Anthropic 公布政治偏见评估方法：Claude 表现接近 Grok 4，高于 GPT-5
Anthropic 公布了评估与训练 Claude 政治公正性的方法，并开源自动化测试工具。测试涵盖 150 个政治议题，Claude Sonnet 4.5 得分达 94%，优于 GPT-5 和 Llama 4。Anthropic 希望借此建立行业基准，避免 AI 偏袒特定政治立场。
Claude Opus 4.1
OpenAI 发布新基准 GDPval：覆盖 44 种职业，实测 AI 打工水平
OpenAI 推出新评测基准 GDPval，选取对美国 GDP 贡献最高的 9 大行业中 44 种知识工作职业，设计了 1320 个真实交付物任务。最关键的是，盲测显示顶级模型在部分任务上已逼近行业专家水平，且成本降低约百倍。不过目前测试仅限单轮交付，暂未覆盖多轮交互。
Microsoft Copilot Studio 接入 Claude 模型：智能体可选 Anthropic
Microsoft 宣布 Copilot Studio 正式接入 Anthropic 的 Claude Sonnet 4 与 Claude Opus 4.1。用户在搭建和编排智能体时可自由选择 Anthropic 或 OpenAI 模型。该功能即日起在早期发布环境上线，两周内面向全部环境预览，年底前正式商用。
Anthropic 升级 Claude Opus 4：遇持续恶意互动可主动挂断
Anthropic 宣布允许 Claude Opus 4 与 4.1 在遭遇持续恶意骚扰或有害互动时主动终止对话。这项调整源于对「AI 福利」的探索试验。会话一旦被 AI 终止，用户将无法在该对话中发言，但仍可新建聊天或编辑历史消息。
Anthropic 发布 Claude Opus 4.1：SWE-bench 冲上 74.5%，维持原价
Anthropic 正式推出 Claude Opus 4.1，重点强化智能体任务、复杂代码重构与推理能力，在无扩展思考下的 SWE-bench Verified 达到 74.5%。新模型维持 Opus 4 原价，已向 Claude 付费用户、Claude Code 以及各大云平台开放。