Product
1. Claude Code 引入动态工作流，实现复杂任务端到端自动化
Anthropic 在 Claude Code 中发布了“动态工作流”（Dynamic Workflows）研究预览版。该功能允许 Claude 动态编写编排脚本，在单次会话中并行调度数百个子智能体，完成代码库级审计、大规模迁移等复杂任务。Bun 作者 Jarred Sumner 利用该功能在 11 天内完成了 75 万行代码的跨语言移植，且测试通过率高达 99.8%。其核心在于“确定性+断点续跑”机制，通过缓存键实现任务韧性，并利用 agent-as-judge 结构兜底质量。该功能目前已向企业版、团队版及 Max 用户开放，支持多种 API 及云平台。
来源：Claude
2. Anthropic 发布 Claude Opus 4.8，强化推理与代理能力
Anthropic 正式发布 Claude Opus 4.8，作为 4.7 的全面升级版，价格保持不变。新模型在编程准确性、判断稳健性及诚实度方面有显著提升，代码缺陷未察觉率降低了 4 倍。同步推出的“投入度控制”滑块允许用户根据任务需求调整推理深度，而“Fast mode”则在保持智能水平的同时将速度提升至 2.5 倍，成本降低至前代的 1/3。此外，Messages API 新增了中间插入 system 指令的功能，进一步提升了开发者的上下文控制能力。
来源：Introducing Claude Opus 4.8
3. Hermes Agent v0.15.0 发布，大幅提升代理运行效率
Nous Research 发布了 Hermes Agent v0.15.0，代号“Velocity Release”。此次更新重点在于性能优化，通过将核心代码库从 16,083 行精简至 3,821 行（减少 76%），显著提升了代理的启动速度与执行效率。该版本通过 14 个内聚模块重构了代理架构，并引入了 Kanban 风格的任务管理。此次更新标志着 Hermes 在处理大规模任务时的响应速度和稳定性迈上新台阶，进一步巩固了其在开源代理框架中的地位。
来源：GitHub
4. Anthropic 完成 650 亿美元 H 轮融资，估值近万亿
Anthropic 宣布完成 650 亿美元的 H 轮融资，估值达到 9650 亿美元，由 Altimeter Capital、Dragoneer、Greenoaks 和 Sequoia Capital 领投。公司表示，其年度经常性收入（ARR）已突破 470 亿美元。这笔资金将用于加速安全与可解释性研究，并扩充算力以满足 Claude Code 和 Cowork 等产品的爆发式需求。此次融资规模反映了全球企业对 Claude 代理能力的极高依赖度。
来源：Anthropic raises $65B in Series H funding at $965B post-money valuation
5. Vercel CLI 推出原生二进制版本，移除 Node.js 依赖
Vercel CLI 现已支持实验性的原生二进制版本，无需 Node.js 运行时即可运行。此举旨在解决代理基础设施中的瓶颈，提升启动速度与安全性。原生二进制文件经过代码签名，且在 macOS 上实现了系统 Keychain 级别的凭据隔离。Guillermo Rauch 指出，随着 OpenClaw、Claude Code 等代理工具的普及，CLI 已成为“代理云”的关键接口，原生化将极大提升其在各种自动化环境中的部署效率。
来源：Vercel
6. Polar：无需代码更改的模型微调工具
Polar 允许用户利用现有的智能体环境作为训练平台，无需修改代码即可对模型进行微调。
7. Claude Code 新增安全插件
Claude Code 引入安全插件，可在代码编写过程中实时检测不安全命令、HTML 处理及危险 Python 代码。
Tutorial
1. howtoeval：AI 智能体评估指南
一份直截了当的 AI 智能体评估指南，旨在帮助开发者科学地衡量智能体性能。
Opinions/Thoughts
1. 异步代理时代：从 Devin 实践看 AI 软件工厂的崛起
Latent.Space 播客探讨了从“前台 AI 工具”向“异步后台代理”的范式转移。Cognition 的 Devin 数据显示，其自主提交的代码比例已从 16% 跃升至 80%。专家指出，未来的工程团队将演变为“软件工厂”，人类工程师的角色从代码编写者转变为系统架构师。核心挑战在于如何构建安全的“盒外”代理架构，以及如何解决长效记忆与复杂测试问题。纯粹的“vibe coding”若缺乏代码审查，极易导致代码库在两周内出现严重退化。
来源：Latent.Space
2. 深度测评：Claude Opus 4.8 是否足以挑战 GPT-5.5？
Every 团队对 Claude Opus 4.8 进行了深度测评，认为其在高级工程任务和写作表现上已超越 GPT-5.5。测评显示，Opus 4.8 在 Senior Engineer 基准测试中得分 63，略高于 GPT-5.5 的 62，且在 PPT 生成等知识工作任务中表现出色。测评指出，模型表现高度依赖“投入度”设置，建议在 xhigh 模式下使用以获得最佳效果。尽管模型能力极强，但测评者认为 Claude Desktop 应用在交互体验上仍落后于 Codex，这是目前阻碍其成为首选工具的主要因素。
来源：Vibe Check: Opus 4.8—Anthropic Should’ve Rounded Up to 5
3. Simon Willison：Claude Opus 4.8 的诚实度提升
Simon Willison 在博客中评价 Claude Opus 4.8 为“适度但切实的改进”。他特别赞赏 Anthropic 在系统卡中坦诚模型仍有局限，并强调了 Opus 4.8 在“诚实度”上的提升——模型更倾向于标记不确定性，而非自信地输出错误代码。Willison 认为这种透明度是 AI 实验室成熟的标志。此外，他通过鹈鹕骑自行车的视觉隐喻，生动展示了模型在不同推理努力等级下的表现差异。
4. Theo：SOTA 模型在正确答案上消耗更多 Token
Theo 基于 Datacurve 的数据分析指出，SOTA 模型在处理 DeepSWE 任务时，正确答案消耗的 Token 数量反而比错误答案多出约 7%。这一发现挑战了“模型越聪明越省 Token”的直觉。Theo 认为，这反映了模型在处理复杂任务时，为了确保正确性会进行更深度的推理和验证。该数据对于评估 Agent 成本模型具有重要参考价值，提醒开发者在预算规划时需考虑推理深度带来的成本波动。
来源：@theo
5. Ramp：利用安全智能体自动修复漏洞
Ramp 使用 10,000 个自研安全智能体，在 6 天内发现并修复了近 100 个安全漏洞，全程由人类审核 PR。
6. Software after software：深度阅读推荐
推荐阅读 Thorsten Ball 关于编程环境与软件开发的深度见解。