模型与能力 Claude Mythos 和 Opus 更新：用户称赞与基准争议 社区热议Claude Mythos输出质量高，但Opus 4.8在LLM辩论基准上不如4.7。Anthropic展示Opus 4.7在化学NMR任务上匹敌专业软件，自称“让Claude成为化学家”。 > 相关链接：用户反
模型与能力 Cognition 发布 FrontierCode 基准：代码可合并性才是真本事 Cognition 推出 FrontierCode，专门评估 AI 生成的代码是否真的能被合并到项目中，而不仅仅是跑通单元测试。最难的子集里，最强模型 Opus 4.8 也只拿到 13%，远低于 SWE-B
模型与能力 Microsoft 发布 MAI-Thinking-1 技术报告 微软公开了 MAI-Thinking-1 模型的技术报告，透露训练未使用第三方蒸馏或合成数据，AIME 2025 达 97%，SWE-Bench Pro 53%，人类偏好盲评超 Sonnet 4.6。报告透明地分享了训练栈
模型与能力 微软发布 MAI-Thinking-1：35B 活跃参数的推理模型 微软在 Build 大会上推出旗舰推理模型 MAI-Thinking-1，35B 活跃参数的 MoE，256K 上下文。AIME 2025 达 97%，SWE-Bench Pro 53%，盲测偏好超过 Sonnet 4.
模型与能力 NVIDIA 发布 Cosmos 3：开源多模态世界模型，语言/图像/视频/音频/动作全统一 Cosmos 3 采用 Mixture-of-Transformers 架构（自回归推理器 + 扩散生成器），提供 Nano（16B）和 Super（64B）两个尺寸。文本转图像、图像转视频能力
模型与能力 Claude Opus 4.8 发布：增量改进，更合作但价格仍是槽点 多个独立评测显示 Opus 4.8 进步不大但使用体验更好，编码时更少过度代理、更合作。Anthropic 同时支持对话中修改系统指令且不破坏缓存，对长会话很有用。不过 API 价格依然偏高，用户吐槽没便宜下来。 >
模型与能力 Claude Opus 4.8 发布：更精准、更诚实、更长自主工作 Anthropic 推出 Claude Opus 4.8，主要改进是判断更精准、更诚实、能更长时间独立工作，价格不变。社区反馈称它更愿意承认错误、减少偷懒，被认为是“最不懒惰的模型”。 > 相关链接：官方发布｜
模型与能力 ESMFold2 发布：6.8B 蛋白质结构开源引擎 Meta 推出 ESMFold2，开源蛋白质结构预测与设计引擎，附带 6.8B 蛋白图谱和 1.1B 预测结构，在抗体设计和治疗靶点上有实际成果，规模超 AlphaFold DB。 > 相关链接：论文发布｜
基础设施与硬件——AI Infra 十亿美元俱乐部再添新成员 Fireworks 以 150 亿美元估值融资，Baseten 以 110 亿美元估值融资 AI Infra 领域的”十亿美元估值”俱乐部正在加速扩张。Fireworks 正在以约 150 亿美元估值进行融资（7 个月内估值增长 3.75
模型与能力 DeepSeek 永久降价 75%：V4-Pro 便宜到懒得计量 DeepSeek 把 V4-Pro 的 75% 折扣变成永久价，输入 $0.435/M、输出 $0.87/M、缓存输入仅 $0.0036/M。据估算，同等智能水平下成本比 Gemini 3.1 Pro 低 3 倍，比 GP