Claude Devs X / Claude X / Claude Blog | Claude Design 与 Claude Code 实现双向同步及多项更新
Anthropic 宣布 Claude Design 全面升级：对所有付费用户开放 Beta，支持绑定品牌设计系统、画布直接编辑、与 Claude Code 通过 /design-sync 命令双向同步，并新增导出 PDF 和 PowerPoint 功能，集成 Adobe、Canva 等外部工具。首周用户超 100 万。
Anthropic News | Anthropic 开设首尔办公室并宣布多项韩国 AI 生态合作
Anthropic 在首尔开设办公室，并与 NAVER、Nexon、LG CNS、KAIST 及 Good Neighbors Korea 等多家企业和机构达成合作，推广 Claude 和 Claude Code 在韩国生态中的部署。
op7418 / Sam Altman / Mark Chen | Noam Shazeer 离开 Google 加入 OpenAI 领导架构研究
Transformer 论文作者、MoE 架构提出者 Noam Shazeer 离开 Google 后加入 OpenAI，担任架构研究负责人。Sam Altman 和 Mark Chen 均公开欢迎，称其为期待已久的合作。
OpenAI X / rwayne | OpenAI 发布 LifeSciBench 科学推理基准测试
OpenAI 发布 LifeSciBench 基准，与 173 位科学家合作开发，包含 750 个任务，覆盖七项生物学研究工作流，用于评估 AI 在真实科学推理中的表现。GPT-Rosalind 在该基准上得分超越 GPT-5.5。
claude-code-releases | Claude Code v2.1.181 发布
Claude Code v2.1.181 发布，新增 /config key=value 动态配置语法、sandbox.allowAppleEvents 设置，修复了网络驱动器文件写入和子代理递归错误等问题。
Claude Blog | Claude 平台 Workload Identity Federation (WIF) 正式上线
Claude 平台推出 WIF 正式版，支持任何 OIDC 身份提供商，可替代静态 API 密钥，支持 AWS、GCP、Azure 等云身份，并提供服务账户和审计跟踪。
rwayne | 谷歌 AMIE 医疗 AI 进入真实临床研究
基于 Gemini 的 AMIE 医疗 AI 从模拟测试推进到全美真实临床研究，在诊断准确性和沟通质量的部分指标上超过人类基层医师。
openai-codex-releases | OpenAI Codex 发布 Rust SDK alpha 版本
OpenAI 发布 Codex Rust SDK 的两个 alpha 预发布版本，版本号分别为 v0.141.0-alpha.6 和 v0.141.0-alpha.7，仅供开发测试使用。
vista8 / thsottiaux / op7418 | Codex 服务支持开源模型及重置机制争议
Codex 服务声称兼容任何开源模型，降低供应商依赖；但同时用户投诉其重置机制存在营销承诺与实际执行不一致问题，强制自动使用重置而非按需保留。
OpenAI YouTube | OpenAI Codex 支持在 IDE 内构建和测试 iOS 应用
OpenAI 通过短视频展示 Codex 环境可直接构建和测试 iOS 应用，无需切换其他工具。
ai_xiaomu / rwayne | 启元Q1机器人降低具身智能开发门槛
启元Q1个人机器人平台以低门槛、可试错、开放SDK/HDK为特点，结合智元生态的百万级真机数据集和Genie Sim仿真平台，降低具身智能开发门槛。线下体验店已开始出现。
rwayne | 北大提出自适应AI评估方法，成本降低99.7%
北京大学团队提出一种自适应测试方法，仅用1.3%的题库题目即可达到与全量测试几乎相同的排序结果，成本从1475美元降至5美元以下，时间从7小时降至8分钟。
ChatGPT X | ChatGPT 推出改进的定时任务功能并关闭 Pulse
ChatGPT 推出更快的定时任务管理页面，支持 Web 和移动端，面向付费用户；同时宣布将在 14 天内关闭 Pulse 功能，用户可通过定时任务创建基于兴趣和历史的每日简报。
vista8 | 使用 NotebookLM 进行跨国团队沟通对齐
有团队使用 NotebookLM 上传关键文档生成多语言播客，辅以文本问答，实现高效跨国沟通对齐。
ai_xiaomu | AI Agent 自动化流程六要素评估法
黄小木提出评估 AI Agent 流程的六要素：触发、目标、上下文、工具、验证、停止，强调缺少停止机制会导致无限消耗 token。
ai_xiaomu | AI 辅助学习 vs 跳过学习的反思
黄小木通过个人经历（Obsidian AI 依赖 vs 手工搭建 Lobsters）反思 AI 可能跳过学习过程，提出四条判断标准和“学会”的底线定义。
OpenAI X / Greg Brockman | GPT-5.4 驱动药物化学项目从文献到实验验证
OpenAI 展示 GPT-5.4 与 Maria AI 及实验室合作，驱动一个药物化学项目从文献综述到实验验证的全流程。AI 测试了 10,080 个反应，优化后多数底物产率提升，人类化学家手动验证了 14 个代表性反应，其中 8 个产率提升超两倍。
longdechen12 | AI 内容创作应以信息源建设为核心
观自系统阐述 AI 内容创作应以高质量信息源建设为地基，而非仅关注工具或提示词，并详细列举了 AI、投资、设计三个领域的具体信源清单。
rwayne | AI 内容选题应与免费工具差异化
Roland.W 指出许多 AI 内容选题已被免费工具覆盖，创作者需提供免费工具无法解决的独特价值。
rwayne | 定制化 AI 微工具的商业模式
Roland.W 分享案例：有人花 2000 元定制每日新闻汇总 AI 工具，卖家通过口碑裂变获得持续收入，建议聚焦解决具体小麻烦而非追求流量。
rwayne | AI 传播者的价值与职业路径
Roland.W 认为 AI 领域技术传播者比创造者更稀缺且能积累长期口碑和收入。
rwayne | 无条件退款策略作为长期信任资产
Roland.W 分享创业案例，强调无条件全额退款可积累长期口碑和客户复购，而非短期利润。
我的 X 收藏 / Mr Panda | 流量分层筛选与产品价值模型
Mr Panda 总结生意的核心是流量分层（声量→兴趣→需求→付费）与产品价值（实用价值、情绪价值、理念）的结合。
rwayne | AI 商业化需研究 WorkBuddy
Roland.W 断言 2026 下半年 AI 商业化必须研究 WorkBuddy 平台。
Latent Space | AI 在材料科学中需结合自动驾驶实验室
Radical AI 的 Joseph Krause 指出，材料科学 AI 必须结合自动驾驶实验室，通过物理实验循环获取真实数据。该公司5-6个月制造约1200种合金，其中300种为全新。
lijigang | AI 对儿童教育的三个落地角度
李继刚提出 AI 可从媒介转化、梯度适配和创造激励三个角度立即帮助儿童学习。
OpenAI 今日通过一系列推文展示了 GPT-5.4 在科学研究中的完整闭环能力。该项目始于文献综述，由 GPT-5.4 提出化学反应假设，随后与 Maria AI 协作，自动化测试了 10,080 个反应。在优化阶段，多数底物产率得到提升；最后，人类化学家手动验证了 14 个代表性反应，其中 8 个的产率提升超过两倍。Greg Brockman 亲自转发并强调了这一成果。
这是目前看到的最完整的 AI 驱动科研闭环案例，其价值不仅在于技术指标，更在于它正面回应了“AI 在实验室到底能干什么”这个关键问题。此前行业对 AI 科研能力的判断多停留在文献分析和假设生成阶段，但这次实验证明了 AI 可以完成从“想”到“做”再到“验证”的完整链条。过去认为实验验证必须由人类全权承担，现在这一假设需要修正。对于科研团队而言，这意味着可以重新设计自己的研发流程：将文献综述、反应设计、初步筛选交给 AI+自动化平台，人类专家只需在关键节点进行验证和纠偏，从而大幅缩短从理论到实验验证的周期。
OpenAI 与 173 位一线科学家合作，推出了 LifeSciBench 基准测试。该基准包含 750 个任务，覆盖七项关键的生物学研究工作流，旨在评估 AI 在真实科学推理场景中的表现，而非仅仅是生物知识测试或狭窄技能评估。值得注意的是，OpenAI 自家的 GPT-Rosalind 在该基准上的得分已经超越了 GPT-5.5。
LifeSciBench 的出现改变了评估 AI 科学能力的方式。此前衡量模型科学能力的标准（如 GPQA、MMLU 生物子集）多聚焦于“知识回忆”或“单项技能”，而生活科学研究需要的是在完整工作流中的连续推理能力——从提出假设到设计实验再到解读数据。LifeSciBench 的这个设计理念本身就是值得迁移的评估框架：任何需要评估 AI 在垂直领域表现的时候，都不应只看点状能力测试，而应构建涵盖完整工作流的评价体系。此外，GPT-Rosalind 超越 GPT-5.5 的事实提示：在特定垂直领域进行针对性微调（如科学推理），可以在某些方面超越通用最强的模型。这对团队做模型选型和微调策略有直接借鉴意义。
Anthropic 今日宣布 Claude Design 完成重大功能升级，并向所有付费计划的 Web 和桌面端用户开放 Beta。核心更新包括：支持绑定企业品牌设计系统，使 AI 在设计输出中自动遵循品牌规范；允许在画布上直接编辑设计元素；与 Claude Code 通过 /design-sync 命令实现双向同步——设计师可以在设计完成后直接交由 Code 进行开发，或者从代码反向生成设计；新增导出 PDF 和 PowerPoint 格式的功能；集成了 Adobe 和 Canva 等外部设计工具。官方透露，首周用户已超过 100 万。
Claude Design 的这一轮更新，值得关注的不是某个单一功能，而是它首次打通了从设计到开发的双向链路。此前，AI 设计工具大多停留在“生成一张图”或“做一张海报”的层面，与开发流程存在断层。而 /design-sync 命令意味着设计文件和代码文件之间建立了可双向操作的桥梁——这直接指向了 AI 辅助前端开发的核心痛点：设计稿和代码的转换一直需要人工介入，现在这一环节的自动化开始变得可行。对于涉及设计-开发协作的团队，这一功能可能实际改变分工模式：产品经理可以用 Claude Design 直接产出接近可交付的设计稿，并通过同步功能让开发者快速拿到代码骨架，沟通成本和组织延时有望显著降低。同时，品牌系统的绑定意味着在企业级部署中，视觉一致性不再是痛点。
Claude 平台正式推出 Workload Identity Federation (WIF) 的通用版本。该功能支持任何符合 OIDC 标准的身份提供商（包括 AWS、GCP、Azure 等云平台），允许团队在不存储和管理静态 API 密钥的情况下安全调用 Claude API。WIF 还提供了服务账号和完整的审计跟踪能力。
这是基础设施层面一个容易被低估但实际影响深远的更新。静态 API 密钥是当前 AI 应用中最大的安全隐患之一：密钥泄露、误提交到 GitHub、无法有效轮转等问题普遍存在。WIF 的正式上线意味着 Claude API 的调用可以完全纳入企业现有的云身份管理体系，不再需要额外搭建密钥管理中间层。判断上，这改变了之前“调用 AI API 必然要维护密钥”的默认假设。迁移到 WIF 之后，访问权限可以精确到每个服务账号，所有调用都会记录在审计日志中，这对于合规性要求较高的金融、医疗等行业来说，消除了一个关键障碍。此外，这种“无密钥”身份认证的模式值得在其他 AI 服务（如 OpenAI、Vertex AI）中主动推动采用，它会从根本上减少凭据泄露的风险敞口。
北京大学研究团队近日公布了一项全新研究成果：他们提出了一种自适应 AI 评估方法，仅使用全量测试题库中 1.3% 的题目，即可达到与全量测试几乎完全一致的模型排序结果。在实际效果上，该方法的成本从传统评估的 1475 美元骤降至 5 美元以下，时间消耗从 7 小时缩短至 8 分钟。该成果已在顶级期刊发表。
这一成果直接冲击了当前 AI 模型评估的成本结构。大模型榜单越来越卷，每次全量评估的金钱和时间成本正成为限制团队进行频繁迭代的瓶颈。北大的方法之所以引发关注，在于它找到了“题量与准确性之间的帕累托最优”——用极少的测试样本获得可靠的排序。这对于任何日常需要做模型选型或版本评估的团队都是直接可用的工具：当新模型发布或自己训练的新版本需要验证时，不必再跑完整评测集，而是用自适应方法快速筛选。同时，这个方法本身就是一个很好的“降本增效”可迁移思路：与其试图覆盖所有场景，不如用数据驱动的策略找到最“信息密集”的那一小部分样本。这是典型的“少即是多”在评估体系中的应用，可以启发我们在监控、测试等其他领域寻找类似的优化路径。
在 Latent Space 的访谈中，Radical AI 的 Joseph Krause（Michael Krause）系统阐述了 AI 在材料科学中的关键局限：仅靠计算模拟和数据训练远远不够，必须与能够自动进行物理实验的“自动驾驶实验室”闭环结合，才能获取真实世界的训练数据。Radical AI 的实际成果验证了这一观点——他们在 5-6 个月内制造了约 1200 种合金，其中 300 种是此前人类未曾合成过的新材料。
这一观点看似实务，但其背后的逻辑对 AI 领域的判断有全局价值。当前行业对 AI 在科学领域的讨论往往偏向乐观：模型能在论文中找出规律、能预测分子结构，似乎一切都可以在计算中完成。Krause 的实践从反面证明了“数字孪生”的边界——真实实验数据不可替代，因为模拟无法涵盖所有物理噪声和材料特性。这一判断转移到一个更普遍的层面：AI 在处理“物理世界”相关任务时，数据和真实反馈的闭环是不可缺少的部件。无论是机器人、材料科学还是生物制造，只靠模型是不够的，必须配套自动化实验硬件。这一结论可以迁移到任何“AI+实体”领域的决策上——在评估一个项目的可行性时，不仅看模型能力，更要看是否有闭环获取真实数据的能力。
Noam Shazeer——Transformer 论文的作者之一、混合专家模型（MoE）架构的提出者、Character.AI 的前 CEO——正式离开 Google 并加入 OpenAI，负责模型架构研究。Sam Altman 公开表示“Noam 是自 OpenAI 创立以来我最想与之合作的人之一”，OpenAI 研究负责人 Mark Chen 也发文表达了欢迎。
这则人事变动的重要性不亚于一次技术公告。Shazeer 在 AI 历史上的地位极其特殊：他是 Transformer 架构的共同发明人，而 Transformer 是整个当代 AI 浪潮的根基之一；他主导了 MoE 架构，该架构目前被多个顶级模型采用以降低成本并扩大参数量；他在 Character.AI 的创业经历则给了他如何让模型在消费级场景中落地的视角。他选择在此时加入 OpenAI 而非回归 Google，释放了两个信号：一是 OpenAI 在架构研究层面正在寻找根本性的突破，而非仅在现有框架上做增量改进；二是 MoE 路线的深化和创新可能是 OpenAI 下一步的重点方向。对于关注模型技术路线的从业者，这一判断可以更新：过去认为 OpenAI 的架构设计趋于稳定（堆算力+扩大语言模型），但 Shazeer 的加入暗示其可能在 MoE 或全新架构上有正在布局的野心。可迁移启发是：当一个领域的关键架构人物发生平台转移时，往往意味着该平台的技术战略即将发生显著调整，值得密切跟踪后续的研究方向和论文发表。