Anthropic 宣布完成 650 亿美元的 H 轮融资，投后估值高达 9650 亿美元，这可能是这家 AI 初创公司在备受期待的 IPO 之前的最后一轮私募融资。本轮融资由 Altimeter Capital、Dragoneer、Greenoaks、Sequoia Capital、Capital Group、Coatue、D1 Capital Partners 等联合领投，Baillie Gifford、Blackstone、Brookfield、D.E. Shaw Ventures、DST Global 和 Fidelity Management & Research 等机构投资者参与。战略基础设施合作伙伴如三星、SK 海力士和 Micron 也加入了本轮。其中 150 亿美元来自此前超大规模云厂商的承诺投资，包括亚马逊在 4 月宣布的 50 亿美元。TechCrunch 上月报道称，Anthropic 接近完成一轮 500 亿美元的融资，投资者争相进入其股东名单。一位机构投资者甚至承诺出资 50 亿美元，只为与 Anthropic 首席财务官 Krishna Rao 会面。Anthropic 计划将新资金用于“推进安全性和可解释性研究、扩展计算能力以满足 Claude 日益增长的需求，以及扩大客户依赖的产品和合作伙伴关系”。本轮融资恰逢 Anthropic 发布新款 Claude Opus 4.8 模型，该模型在代理任务、高级编码以及诚实和自我修正方面能力更强。该公司还计划更广泛地发布与其强大的网络安全模型 Mythos 能力相当的模型，此前因潜在安全问题仅有限发布。自上一轮融资以来，Anthropic 增长加速，尤其是依赖 Claude Code 的企业客户。该公司本月早些时候表示，其年化收入已超过 470 亿美元，《华尔街日报》报道称，该初创公司预计收入将激增 130%，首次实现运营盈利。Altimeter Capital 创始人兼首席执行官 Brad Gerstner 表示：“Claude 的最新进展推动了全球最苛刻组织的大规模采用。这一势头使 Anthropic 能够引领 AI 创新的下一阶段，并抓住眼前的巨大机遇。”Anthropic 一直与 OpenAI 在融资和用户增长方面激烈竞争，为各自的 IPO 做准备。今年早些时候，OpenAI 在 3 月完成了高达 1220 亿美元的融资轮。
大型交易所正在围绕 AI Token 设计衍生品，这一被越来越多视为类似电力或带宽的原材料投入。 ## 从 GPU 到 Token：衍生品市场的新前沿 如果说黄金是工业时代的硬通货，石油是能源时代的血液，那么 AI 时代的“新大宗商品”很可能就是 **Token**——大型语言模型（LLM）的基本计算单元。据路透社报道，中国上海期货交易所正在设计针对 AI Token 的衍生品市场。与此同时，CME 集团（芝加哥商品交易所）和洲际交易所（纽约证券交易所母公司）也已分别表示，正在推出用于租赁 GPU 的期货合约。 GPU 现货市场已相对成熟，租赁价格通常按小时计算。根据 AI Mining Co. 追踪 28 个市场和云提供商的每日 GPU 租赁定价数据，Nvidia H100 GPU 的中位价格在 13 个市场中为每小时 **1.40 至 4.27 美元**，H200 GPU 在 10 个市场中为每小时 **2.34 至 5 美元**。过去七天，H100 平均价格在 2.79 至 3.33 美元之间波动。 然而，围绕 Token 本身的基础设施仍显薄弱。Token 是当代 AI 模型的基本构建块，主要 AI 公司的企业计划通常以 Token 计价：例如，OpenAI 对其最新 GPT-5.5 模型的 API 收费为每百万输入 Token **5 美元**，每百万输出 Token **30 美元**。甚至云提供商也开始提供按 Token 计费的选择，如亚马逊的 Bedrock 系统。 ## 为何 Token 期货至关重要？ 在 AI 基础设施空前建设的背景下，这一举措意义重大。云服务商、私募股权公司和基础设施企业已投入数千亿美元建设数据中心，预期对 GPU 和算力的需求将持续攀升。新兴的全球“新云”公司也在争夺这一需求，有的专注于推理，有的与 Oracle、AWS 和 Google Cloud 等云巨头竞争，为 AI 公司提供服务。 通过将衍生品与 AI Token 挂钩，上海交易所的产品将直接关联 AI 公司如何为其服务定价，为企业、投资者和数据中心运营商提供一种对冲计算成本的手段。这类似于石油期货帮助航空公司对冲燃油成本，或黄金期货帮助矿商锁定收入。 ## 市场展望与挑战 尽管前景诱人，但 Token 期货市场仍面临挑战。Token 定价受模型版本、使用场景和市场供需影响，波动性可能极高。此外，标准化问题——如何定义“一个 Token”在不同模型间的等价性——将是设计合约的关键。不过，随着 CME 和洲际交易所等巨头入局，以及中国监管机构的推动，AI Token 衍生品市场有望在未来几年内成形，成为 AI 经济中不可或缺的风险管理工具。 当计算本身成为可交易的商品，AI 产业的金融化或许才刚刚开始。
苹果正与 Google 合作，计划将 Gemini 模型集成到 iPhone 中，以大幅提升 Siri 的智能水平。然而，由于本地运行 AI 面临参数规模、内存和精度等硬性限制，苹果可能不得不依赖云端计算，这与它一贯强调的本地隐私优先策略形成矛盾。 ## 本地 AI 的物理瓶颈 尽管苹果在每一代芯片中都强调 Neural Engine 的 AI 优化，但智能手机的物理限制依然难以突破。现代 AI 模型动辄拥有数十亿甚至万亿参数，而手机 NPU 设计更侧重低功耗、上下文感知的轻量处理，无法承载大模型的完整推理。即使是专用 GPU，其算力和内存带宽也不足以实时运行万亿参数级模型。 以 Google 的 Gemini 为例，其云端版本参数规模达到万亿级别，而手机本地运行的 Gemini Nano 仅数亿参数，且经过量化（quantization）压缩，虽然提升了速度，但牺牲了生成精度。这意味着本地 AI 在复杂对话、多轮推理等场景下，智能程度远不及云端版本。 ## 从本地到云端的策略转变 The Information 报道指出，苹果正为 Gemini 驱动的 Siri 规划“本地+云端”混合架构。这一策略实际上偏离了苹果此前力推的“端侧 AI 隐私优先”路线。即便苹果宣称 Neural Engine 升级带来了更强的本地 AI 能力，但面对 Siri 作为“对话式助手”的定位——需要理解上下文、生成自然回复、执行复杂指令——纯粹的端侧模型显然力不从心。 事实上，多数手机的 GPU 在处理 AI token 时反而比 NPU 更高效，但 RAM 容量依然是瓶颈。即便是当前最大的本地 AI 模型，在对话能力上也仅算“中等水平”。因此，苹果被迫引入云端组件，借助 Google 和 Nvidia 的算力，为 Siri 提供更强大的推理能力。 ## 对用户意味着什么？ 对于注重隐私的苹果用户而言，这一转变可能令人失望。苹果曾多次强调本地 AI 能避免数据上传云端，保护用户隐私。如今 Siri 的 Gemini 升级若依赖云端，用户数据将不可避免地经过 Google 服务器，隐私风险随之增加。不过，苹果可能会采用联邦学习或差分隐私等技术来缓解担忧。 另一方面，云端加持后的 Siri 有望实现更自然的对话、更精准的意图识别，甚至支持多模态交互。这与苹果在 WWDC 上展示的 AI 愿景一致——让 Siri 成为真正的智能助手，而不仅仅是语音命令执行器。 ## 行业影响 苹果与 Google 的合作，标志着移动端 AI 竞赛进入新阶段。此前，三星已与 Google 合作在 Galaxy 设备上部署 Gemini 模型。苹果的加入将进一步巩固 Google 在移动 AI 生态系统中的地位，同时给其他芯片厂商（如高通、联发科）带来压力，推动它们加速研发更强大的端侧 AI 硬件。 但长期来看，纯端侧 AI 与云端 AI 的界限可能逐渐模糊。未来手机或许会采用“端侧处理敏感数据 + 云端处理复杂任务”的混合模式，这既是技术妥协，也是现实选择。
欧洲科技企业联合推出的开源办公套件 **Euro-Office** 将于 **6月9日** 发布首个稳定版（1.0），旨在为全球政府和企业提供一款主权可控的 Microsoft Office 和 Google Docs 替代品。该套件包含网页版文档、电子表格和演示文稿编辑器，支持实时协作，界面和工作流程与 Microsoft 365 高度相似，但底层基于开源技术并由欧洲公司控制。 ## 背景：数字主权驱动需求 近年来，越来越多的非美国国家和企业——尤其是欧洲——对依赖美国主导的软件即服务（SaaS）模式感到不满，认为其存在信任和安全风险。数字主权（Digital Sovereignty）运动因此兴起，Euro-Office 正是这一趋势下的最新产物。此前，法国已宣布转向 Linux 系统以摆脱 Windows 依赖。 ## 参与方与治理模式 Euro-Office 由多家欧洲云服务与协作软件厂商联合开发，包括 **Ionos、Nextcloud、EuroStack、XWiki、OpenProject、Soverin、Abilian、BTactic、Open-Xchange** 和 **Office.eu**（后者同时拥有自家开源云办公套件 Office EU）。开发团队强调，这种“欧洲企业控制 + 开源许可”的组合模式，既能避免纯专有美国套件的封闭性，也解决了小型开源项目碎片化的问题。 ## 产品特点与可用性 - **兼容性**：支持常见的 Office 文档格式，用户可无缝迁移。 - **协作**：实时多人编辑，适合团队协作场景。 - **部署**：1.0 版可从项目 GitHub 仓库免费下载，支持自托管或云部署。 - **目标用户**：公共机构、教育系统及受监管行业。 Ionos CEO Achim Weiss 表示：“过去一年的地缘政治发展表明，市场对可靠、完整的欧洲办公解决方案存在明确需求。” Euro-Office 的发布标志着欧洲在办公软件领域迈出了关键一步，但其能否在功能和生态上真正挑战微软和谷歌，仍有待市场检验。
在 AI 代理的迭代过程中，如何区分真正的改进与偶然波动？Amazon Bedrock AgentCore 新推出的数据集管理功能，让开发者能够像管理代码版本一样管理测试用例，将线上故障转化为永久测试用例，构建可重复、可验证的评估基线。本文以金融情报代理为例，展示从生产失败捕获到版本化测试、修复验证的完整工作流。 ## 为什么需要版本化测试数据集？ 代理本质上是非确定性的——相同的输入可能因模型采样差异产生不同输出，单次评估结果几乎毫无意义。只有通过**固定输入集**进行持续测量，才能判断改动是否真正有效。但仅有固定输入还不够：大语言模型（LLM）评判者能判断回复是否“听起来有帮助”，却无法验证**股票价格是否准确**、**工作流顺序是否正确**、**会话间是否泄露了个人身份信息（PII）**。 这些检查需要**真实答案（Ground Truth）**：预期的响应、必需的工具调用序列、以及无论措辞如何都必须成立的断言。真实答案将主观评分转化为可验证的度量。**版本化数据集**同时提供两者：它固定输入使评分可跨运行比较，同时携带真实答案使评分有意义。 ## 开发者的双重循环：内循环与外循环 代理评估发生在两个关键场景。**内循环**是开发者桌面：调用代理、读取分数、调整工具描述、重新运行——快速迭代。**外循环**是生产环境：真实用户流量中发现的故障，必须被捕获并转化为测试用例，防止回归。 Bedrock AgentCore 的数据集管理支持**草稿（draft）版本**和**不可变编号版本**。开发者可以在草稿上自由迭代，直到准备好锁定检查点。发布后的版本不会随运行而漂移。当生产环境出现故障时，该失败案例成为永久测试用例，未来每次变更都会针对它进行评估。 ## 工作流实战：金融情报代理案例 假设我们构建了一个金融市场情报代理，负责回答股票查询、执行经纪人工作流。在生产中，我们捕获了一个失败：用户询问“AAPL 当前股价”，代理返回了错误的价格。 1. **捕获失败**：从生产追踪中提取输入（用户查询）、预期输出（正确的股价）、所需工具序列（调用价格API）和断言（返回价格必须匹配实时数据）。 2. **构建版本化数据集**：将此案例与其他测试用例一起添加到数据集中，发布为版本1。 3. **运行评估**：针对版本1运行代理，记录失败。 4. **修复代理**：调整工具描述或逻辑，例如确保调用正确的API端点。 5. **确认改进**：在相同数据集上重新评估，确认分数提升。 这种工作流确保了每次修复都基于确凿的证据，而非主观感觉。 ## 数据集管理的核心优势 - **版本控制**：每个数据集版本都是不可变的，确保评估可重现。 - **真实答案嵌入**：每个测试用例包含输入、预期输出、工具序列和断言，提供可验证的检查点。 - **生产反馈循环**：线上失败自动转化为离线测试用例，防止回归。 - **团队协作**：共享数据集作为单一事实来源，减少沟通偏差。 ## 行业启示：从“评分”到“度量” 当前许多代理评估仍停留在“评分”阶段——依赖LLM判断或人工打分，缺乏可重复性。Bedrock AgentCore 的版本化数据集将软件工程中的测试驱动开发（TDD）理念引入代理领域。随着代理在金融、医疗、法律等高风险场景中广泛应用，**可验证的评估基线**将成为合规与可靠性的基石。 未来，我们可能会看到代理的“测试覆盖率”成为衡量成熟度的关键指标——就像代码测试一样，代理测试套件的广度和深度直接影响生产部署的信心。
研究人员发现了一种从硅酸盐矿物中提取锂的新方法，该工艺更环保、成本更低，可能颠覆传统锂提取方式。相关成果已发表在《科学》杂志上，初创公司 Rock Zero 正致力于将其商业化。 ## 传统方法的困境 锂是电动汽车和储能电池的关键材料，但传统提取方式面临诸多挑战。目前最经济的方法是从盐湖卤水中提取锂，但这需要大面积蒸发池，且受地理条件限制。更常见的硬岩开采则需爆破矿石、高温焙烧，并使用危险化学品，能耗高且污染重。 ## 新方法：弱酸溶解硅酸盐 MIT 教授 **Yet-Ming Chiang** 及其团队开发的新技术，使用一种弱酸——**氟化铵**——来溶解通常惰性的硅酸盐矿物。这一过程不仅能释放锂，还能回收氧化铝和二氧化硅等有用材料。Chiang 表示：“规模化后，这将是全球成本最低的锂来源。” 有趣的是，这项研究的灵感来自一次家庭装修。Chiang 在 25 年前曾使用玻璃蚀刻膏（含氟化铵），他意识到这种弱酸可能用于溶解硅酸盐。在适当条件下，氟化铵确实能高效溶解矿物，且不会产生剧毒的氢氟酸副产品。 ## 商业化前景 Rock Zero 公司正在将这一工艺推向市场。与 Sublime Systems（Chiang 的另一家初创公司，用电化学方法生产水泥）类似，Rock Zero 有望在降低环境影响的同时，实现低成本生产。若成功，该技术将大幅缓解锂供应紧张问题，并减少对传统开采的依赖。 不过，该工艺目前仍处于实验室阶段，规模化生产还需克服工程挑战。但研究者认为，其潜力巨大，尤其适用于低品位矿石和废弃矿渣的再利用。
Anthropic 今日宣布，其最先进的模型 **Claude Opus 4.8** 已正式在 **Amazon Bedrock** 和 **AWS 上的 Claude Platform** 上线。这款模型专为生产级工作负载设计，在编码、智能体任务和专业知识工作方面实现了显著提升，能够支持长达数小时的自主多阶段任务，并保持更强的稳定性和一致性。 ## 核心提升：更自主、更可靠 Claude Opus 4.8 的核心亮点在于其 **更强的自主性和任务连贯性**。与以往版本不同，Opus 4.8 能够跨阶段维持计划，清晰追踪已完成和待完成的工作，并在遇到中断时主动调整策略，而非简单地抛出错误并停止。这直接降低了输出方差和人工审查次数，使得大规模部署时的行为更可预测。 在编码场景中，Opus 4.8 能够 **导航真实代码库**，在编辑前进行规划，并在长时间会话中保持上下文。对于多阶段任务，它可以跟踪依赖关系，确保长时间运行时的连贯性。这种自主性同样延伸至智能体工作流——它能够处理复杂的依赖链和多步骤工具调用，减少人工监督，非常适合客户面向型或内部智能体应用。 ## 行业应用场景 Opus 4.8 的能力尤其适合对一致性和深度要求苛刻的行业： - **金融服务**：辅助投资研究和收益分析，在整个报告周期内保持上下文。 - **法律行业**：完成合同审查、尽职调查，以及动议和备忘录的初稿撰写。 - **生命科学**：处理复杂的研究资料，支持药物发现和文献综述。 ## 在 AWS 上的部署优势 通过 Amazon Bedrock，用户可以在 **现有 AWS 环境** 中构建应用，享受企业级安全性和区域数据驻留，同时获得可扩展的推理能力。对于无需区域数据驻留的场景，用户也可通过 **AWS 上的 Claude Platform** 获取 Anthropic 的原生平台体验。 ## 对 AI 工程师的实用建议 对于正在将模型集成到智能体系统或生产推理工作负载中的 AI 工程师，官方建议重点关注以下几点： 1. **利用长上下文能力**：Opus 4.8 在长时间任务中的连贯性使其特别适合需要持续跟踪状态的场景，如代码审查、多轮对话或复杂数据分析。 2. **减少人工干预**：由于模型自主修复能力增强，可以设计更松散的控制循环，让模型在出错时自行调整，而非立即回退到人工。 3. **评估输出一致性**：在部署前，建议对特定工作流进行方差测试，确保模型行为符合预期。 ## 小结 Claude Opus 4.8 的发布标志着大模型在 **生产级自主性** 上迈出了重要一步。对于依赖 AI 完成复杂、多步骤任务的企业而言，它提供了一种更可靠、更少人工干预的解决方案。随着在 AWS 上的落地，企业可以更便捷地将这一能力融入现有基础设施，加速 AI 驱动的业务转型。
## 事件概览 **StrictlyVC 洛杉矶站** 将于 **2026 年 6 月 18 日** 在埃尔塞贡多的航空航天公司园区举行。这场闭门活动为投资者和创始人提供与行业领袖面对面交流的机会，主题涵盖国防科技、物理 AI 及前沿制造等领域。 ## 核心看点 ### 重磅嘉宾与议题 - **Ethan Thornton（Mach Industries 创始人）** 将分享如何在国防技术领域快速打造硬科技公司，探讨自主系统、制造业与国家安全深度融合带来的结构性变革。 - **Delian Asparouhov（Founders Fund）与 Saif Khawaja（Shinkei Systems）** 的炉边谈话将聚焦物理 AI 的前沿投资，讨论 AI、机器人与自动化如何重塑实体世界，以及将突破性技术从概念推向规模化部署的关键要素。 更多演讲嘉宾将在后续公布，活动议程持续更新中。 ### 活动价值 StrictlyVC 系列以“高信噪比对话”著称。本次活动不仅提供舞台上的深度分享，更注重**私密环境中的真实交流**。与会者可在轻松氛围中与塑造下一代公司的核心人物建立联系，将洞察转化为潜在机遇。 ## 行业背景 当前，国防科技与 AI 硬件正经历从“缓慢迭代”到“加速突破”的转变。Mach Industries 代表的硬科技初创公司，以及 Shinkei Systems 聚焦的自动化系统，均反映出资本与技术向“实体经济+AI”方向倾斜的趋势。StrictlyVC 洛杉矶站正是这一趋势的缩影——风险投资不再局限于软件，而是深入物理世界。 ## 报名信息 活动名额有限，现已开放注册。可通过文内链接锁定席位，及时获取最新演讲嘉宾与日程动态。
就在总统特朗普取消联邦AI监管计划数天后，伊利诺伊州议会通过了全美最严格的AI安全法案。该法案要求大型AI公司提交独立第三方安全测试报告，并在72小时内报告重大安全事故。OpenAI和Anthropic等头部企业表示支持，认为这有助于建立统一的行业标准。
Anthropic 于周四推出了其最先进公开模型 **Opus 4.8**，距离上一版本 Opus 4.7 仅隔 41 天，升级节奏明显加快。新模型在保持标准定价不变的同时，带来了名为 **Dynamic Workflows（动态工作流）** 的研究预览功能，旨在协调数百个并行子代理完成复杂任务。 ### 快速迭代背后的竞争压力 Opus 4.7 发布后市场反响平淡，部分用户感到失望。与此同时，OpenAI 的 Codex 和 Google 的 Gemini Flash 模型相继推出重要更新，迫使 Anthropic 加快步伐。Opus 4.8 的迅速到来，正是对这种竞争压力的直接回应。 ### 基准测试与数据可靠性提升 Opus 4.8 在基准测试中继续保持领先，但更值得关注的是其对不确定数据的处理能力。据 Anthropic 介绍，早期测试者发现新模型“更倾向于标记工作中的不确定性，并且较少做出无依据的断言”。来自 Bridgewater 的反馈指出，Opus 4.8 最大的改进在于“主动标记分析输入和输出中的问题，而其他模型往往忽略这些问题，留给用户去发现”。 ### 动态工作流：协调子代理集群 Dynamic Workflows 功能允许像 Opus 这样的大型模型管理跨数百个并行子代理的复杂任务。Anthropic 举例说明：“Claude Code 配合 Opus 4.8，现在可以从启动到合并，在数十万行代码的规模上执行代码库迁移，并以现有测试套件作为衡量标准。”这标志着 AI 在自动化大规模工程任务方面迈出了重要一步。 ### 更强大的 Mythos 模型即将到来 Anthropic 此前预览的 **Mythos** 模型因网络安全担忧而暂未公开发布。但在 Opus 4.8 的发布公告中，公司暗示 Mythos 预览期可能很快结束：“我们在开发安全防护方面取得了快速进展，预计在未来几周内能够将 Mythos 类模型带给所有客户。” 总体而言，Opus 4.8 的快速发布和 Dynamic Workflows 的引入，展示了 Anthropic 在竞争激烈的 AI 市场中加速创新的决心，同时也为大规模自动化任务提供了新的可能性。
Anthropic 于 2026 年 5 月 28 日发布了其最新的 Claude 模型——Opus 4.8。与以往追求更快、更聪明的迭代不同，这次 Anthropic 将“诚实”作为主打特色。公司宣称，Opus 4.8 在减少无根据断言、主动承认不确定性方面有了显著提升，堪称“更诚实、更谨慎”的 AI 助手。 ### 诚实的量化表现 Anthropic 在官方博客中表示，Opus 4.8 在评估中**比前代（Opus 4.7）减少了约 4 倍**的代码缺陷遗漏率——即模型在编写代码时，更少让潜在错误“蒙混过关”。这并非空洞的口号，而是有具体数据支撑的改进。 在 ZDNET 资深编辑 David Gewirtz 的实测中，Opus 4.7 相比 4.6 已经有了可感知的进步：例如它会更主动地告诉用户“第一次尝试的方法行不通，正在换一种策略”。这种自我修正能力在复杂编程项目中尤为宝贵。因此，他对 4.8 的“诚实”升级抱有更高期待。 ### 动态工作流与定价策略 除了诚实度的提升，Opus 4.8 还引入了**动态工作流（Dynamic Workflows）**功能，可同时运行数百个 Claude 子代理，大幅提升多任务并行处理能力。这对于需要大规模代码审查、复杂系统设计的企业级用户来说，是一个重要卖点。 定价方面，Anthropic 采取了差异化策略：**快速模式（Fast mode）价格下调**，而常规 Opus 定价保持不变。这一调整旨在降低高频用户的成本，同时保持高端模型的溢价定位。 ### 行业背景与意义 当前 AI 大模型领域，“幻觉”问题仍是制约落地的最大障碍之一。OpenAI 的 GPT-4o 和 Google 的 Gemini 2.5 都在努力提升事实准确性，但 Anthropic 选择将“诚实”作为差异化标签——这不仅是技术竞争，更是品牌信任的构建。 Spotify 的工程师 Tom Pritchard 已率先测试了 Opus 4.8，并给出了积极评价。不过，目前关于 4.8 的第三方独立评测还较少，其“诚实”程度在真实场景中的表现仍需时间验证。 ### 小结 Opus 4.8 的发布标志着 AI 模型竞争从单纯的“能力竞赛”转向“可信度竞赛”。Anthropic 选择将**诚实作为杀手级功能**，直击用户对 AI 可靠性的核心焦虑。对于开发者、企业用户而言，这或许意味着：一个更愿意说“我不知道”的 AI，反而更值得信赖。
Anthropic 于周四发布 **Claude Opus 4.8**，主打“诚实”特性。公司表示，该模型在不确定时会主动标注，而非强行编造答案。内部评测显示，Opus 4.8 对代码缺陷的漏报率比前代降低约 **4 倍**。此外，新模型允许用户调节“努力程度”，高努力响应消耗更多 token，低努力则可节省额度。Anthropic 还推出“动态工作流”研究预览，支持 Claude 规划任务并并行运行数百个子代理，最终验证输出后再返回结果。此举旨在解决 AI 模型“自信胡诌”的顽疾，提升可信度。
Anthropic 于 2026 年 5 月 28 日正式发布 **Claude Opus 4.8**，这是对前代 Opus 4.7 的一次重要升级。新模型在基准测试中全面超越前代，同时在实用功能上带来多项创新：用户可控制 Claude 的“努力程度”、Claude Code 引入“动态工作流”，而快速模式速度提升 2.5 倍，成本却降至此前三分之一。 ## 性能全面提升 官方公布的基准测试结果显示，Opus 4.8 在编码、智能体能力、推理和实际知识工作等任务上均优于 Opus 4.7 及其他竞品。例如，在 **Super-Agent 基准** 中，Opus 4.8 是唯一一个完整完成所有案例的模型，且成本与 GPT-5.5 持平。在 **CursorBench** 上，它在每个努力层级上都超越了前代模型。此外，在 **Legal Agent Benchmark** 上，Opus 4.8 创下最高分，成为首个在全部通过标准上突破 10% 的模型——这一精度提升直接转化为客户可以放心交给 AI 的实际律师工作量。 ## 更可靠的协作体验 早期测试者反馈，Opus 4.8 在执行智能体任务时判断力更敏锐、可靠性更高。在 Claude Code 中，它会主动提出正确问题、发现自身错误、质疑不合理的计划，并在进行大规模变更前建立信心。翻译、深度研究、幻灯片制作和分析等产品中，它展现出强大的可靠性。此外，工具调用效率显著提升，能以更少的步骤完成同等智能的任务，并顺畅地贯穿端到端流程。 ## 创新功能与成本优化 Opus 4.8 同步推出多项新功能： - **努力程度控制**：用户在 claude.ai 上可以调节 Claude 为任务投入的“努力”级别，灵活平衡速度与深度。 - **动态工作流**：Claude Code 新增此功能，使其能够处理超大规模问题。 - **快速模式降价**：Opus 4.8 的快速模式速度提升至 2.5 倍，但价格仅为前代模型的三分之一，大幅降低了高吞吐场景的使用成本。 ## 行业意义 Opus 4.8 的发布正值 AI 行业对智能体可靠性要求日益提高的时期。Anthropic 通过提升模型在复杂任务中的判断力和效率，进一步巩固了其在高端 AI 助手市场的地位。对于需要高精度、长上下文协作的企业用户来说，Opus 4.8 不仅是一次性能升级，更是一个更加值得信赖的 AI 合作伙伴。
金融机构在反洗钱（AML）合规领域长期面临手动处理警报效率低下的痛点。AWS 和 Snowflake 的深度集成框架，结合 Amazon Quick 与 Snowflake Cortex AI，为这一场景提供了自动化解决方案。本文将展示如何通过 Amazon Quick Flows 和 Snowflake Cortex AI 构建自动化警报分类工作流，将单次警报调查时间从 **30-90 分钟** 缩短至 **5 分钟以内**。 ## 背景：AML 警报处理的困境 AML 分析师每天需要处理大量系统生成的交易警报，其中 **90-95%** 实际上是误报。传统流程中，分析师需要手动从多个系统（如交易数据库、客户信息库、制裁名单等）收集数据，撰写处置说明，平均耗时 30-90 分钟。这种重复性劳动不仅效率低下，还容易因人为疏忽导致合规风险。 ## 技术方案：Amazon Quick + Snowflake Cortex AI 集成 **Amazon Quick** 是 AWS 推出的企业级 AI 服务，提供生成式 AI 聊天代理、研究能力、用于任务自动化的 Quick Flows 以及流程自动化工具。它能够聚合来自原生索引、自定义知识库和用户上传文件等多源数据。 **Quick Flows** 是其中的关键组件，它将用户请求转化为标准化的 MCP（模型上下文协议）调用，无需开发自定义连接器，并通过 OAuth 认证保障企业级安全。MCP 是一个开放协议标准，使得不同系统间的交互变得统一和可扩展。 **Snowflake Cortex AI** 则提供在 Snowflake 数据云内直接运行 AI 模型的能力，支持 SQL 调用、向量搜索、大语言模型推理等功能。 两者的集成通过 **Amazon Quick 的 MCP 集成** 实现：Quick Flows 通过 MCP 协议与 Snowflake Cortex 通信，自动从 Snowflake 中提取交易数据、客户画像、历史警报记录等信息，并利用 AI 模型进行初步判断。 ## 工作流示例：三步完成警报分类 1. **收集输入**：当新警报产生时，Quick Flows 自动从 Snowflake 拉取相关交易明细、客户信息、历史行为数据。 2. **运行调查**：调用 Snowflake Cortex AI 中的模型，对交易模式进行分析，与已知洗钱手法进行比对，并生成风险评分。 3. **产生输出**：自动生成包含调查结论、证据摘要和处置建议的文档，直接推送给分析师审核。 整个过程无需人工干预，分析师只需在最终环节确认即可。 ## 实际效果与适用场景 在测试环境中，该自动化工作流将单次警报处理时间从 30-90 分钟降至 **5 分钟以内**。实际效果可能因警报复杂度和数据量而异，但效率提升显著。 这种 MCP 驱动的自动化方法不仅适用于 AML 警报分类，还可推广至其他需要跨系统手动桥接的重复性工作流，例如： - **FinOps 成本分类**：自动收集云资源账单、使用量数据，生成优化建议。 - **SRE 事件响应**：从监控系统、日志平台和工单系统中聚合信息，辅助故障定位。 - **合规调查**：自动从多个数据源收集证据，生成合规报告。 ## 行业意义 随着 AI 采用日趋成熟，最高效的部署不再局限于独立的聊天机器人，而是能够编排现有工具、将多步骤手动流程转化为一键体验的 **可重复工作流**。AWS 与 Snowflake 的深度集成（已有 **50 多个原生集成**）为金融机构提供了数据安全与效率兼顾的合规基础架构。 这一方案也反映了 AI 在金融合规领域的趋势：从辅助决策走向 **端到端自动化**，让人类分析师专注于真正需要判断力的异常案例，而不是淹没在海量误报中。
今年6月的翠贝卡电影节将迎来一部特别的影片——完全由AI生成的75分钟长片《紫罗兰之梦》。这部影片以今年1月伊朗政府大规模杀害抗议者的事件为背景，通过虚构的戏剧化叙事再现了这场悲剧。令人瞩目的是，该片制作成本仅为**2000美元**，所有人物和画面均由AI生成，这在电影行业引发了广泛讨论。 ## 影片背景与技术细节 《紫罗兰之梦》由Ash和Pooya Koosha兄弟创作，两人于2009年离开伊朗。Pooya是影片背后公司Fountain 0的联合创始人，Ash则担任CEO。据新闻稿介绍，影片“基于新闻报道、照片和目击者证词”创作，是对真实事件的AI重构。 在技术层面，Koosha兄弟使用了多种AI工具：**Google的Nano Banana**用于图像生成，**Kling AI**负责视频生成，**Anthropic的Claude**则用于语言编辑。这种多工具协同的方式，使得低成本、高效率的创作成为可能。 ## 行业意义与争议 《紫罗兰之梦》被Fountain 0称为**首部被主流电影节正式接受的AI生成长片**。此前，虽有一部成本更高的AI电影《Hell Grind》在戛纳电影节放映，但属于外围活动，而非主竞赛单元。这一突破表明，AI生成内容正在从实验性短片向长片叙事迈进，并开始获得传统电影界的认可。 然而，AI在好莱坞的渗透也伴随着争议。一方面，Netflix已成立AI动画工作室，收购了本·阿弗莱克的AI初创公司；亚马逊Prime Video也订购了三部AI生成动画系列。另一方面，传统电影从业者担忧AI会威胁其生计。Koosha兄弟在声明中表示：“我们完全理解电影行业从业者的敏感情绪，也和他们一样担心AI对生计的未知影响。但现实是，如果没有AI能力，这部电影根本不可能被制作出来。” ## 未来展望 《紫罗兰之梦》将于6月10日在翠贝卡电影节放映。它的出现不仅展示了AI在低成本叙事中的潜力，也为独立电影人提供了新的可能性——当制作门槛大幅降低，更多边缘故事或许能获得讲述的机会。但同时，如何平衡技术创新与行业伦理，仍是整个影视行业需要面对的课题。
YouTube 正在逐步强化其播客收听体验，但步伐谨慎。从今天起，**YouTube Premium 订阅用户**（Android 端）可率先体验一系列新功能，iOS 版本也将随后跟进。这些更新旨在让 YouTube 更适合“听”播客，而非仅仅“看”视频。 ### 全新“移动模式”：音频优先布局 最引人注目的变化是新增的 **“移动模式”（on-the-go mode）**。当用户开启此模式后，视频界面将转变为音频优先布局：播放按钮被放大并简化，视频画面替换为静态图像，时间线则显示视频章节信息。YouTube 表示，用户可以在视频设置中手动开启此模式，当系统检测到用户正在移动时，也会自动弹出提示。这一设计显然是为了迎合通勤、运动等“只听不看”的场景。 ### 自动变速：智能调整播放速度 对于习惯倍速收听播客的用户，YouTube 推出了 **自动速度功能（auto speed）**。该功能会根据视频内容自动调整播放速度：在内容较慢或信息密度较低的段落加快播放，之后恢复用户设定的基准速度。用户只需设定一个最低速度阈值，系统即可智能调节。这类似于某些播客应用（如 Overcast）的“智能变速”功能，但 YouTube 将其与自身的内容理解能力结合。 ### AI 搜索扩展至播客 YouTube 还将 **Ask Music AI** 搜索功能扩展至播客领域。在 YouTube Music 应用中，用户可以通过聊天机器人提示词（如“适合运动的播客”或“关于 AI 的播客”）获得个性化推荐。Spotify 早在今年早些时候就已推出类似功能，可见 AI 驱动的播客发现正成为流媒体平台的竞争焦点。 ### 小结：播客化，但仍有距离 这些更新表明 YouTube 正在认真对待播客市场，但步伐仍显“试探性”。**关键功能（如移动模式、自动变速）仅限 Premium 用户**，且目前仅限 Android 端，这限制了其影响力。与 Spotify、Apple Podcasts 等专业播客平台相比，YouTube 的播客体验仍以视频为核心，缺乏独立播客库、RSS 订阅、章节跳过等核心功能。不过，凭借庞大的用户基数和内容生态，YouTube 的“播客化”尝试仍可能改变行业格局。 对于播客创作者而言，YouTube 的这些更新意味着新的机遇：音频优先布局降低了听众门槛，AI 推荐则有助于内容被发现。但要成为真正的“播客应用”，YouTube 还需在后台播放、离线下载、独立播客管理等方面继续发力。
百思买（Best Buy）正在以接近**五折**的价格促销LG C5 OLED电视，65英寸型号仅售**1,400美元**，相比原价2,700美元直降1,300美元。作为**ZDNET编辑推荐的周度最佳交易**，这款电视虽属上一代产品，但依然具备出色的OLED画质、VRR可变刷新率支持、内置语音控制以及Dolby Vision HDR和Dolby Atmos虚拟环绕声等特性，在价格与性能之间取得了极佳的平衡。 ### 为什么C5仍值得关注？ 对大多数消费者而言，**LG C5 OLED**在核心体验上与最新款差距并不明显。它搭载了LG招牌的**OLED面板**，能够呈现深邃的黑色和鲜艳的色彩，配合**Dolby Vision**与**Dolby Atmos**，无论是观看电影还是玩主机游戏，都能获得沉浸式的视听感受。对于游戏玩家，**HDMI 2.1接口**和**VRR支持**确保了4K 120Hz的流畅画面，完美适配PS5和Xbox Series X。 与当前在售的C6系列相比，C5的主要差异在于处理器版本和峰值亮度略有不同，但日常使用中很难察觉。考虑到**近50%的折扣**，省下的1,300美元足以购买一台中端音响或数款游戏大作。 ### 交易细节与购买建议 - **价格**：65英寸型号现价**1,400美元**（原价2,700美元） - **商家**：百思买（Best Buy） - **适用场景**：家庭影院、游戏娱乐 - **注意**：库存可能有限，建议尽快下单 如果你正在寻找一款**高性价比的OLED电视**，且不执着于最新型号，那么LG C5无疑是当前最值得入手的选择之一。
Google 近期将其“**首选来源**”（Preferred Sources）功能扩展至 AI 驱动的搜索场景，包括 **AI Overviews** 和 **AI Mode**。这意味着用户现在可以指定自己信任或喜爱的新闻网站，让它们在 AI 生成的搜索结果中更突出地显示。该功能最初于去年作为 Google Labs 实验推出，此前仅适用于常规搜索、Google Discover 和 Google News 的 Top Stories。现在，无论用户通过何种方式搜索，其偏好的来源都有望获得更高权重。 Google 在官方博客中表示：“我们的‘首选来源’功能让您能更轻松地看到来自喜爱网站的内容。从今天起，该功能将覆盖 AI Overviews 和 AI Mode，您将能轻易在 AI 回复中识别出已选来源的链接。” 这些来源会被清晰标记，便于用户快速定位。 对于用户而言，这一更新意味着可以更主动地控制信息获取的偏好，减少 AI 筛选带来的不确定性。对于网站和内容发布者来说，被用户添加为首选来源将提升曝光机会，形成双赢局面。例如，将 ZDNET 设为首选来源后，其最新科技新闻、评测和指南将在 AI 搜索中更频繁出现。 这一变化反映了 Google 在 AI 搜索与传统搜索之间的平衡策略——既利用 AI 提升检索效率，又保留用户对信息来源的自主选择权。随着 AI 搜索日益普及，如何让用户信任 AI 生成的内容成为关键，而“首选来源”正是 Google 给出的一个解决方案。 此外，Google 还透露将更积极地引导用户关注被高度引用的故事，进一步强化权威来源的地位。对于经常依赖 AI 搜索获取信息的用户，建议立即检查并设置自己的首选来源列表，以确保重要内容不被 AI 算法淹没。
## 个性化 Zorin OS：让桌面系统更懂你 作为一款以易用性和美观著称的 Linux 发行版，**Zorin OS** 在开箱状态下已经表现出色，但其真正的魅力在于丰富的自定义选项。资深科技编辑 Jack Wallen 分享了他每次安装 Zorin OS 时必调的几项设置，这些调整不仅能提升视觉体验，还能显著优化工作流。 ### 1. 布局切换：一键变身 macOS 风格 Zorin OS 内置的 **Appearance 工具** 是其核心亮点之一。通过它，你可以快速切换桌面布局。免费版提供 4 种布局，而 Pro 版（售价 47.99 美元）则翻倍至 8 种。但别被数量限制——即使是最基础的 GNOME 布局，也能通过微调变成类似 macOS 的界面。Wallen 建议：“每个布局都可以进一步自定义，大胆尝试，直到找到最适合你的组合。” 他本人经常在不同布局间切换，以保持新鲜感。 ### 2. 底部 Dock：效率与美学的平衡 无论使用 Linux 还是 macOS，Wallen 始终坚持在屏幕底部放置一个 **Dock**（程序坞）。他认为 Dock 既高效又符合审美。在 Zorin OS 中，你可以启用 **Zorin Dash** 功能（类似 GNOME 的 Dash To Dock 扩展），并对其进行深度定制：调整图标大小、位置、透明度，甚至添加动画效果。这样一来，常用应用触手可及，桌面也显得更加整洁。 ### 3. 更多隐藏技巧 除了上述两点，Zorin OS 还允许用户自定义主题、图标集、字体以及窗口行为。例如，你可以通过调整“外观”设置中的“颜色”选项，为整个系统设定统一的强调色；或者通过“扩展”管理工具，安装第三方插件来增强功能。Wallen 强调，这些设置“纯属个人喜好”，但大多数用户至少会用到其中几项。 ### 小结：为什么 Zorin OS 值得推荐？ Zorin OS 之所以能在众多 Linux 发行版中脱颖而出，不仅因为其对 Windows 用户的友好过渡设计，更在于其强大的可定制性。无论是追求 macOS 的简洁，还是 Windows 的熟悉感，Zorin OS 都能满足。正如 Wallen 所说：“10 分满分，我强烈推荐。” 如果你正在寻找一个既稳定又灵活的桌面系统，不妨从这些设置开始，打造属于你的专属环境。
关于Anthropic与SpaceX之间的计算资源租约期限，近日出现了相互矛盾的说法。埃隆·马斯克公开将xAI与Anthropic的大额计算交易重新描述为短期且可取消的，然而SpaceX自己的S-1文件却显示付款将持续到2029年5月。 **租约期限争议** 马斯克在社交媒体上表示，xAI与Anthropic的协议是“短期的”，并且“可以随时取消”。但根据SpaceX提交的S-1注册声明，文件中明确提到“与Anthropic的付款义务将持续到2029年5月”。这一差异引发了外界对协议真实性质的猜测。 **背景分析** Anthropic作为AI安全公司，需要大量计算资源来训练其模型。此前有报道称，xAI与Anthropic达成了一项价值数十亿美元的协议，由SpaceX提供计算能力。但马斯克的最新表态似乎意在淡化这笔交易的长期约束性，可能与其对AI竞争格局的公开立场有关。 **行业影响** 这一争议凸显了AI行业计算资源合作中的透明度问题。如果租约确实如SpaceX文件所示是长期的，那么Anthropic将获得稳定的计算能力支持；但如果如马斯克所说可短期取消，则可能对Anthropic的模型训练计划造成不确定性。 目前，双方均未就具体的合同条款细节发表进一步评论。投资者和行业观察者正密切关注此事，以判断其对AI基础设施投资模式的影响。