Signals · AI Tech Radar

Titles and summaries are in English where the source is; the editors' notes and signals from Chinese sources are in Chinese.

Model · 2026-10-07Worth tracking

Claude Haiku 5.5

As previously promised, here's Anthropic's new fast, low cost model: Introducing Claude Haiku 5.5. The previous Haiku, 4.5, was very much showing its age. It came out almost a year ago, and was priced at $1/million input and $5/million output - relatively exp…

Why it matters最便宜的一档第一次在操作电脑和终端任务上有了可用的成绩，子智能体、批量摘要这类调用的成本结构会跟着变。但新分词器和关不掉的推理意味着账单不会按标价降九成，要按自己的提示重新算。

For 用小模型做分类、摘要、子任务分发的工程团队、负责模型路由、在 Haiku 与 Sonnet 之间分配流量的平台团队

Model · 2026-09-28Worth tracking

Claude Sonnet 5.5：终端任务从 10% 到 71%，按任务算未必更便宜

Anthropic 9 月 28 日发布 Claude Sonnet 5.5，每百万 token 输入 2 美元、输出 10 美元，是 Opus 5.5 的一半，也与 GPT-6 Sol 同价。它在 Terminal-Bench 4.0 上从 Sonnet 5 的 10.3% 升到 70.6%，超过 Opus 5.5 的 66.4%，但在 FrontierCode 与 OSWorld 上仍略低于 Opus 5.5。Anthropic 称单任务成本最多低 30%；而 Artificial Analysis 在最高推理档测得单任务 7.60 美元，比 Sonnet 5 高约 50%。

Why it mattersSonnet 5.5 把 Opus 一半的价格和在终端任务上反超 Opus 的成绩放到了一起，「默认用哪一档」的问题因此重新打开。但厂商说单任务更便宜，第三方在最高推理档测出更贵：决定账单的仍然是你开到哪一档。

For 在 Claude 上跑编程或终端类智能体的工程团队、负责模型路由、按任务分配 Sonnet 与 Opus 的平台团队

Workflow · 2026-09-17Immediate attention

Anthropic 公布内部测量：Claude 主导 26% 的研发，裁判也是 Claude

OpenAI 公开研发提速数据两周后，第二家实验室跟上：Anthropic 发布三组内部测量，并对每一组写明任何开发者今天就能怎样发布同样的数字。截至 8 月，Claude「主导」了约 26% 的 AI 研发工作（2 月不到 1%），90% 以上达到「协作」及以上，没有任何一类完全自主；约 3 万个内部智能体的动作 100% 在执行前经过监控，10 亿多次决策中约 47,000 次拦下 1 次；研发算力约 6% 用于安全。它自己点出最大的弱点：给自动化等级打分的裁判也是 Claude，模型与人一致率 59%，而人与人之间只有 35%。

Why it matters这是第二家前沿实验室公开内部研发自动化数据，也是第一份把「怎样让别人核实」写进每一项测量的披露。它最可迁移的部分不是 26% 这个数字，而是它承认的弱点：给自动化等级打分的裁判也是 Claude，而人和人之间对「协作」与「主导」的边界本来就只有 35% 的一致率。另一半是智能体监控的三个可报告指标——覆盖率、审查延迟、拦截率——任何在自己系统里跑智能体的团队都可以照着报。

For 在内部大规模运行智能体、需要设计监控与审查流程的平台团队、关注前沿实验室透明度与第三方核验机制的政策研究者

Workflow · 2026-08-13Worth tracking

668 阶哈达玛矩阵被构造出来：三个人加 Claude，清掉 2000 阶以下所有未决阶数

Anthropic 研究员、数学家 Levent Alpöge 报告：由三名人类与 Claude 组成的团队构造出 668 阶哈达玛矩阵——2005 年以来最小的未知阶数，人类卡了三十年。他一次放出 12 张矩阵，清掉 2000 阶以下所有悬而未决的阶数。EpochAI 已在 FrontierMath 上暂标为「由 AI 解决」。

Why it matters它是「AI 解决了开放数学问题」这类主张里少见的可独立复核的一次：结果是一个矩阵，验证条件是机械可查的，而且解码过程被第三方复现了。

For 关心基准被解决意味着什么的人、在设计需要可独立复核结论的评估体系的人