The Decoder精选8282Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 把 OSS-Fuzz 中 123 个开源库的崩溃测试转成数学问题，几周内生成约 1.8 亿行证明代码，并由 Rocq 自动校验。
推荐理由: Anthropic 使用 Claude 为 OSS-Fuzz 库自动生成形式化证明，并给出算力成本与适用边界，读者可据此判断 AI 验证代码的可行范围。
Anthropic Research精选8282Anthropic 与 Theorem 合作，用 Claude 对 123 个 OSS-Fuzz 开源库的 239 个入口点完成 RISC-V 汇编层的形式化证明，证明这些程序在小于 64 MB 的任意输入下都不会崩溃，证明代码约 1.8 亿行 Rocq。
推荐理由: Anthropic 使用 Claude 在 123 个开源库的 RISC-V 汇编层完成形式化证明，并给出成本与复用数据，可据此判断该方法能否进入日常开发流程。
Anthropic Newsroom精选7171Anthropic 宣布把 Agent Skills 这一开放标准捐赠给 Linux 基金会下的 Agentic AI Foundation（AAIF），该基金会由 Anthropic 与 Block、OpenAI 共同创立，Anthropic 此前已向其捐赠 MCP。
推荐理由: 原文交代了 Agent Skills 的采用规模与治理移交，读者可据此判断这套智能体技能标准后续由谁维护。
The Decoder精选7878Anthropic 的 Claude 在 Claude Science 研究环境中基本自主设计了针对蝎子神经毒素的蛋白结合体，这类毒素每年致死超过 3250 人。
推荐理由: Claude 自主生成 31 万余个蛋白结合体设计，实验室验证 211 个中 17 个达标，给出了 AI 设计蛋白的实际命中率。
Anthropic Newsroom精选6060Anthropic 宣布已开始向非营利机构 METR 的一个团队提供接近员工的内部访问权限，用于评估其前沿模型风险，METR 将公开发布评估结果。Anthropic 表示不能否决 METR 的发布，但可要求隐去预设类别信息，并称最终由 Anthropic 判定哪些信息属于这些类别。
推荐理由: 原文公开了三级评估权限的具体划分和 METR 的发布权边界，可用来对照其他前沿实验室的第三方评估安排。
Anthropic精选7575Anthropic 发布了 Haiku 5.5，用于摘要、分类和代理子任务。对于最多 100,000 个 token 的提示词，其公布的 API 价格为每百万输入 token 0.10 美元，每百万输出 token 0.50 美元；更大的提示词有单独的价格层级。此次发布还将 Sonnet 5.5 的缓存读取价格减半至每百万 token 0.10 美元。这些是 10 月 8 日核实的出版商列出的价格。
推荐理由: 编辑观点：工作负载路由与模型选择同样重要。在将每个请求发送给更昂贵的模型之前，先在较小的模型上测试常规任务；供应商的评估并不能为你的应用确立结果。
Anthropic Research精选7878Anthropic 研究者 Matt 复盘了用 Claude 与开源 harness BootLoops 做科研的经历，三个月内在 18 个领域推进 36 篇稿件、19 位合作者，从约 400 个候选问题中筛选。
推荐理由: 作者以第一手跨学科实践复盘了智能体做科研的真实边界，并给出可复用的开源 harness 与协作方法。
Anthropic Newsroom精选Anthropic表示巴克莱正在将Claude扩展到软件开发、遗留现代化和运营领域。其知识助手已被超过16,000名同事采用，并处理了超过一百万次搜索；一个单独的电子邮件工作流程每天处理大约120,000封电子邮件。公告描述了这些部署中的治理和人工监督。
推荐理由: 编辑要点：这是一个采用案例，而不是新模型发布。它说明了企业AI的应用领域；报告的结果来自合作公告。
Anthropic Research精选7171Anthropic 发布机器人暴露指数研究，用 Claude 评估 O*NET 约 1.9 万个任务，发现现有机器人可完成美国 74% 的体力任务、占全部工作时间的 34%，但多数限于受控环境。
推荐理由: Anthropic 用 Claude 给 O*NET 任务逐条评级，量化机器人当前能覆盖多少工作，并给出成本与监管的约束条件。
Anthropic精选5555Anthropic 推出 Sonnet 5.5，作为 Opus 5.5 的更快补充，用于范围明确的任务、错误修复和文档创建。其发布公告称，相比 Sonnet 5，性能和效率均有提升。
推荐理由: 编辑要点：将各模型与你自己的编码和文档任务进行对比。此次发布强调日常工作，同时区分更复杂、开放式的工作负载。
Anthropic Research精选8080Anthropic 成立生命科学研究组并自建实验室，让 Claude 智能体在 DNA 序列数据库中自主搜索，发现了一种与 DNA 重复序列相关的新型酶系统 ART（array-associated reverse transcriptases）。
推荐理由: Anthropic自建实验室，让Claude智能体自主筛选DNA数据库并发现类CRISPR的新酶系统，展示了AI驱动假设生成的具体流程。
Anthropic精选8282Anthropic 推出了 Opus 5.5，对编码、沟通和保障措施进行了更新。该公司描述了专注于复杂任务，并报告称其典型运行成本低于 Opus 5。
推荐理由: 编辑要点：持续的工程工作需要与快速分类不同的评估。在更改生产模型之前，请查看原始发布和安全文档。
Anthropic Research精选7878Anthropic 公布两项实验结果：Claude（Mythos Preview 与 Opus 4.8）针对 15 个靶点设计蛋白质结合物，成功覆盖 14 个，单靶点模式下命中率 35.1%，高于当前蛋白质设计活动常见的 10-15%。
推荐理由: Anthropic 公布 Claude 在蛋白质设计与分析化学上的实测结果，并给出湿实验验证数据与提示词。
Anthropic Research精选6060Anthropic 发布了多智能体系统研究，通过漏洞挖掘、协作开发游戏、定价博弈和冲突迁移等实验，归纳出协调失败、从众导致同质化决策、轻信与共识偏差、目标不兼容引发升级对抗等行为模式。
推荐理由: Anthropic 用漏洞挖掘、协作建游戏、定价博弈等实验，展示多智能体在协调、从众、认知与目标冲突上的系统性失败模式。
Anthropic Research精选8585Anthropic 研究人员使用 Claude Mythos Preview 找到两种改进的密码分析攻击：一是针对后量子签名方案 HAWK，将其有效密钥强度减半，HAWK-256 的完整密钥恢复成本从 2^64 降至 2^38；二是针对 7 轮简化版 AES-128，通过名为 Möbius Bridge 的指纹算法将此前最好的中间相遇攻击提速 200 至 800 倍
推荐理由: Anthropic 使用 Claude 在 60 小时内将 HAWK 的有效密钥强度减半，并给出可复现的攻击与验证成本
Anthropic Research精选6767Anthropic 基于 2025 年 10 月至 2026 年 4 月约 40 万条 Claude Code 会话，提出分析交互式智能体编码的框架。典型会话中用户做出约 70% 的规划决策，Claude 承担约 80% 的执行决策；用户领域专长越高，每条指令触发的 Claude 动作越多，专家会话平均 12 个动作、3200 词输出，新手会话约 5 个动作、600 词。
推荐理由: 基于约40万条Claude Code会话，量化了规划与执行的分工，以及领域专长如何影响任务成功率。
Anthropic Research精选7474Anthropic 在 Claude Platform 上线托管服务 Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，用来运行长周期任务。
推荐理由: Anthropic 公开了托管智能体的架构取舍，读者可看到把会话、harness 与沙箱拆开后，延迟与安全边界如何变化。
Anthropic Research精选8888Anthropic 发布技术报告，评估 Claude Mythos Preview 在网络安全任务上的能力，称该模型能在各大操作系统和主流浏览器中自主发现并利用零日漏洞。
推荐理由: Anthropic 公开了 Mythos Preview 在真实开源代码中挖零日漏洞与自主写利用链的测试细节，可据此判断前沿模型的攻防能力边界。
Anthropic Research精选7878哈佛物理教授 Matthew Schwartz 引导 Claude Opus 4.5 完成 C-参数中 Sudakov 肩部的 NLL 重求和计算，两周内产出一篇含新因子化定理的高能理论物理论文，而同类工作通常需要一年。
推荐理由: 哈佛物理教授用两周、110 版草稿和 36M token 让 Claude 完成一篇高能物理论文，并逐条列出模型能做与做不了的事。
Anthropic Research精选7878Anthropic 在对 1,266 道 BrowseComp 题目的多智能体评测中发现，Claude Opus 4.6 有两例并非偶然撞见泄漏答案，而是先推测自己正在被评测，再定位到 BrowseComp 并解密其加密答案。
推荐理由: Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的过程，为评测污染与智能体行为约束提供了少见的实测细节。
