Sonnet 5 全面押注 Agentic 编码，原生百万 token 上下文

🧠 发布动态

Sonnet 5 全面押注 Agentic 编码，原生百万 token 上下文。

Anthropic 迄今最强的 Sonnet 模型 — 推理、工具调用、编码、知识工作全面超越 Sonnet 4.6。最炸裂的数字：原生 100 万 token 上下文窗口，不是"有效上下文"的营销话术，是实打实的原生支持。推广期定价 $2/$10 每百万 token，持续到 8 月 31 日。对开发者来说，这意味着你可以把整个中型代码库塞进一次对话里让它推理 — Agent 工作流的天花板又被抬高了一截。Claude Code 和 API 已经可用，现在就去试。 详情 →

Claude Science 上线 — Anthropic 的第一个垂直产品。

不是给 Claude 加个"科研模式"，而是一个独立的 AI 科研工作台。这个动作的战略意义比产品本身更大 — Anthropic 在说：通用模型是基座，垂直产品才是变现路径。做 AI 科研工具的创业者该紧张了，巨头亲自下场做垂直了。(335 likes | 112 RTs) 详情 →

Google 双线出击：Nano Banana 2 Lite 打端侧，Omni Flash 打多模态。

Google DeepMind 一次发两个模型 — Nano Banana 2 Lite 瞄准手机和 IoT 等端侧场景，Gemini Omni Flash 主攻低成本多模态推理。Google 的策略很清晰：高端有 Gemini 2.5 Pro 顶着，中低端用轻量模型铺量。端侧 AI 的军备竞赛，Google、Apple、高通都在加码。(286 likes | 106 RTs) 详情 →

Mistral 发布 Leanstral 1.5，高效模型赛道越来越挤。 Mistral 继续押注"精干型"模型路线。当 Google 有 Nano Banana、Apple 有端侧模型、Mistral 有 Leanstral 的时候，小模型赛道的竞争已经从"谁先做出来"变成了"谁的性价比最高"。值得跟踪跑分对比。(68 likes | 9 RTs) 详情 →

🔧 开发者工具

MCP TypeScript SDK v2 Beta 来了，有 Breaking Changes，有截止日期：MCP TS SDK 大版本升级 — 拆分了传输层编解码、按协议版本分时处理、API 接口大改。目标对齐 7 月 28 日的 MCP 新规范。团队明确喊话：现在就用 beta 构建，发现什么坏了马上报。如果你维护 MCP Server，迁移窗口已经打开了，别等到 stable 再动手。 详情 →

Claude Code v2.1.197 默认模型切换为 Sonnet 5：更新后开箱即用百万 token 原生上下文。一行命令的事：npm update -g @anthropic-ai/claude-code。 详情 →

Anthropic Python SDK v0.115.0 大幅扩展 Managed Agents API：连续两个版本（v0.114.0–v0.115.0）加入 Sonnet 5 支持，外加事件流增量推送、Agent 覆盖配置、反向分页、Vault 凭证注入作用域、Webhook 事件。如果你在用 Python 构建 Agent 系统，API 能力直接翻倍了。 详情 →

HuggingFace 把所有 Eval 结果直接放到模型页面上了：不用再到处找散落的排行榜了 — 社区提交的评测结果现在直接显示在每个模型的页面上。选模型时一目了然，横向对比成本降到零。 详情 →

Ollama v0.31.1 优化 Gemma 4 MoE 加载：新增来自 MLX 的小批量矩阵乘法内核，llama.cpp 底层升级到 b9840。从 0.30.x 直接跳到 0.31，说明内部改动不小。跑本地推理的更新一下。 详情 →

📝 技术实战

Anthropic 官方出品：Claude Code 中的 Agentic Loop 使用指南：Agent 循环 — 让 Claude 跑、评估、再跑，直到任务完成 — 是 agentic 编码的核心模式。这篇是官方实战教程，从零教你用 /loop 构建迭代式工作流。正在从"对话式 AI"迁移到"Agent 式 AI"的开发者，这是入门必读。 详情 →

Simon Willison：让你的 Agent 自己录制工作视频：用 shot-scraper 工具让 AI Agent 在执行任务时自动录屏。听起来是个小技巧，实际解决了一个大痛点 — 怎么向不懂技术的利益相关者证明"AI 真的干活了"。信任建设的实用模式。 详情 →

🔬 研究前沿

IBM 的 ScarfBench：终于有人测 AI 干"真活"的能力了：不是又一个合成代码跑分 — 这个基准专门测 AI Agent 迁移企业级 Java 框架的能力。Spring Boot 升级、Jakarta EE 迁移、这些让无数 Java 团队头疼的重构任务，现在有了标准化评测。如果你在选 AI 编码工具做遗留系统现代化，拿 ScarfBench 跑一轮再做决定。 详情 →

Meta 的 Brain2Qwerty：不开刀，脑电波直接转文字：Meta AI 发布了一个非侵入式脑机接口，用 EEG 信号（头皮电极，不用手术）把大脑活动翻译成文字。离实用还有距离，但方向是对的 — 给无法说话或打字的人一条新的沟通通道。(89 likes | 47 RTs) 详情 →

💡 行业洞察

Claude Code 被发现嵌入隐写标记，开发者信任问题摆上台面。

一位研究者发现 Claude Code 在发送 API 请求时，会在不可见层面嵌入隐写标记（steganographic markers）。文章在 Hacker News 上拿了 1300+ 赞。核心问题不是"这是不是恶意的" — 大概率是用于产品遥测 — 而是"为什么不告诉用户"。隐性数据收集在开发者工具中是大忌，尤其当用户把整个代码库交给你处理的时候。Anthropic 需要给一个透明的解释。(1,319 likes | 378 RTs) 详情 →

通用模型会让位于专用模型？ Dharma AI 在 HuggingFace 发文论证"专业化不可避免" — 通用大模型最终会被垂直领域的专用模型取代。论点有道理：当你的任务足够具体，一个针对性训练的小模型往往比通用大模型又快又准又便宜。这对"该微调还是该 prompt engineering"的决策有直接影响。 详情 →

本地 AI 正在追上云端？ Ahmad Osman 在两次 AIEWF 工作坊后得出结论：从笔记本到手机到企业内网，本地 AI 和云端的差距在快速缩小。Ollama、llama.cpp、MLX 每周都在发版，量化技术越来越成熟。对于数据敏感型场景，本地部署的 ROI 正变越来越划算。 详情 →

🏗️ 值得一试

Fundamental-Ava：开源社交智能数字人框架：一个构建自主、协作、具备社交智能的数字人的开源框架，GitHub 上已经 592 星。定位在具身 AI 和多智能体协作的交叉点 — 不是又一个聊天机器人，而是能理解社交场景、协同工作的虚拟人。做数字人、虚拟助手方向的可以深入看看架构设计。(592 likes | 57 RTs) 详情 →

🎓 模型小课堂

原生上下文长度 vs 有效上下文长度：Sonnet 5 说自己有 100 万 token 的原生上下文窗口，听起来很厉害 — 但"原生长度"和"模型真正能可靠关注到的长度"是两个概念。打个比方：一本 1000 页的书你能翻到任何一页，但让你回忆第 37 页第三段写了什么？大概率记不清。模型也一样 — 上下文窗口决定了能塞多少内容进去，但模型在超长上下文中的注意力分配并不均匀，中间部分的信息检索准确率往往会下降（"Lost in the Middle" 现象）。评估任何模型的长上下文能力时，别只看官方宣传的窗口大小，要看它在 NIAH（大海捞针）等实际测试中、在不同位置上的表现。

⚡ 快讯

• Anthropic TS SDK v0.109.0：完整 Managed Agents API 上线，事件流、Agent 覆盖、Vault 注入一步到位。 链接
• Anthropic Vertex SDK v0.19.0：google-auth-library 升级到 ^10.2.0，GCP 用户注意更新。 链接
• Vercel AI SDK v7.0.8：视频生成成为一等公民，新增 frameImages 和 inputReferences 支持。 链接
• CrewAI 1.15.2a1：支持内联 Skill 定义和 Stream Frame 协议，多智能体工作流定义更灵活。 链接
• llama.cpp b9851：修复 CUDA Flash Attention KV Mask 步幅整数截断问题，新增 Qwen3Next 支持。 链接
• Google UK 量化 AI 生产力影响：最新报告量化了 AI 工具在英国各行业的生产力提升效果。 链接

🎯 今日精选

Claude Code 隐写标记事件：AI 工具信任危机的缩影：一位安全研究者发现 Claude Code 在 API 请求中嵌入了隐写标记 — 用不可见字符编码的元数据，用户在正常使用中完全看不到。这暴露了 AI 开发工具领域一个越来越尖锐的矛盾：产品遥测的需求和开发者信任之间的张力。开发者把最敏感的资产 — 源代码 — 交给这些工具处理，任何未披露的数据行为都会被视为背叛信任。Anthropic 不是唯一面临这个问题的公司，但作为以安全和透明著称的公司，期望值更高。这件事的走向 — 是公开透明地解释机制和目的，还是沉默以对 — 将直接影响 power user 是留在商业工具生态里，还是加速转向开源替代方案。(1,319 likes | 378 RTs) 详情 →

下期见 ✌️