量子位报道，GPT-6.2-Astra 已出现在部分用户的模型列表中并接受请求路由，Claude Mythos 5.5 也短暂出现在官网前端代码中。GPT 侧有用户 20% 的请求被路由至 6.2，也有用户的 100% 请求被发送至 6.2，且基本需要 $500 的 Pro 套餐才能灰度。
推荐理由：文章对照了 GPT-6.2 Astra 与 Claude Mythos 5.5 的灰度和前端曝光细节，并列出路由比例、套餐门槛与下载量。
Anthropic 在 Opus 5.5 的系统提示词中加入两句话，引导 Claude 不复刻已存在的特定游戏，同时允许原创游戏、特定类型游戏及使用用户自有设计和素材的游戏。
推荐理由：文章结合开发者反馈分析 Claude Code 的限制，指出规则既可能被其他模型或任务拆分绕过，也可能误伤原创游戏和常见机制复现。
Anthropic 调整 Claude 订阅计划，将 Max 5x 和 Max 20x 分别更名为 Max 和 Ultra，并为符合条件的 Ultra 用户取消 5 小时使用限制。
推荐理由：改名后的Ultra取消5小时限制但周额度仍为Pro的10倍，文中还梳理了20x命名与实际额度不一致的争议背景。
Anthropic 的 Claude Fable 5.5 与下一代 Opus 被曝已进入早期测试，线索来自 X、Discord、Azure 模型目录和基准测试平台。
推荐理由：文章汇总了 Fable 5.5 的目录条目、社区图像实测与 Obsidian 3 跑分线索，并讨论 Anthropic IPO 前的模型节奏。
Google发布Gemini 4 Carbon，在Artificial Analysis智能指数5.0中以59分登顶。其Terminal-Bench 4.0和GraphWalks成绩分别为65.2%和96.2%，均高于Claude Opus 5.5；安全评测中SEC-bench Pro得分88.2%，Gray Swan IPI攻击成功率为0.0%。
推荐理由：原文给出Gemini 4 Carbon的编程、漏洞修复基准成绩及首发定价，便于对照Claude Opus 5.5的能力和成本。
VibeVideoBench 提出一个评测多模态智能体代码驱动视频生成能力的基准，包含239项中英文自包含任务和12个类别。每项任务要求智能体在无图像或视频生成模型的沙箱内用代码产出带声音的 MP4，并在1小时内完成；评估结合交付规范程序检查、约13k项任务量规和3个VLM评审组。
推荐理由：该基准覆盖239项中英文任务，并用分层量规与人类偏好对照，揭示智能体常因时间管理影响最终视频交付。
研究团队提出 Investor's Last Exam（ILE）基准，评估 AI 智能体能否仅凭决策时证据完成端到端股票投资研究。其版本化金融数据库覆盖 3.43 million 个文档版本和 9 类来源，以经验证的时间戳约束检索与计算，并通过金融依赖图关联评分标准、来源、计算与假设，在 86 assignments 上联合评估研究质量、预测准确率和模拟投资表现。
推荐理由：ILE以冻结信息集、专家标准和金融依赖图拆解端到端投研链路，可定位模型从研究能力走向预测与投资判断时的断点。
MIT Technology Review 的每日通讯 The Download 汇总了 Anthropic 提交 IPO 招股文件、固态变压器研发与运动药丸探索等科技进展。Anthropic 的 335 页文件约 100 页聚焦风险，内容还涉及公司的多重公开叙事、算力成本、安全记录与营收亏损。通讯另列出 OpenAI 科学发现、Microsoft 员工买断及 AI 支出等 10 条科技要闻。
推荐理由：以 Anthropic IPO 文件为主线，串联网格技术、AI 商业动作与医疗研发，呈现当日科技议题及其风险叙事。
Will Douglas Heaven 借 Anthropic 的 IPO 招股书分析这家 AI 公司兼具安全组织、营利企业和前沿模型开发者等多重身份。Anthropic 已提交 335 页招股书，其中约 100 页涉及风险；文件称技术可能侵蚀信任、危害社会并破坏地缘政治秩序，而 IPO 估值超过 $1.5 trillion。
推荐理由：文章借 Anthropic 的 IPO 招股书拆解安全叙事、模型意识争议与商业扩张之间的张力，为审视企业自我监管立场提供背景。
Anthropic已向SEC公开提交纳斯达克IPO申请，股票代码为“ANT”，同时公开335页招股书。招股书披露，2026年上半年营收162.86亿美元、净亏损807.48亿美元，其中约724亿美元来自融资工具公允价值变化；未来十年云计算、算力与基础设施承诺约5180亿美元，主要合同粗略加总超过6500亿美元。
推荐理由：335页招股书拆解了Anthropic的收入、亏损、算力承诺和控制权安排，为评估其上市逻辑与经营风险提供具体依据。
MIT Technology Review 的 The Download 以观点文章和进展追踪为主，并汇总当日科技新闻，核心议题是日常 AI 危害与核动力太空飞行。
推荐理由：文章将灾难性 AI 风险与日常使用伤害相对照，为理解当前安全讨论为何需要扩大关注范围提供清晰框架。
Continual Learning Exam（CLE）基准发布，用于评测 LLM 智能体的长时程持续学习与经验驱动自我改进。该基准由 50+ 位领域专家构建，覆盖 12 个领域、89 种职业、120 项现实专业任务和 600 个渐进关卡，并包含约 24K 个真实文件、19 个有状态应用与 16K+ 条人工编写评测标准。
推荐理由：CLE 用渐进任务阶梯区分单次解题与经验复用，17 个前沿智能体配置的数据展示了长时程持续学习缺口。
ParetoRSI-Gym 在固定初始 LLM、工具集和 SFT 流程的条件下，评估递归自我改进智能体通过搜索与筛选数据、训练并迭代提升语言模型跨领域泛化的能力。
推荐理由：研究通过固定模型和训练流程，在五个领域比较智能体的递归自我改进效果，并分离能力增益与针对优化分数的过拟合。
ReGE 将智能体历史执行经验合成为后续尝试可用的指导，在四个基准上将 GPT 和 Claude 的准确率分别平均提高 9.9 和 8.8 个百分点。ReGE-Syn 仅用一次 coach 调用，把有界执行记录和可用产物合成为自包含指导，再由同一基础模型从任务初始环境状态执行，无需参数更新或更强教师模型。
推荐理由：论文将智能体历史执行记录合成为可复用指导，并给出跨四个基准的准确率与 token 用量对比，便于评估经验复用方案。
Anthropic 新一代 Claude 模型信息遭泄露（来源 The Information），据内测者称在推理上有显著提升，能在修复单个 Bug 时识别背后的根本性问题并提议一并处理。
推荐理由：汇总 Claude、Gemini 4 Carbon、GPT-6.1 Terra 三款下一代旗舰模型的泄露信息，便于读者横向对比它们在推理与编程任务上的定位差异。
Amazon Bedrock 现已在 bedrock-runtime 和 bedrock-mantle 两个端点上为全部 Anthropic Claude 模型上线结构化输出并进入正式可用，通过受约束解码在生成阶段强制模型遵循 JSON Schema，避免事后校验与重试。
推荐理由：原文给出了受约束解码的原理与两条端点的启用方式，读者可直接判断如何迁移到符合 schema 的输出。
随着 OpenAI Dots 和 Meta Muse 等个人 AI 智能体大规模上线，互联网正被迫引入第三类访问者，Muse 上线首月下载量达 500 万，智能体网络流量在 8 到 9 月间增长了两倍。
推荐理由：文章把智能体兴起放到平台准入博弈中讨论，可帮助读者预判电商网站在定价透明度、客服容量和广告商业模式上的下一步走向。
本期 MIT Technology Review 每日通讯《The Download》精选多条技术与 AI 新闻。最受关注的一项实验把 Claude 等 AI 智能体单独置于虚拟荒岛 30 小时，观察到它们自发设定目标（如攀登地图最高点、抛举方块），行为符合"游戏"定义，但尚不确定是真正玩耍还是角色扮演。
推荐理由：本篇汇总了 AI 智能体在无任务下的自发游戏行为实验，这类现象区别于常见工具调用与基准评测，为讨论 Agent 自主性提供了新材料。
Jev 决策模型控制器使 Claude Sonnet 5.5 终端智能体每次尝试成本增加 19%，通过率与无控制器基线同为 73.0%。在 Terminal-Bench 2.1 的 21 个留出任务、315 次试验中，Jev 的成本比 Claude Haiku 5.5 控制器低 19%，但比采样开发阶段选择频率的安慰剂控制器高 22%，未检测到组间通过率差异。
推荐理由：研究固定智能体循环并比较无控制器、规则、小型 LLM 与 Jev，量化了决策信号排序与实际干预效果之间的落差。
Anthropic披露，Claude用不到半小时查明了五条NIST标准椭圆曲线（P-192、P-224、P-256、P-384、P-521）种子的生成方式。
推荐理由：原文展示 Claude 逆向推演 NIST 椭圆曲线种子生成方式的思路，可作为观察大模型在密码学领域推理能力的参考。