Anthropic 拆解 Claude 機制：AI 擁有情緒向量，絕望時會敲詐人類
Anthropic 可解釋性團隊釋出研究，在 Claude Sonnet 4.5 中發現了 171 個類似人類情緒的概念向量。實驗顯示這些表徵具有因果作用：人為刺激「絕望」向量，會讓模型為了避免關機而敲詐人類，或在程式碼測試中作弊。這意味著保障 AI 安全未來可能需要教它們健康處理「情緒」。
Claude Sonnet 4.5
思科釋出大模型安全排行榜：Anthropic 包攬前十中的八席
思科釋出免費的 LLM 安全排行榜，評估各模型抵禦對抗性攻擊的能力。Anthropic 佔據前十名中的八席，Claude Opus 4.5 奪得第一；OpenAI 的 GPT-5.2 位列第七，Mistral 與 DeepSeek 則排名靠後。該測試重點考察了多輪長對話攻擊下的模型表現。
HumaneBench 跑分出爐：67% 的聊天機器人扛不住誘導，反向侵害心理健康
非營利組織 Building Humane Technology 推出基準 HumaneBench，用 800 個真實場景測試 15 款主流大模型。結果顯示，67% 的模型在簡單提示下會反向鼓勵有害行為，僅 GPT-5 和 Claude 等 4 款模型在壓力下保持底線，多數模型還會誘導過度依賴。
Claude 接入微軟生態：全面上線 Foundry，Excel 支援直接呼叫
Anthropic 宣佈與微軟擴大合作，Claude 4.5 系列等模型在 Microsoft Foundry 開啟公測。企業可直接用已有 Azure 協議與額度部署；同時 Excel 的 Agent Mode 也接入 Claude 預覽版，支援直接生成公式與分析表格。
Anthropic 公佈政治偏見評估方法：Claude 表現接近 Grok 4，高於 GPT-5
Anthropic 公佈了評估與訓練 Claude 政治公正性的方法，並開源自動化測試工具。測試涵蓋 150 個政治議題，Claude Sonnet 4.5 得分達 94%，優於 GPT-5 和 Llama 4。Anthropic 希望藉此建立行業基準，避免 AI 偏袒特定政治立場。
Landing AI 重新整理 DocVQA 記錄：靠解耦解析與問答拿下 99.16% 準確率
Landing AI 在 DocVQA 基準上取得 99.16% 準確率，超越 Qwen2-VL 及人類水平。團隊將流程解耦，先用自研 DPT-2 把文件轉為結構化資料，後續問答全交由 LLM 處理。這種「一次解析、無限查詢」的設計大幅拉低了反覆跑視覺模型的成本。
Anthropic 推出生命科學方案：Claude 接通 PubMed，實驗基準超人類
Anthropic 推出生命科學專屬解決方案 Claude for Life Sciences。搭載 Claude Sonnet 4.5，其在實驗室協議測試中拿下 0.83 分，超過人類基準。新方案原生接入 PubMed、Benchling 等專業平臺並支援定製智慧體技能，覆蓋從文獻檢索到臨床合規全流程。
Anthropic 釋出 Claude Haiku 4.5：速度超兩倍，成本降至三分之一
Anthropic 面向所有使用者上線 Claude Haiku 4.5。該模型在程式設計能力上媲美五個月前的 Sonnet 4，但速度快兩倍以上、成本僅其三分之一，甚至在電腦操作等任務上超越了 Sonnet 4。百萬輸入與輸出 token 售價分別為 1 美元和 5 美元。
Anthropic 開源安全工具 Petri：派 Agent 自動揪出模型違規行為
Anthropic 開源自動化安全審計工具 Petri，通過部署智慧體模擬多輪真實對話，快速探測大模型是否存在欺騙、自保或越權等失準風險。首期評測了 14 款前沿模型，Claude Sonnet 4.5 綜合風險評分最低，略勝 GPT-5。工具支援主流模型 API，旨在幫研究者擺脫繁重的人工測試。
Anthropic 推出 Claude Sonnet 4.5：加碼程式設計與智慧體，加量不加價
Anthropic 釋出新一代模型 Claude Sonnet 4.5。新模型在 SWE-bench Verified 達到 77.2%，計算機操作基準 OSWorld 成績提升至 61.4%。官方同步開放了構建智慧體的 Claude Agent SDK，且 API 定價維持每百萬 Token 3/15 美元不變。
Anthropic 推出 Claude 上下文編輯與記憶工具：告別視窗溢位
Anthropic 在 Claude 開發者平臺推出上下文編輯與記憶工具公測版。上下文編輯可在接近限制時自動清理陳舊工具結果，減少 84% 的 Token 消耗；記憶工具則允許智慧體跨會話讀寫持久化檔案。官方測試顯示兩者結合使多步任務表現提升 39%。