全部 · 2026-06-02

Anthropic 把 Claude Mythos 这个专门找代码漏洞的模型，连同它的“玻璃翼计划”，推给了 15 个国家约 150 家关键基础设施机构，覆盖电力、水务、医疗和通信。按他们的说法，这些地方一旦被黑，可能影响上亿人。这不再是实验室里的攻防演练，而是直接让 AI 进到现实世界的命脉系统里干活。 不过，文章只说了扩张的规模和涉及的行业，没给出任何具体的性能数据。比如 Mythos 在这些真实的老旧工业系统里，漏洞检出率是多少，会不会频繁把正常配置标成高危，这些关键指标全是空白。而且，把 AI 嵌进这么敏感的系统，一旦模型本身出问题或者被对抗样本攻击，后果比漏报几个漏洞严重得多。 目前看，这更像是一次大规模的公测部署公告。要判断它到底靠不靠谱，还得等这些合作方后续会不会公开分享实际使用中的准确率和事故记录。

Uber 不是不让用 AI，是花太快了。内部预算四个月就见底，于是给每人每月设了 1500 美元的上限，主要针对 Claude Code 这类 AI 编程助手。这个动作比任何定价分析都实在——它直接亮出了一家大型科技公司对单人 AI 工具成本的容忍线。1500 美元一个月，放在工程师薪资里不算高，但要是全公司几千人都在用，账单就很吓人了。 目前报道没披露 Uber 内部到底有多少人在用、用的频率多高，也没说这个上限是硬封顶还是超额要审批。另外，这个数字只反映 Uber 一家的账，不代表行业均价。其他公司如果效仿，AI 工具厂商的定价策略可能会被这条线锚定。

Anthropic 发了 Claude Opus 4.8，核心卖点是 Claude Code 现在能先写一个调度脚本，再同时拉起多个子代理并行干活。这听起来像多智能体协作，但有开发者直接泼冷水：松散的 multi-agent 架构并不靠谱，反而是围绕小代理循环的确定性工作流更稳。模型本身被评价为“温和但有用的升级”，主要进步是更诚实，对自己代码里的缺陷没那么瞎。Every 的体感更积极，认为比 4.7 跳了一大步，在内部高级工程师基准上能和 GPT-5.5 掰手腕。但有个硬伤：Claude 的应用端体验还是比 Codex 乱。 跑分方面，它在 ARC-AGI-3 上拿了第一，分数是 GPT-5.5 的三倍，但 Datacurve 的新基准又把它排在 GPT-5.5 下面，只比 5.4 好一丢丢，而且消耗的 token 多得多，成本更高。这种基准打架的情况说明，模型强不强很看你测什么任务。另外，Anthropic 同时提交了机密 S-1 文件，并完成了 650 亿美元 H 轮融资，投后估值 9650 亿，今年很可能 IPO。 这条新闻缺的是 Opus 4.8 在真实生产环境里的延迟和成本数据，以及那个并行子代理功能在复杂项目里的失败率。基准分数看看就好，别急着下结论。