标签 · Claude — Glean

4 条 · 按时间

09-29

Claude Sonnet 5.5 发布：Terminal-Bench 4.0 从 10.3% 跳到 70.6%

Anthropic 发布 Claude 5.5 家族的第二款模型 Sonnet 5.5，定位为 Opus 5.5 更快、更便宜的补充：输出速度提升 30% 以上，同一任务成本最多降低 30%。在 agentic coding 评测 Terminal-Bench 4.0 上，Sonnet 5.5 得 70.6%，而 Sonnet 5 只有 10.3%；FrontierCode、CursorBench、GDPval-AA、OSWorld 2.1 等评测同样提升，部分项目已接近 Opus 5.5。定价与 Sonnet 5 持平（输入 $2、输出 $10 / 每百万 token，缓存读取 $0.20），但完成同一任务所需 token 更少。这也是首个带网络安全防护与降级的 Sonnet 模型：高风险 cyber 请求会回退到 Sonnet 5，并首次加入阻止推理提取的蒸馏分类器和 preserved thinking。适合关注模型选型与 agent 编码成本的工程师。

www.anthropic.com · 10 min · Agentic Coding · Ai Safety · Anthropic

09-23

Claude Opus 5.5 发布：成本降四成，对齐审计得分居首

Anthropic 发布 Claude 5.5 家族首个模型 Opus 5.5，官方称其在多数工作上达到 Claude Fable 5.1 的水平，服务成本比 Opus 5 低 40%。每百万 token 输入 $4、输出 $20，缓存读取降至 $0.20（降幅 60%），默认设置下典型负载成本下降四成，输出速度提升 30% 以上。在近 2000 个模拟场景的自动化行为审计中取得迄今最高分，越界与越狱行为少于前代；因生物与网络安全能力接近 Fable 5.1，采用同类 safeguard——多数网络安全任务回退至 Opus 4.8，并引入 preserved thinking 反蒸馏机制。性能表格附有标准误差与第三方评测来源，Anthropic 也承认在该能力区间上 benchmark 分差已不足以反映真实差异。适合评估模型选型、agent 成本与部署合规的工程团队。

www.anthropic.com · 23 min · Ai Safety · Anthropic · Claude

09-20

380 亿美元基金的模型评测与 Agent 治理：Balyasny 访谈

Anthropic 与 Balyasny Asset Management（BAM）首席 AI 官 Charlie Flanagan 的访谈，记录这家管理约 380 亿美元资产的机构如何把前沿模型接入生产。BAM 用数千条有可验证答案的真实金融任务（股票、宏观、大宗商品）做评测，既测模型单体表现，也测它在自建 agentic 环境中的表现。相关子集上 Fable 5 得 89.4%，上一代生产模型 86.1%；有一组经济学题此前没有任何模型通过，团队先怀疑评测本身出错，独立复核任务与评分逻辑后才确认提升为真。并购套利分析由 3-5 天缩短到 1 天以内，agent 单次运行约 30 分钟，实质输出前仍需人工复核。安全被当作产品与运营模型问题：已批准的数据边界、最小权限、工具级授权、日志与人工审批；模型更强不会自动获得更大权限。自建 BAMAgent 平台已承载数千个 7×24 agent。适合关注企业级模型评测、agent 治理与部署的工程师，需注意全文出自厂商客户访谈。

claude.com · 8 min · Agent Evaluation · Agent Harness · Agent Infrastructure

07-08

Claude Agent 持久记忆搭建：从基础到自改进的12步指南

本文总结了为 Claude Agent 添加持久记忆的完整方案，覆盖四层架构：Claude 内置 Chat Memory、Project 持久指令、memory.md 文件记忆以及 Dreaming（自改进记忆）。作者指出 Agent 无记忆的本质缺陷，然后逐步演示如何利用 Project 固定指令、用 CLAUDE.md 或 memory.md 文件存储关键信息，并通过 Anthropic 的 Dreaming 研究预览实现自动记忆整合与优化。文中包含具体操作步骤、代码示例（如 /memory 命令、Dream API 调用）以及 Harvey 公司的实证数据（任务完成率提升约6倍）。适合希望让 AI Agent 跨会话持续学习、避免重复错误的工程师。

x.com · 12 min · Agent Engineering · Ai-Memory · Claude