AI 情报
· 45 条 · 北京时间
德国博主Christoph Magnussen发布24分钟Claude桌面应用导览，称Anthropic近期密集上线功能：Chat与Cowork并列、项目统一管理并支持分享时保留聊天私密、CSV类文件可转为交互式仪表盘、Opus 55生成动效视频、Design将并入Artifacts、Skills/连接器/插件分层、Claude Code新增Mods可改界面按钮。
展开详情
以上为作者演示与个人说法，非官方发布说明，未独立实测。
尚未明确：各功能上线时间与可用范围未核实；Design并入Artifacts仅称12月中旬；Mods是否面向普通用户开放未知；视频未审看画面，演示效果未独立验证。
YouTube 频道 AI LABS 发布 11 分 48 秒视频，称基于 Anthropic 负责 Claude 应用工程的 Felix Rieseberg 所写文章，介绍用 Claude Code 时不要只派任务，而要追求更高目标：Altitude 要求结果而非任务，Depth 要求专家级方法与工具并让另一模型如 Codex 复核，Range 让 Claude 派生多个子代理从不同领域检查并修复，另需给代理提供观察问题、理解应用和自测修复的资源。
展开详情
视频称作者把规则做成 Claude Code skill，并展示在自己应用上的前后对比，但这些演示属频道自述，未见独立验证。
尚未明确：视频未展示完整提示词与 skill 内容，前后对比缺少可复现细节；Felix 原文的具体主张与视频转述是否一致未核实；演示效果未独立验证。
MIT Technology Review 刊出一篇由 HPE 提供并署名的赞助内容，作者 David Sydow 以“企业刚发现电力”作类比，称企业 AI 正从零散的聊天机器人和 copilot 试验，变成与模型、智能体、数据互联的生产基础设施。文章主张核心指标应从 token 或 GPU 小时单价，转向“每项有效业务产出的成本”，并比较自建栈、按需调用超大规模云、集成私有 AI 平台三种路径。
展开详情
文中称 HPE Private Cloud AI 为生产就绪平台，并引用 HPE 委托的独立测试称高利用率多负载平台每 token 有效成本低于反复租用同等容量，同时注明结果因负载而异。
尚未明确：HPE 委托测试的方法、样本与具体数字未披露，无法独立核实；三种部署路径的成本对比只给方向性结论，未给可比数据；文章为赞助内容，观点带厂商立场。
Uber 工程博客介绍其开发者平台团队构建的 AutoClean 系统：从功能开关管理系统识别已全量上线的陈旧开关，由智能体结合确定性工具 PolyglotPiranha（经 MCP 调用）改写代码、传播常量、删除死分支，再经 CI 修复循环与静态检查、CodeCourt 多属性并行审查后才交人工复核。作者称该系统数年间清理逾 1.6 万个开关、超 100 万行代码。
展开详情
属官方工程团队自述，未提供第三方验证。
尚未明确：清理准确率、误删或回滚比例、人工复核通过率、单次清理耗时与成本均未披露；CodeCourt 各属性审查的实际拦截效果只有定性描述。
fal 官方博客称，其与 Fireworks 合作发布 EAGLE-4 投机解码技术分析，并公开 Prompt Enhancement SpecBench 数据集：400 条提示，覆盖文生视频、图生视频、文生图、图生图各 100 条。作者称 EAGLE-4 在 EAGLE-3 基础上加入滑动窗口注意力与低秩候选头，并用按 GPU 实测成本扩展验证树的 harness。
展开详情
在 NVIDIA B300、TP=4 上，作者报告 harness 在 C=1 时于 Fireworks Bench 和 SpecBench 分别达 660.6 与 622.9 tokens/s，为最快对比方案的 1.63 倍与 1.85 倍。以上为发布方自测数据，未经独立复现。
尚未明确：吞吐与加速比均为 fal 自测，未说明第三方复现；对比基线 DSpark、DFlash2 的具体配置未在材料中展开；MoE、多 draft 层、Latent ReLU 尚未包含在已发布模型中；视频演示未审看。
整理于 2026-10-22 06:48（北京时间） · 部分来源暂未获取