昨天 Anthropic 发了篇博客，讲他们内部怎么让 Claude 值 CI/CD 的班。写的人叫 Sachin Malhotra，是他们自己的技术员工。我把这篇和它给出的那个开源套件一起翻了一遍，有个细节盯着看了挺久。作者值班期间，晚上十点，同事在 Slack 上找他，说一个新服务上大概 44 个测试不跑了。放在以前这是个耗时间的活。要翻构建日志找是从哪次改动开始不跑的，再对照配置看有没有人动

昨天 Anthropic 发了篇博客，讲他们内部怎么让 Claude 值 CI/CD 的班。写的人叫 Sachin Malhotra，是他们自己的技术员工。我把这篇和它给出的那个开源套件一起翻了一遍，有个细节盯着看了挺久。作者值班期间，晚上十点，同事在 Slack 上找他，说一个新服务上大概 44 个测试不跑了。放在以前这是个耗时间的活。要翻构建日志找是从哪次改动开始不跑的，再对照配置看有没有人动

8 月 17 日凌晨，赛博义父 Tibo 发了条推文，三行配置，Codex 里的 GPT-5.6 Sol 就能用上 1M 上下文。本来这功能只对 API 用户开放，现在 ChatGPT 和 Codex 账号都解锁了。长上下文是刚需，推文一发出圈。结果评论区第一条留言是，千万别用。理由是 token 消耗会翻倍。Tibo 本人给这条留言点了赞，还补了一句，默认设置是我们精心调过的，祝大家玩得开心。鸭

2026 年 8 月 11 日，NVIDIA 发布 Nemotron 3.5 Lightning。这是一款 30B 参数规模的 MoE 模型，开放权重，允许开发者按需定制，面向高频、长期运行的 Agent 专用任务。官方列举了代码审查、工具使用、安全告警监控和账单问答等场景。NVIDIA 称，该模型输出速度最高可提升 4 倍，Agent 任务完成时间可缩短 30%。官方对比数据基于特定测试条件，实

Anthropic 最近做了一件挺残酷的事。他们启动了 45 个 Claude Agent，给每个 Agent 一台独立虚拟机，把它们扔进一个共享论坛，然后布置了一个任务：在 15 个开源软件项目里找漏洞。这些 Agent 被告知要互相评审对方提交的结果，还有一个仲裁 Agent 负责判断每个漏洞是否真实、是否重复。听起来像一场精心组织的黑客松。但真正值得琢磨的，不是它们找到了多少漏洞，而是它们在

Anthropic 最近做了一件挺残酷的事。他们启动了 45 个 Claude Agent，给每个 Agent 一台独立虚拟机，把它们扔进一个共享论坛，然后布置了一个任务：在 15 个开源软件项目里找漏洞。这些 Agent 被告知要互相评审对方提交的结果，还有一个仲裁 Agent 负责判断每个漏洞是否真实、是否重复。听起来像一场精心组织的黑客松。但真正值得琢磨的，不是它们找到了多少漏洞，而是它们在

Anthropic 最近做了一件挺残酷的事。他们启动了 45 个 Claude Agent，给每个 Agent 一台独立虚拟机，把它们扔进一个共享论坛，然后布置了一个任务：在 15 个开源软件项目里找漏洞。这些 Agent 被告知要互相评审对方提交的结果，还有一个仲裁 Agent 负责判断每个漏洞是否真实、是否重复。听起来像一场精心组织的黑客松。但真正值得琢磨的，不是它们找到了多少漏洞，而是它们在

Anthropic 最近做了一件挺残酷的事。他们启动了 45 个 Claude Agent，给每个 Agent 一台独立虚拟机，把它们扔进一个共享论坛，然后布置了一个任务：在 15 个开源软件项目里找漏洞。这些 Agent 被告知要互相评审对方提交的结果，还有一个仲裁 Agent 负责判断每个漏洞是否真实、是否重复。听起来像一场精心组织的黑客松。但真正值得琢磨的，不是它们找到了多少漏洞，而是它们在

Anthropic 最近做了一件挺残酷的事。他们启动了 45 个 Claude Agent，给每个 Agent 一台独立虚拟机，把它们扔进一个共享论坛，然后布置了一个任务：在 15 个开源软件项目里找漏洞。这些 Agent 被告知要互相评审对方提交的结果，还有一个仲裁 Agent 负责判断每个漏洞是否真实、是否重复。听起来像一场精心组织的黑客松。但真正值得琢磨的，不是它们找到了多少漏洞，而是它们在

以前 Claude Code 想改文件、跑命令，经常要停下来问一句能不能继续。Auto 模式会先自己看一遍。普通操作直接放行，碰到删文件、向外发送数据这类危险动作，它再停下来问人。Anthropic 为这件事找了 1053 名正在使用付费版的专业用户做测试。他们会在一连串正常的权限请求里，遇到一条明显有问题的命令。最后，人只拦住了 13.6%，Auto 模式拦住了 89%。确认框刚弹出来时，人还会