anthropic、Google 及自家提供的服务端代码执行工具，说明模型在 API 请求内调用工具、由服务商在隔离容器中执行命令并回传输出。OpenRouter 的 openrouter:shell 支持 Responses 与 Messages API 上的任意模型，openrouter:bash 仅支持 Messages API，两者均为 beta，沙箱默认关闭出站网络，按每秒 0.0001 美元计费、新容器最低 30 秒。文章指出需要自定义基础镜像、GPU 或数小时长会话时，仍应自建 E2B、Modal、Daytona 等沙箱平台。
匹配字段标题、摘要、正文
Anthropic 在 claude.dev 博客中拆解 Claude Code 单个任务的成本构成，指出轮次、缓存读取、输出 token 类型和模型选择四项决定开销。Opus 5.5 的输入与输出价格比 Opus 5 低 20%，缓存读取低 60%，API 列表价为每百万输入 token 4 美元、输出 20 美元、缓存读取 0.20 美元。文章建议先用中等 effort 处理范围明确的任务，给模型可自行验证的手段，把搜索类子智能体放到 Sonnet 或 Haiku，并用 /usage 在自己的任务上实测。
匹配字段标题、摘要
Anthropic 在两周冲刺中把 claude.ai 和 Claude 桌面应用的核心体验提速约 3 倍，75 分位下全新加载的可输入页面从 3.1 秒降到 0.55 秒，新建 Claude Code 会话从 0.8 秒降到 0.3 秒，加载 Claude Cowork 云会话从 2.6 秒降到 0.73 秒。团队用 Claude Tag（beta）在单个 Slack 频道内驱动流程，合并了三千多个改动且没有出现面向客户的事故或回滚。做法上，Claude 通过 Datadog MCP server 分析使用数据，锁定占 95% 用户活动的四条路径，并建立指令计数、React commit、样式重算等可在实验室复现的基准，再以 CI 棘轮和功能开关控制风险。
匹配字段标题、摘要、正文
Anthropic 宣布未来 Claude 模型生成的文本将带有水印，用于判断 Claude 参与写作的可能性，以符合 EU AI Act。水印只在模型可自由选词的随机位置留下模式，不影响输出质量、速度与价格，也不包含用户信息；检测只能给出 Claude 参与的概率，短文本、事实性内容和代码中水印较稀疏。Anthropic 同时以私有预览形式开放检测 API，并对 .png、.jpg、.svg 等文件附加 C2PA 内容凭证。
匹配字段标题、摘要、正文
Anthropic 总结了内部构建和扩展数百个 Claude Code 技能的经验，将其归纳为九类，并介绍设计、分发、组合与衡量方法。团队发现产品验证类技能对 Claude 输出质量的改善最易衡量，而高质量技能应突出易错点，利用文件系统渐进披露上下文，并通过脚本、配置和按需 hooks 提升可靠性。
匹配字段标题、摘要、正文
Anthropic Labs 成员 Prithvi Rajasekaran 介绍了用于长时自主应用开发的 harness 设计，借鉴 GAN 思路搭建生成器与评估器分离的多智能体结构，并扩展到规划器、生成器、评估器三智能体架构。在前端设计实验中，评估器通过 Playwright MCP 实际操作页面并按设计质量、原创性、工艺、功能性四项标准打分，单次生成迭代 5 到 15 轮，完整运行最长约四小时。作者随后用 Opus 4.5 和 Opus 4.6 迭代该 harness，发现模型能力提升后部分组件不再必要，例如 Opus 4.6 上可移除 sprint 结构并把评估器改为运行结束时的单次检查。
匹配字段标题、摘要
Anthropic 研究员 Nicholas Carlini 用 16 个并行 Claude 智能体从零编写 Rust 版 C 编译器，在近 2000 次 Claude Code 会话和约 2 万美元 API 成本下产出 10 万行代码，可在 x86、ARM、RISC-V 上构建 Linux 6.9。他总结了长时自主智能体团队的关键设计：用高质量测试和 CI 约束智能体行为、用 git 锁文件避免重复任务、用 GCC 作为对照编译器让多个智能体并行修复不同文件的 bug。该编译器仍依赖 GCC 处理 16 位 x86 阶段，没有自己的汇编器和链接器，生成代码效率低于关闭全部优化的 GCC。
匹配字段标题、摘要、正文
Anthropic 性能优化团队负责人 Tristan Hume 复盘了其性能工程师笔试的三轮迭代：自 2024 年初起约 1000 名候选人完成该测试，Claude Opus 4 在 4 小时限时内超过几乎所有人类，Claude Opus 4.5 又追平顶尖人类成绩，他因此两次重新设计题目，最终改用高度受限指令集的编程谜题。团队同时公开原始笔试作为开放挑战，并给出各模型在模拟机器上的时钟周期成绩，其中 Claude Opus 4.5 在改进后的测试时计算框架下达到 1363 周期，低于 1487 周期者可投递简历。
匹配字段标题、摘要、正文