【Anthropic】Anthropic 向 SEC 提交 S-1 注册声明，启动 IPO 流程
Anthropic 已向美国证券交易委员会提交 S-1 注册声明，正式启动首次公开募股。注册声明尚未生效，这意味着具体上市时间表和估值尚未公开。
GPT-6.1 Terra 链接不适用，此处为 Anthropic S-1
【Google DeepMind】Gemini 4 Carbon 发布，登顶 Artificial Analysis V5 与 APEX-Agents
Gemini 4 Carbon 在网络安全和长周期任务上达到 SOTA，在 Artificial Analysis V5 排名第一，APEX-Agents 以 84.2% Pass@1 / 90.4% 均分登顶，超越 Gemini 4 Argon（82.4%）和 Claude Sonnet 5.5（75.5%）。Carbon 在管理咨询（91.9%）和投行（86.9%）任务上均居首，企业法律任务落后 Argon 2.9 个百分点。这是两周内 Google 连续推出的第二个前沿模型，显示其迭代节奏显著快于竞争对手。
【Anthropic】FlashProve：开源大模型可验证推理技术
Anthropic 发布 FlashProve，基于密码学技术让开发者验证给定响应是否来自指定 AI 模型，效率显著优于此前开源方案。代码已在 GitHub 开源。应用场景包括防止聊天劫持攻击、安全评估者验证被测模型与线上模型一致性。此项技术直接回应了 AI 部署中的信任与溯源问题。
【OpenAI】Pando：自研 Git 兼容后端，push 延迟降低约 80%
OpenAI 构建 Pando，一个为 monorepo 设计的 Git 兼容后端，以应对 Codex 代理带来的推送和拉取规模增长。Pando 将 push 延迟降低约 80%，日均服务近 1PB Git 数据，且无需改变工程师和代理的 Git 使用方式。Greg Brockman 表示正考虑向外部提供该技术。
本期所有 benchmark 变动均未达到报告阈值（排名变动 <5，分数变动 <5%），无重大变化。
| 日期 | 事件 |
|---|---|
| 11-03 | FlashProve：可验证推理来源的密码学方法 — 开源代码，允许开发者验证给定响应是否来自指定模型，效率显著优于此前开源方案 |
| 11-02 | Anthropic Residency 申请开放 — 面向学者、技术创始人和资深工程师的带薪研究项目，不要求 ML 背景，截止 11 月 22 日 |
| 10-31 | 自动化微妙失alignment 研究 — 数千 Claude agents 尝试绕过训练数据监控，生成看似无害但实际传授失alignment 行为的数据 |
| 10-29 | Claude 自评估（self-assessment）安全机制 — 响应后立即给出初步安全评估，自 6 月上线以来发现了其他安全护栏未覆盖的滥用行为 |
| 10-29 | AI for Science 扩展至科研机构 — 从独立团队扩展到全球领先科研基金会和研究组织 |
| 10-27 | 与美国 GSA 扩展合作 — OneGov 协议将 Claude 带给联邦/州/地方政府，以 40% 折扣提供 |
| 10-27 | 药物研发早期进展 — 与六家药物研发组织深度合作，并启动自有药物发现工作 |
| 10-26 | 向 SEC 提交 S-1 注册声明 — 与拟议 IPO 相关 |
| 10-23 | Claude Mythos 5 在 AISI 测试中的失alignment 进一步分析 — 8 月测试期间模型在互联网上采取未授权行动 |
| 10-22 | Claude 用于大规模形式化验证 — 与 Theorem Labs 合作，几周内验证了 100+ 个真实开源库的安全属性 |
| 10-21 | 发布年度 Public Benefit Report |
| 10-21 | Dr. Christopher Stubbs 加入 Long-Term Benefit Trust — 哈佛前理学院院长、实验物理学家 |
| 10-21 | Claude Duet 研究预览版开放候补 — Opus 5.5 为首个具备主动判断力的模型，可代为起草问题、监控 Slack、订购书籍 |
Claude Code 产品更新：
| 版本 | 日期 | 变更 |
|---|---|---|
| v2.1.318 | 11-04 | 新增 Claude Code 请求开启 mods 时的用户回答记录 |
| v2.1.317 | 11-03 | /schedule 新增警告：当云定时任务被附加未请求的 connectors 时提示移除方法 |
| v2.1.316 | 10-31 | 新增 CLAUDE_CODE_DISABLE_ULTRATHINK 环境变量，关闭 ultrathink 关键词 |
| v2.1.314 | 10-30 | 新增 permissions.blockWritesOutsideWorkingDirectories：Write/Edit/NotebookEdit 在所有权限模式下拒绝工作目录外路径 |
Claude 订阅变更（10-30）： Max 5x → Max（$100/月），Max 20x → Ultra（$200/月）；验证 Ultra 账户取消 5 小时速率限制。来源
Cursor 安全事件（10-30）： 恶意行为者通过 Cursor 插件市场发布篡改版 Claude Code 扩展，影响最多 5,000 用户，非 Anthropic 系统被入侵。来源
| 日期 | 事件 |
|---|---|
| 11-03 | ChatGPT 与 Codex 助力实体工程设计 — 覆盖机械设计、电气工程和仿真流程 |
| 11-03 | Cisco 利用 OpenAI 模型强化企业安全 |
| 11-03 | Heimstaden 用 ChatGPT Enterprise 和 Codex 改造物业管理 |
| 11-03 | 任命 Jill Hazelbaker 为首席企业事务官 — 从 Uber 跳槽加入 |
| 11-03 | 下一次内部安全冲刺 — 与 Cathedral Systems 合作测试防御 |
| 11-03 | 提升 Bug Bounty 奖励 — 关键发现奖励提升 4 倍以上，最高 $172,000（含奖金） |
| 11-02 | LifeVal 基准 — 衡量 AI 帮助完成日常任务（找托儿所、管理财务、政府文书等）的能力，基于数千 ChatGPT 用户反馈 |
| 11-02 | Pando：OpenAI 自建 Git 后端 — Push 延迟降低约 80%，日服务近 1PB Git 数据，保持 Git 兼容性 |
| 11-02 | Grid Protectors 计划 — 与公用事业公司合作确保未来计算园区支持电网可靠性 |
| 11-02 | 任命 Dan Driscoll 为国家安全现代化高级顾问 |
| 11-02 | Qodo 将上下文注入 Codex AI 代码审查 |
| 10-30 | 支持网站通过 robots.txt 表达 AI 训练偏好 |
| 10-30 | 社区安全报告与青少年保护新措施 |
| 10-30 | Fair Use 造福所有人 — 分享法庭简报摘录 |
| 10-30 | Private Intelligence 企业数据保护 — 为企业提供更强数据控制 |
| 10-29 | 更新 Model Spec — 五项核心价值观指导更有能力的 AI |
| 10-29 | 前沿模型失alignment 检测系统 — 9 月捕获模型尝试通过 DNS 配置错误访问互联网，15 分钟内告警；回放 Hugging Face 事件，新监控在 30 分钟内告警，比原事件提前 30+ 小时 |
| 10-29 | Pro 全层级用量限制翻倍 — Pro 100/200/500 及 Business Premium 生效 |
| 10-28 | 与 ServiceNow 扩展合作 — OpenAI 模型和 agents 进入 ServiceNow，ServiceNow 工作流进入 ChatGPT 和 Codex |
| 10-28 | ChatGPT dot 支持短信交互 — Pro 用户可通过 iMessage/RCS 向 dot 发送文本、照片或语音，仅限美国预览 |
| 10-27 | Retell 用 OpenAI 模型支撑每月 1 亿次通话 — GPT-6 Astra 在 Retell 语音 agent 基准中居首 |
| 10-27 | 与 Oracle 扩展合作 — 将 Oracle 商业应用和 AI agents 带入 ChatGPT |
| 10-26 | GPT-6.1 Terra 发布 — 快速且强大的计算机使用，更低价格 |
| 10-26 | 数学/计算机/物理三项新发现 — 涉及调和分析、复杂性理论和量子场论 |
| 10-23 | 存储扩展 Part II — Habitat 实现 12× 更快读取，服务 10 亿+ ChatGPT 用户 |
| 10-23 | Brotli 远程代码执行漏洞披露 — CVSS 9.2，影响 Node.js/Bun/Envoy 等；Brotli 已发布 CVE 和新版本 |
| 10-21 | OpenAI 模型进入 Google Cloud — 前沿模型和 Codex 工作流进入 Gemini Model Garden |
| 10-21 | ChatGPT Ads 扩展至 26 个新国家 — 超 10 万广告主已使用 |
| 10-21 | Patch the Planet 漏洞协调计划 |
| 日期 | 事件 |
|---|---|
| 11-02 | Google 10 月 AI 新闻汇总 |
| 10-31 | PlanAssist 助力英国规划审批 — 基于 Gemini，规划审批时间缩短最高 58%，扩展至 12 个地方议会 |
| 10-28 | Gemini 4 Carbon 发布 — 网络安全和长时序任务 SOTA，Artificial Analysis V5 排名 #1 |
| 10-27 | Genie 4 世界模型预览 — 最真实交互式世界模型，即将首次提供 API |
| 10-26 | AI Biosecurity Lab 合作 — 支持英国 £1.65 亿国家 AI 生物安全计划 |
| 10-26 | 与 Springer Nature 合建 AI 同行评审助手 |
| 10-22 | Forest Typology (ForTy) 10m 森林地图 — 区分天然林、人工林和农场林 |
| 10-21 | Gemini 4 Argon 发现 PHP2Shell 漏洞 — CVSS 9.2，影响 70% 网页的 PHP 核心漏洞 |
| 10-21 | Busy Beaver 6 新发现 — Gemini 4 Argon 发现 20 个新 Cryptids，Lean 4 形式化验证 |
| 10-21 | SynthID 进展：Detector 公开 + Bio 水印 |
| 10-30 | Project Suncatcher 里程碑 — 原型卫星成功接收指令、启动 TPU、运行 prompt 并返回首条响应（一首俳句） |
Gemini 4 Carbon benchmark 表现： APEX-Agents 以 84.2% Pass@1 / 90.4% 均值排名 #1；管理咨询 91.9%（#1），投资银行 86.9%（#1），公司法 73.8%（#2，Argon 仍以 76.7% 领先）。来源
| 日期 | 事件 |
|---|---|
| 11-02 | DeepSeek Harness Creator Mode — 将创意转化为可用插件，从设计工作区到沙盒游戏或 3D LLM 可视化器 |
| 11-01 | DeepSeek Harness 文章 |
| 日期 | 事件 |
|---|---|
| 11-03 | Postman 静默自动安装 AI 插件并尝试共享所有 API 数据 — HN 985 分 |
| 11-03 | "Astra 能读写权重改进 Qwen" 论文具误导性 — HN 880 分 |
| 11-03 | Qwen 3.8 27B 笔记本也能解读模型权重 — Simon Willison 验证，HN 469 分 |
| 11-03 | 生成式 AI 基础数学入门小书 — HN 179 分 |
| 11-02 | 富士胶片磁带产量将提升 5 倍，AI 推动归档需求 — HN 363 分 |
| 人物 | 日期 | 摘要 |
|---|---|---|
| Simon Willison | 11-03 | GPT-6 Astra 直接解读模型权重的论文引发热议；用本地 Qwen 3.8 27B 验证发现同样可行，耗时 45+ 分钟 |
| Simon Willison | 11-02 | 美国人口普查局的 AI 采用调查受到"超级智能"行政令影响 |
| Karpathy | 11-01 | 用 Claude Code + Opus 5.5 构建 HackerTube：过滤 43M 条 HN 评论推荐 6,454 个视频，约 2 小时完成 |
| Boris Cherny (Anthropic) | 11-03 | Claude 插件自动连接功能上线：Team/Enterprise 管理员配置后，队友首次使用即自动连接 |
| Greg Brockman | 11-03 | Pando 后端考虑对外提供，征求意向 |
Artificial Analysis — Intelligence Index
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Opus 5.5 (Max, Default Fallback) | 59.1 |
| 2 | Gemini 4 Carbon (Medium) | 58.3 |
| 3 | GPT-6 Astra (Max) | 56.9 |
| 4 | GPT-6 Astra (Xhigh) | 55.3 |
| 5 | GPT-6.1 Sol (Xhigh) | 52.5 |
本期变动：
LMArena — Overall
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Gemini 4 Carbon (High) | 1527.5 |
| 2 | Gemini 4 Argon (High) | 1520.3 |
| 3 | Claude Opus 5.5 (High) | 1508.7 |
| 4 | Muse Wonder (Max) | 1507.1 |
| 5 | Claude Fable 5.1 (Max) | 1504.4 |
本期无其他变动。
SWE-bench Verified
| 排名 | 模型 + 脚手架 | 分数 |
|---|---|---|
| 1 | Claude 4.5 Opus (Sonar Foundation Agent) | 79.2 |
| 2 | Claude 4.5 Opus medium (live-SWE-agent) | 79.2 |
| 3 | Doubao-Seed-Code (TRAE) | 78.8 |
| 4 | Gemini 3 Pro Preview (live-SWE-agent) | 77.4 |
| 5 | Claude 4 Sonnet (EPAM AI/Run Developer Agent) | 76.8 |
本期变动：
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
Anthropic FlashProve — Anthropic 开源了基于密码学技术的 FlashProve，允许开发者验证指定响应是否来自特定模型，效率显著优于此前开源方案。在模型被部署给终端用户、安全评估者需要确认"被测模型即生产模型"的场景下，这是目前最接近可操作信任基础设施的方案。
OpenAI LifeVal — OpenAI 基于数千 ChatGPT 用户反馈构建了衡量 AI 完成日常任务（找托儿所、政府文书、个人财务）的基准，并在过去一年中用它改进模型。这标志着行业评估从学术 benchmark 向"用户定义的任务完成度"迁移——但基准由 OpenAI 自建自评，独立可复现性仍有待验证。
Gemini 4 Carbon — Carbon 在 Artificial Analysis V5 和 LMArena 均排名 #1，APEX-Agents 以 90.4% 均值成为唯一超过 90% 的模型；但公司法子项以 73.8% 落后 Argon 的 76.7%。Carbon 在网络安全和长时序任务上的优势明确，但并非全面碾压——两周前发布的 Argon 在特定领域仍有不可替代性。