Anthropic 的全部动态：Claude 系列模型、Claude Code、安全研究路线与公司进展的持续追踪。
Anthropic 发布 Claude Opus 5.5，称其为新 Claude 5.5 家族首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由：汇总了 Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布的价格、基准与第三方评测差异，便于横向比较两家新模型的定位。
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，作者认为新一轮价格战已经开启。
推荐理由：作者实测新模型并整理价格表，读者可据此判断这轮降价对日常调用成本的实际影响。
Anthropic 正在限制 Pro/Max 订阅者在开放智能体平台中使用 Claude 模型，Hugging Face 给出两条把 OpenClaw、Pi 或 Open Code 智能体迁到开源模型的路径。
推荐理由：给出托管与本地两条迁移路径和具体命令，读者可据此把被限制的智能体切到开源模型。
Hugging Face 构建了一个 Agent 技能，教编码智能体编写生产级 CUDA kernel，并用 Claude 和 Codex 在 diffusers 的 LTX-Video 与 transformers 的 Qwen3-8B 两个真实目标上端到端生成了可用的 kernel、PyTorch 绑定和基准脚本。
推荐理由：Hugging Face 把 CUDA kernel 开发经验封装成 Agent 技能，并给出两个真实模型的端到端基准，读者可据此判断这类技能的实际收益。
Hugging Face 发布新工具 upskill，用大模型生成并评估 agent skill，再交给小模型使用，并以编写 CUDA kernel 为示例任务。
推荐理由：原文给出用大模型生成 Skill 再迁移到小模型的可复用流程，并附 CUDA kernel 实测数据。
Hugging Face 发布 Hugging Face Skills 工具，让 Claude Code、Codex、Gemini CLI 等编码智能体能够实际提交云端 GPU 训练任务、监控进度并把模型推送到 Hugging Face Hub。
推荐理由：Hugging Face 官方教程展示用 Claude Code 等编码智能体完成微调全流程，读者可据此复现从数据校验到 GGUF 转换的完整链路。
Google 发布智能体开发平台 Antigravity，目前以公开预览形式免费提供，支持 macOS、Linux 和 Windows。平台在传统 AI IDE 之外新增 Manager 界面，可并行编排多个智能体，并通过任务列表、实现方案、截图和浏览器录制等 Artifacts 让用户验证智能体工作。
推荐理由：Google 把 IDE 改造成以智能体为中心的开发平台，读者可据此判断编码工作流的形态变化。
OpenAI 与 Anthropic 公布首次联合安全评估的结果，双方互相测试对方模型在失准、指令遵循、幻觉、越狱等方面的表现。评估同时呈现了进展、挑战，以及跨实验室合作的价值。
推荐理由：两家头部实验室互相测试对方模型的对齐与越狱表现，读者可了解跨实验室安全评估的做法与发现。
Hugging Face 发布了一套用开源模型实现 Constitutional AI（CAI）的端到端配方，并开源了 llm-swarm 工具，用于在 GPU Slurm 集群上基于 TGI 和 vLLM 进行可扩展的合成数据生成。
推荐理由：Hugging Face 给出用开源模型复现 Constitutional AI 的完整配方，含数据集、模型与 Slurm 集群推理工具，可迁移到自定义对齐流程。
Hugging Face 博客图解 RLHF 的完整流程，将其拆为预训练语言模型、收集人类偏好数据训练奖励模型、用 PPO 微调语言模型三个核心步骤。文中说明奖励模型输出标量奖励，并用 KL 散度惩罚约束策略偏离初始模型，同时介绍了 TRL、TRLX、RL4LMs 等开源实现及 Anthropic 在 Hub 上发布的数据集。
推荐理由：文章把 RLHF 拆成预训练、奖励模型、PPO 微调三步，并梳理了 TRL、TRLX、RL4LMs 等开源工具与主要论文，适合作为理解该流程的入门参考。