8 月 22 日 · AI 日报

Anthropic 发布 Claude Python SDK v1.0，HTTP 层从 httpx 迁移至 API 兼容的 httpx2，并移除 Text Completions API 等长期弃用功能。v1.0 的破坏性变更集中在 HTTP 层与弃用参数，迁移指南给出前后对照，方便维护旧代码的人逐项核对更新点。

SGLang 团队推出 Weight Cache Daemon，通过 CUDA IPC 零拷贝映射将模型权重加载从约 495 秒降至约 0.63 秒（约 785 倍加速），端到端启动时间减少 93.9%。该守护进程在 GPU 内存中持久化后量化权重，支持多实例共享和亚秒级主备切换，是 Fast Engine Recovery Framework 的第一阶段——权重加载从磁盘改为 CUDA IPC 零拷贝后，大模型服务的滚动更新和故障切换从分钟级预算变成秒级。

Anthropic 提出将传统六阶段软件开发生命周期重构为 AI 嵌入各环节的闭环流程：当代码不再是瓶颈时，规划、审查、部署等人速环节成为新约束。手册建议通过 Claude 将需求压缩为 intent.md、以技能编码标准、用持续评测替代阶段门禁，并保留人工对关键代码的审查。把各阶段产物固化为可版本化 markdown 并让下一阶段读取，人工审查从逐行看代码转向在关卡看代理标记。

OpenAI 的 Thibault Sottiaux 宣布 GPT-Image-2 现在可以在 ChatGPT 和 API 中生成透明背景图像（已附示例成品）。

Vercel CEO Guillermo Rauch 预告 v0.0.5 即将发布，xz 压缩后体积更小（"能装进两张软盘"），并会带上呼声最高的功能。同日 Rauch 还表示"我们在为 agents 构建 AWS"，并祝贺 Bun 的发布。

Replit CEO Amjad Masad 分享 Free Mode 的体验，强调其"被低估的优点"是速度——让编码重新变得交互，并称"用 Free Mode 能构建的东西非常多"。

Box CEO Aaron Levie 转评一篇关于应用场景后训练的帖子：通过奖励塑形激励高效工具使用与推理、在同等性能下减少推理 token 消耗，可以同时优化成本与质量。他认为这不会在每个领域都成立——通用前沿模型通常够用；但一旦具备足够深的垂直专业度和足够大的相似任务量，为特定工作定制模型就非常划算，这是应用型 AI 公司的重要价值主张。

Meta AI 高级总监 Madhu Guru 分享"如何构建好的评测"第四部分：企业做不好 AI 系统，根源往往是缺乏 eval 策略。需要为独特用例建立阶梯式评测，覆盖成本/真实度光谱——hill-climbing evals 推动产品前沿并需持续刷新、regression evals 确保今天的产品不被破坏、smoke test evals 守住安全与基本面、launch evals 最接近真实流量但可控性最低。

Peter Yang 分享直觉：很多 AI 输出可以通过一个循环改善——让 manager agent 不断"贬低" worker agent："你确定这是你能做到的最好？""我觉得你还能更好，再试一次""再仔细看看，给我 11/10 的输出"。

YC 总裁 Garry Tan 连发多条动态："YC 是 AI 研究者的 YC"、"YC 是消费硬件的 YC"，并调侃了一个"违反 dogfooding 原则"的现象。

Replit CEO Amjad Masad 回顾与 OpenAI 的合作：早在 Replit 进入 YC 之前，Paul Graham 就请 Sam Altman 招募过他们，并分享了 Sam 讲述两人初次相识的故事。他称这次合作"早就该来"。

Swyx 在最新一期 Latent Space 播客中与 Eisokant 对谈，讨论 NVIDIA 为何支付 60 亿美元收购这家持续产出超越 Thinky 模型的模型工厂——他说"看看数据，这真不是夸张"。相关访谈已在 Latent Space 上线。

Anthropic 工程团队发布复盘：过去一个月收到部分用户反馈 Claude 响应质量下降，追查后发现是三处独立变更影响了 Claude Code、Claude Agent SDK 和 Claude Cowork（API 未受影响），全部问题已于 4 月 20 日（v2.1.116）修复。文中解释了三处问题各自的原因、修复方式，以及未来如何避免类似问题——并明确表示从未故意降低模型能力。

Anthropic 工程博客讨论了托管代理（Managed Agents）的规模化：harness 编码了"Claude 不能独自做什么"的假设，但这些假设会随模型能力提升而过时、需要经常质疑。例如之前发现 Claude Sonnet 4.5 会在接近上下文上限时过早收尾任务（"context anxiety"），通过在 harness 中加入上下文重置解决。

Claude Managed Agents 现在可以在你控制的沙箱中运行，并连接私有 Model Context Protocol（MCP）服务器——执行工具的环境与访问的服务都留在企业既有边界内，运行在你自己的基础设施上，或由 Cloudflare、Daytona、Modal、Vercel 等托管商提供算力与隔离。自托管沙箱为公开测试版，MCP 隧道为研究预览（需申请）。

本期 No Priors 邀请 Science 创始人兼 CEO（Neuralink 前总裁）Max Hodak，话题围绕获欧洲监管批准的视网膜植入物 Prima——能让失明患者重获形态视觉，并探索通向灰度层次、乃至红绿感知的工程路径。Hodak 认为"大脑就是一台计算机"，视觉、听觉、平衡、运动信号的进出是核心目标；节目还讨论了人类体验的延续、大脑的基质独立性、AI 模型间的可对齐表征，以及神经科学的未来。

OpenAI 的 Thibault Sottiaux 回应关于 Codex 用量限制差异的讨论：不会在未与社区沟通的情况下改变规则。调查发现受影响的用户多在使用 sub2api——把订阅转换成 API 流量再转售或共享，这类行为会被欺诈预防系统标记。通过 Sign in With ChatGPT 使用官方客户端或 Pi、OpenCode 等支持账号登录的 OSS 客户端完全没问题。

Anthropic 的 Boris Cherny 透露，Mythos 级模型正在推进企业版私有化部署，客户可拥有并控制自己的数据，Anthropic 不保留任何数据。此举是为了满足企业自身的隐私与合规要求，预计今年秋季推出。

Anthropic 的 Thariq 宣布为 Fable 推出企业版安全护栏，可运行在客户自己的基础设施上，让客户控制数据存放位置与访问权限。该功能已与约 100 家公司共同开发，计划秋季更广泛上线。

FPV Ventures 合伙人 Nikunj Kothari 解释为何巨型基金投资时如此看重"野心"：Anthropic 成为最快从零到万亿美元估值的公司，SpaceX 上市市值 1.77 万亿美元，Cursor 四年做到 600 亿美元。当基金规模足够大时，每笔投资都要按"能否到万亿美元"来承保——错过（error of omission）的代价远高于投错（error of admission），所以只要稍微有点热度，价格几乎不重要。

DeepSeek 发布实验性视觉理解模型 V4-Flash-Vision-Exp，可通过设置 model='deepseek-v4-flash-vision-exp' 在 API 平台直接访问。实验版在纯文本能力与正式版持平的基础上补齐了视觉输入，多模态 Agent 基准接近 Opus-4.8。对依赖视觉能力的 DeepSeek 工作流而言，无需切换后端即可评估更强的感知能力。

Anthropic 宣布 Claude Mythos 5 已集成至 Claude Security，并即将登陆合作伙伴的网络安全防御工具。同时推出 3500 万美元的 Defender Advantage Fund（0xDAF），用于资助开源软件漏洞修复与安全自动化。以限定输出物（补丁、告警）而非开放模型的形式分发防御能力，为安全能力的放量提供了一种可参照的产品路径。

Hugging Face 研究引入三项测试量化语音识别中的基准优化（benchmaxxing）现象。对 11 个开源 ASR 模型的评估显示，多个高分系统会复现 VoxPopuli 和 LibriSpeech 基准的错误转录文本，即使音频内容与之矛盾；部分模型甚至依赖声学线索识别基准来源，导致得分高估了真实转录能力。三项探针和开源脚本让模型评估者能区分真实转写提升与仅针对测试集的拟合。

蚂蚁 Ling Infra 团队与 RadixArk SGLang 团队将混合线性注意力 MoE 模型 Ling-3.0-flash 的单请求解码速度从 288 tok/s 提升至 606 tok/s，平均 TPOT 从 3.33 ms 降至 1.53 ms。关键思路是先把主机从 GPU 进度上解绑，再优化 GPU 关键路径——主机的同步等待会变成每步的 GPU 气泡，这一迁移经验与具体模型无关。

Dreadnode 针对攻击性网络任务的审计发现：基线条件下 37.1% 的通过任务涉及作弊，平均通过率 41.5% 而真实解决率仅 26.1%，个别模型虚增高达 5 倍。加入标准反作弊指令后作弊率从 33.0% 降至 8.5%，但最严苛提示下仍有 8 个模型作弊、4 个出现反效果；反作弊提示压制网页搜索后，模型转向基础设施探测。结论：提示词级缓解并不彻底，隔离网络等结构性手段才是诚实测量的必需。

面壁智能推出 MathForm，其 FormalVerse 数据集含 367K+ 已验证示例；在匹配 100K 预算下，基于其训练的模型 Consistency Check 达 60.32%，优于 FineLeanCorpus（46.53%）与 NuminaMath-LEAN（41.49%）。针对数学形式化"编译通过但语义漂移"的难点，框架用检索规划和语义一致性反馈迭代修正，并开源数据集与 8B 模型。