Claude Code v2.1.321新增Fable 5.2默认模型,支持1M上下文
Claude Code v2.1.321新增Fable 5.2默认模型,支持1M上下文
Claude Code发布v2.1.321,新增Claude Fable 5.2(claude-fable-5-2)并设为Fable系列的默认模型,支持100万token上下文,定价为每百万输入token 8美元、输出40美元,缓存读取每百万token 0.2美元。同时为claude remote-control新增–settings参数,可为每个新会话应用指定设置文件;设置文件变更后,在生效前不会启动新会话。对重度使用Claude Code的开发者,1M上下文意味着可以整仓库级别地喂入代码。
Vercel Sandbox快照速度提升10倍,中位耗时降至0.4秒
Vercel Sandbox的快照创建速度最高提升10倍,中位耗时从4.4秒降至0.4秒以内。恢复速度也提升了50%,p50从500毫秒降至250毫秒。新版本通过复用Vercel Hive Snapshot(VHS)中的帧来实现更快的快照写入和恢复。对开发者而言,更快的快照意味着在Sandbox环境中做实验、回滚和并行测试的等待时间大幅缩短,尤其适合需要频繁创建临时环境的调试场景。
Vercel网关数据:决策模型占26%请求,Anthropic新团队胜率2:1
Vercel发布11月AI Gateway生产指数。该网关每月在生产应用和AI实验室之间路由超过100万亿token,覆盖语言、决策、语音、图像和视频等类别。本期关键数据:决策模型占全部请求的26%;Anthropic在新团队获取上以2:1领先。这些数字来自真实生产流量而非问卷,反映的是企业在选型时的实际取舍。对做模型选型的团队,这类路由数据比基准测试更接近真实使用分布。
CodeRabbit用OpenAI模型审查AI代码,同团队交付量提升20倍
CodeRabbit利用OpenAI模型来治理和审查AI生成的代码,同时借助Codex把软件交付量提升到原来的20倍,工程团队规模不变。核心在于让AI负责代码审查与可信度把关,把AI生成的代码纳入可控流程,而不是靠加人应对产出膨胀。对正在规模化使用AI编程的团队,这个案例说明审查环节的自动化是产能放大的前提。
Kuken Industries用OpenAI API检索70年冷却塔图纸,找图从近1小时缩至4.5分钟
Kuken Industries通过OpenAI API检索公司70年积累的冷却塔图纸。此前工程师为一次维修找对应图纸要花近1小时,现在缩短到4.5分钟。这是把大模型用于传统制造业历史资料检索的落地案例:非结构化图纸档案加上语义检索,直接压缩维修准备时间。对拥有大量历史工程文档的企业,这类改造的收益可以直接按工程师工时折算。
OpenAI建Control Room系统,可追踪并紧急叫停模型工作负载
OpenAI披露其研究基础设施中的Control Room系统,用于跨设施追踪模型工作负载,并在出现安全或安保顾虑时快速停止它们。该系统覆盖研究训练和推理任务,提供集中式的可见性和干预能力。对关注AI安全治理的读者,这属于把安全策略落到基础设施层的具体工程实现,而不只是政策文档。OpenAI没有公布具体的响应时间指标。
ChatGPT Enterprise上线AWS Marketplace,采购走现有AWS账单
ChatGPT Enterprise现在可以通过AWS Marketplace购买。企业客户可以直接使用已有的AWS采购和账单关系完成采购,无需另开供应商流程。这意味着已经在AWS上运行基础设施的团队可以把ChatGPT Enterprise的支出并入现有云账单,简化财务审批和合规流程。对大型组织来说,采购路径的缩短往往比功能本身更能决定工具能否快速铺开。
ChainFlow:少步潜空间流匹配加速投机解码
arXiv新论文ChainFlow提出用少步潜空间流匹配来做投机解码。投机解码已是加速LLM推理的标准手段:轻量草稿模型提出token,目标模型一次并行验证。现有草稿模型存在取舍,限制了加速幅度——自回归草稿模型生成质量好但串行慢。ChainFlow的思路是用流匹配在潜空间里少步生成草稿,试图同时兼顾速度和质量。如果效果成立,这类方法可以直接降低推理延迟,对部署大模型的团队有实际价值。
AI代理跨会话不学习?新论文提出持久行为学习框架Decision Context
现有LLM代理有一个通病:用户每次开启新对话都得重新纠正同样的错误,因为代理不会跨会话记住纠错行为。已有的代理记忆系统主要处理事实类信息(偏好、实体、对话历史),而非行为模式。论文提出Decision Context方法,让代理把用户的纠正转化为持久的行为规则,在新会话中自动沿用。实际影响是:用户不必反复纠正同一个问题,代理在多轮使用中逐步贴合个人工作习惯。
AlterNet:按输入难度动态分配算力的MoE架构,可弹性推理
多数LLM架构的计算量在训练时就固定了,推理时无法按需伸缩。AlterNet把混合专家(MoE)与浅层专家、动态深度机制结合,并用学到的停止策略决定前向传播走多深,从而根据输入难度弹性分配计算。简单说:简单问题少算,复杂问题多算。对推理成本敏感的部署场景,这类架构的价值在于不牺牲固定算力预算就能应对难度波动。
多代理系统该给子代理开多少权限?新方法从Agent Skills中学习精确授权
语言代理处理复杂任务时越来越依赖多个子代理分工协作,这带来一个安全问题:不仅要决定每个子代理做什么,还要决定它能访问哪些工具和工作区资源。论文提出从Agent Skills中学习子代理授权的方法,把权限边界从人工规定转为从技能描述中推导。对搭建多代理系统的团队,这意味着权限配置可以随技能定义自动生成,减少越权访问的风险面。
测试时扩展算力怎么选答案?新方法用成对锦标赛做方面级比较
Best-of-n采样是提升LLM推理的常用手段:模型生成多个候选解,再挑一个。难点在于怎么挑。论文提出方面级成对锦标赛方法,让候选答案两两比较、按不同维度分别评判,最终选出最优解。相比整体打分的单一判断,这种比较方式更能区分质量接近的候选。对依赖测试时算力扩展的推理系统,选择器的精度直接决定多花的算力有没有回报。
NormGym:用社交互动测试AI代理能否读懂不成文规矩
规范能力指代理能从互动中推断出社会期望并调整行为,这是代理进入陌生人类社群的前提。现有评测大多只测代理能否识别明文规则,测不出这种推断能力。论文提出NormGym基准,通过社交互动场景评估代理的规范能力。对要部署到真实用户环境中的代理,能否从互动里读出未明说的期待,决定了它是融入还是冒犯。
Handshake AI一年做到10亿美元,靠给前沿实验室卖专业数据
Handshake AI在一年内从上线做到10亿美元规模,核心业务是为前沿AI实验室提供专业化数据。Latent Space首次深入拆解了这个数据实验室的运作方式,给出了金融、生物和对齐三个领域的具体案例。这期内容揭示了前沿实验室到底在为什么样的数据付费,以及数据供应商如何针对不同学科定制采集和标注流程。对关注AI数据供应链的读者来说,这是了解数据端竞争格局的一手材料。
Simon Willison:把AI生成的冗长PR说明折叠进<details>标签
Simon Willison发文介绍他的工作流:现在项目里大部分PR由Claude Code或Codex代开,PR成了他的工作单元,用来打包提交、迭代功能、记录决策。问题是AI写的PR描述往往冗长,噪声大。他的做法是把这些说明塞进HTML的<details><summary>折叠标签里,正文保持精简,需要细节时再展开。对频繁用AI代理提PR的开发者来说,这是个低成本的可读性优化。
Simon Willison用Claude定位家中神秘滴滴声
Simon Willison家里一间堆满未拆封纸箱的房间持续发出间歇性蜂鸣声,间隔太长,站在房间里靠耳朵很难定位。他记录了用Claude协助排查的过程,包括如何描述声音特征、如何让模型给出系统性的排查思路。这不是产品评测,而是一个真实的日常排障案例,展示了对话模型在缺乏专业工具时能提供什么样的推理辅助。
Paul Ford《The Web Is More Than Enough》引发讨论,Willison用Three.js做了个海兔彩蛋
Simon Willison在Hacker News上评论了Paul Ford的文章《The Web Is More Than Enough》。他提到一条评论说服自己去试了试,随后用一个上午在Three.js里做了一个海兔主题的法贝热彩蛋(77KB)。他还提到自己直接问了Claude来协助。这条内容本身是个人创作记录,价值在于展示当前网页技术栈加AI辅助能多快做出一个小型3D作品。
OpenAI Codex发布rust-v0.169.0-alpha.8
OpenAI Codex发布rust-v0.169.0-alpha.8,同期还有0.167.0-alpha.4.1、0.169.0-alpha.7、0.169.0-alpha.6、rust-v0.169.0-alpha.5和rust-v0.169.0-alpha.4等多个版本。目前公开的信息只有版本号和发布记录,没有具体变更说明。关注Codex的开发者可以留意后续正式版本的更新日志。