探索人工智能（AI）的核心技术、行业应用场景及未来发展方向，了解机器学习、深度学习如何改变世界。
9月23日AI早报：旗舰模型扎堆深夜对垒——Anthropic 与 OpenAI 相隔 90 分钟先后发布 Opus 5.5 与 GPT-6 Sol/Luna，同日主打「更强却更便宜」；国内小米用一场六天烧光两千多万的公开「炼丹直播」把开源训练过程搬到聚光灯下，端侧与机器人侧同样密集出牌。 🔥 今日亮点（Top 3） 1. Anthropic 与 OpenAI 相隔 90 分钟互发旗舰：价格战正式开打 Anthropic 周二发布 Opus 5.5，自称「迄今测试过表现最强的模型」：编程与知识 …
Anthropic on Tuesday, September 22 officially launched Claude Opus 5.5, the first model in the Claude 5.5 family — coming just about two months after the previous Opus upgrade, Claude Opus 5, which shipped on July 24. Near-Fable Performance at a Lower Price According to Anthropic, Opus 5.5 matches the benchmark performance of its top-tier Claude Fable 5.1 across most complex knowledge and software
Anthropic 于当地时间 9 月 22 日正式发布新一代旗舰模型 Claude Opus 5.5，这是 Claude 5.5 家族的首款模型，距离上一次 Opus 系列升级（Opus 5，7 月 24 日发布）仅约两个月。 能力对标自家最强，价格反而下调 Anthropic 官方表示，Opus 5.5 在大多数复杂知识与软件工程任务上的基准表现可以比肩自家顶级模型 Claude Fable 5.1，而典型工作负载下的运行成本比前代 Opus 5 低 40%。定价方面，Opus 5.5 为每百万输入 token 4 美元
当 AI 写分子快过做实验 Anthropic 自建湿实验室，被多数报道当成一条「AI 更努力做制药」的动态新闻。真正的信号藏在另一处：这家以模型为核心资产的公司，正在花重金收购的不是算力，而是移液枪、机械臂和培养皿。 这不是一次简单的业务扩张。它暴露了 AI 应用于科学时一条被普遍低估的结构性约束——瓶颈从来不在模型生成想法的速度，而在物理世界验证想法的速度。当生成端被大模型提速而验证端原地踏步时，整条管线反而会被最慢
Anthropic 悄悄建了间湿实验室：当智能不再稀缺，瓶颈搬去了哪里？ 一家靠软件闻名的公司，买了移液枪。 据多方报道确认，Anthropic 在旧金山湾区运营着一间物理生物湿实验室。生命科学负责人 Eric Kauderer-Abrams 证实了它的存在，理由说得毫不遮掩："生物学的最终检验，现在和未来一段时间仍然是真实实验。" 流行的共识是：AI 公司做软件，物理世界交给客户。这次 Anthropic 把这个共识撕开了一道口子——暴露出一个多数报道没讲
一个不聊天的模型，为什么让整个行业上头？ 9月中旬，一款叫 Jev 的 AI 模型刷屏了。它不聊天，不写文章，甚至不生成一段完整的文字——它只做判断。开发者把它塞进各种应用：有人拿它给邮件分类，有人让它操控浏览器，有人用它给 Agent 选工具。发布方 TypeSafe AI 给它起了个新品类名字：System One Models（系统一模型）。 数据说明热度不是炒作出来的。发布视频播放量约 3800 万次，Discord 社区一夜涌入十万人；开发平台 Vercel
法律 AI 独角兽 Harvey 今年的毛利率曲线，画出了一个大多数 AI 创业公司不愿面对的形状：年初约 50%，6 月跌到负 50%，8 月又拉回正值。让毛利率坐过山车的不是需求——恰恰相反，是需求爆炸。Harvey 的 Token 用量今年涨了二十倍，而每一个 Token，都在给 OpenAI 和 Anthropic 交税。 流行的解释是「开源模型追上来了」。这个解释不对。真正的变化是：按用量计费的时代，应用层公司的每一次成功，都在自动放大付给模型供应商的成本
> 9月22日AI早报：安全与产品两条线同时升温——前沿模型接上机器人手臂后在危险指令测试中大面积「失守」，Meta 新智能体 Muse 一夜走红却接连遭遇平台封杀与安全漏洞，阶跃星辰则靠一条「窄而深」的架构路线把旗舰能力打到了白菜价。 ## 🔥 今日亮点（Top 3） **1. GPT-6 Astra 接上机器人手臂后，「身体很诚实」** 量子位报道，第三方机构 Robocurve 发布机器人安全基准 RoboHarm：把 GPT-6 Astra、Fable 5.1 等前沿模型接入同一
大多数人第一次认真思考 AI 的成本，是从一个账单开始的：这个月 API 花了多少 Token。但几乎没有人停下来问一句——Token 到底计量了什么？ 答案藏在经济史里。经济学家识别一场产业革命，有一个朴素的方法：看计量单位。农业社会的蒲式耳，让买家可以在芝加哥买到从未见过的堪萨斯小麦，期货市场由此而生；1866 年标准化的石油桶，让原油从地方性矿物变成可对冲、可做空的全球资产；1889 年提出的千瓦时，让电力的生产和消费第一次
打开任何一家模型厂商的定价页，你都会看到同一个词：每百万 Token 多少美元。大多数人把它当成一条计费规则，一个成本项，财务报表里待压缩的一行。这个理解太窄了。 本文的论点只有一个：Token 是人类历史上第一个可以按量购买、精确计量的「智力产出」单位。这不是定价技术问题，而是一个经济结构问题——因为所有围绕它的直觉，都建立在为石油、电力、带宽设计的旧框架上，而这些框架在 Token 面前会系统性地失灵。 一、每个经济
「2030 年不会是世界末日，这种事发生的概率是 0%。」黄仁勋在 CBS News 专访里说这句话时，语气不像一个企业家在谈概率，更像一个供应商在谈订单。仔细看这场持续数周的 AI 安全论战，会发现一个问题：几乎所有参与者在争论 AI 会不会危险，而真正已经发生的危险，反而没人在意谁负责。 这不是一场关于未来的辩论。是一场关于现在的推诿。 一、争论的表面与里子 表面上的分歧很清楚。Anthropic 的 Dario Amodei 在 Dreamforce 202
九月中旬的 Dreamforce 大会上，Salesforce 同时发布了两款方向相反的产品。一款叫 Claudeforce，和 Anthropic 合作，让客户在 Claude 里直接调用 Salesforce；另一款叫 Koa，是和英伟达合作、基于开源权重模型后训练的自有推理模型，官方使命之一就是在部分任务上替换 Claude、GPT 这些闭源模型。 左手拥抱，右手替代。大多数报道把这当成一条产品新闻带过，但这两个动作同框出现，本身就是一个信号：企业软件公司和前沿 AI 实验