据《金融时报》报道并经 The Decoder 转述，Anthropic 正与多家律所磋商，为代替用户砍价、处理投诉、争取更优合同条款的 AI 代理制定公平谈判规范。报道称 Anthropic 实验显示更强模型能谈出更好交易，可能加剧社会不平等。公司同时在招聘律师与人文学科背景的 Conceptual Reasoning Fellows，以 10 万至 16.7 万美元、为期四个月测试 Claude 在法律、哲学、认知科学、经济与政治学等判断类问题上的表现，原因是这些领域缺乏可验证数据。

宝玉在X上转述Claude Code团队公开的代码审查做法：约九成代码由Claude编写，6月至9月合并的修改量翻了一倍多，需要回滚的比例反而下降四成多。团队用多层检查叠加降低漏检概率，并保留人工兜底；人不再逐行读代码，而是把时间放在机器不擅长的判断上。帖子还提到一段视频，用奶酪片比喻多层审查，并讨论哪些修改仍需人看、AI审AI是否会循环、审查AI漏检怎么办、责任归属等问题。上述数字与做法均为宝玉对团队说法的转述，未见原始材料。

YouTube 频道 DIY Smart Code 发布 2 分 54 秒视频，作者称用 Opus 5.5 在 low、medium、high、xhigh、max 五档 effort 下跑自建测试：一个 JavaScript 过滤任务按 90 项检查评分，low 5 次中 4 次满分，medium 与 high 均 5 次满分；5 个植入 bug 的排查任务各档全部修复，max 成本约为近 9 倍；CommonMark 0.31.2 全部 652 项官方测试中，Opus low 两次全过，Sonnet low 一次通过 83%。作者还称 xhigh 是 high 与 max 之间、可存为默认的最高档，max 仅限单次会话；ultracode 是叠加设置而非档位；切换 effort 后 99.8% 缓存仍保留，换模型则重建约 4.7 万 token。以上均为作者自述，非独立验证。

TechCrunch报道，聊天机器人公司Character.AI本周申请破产后，迪士尼同意向至少60名员工发出聘用邀约，覆盖其多数员工，年度薪酬合计估计约6000万美元；文件称获邀者中“绝大多数”已接受。此前Character.AI称迪士尼同意以2000万美元收购其部分资产，其前CEO Karandeep Anand已出任迪士尼首位CTO。文件还提到公司受高成本、潜在诉讼责任与监管沟通拖累。该交易属“假马竞标”，其他公司仍可提出更高报价。

微软与香港城市大学研究者提出Taste-Bench，用502道二选一题测试AI智能体在长任务中“选对方向”的能力：在轨迹分叉处冻结运行、隐藏后续步骤，让模型判断哪条路径更优。作者称最佳模型GPT-5.6 Sol准确率59.7%，GPT-5.5为59.5%，其余明显更低；当关键线索只在后续大量工作后才出现时，平均准确率降至21%。作者还称用Qwen3.6-27B蒸馏教师判断后，在41个SWE-bench Pro留出任务上成功率由14.6%升至33.7%。基准与代码已公开。

YouTube 创作者 Zane Hoyer 发布视频，对比两种 AI 视频剪辑工作流：ChatGPT 在 DaVinci Resolve 的 Fusion 页面内生成可编辑动态图形；Claude 通过 InVideo 网页时间线编辑器，依据 Pinterest 风格参考图生成动效、配乐与音效并排上时间线。作者称两套流程各耗时约 15 至 20 分钟，Claude 方案约消耗其每月 20 美元 Claude Pro 日额度的 20%，ChatGPT 方案约消耗每月 100 美元 Pro 日额度的 30%。以上均为作者自述，未独立实测。

法国AI博主Baptiste Simard在视频中称自己安装过约百个GitHub工具，最终保留11个用于日常工作，包括HeyGen的HyperFrames（描述需求生成视频剪辑）、Humanizer（按维基百科编辑识别AI文风的26项特征改写文本）、21st.dev组件库、/watch（抽帧并转写视频）、Apify抓取、Google Workspace CLI、Find Skills、Orca多智能体并行、Playwright浏览器操作、Reverse Engineer Anything及Cloudflare安全审计skill。他演示的安装方式是让Claude读取仓库链接后自行安装，并建议安装前先让Claude审读skill代码。以上均为作者自述与演示，未独立实测。

Sonny Sangha 发布教程，演示把 Synthesia 新推出的 Interactive Avatar API 接入一个 Next.js 项目管理应用 Launchpad：用 LiveKit 承载实时音视频、OpenAI 模型驱动对话，并给代理加工具，使其能导航页面、创建任务、在阶段间移动任务，并用 RAG 从产品文档取答案。视频由 Synthesia 赞助，作者称从零搭建只需几个提示词，并展示了打断、追问和文档问答测试；他也说明早期回答空泛源于自己给的上下文和提示不足。

开发者发布 C++20 编写、兼容 Redis 的内存存储 HotKV，内置 LLM 响应语义缓存，并在 Claude 上做基准：用 Banking77 的 3000 条客服问题，每条请求分别直连模型与经 HotKV 缓存，两次都开启 Anthropic 自带 prompt caching。作者称四个模型调用、token 与费用均降约 70%（39% 精确重复、31% 改写），中位响应从 1.4–2.9 秒降至约 127 毫秒。作者同时承认语义命中不等于答案正确：阈值 0.81 时缓存答案合格率低 5.8–10.7 个百分点，提高到 0.88 以上差距落入噪声。以上均为作者自测，未经独立复现。

AI LABS 发布视频，介绍并试用六个面向 AI 编码代理的设计类 GitHub 仓库：Awwwards MCP 让代理检索 Awwwards 真实站点截图与动效作参考；Responsively App 通过 MCP 让代理多尺寸截图并修正响应式问题；Genjutsu 提供 Cast、Paint、Bunshin 三个 Claude 技能，Bunshin 用子代理并行建页；Dembrandt 从线上站点提取样式生成 design.md；App Store Screenshots 把应用截图做成商店图；Brag 把项目转成约 20 秒发布视频。作者称在 Cline CLI 中配合开放权重模型测试，并称 Brag 的 Slim 模式效果更好但依赖更大模型。以上为作者自述，未独立验证。