热点聚合 · 2026-06-30

Anthropic 自己发推说收到了商务部的通知，出口管制已经解除，明天起逐步恢复这两个模型的访问。这是条好消息，但信息缺口很大：正文完全没解释当初为什么对 Fable 5 和 Mythos 5 施加管制，也没说这次取消是基于什么条件或审查结果。没有这些背景，就很难判断这是一次技术性调整，还是政策层面的转向。另外，公告只提了“恢复访问”，没说明恢复范围——是所有地区同步放开，还是仍有地域限制；也没提对已付费用户有没有补偿或额度重置。这些细节会直接影响用户怎么理解这条消息。先别急着当成全面放开，等 Anthropic 后续更新再说。

Anthropic 这次发布的 Sonnet 5，核心卖点不是跑分屠榜，而是把“自主干活”的能力下放到了更便宜的模型上。官方说它的自主性表现接近 Opus 4.8，但价格低得多：正式定价是每百万输入 token 3 美元、输出 15 美元，8 月底前还有优惠价 2 美元和 10 美元。对比 Opus 4.8 的 5 美元和 25 美元，成本优势明显。从放出的 BrowseComp 和 OSWorld 曲线图看，Sonnet 5 确实比上一代 Sonnet 4.6 强出一截，和 Opus 4.8 能连成一条连续的性价比曲线了。 不过要注意，这些数据都来自官方博客和系统卡，没有独立第三方的复现。正文也没披露模型参数量、推理延迟和具体架构变化。安全方面，官方说它比 Sonnet 4.6 更少出格，网络攻击能力也远低于 Opus 系列，但具体评测细节得去翻系统卡。早期测试者的反馈集中在它能独立跑完多步任务、会自己检查输出，这些描述听起来不错，但实际落地稳不稳定，还得看开发者社区大规模用起来之后的反馈。

Claude Science 本质上是一个科研工作台，不是新模型。它用的还是 Claude Opus 4.8 这些现有模型，没有特殊权限或独家能力。Anthropic 的思路很明确：与其卷模型跑分，不如把模型嵌入科学家的实际工作流里，在一个界面里完成文献检索、数据分析、代码运行这些事。TechCrunch 的报道提到，这其实是去年 Claude for Life Sciences 的延续，当时只是给聊天机器人加了点生科功能，现在打包成了独立桌面应用。 从商业角度看，这是冲着药企和生物技术公司的钱去的。FT 的标题直接点明了“推动制药收入”。但文章没给出任何付费客户数量或定价信息，也没披露早期测试用户的反馈。所以这个“工作台”到底能省多少时间、在真实科研场景里靠不靠谱，现在还说不准。 还缺的东西很关键：它跟实验室信息管理系统、电子实验记录本这些科研机构已有的软件怎么打通？正文没提。另外，科学计算对准确性和可复现性要求极高，Claude 在这里的幻觉率控制到什么程度，也没有数据。如果只是把浏览器里的聊天框挪到桌面应用里，那价值有限。

这事说白了就是 Anthropic 在 Claude Code 里埋了暗桩。它会检查你的 API 地址和系统时区，如果是亚洲/上海或乌鲁木齐时区，日期格式就从“2026-06-30”变成“2026/06/30”；如果 API 地址匹配了一个包含国内大厂、AI 公司以及大量代理/转售域名的名单，提示词里的英文单引号会被悄悄替换成肉眼难辨的 Unicode 字符。这些信息混在“今天的日期是”这句人畜无害的话里发回服务器，用户和模型都看不出异常。 Anthropic 的目的不难猜：抓 API 转售、未授权网关和模型蒸馏。但实现方式让人不舒服。一个能读你代码、跑命令、改文件的工具，用隐写术在提示词里夹带分类标记，还把域名名单用 base64 加 XOR 混淆起来，这跟开发者工具该有的“无聊且透明”背道而驰。正文没披露官方对此事的回应。 实际影响对直连官方 API 的用户不大，代码逻辑会提前返回。但如果你走了自定义代理、内部网关或研究用的路由，就会被静默分类。而且绕过方法很简单，改时区、换域名、打补丁都行，所以这功能主要折腾的是那些做合法但非常规操作的普通开发者。如果真想检测滥用，大可以光明正大发遥测字段、写进文档和更新日志，而不是藏在这种地方。

这条消息的核心是 OpenAI 在一篇论文里列出了 GPT-5.6 的三个 Pro 变体，打破了以往只推一个顶级模型的策略。但要注意，信息源是 Ben's Bites 的简报，它引用了 OpenAI 的论文，可简报本身没给出论文链接，也没说清楚这三个变体到底强在哪、用在什么场景。我们只知道它们叫 Sol、Terra 和 Luna，其中 Sol 被描述为最大最聪明，在部分基准测试上超过了 Mythos，但在利用网络安全漏洞方面又故意做得比 Mythos 差一点。这种“选择性超越”挺有意思，说明 OpenAI 可能在有意识地控制模型在敏感领域的能力。 不过，目前所有判断都得打个折。第一，我们看不到论文原文，不知道测试集、样本量和误差范围，数字的意义很模糊。第二，美国政府还在限制 GPT-5.6 的发布，普通用户用不上，所以这些变体是纯研究概念还是即将落地的产品，正文没交代。第三，三个变体的架构差异、推理成本和延迟完全没提，对从业者来说，这些才是决定能不能用的关键。如果后续有论文全文或官方技术报告，才能判断这是真迭代还是 PR 策略。

LongCat-2.0 是美团放出来的一个大家伙，总参数量1.6万亿，但每次推理只激活约480亿参数，属于典型的 MoE 架构，用稀疏激活来省计算。比较特别的是，它从训练到部署全跑在国产 AI ASIC 集群上，没依赖英伟达 GPU，训练用了超过5万张卡、35万亿 token，没出现训练崩溃，说明这套非主流硬件平台已经能撑住前沿规模的训练了。 架构上做了几件事来提升长文本和代码能力。注意力部分搞了个 LongCat Sparse Attention，本质是对 DeepSeek 稀疏注意力的改进，通过流式索引、跨层复用索引和分层筛选三招，把长上下文处理的速度提上去，同时不伤模型质量。另外加了一个 N-gram Embedding 模块，用135B参数把嵌入空间扩大了约100倍，官方解释是在 MoE 稀疏度已经很高（约97%）的情况下，把这部分参数从专家网络挪到嵌入层，收益更大，而且能降低大批量解码时的显存读写压力。 性能对比图里，LongCat-2.0 在 Terminal-Bench、SWE-bench 等代码和智能体任务上，跟 Gemini 3.1 Pro、GPT-5.5、Claude Opus 4.8 等模型放在一起，但正文没给出具体分值和测试条件，所以这些柱状图只能看个相对高低，没法做严格比较。另外，模型虽然开源了权重，但训练数据的具体构成、ASIC 集群的详细规格和成本都没披露，实际落地效果和性价比还得等社区实测反馈。