技术信号 · AI Tech Radar

模型 · 第 2026-10-07 号值得跟踪

Claude Haiku 5.5：标价降了九成，token 却多用两成五

Anthropic 10 月 7 日发布 Claude Haiku 5.5，10 万 token 以内每百万输入 0.10 美元、输出 0.50 美元，是 Haiku 4.5 的十分之一。它在 OSWorld 2.1 上从 15.7% 升到 72.4%，Terminal-Bench 4.0 从 0 升到 39.2%，但仍明显低于 Sonnet 5.5。Simon Willison 实测新分词器对同一段提示多用约 1.25 倍 token，而且推理无法关闭。

为什么重要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。

适合用小模型做分类、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

模型 · 第 2026-09-28 号值得跟踪

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%。

为什么重要Sonnet 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。

适合在 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

工作流 · 第 2026-09-17 号立即关注

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%。

为什么重要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。

适合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

工作流 · 第 2026-08-13 号值得跟踪

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」。

为什么重要它是「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。

适合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