Product
1. Anthropic 推出 Claude Security 插件，终端内扫描并修复漏洞
Anthropic 把 Claude Security 插件带入公开测试，可在 Claude Code 终端里对本次改动或整库做安全扫描、验证并给出可审阅的补丁，全部跑在用户已有的 Claude 推理之上。其思路是让 Claude 像安全研究员一样理解上下文、追踪跨文件数据流，识别传统模式匹配漏掉的复合型漏洞，再用一轮对抗式验证压低误报。每条发现都附带建议补丁，团队可审核后快速修复，而非堆进积压清单。企业版现已开放公测。它把“扫描—验证—修复”压成同一条工作流，瞄准的是让漏洞在提交前就被拦下。
来源：Claude
2. Claude 语音模式将支持 Opus 与 Sonnet，告别 Haiku 体验
TestingCatalog 发现 Claude 语音模式的模型选择器已隐藏约三周，但此前无论选什么都静默回落到久未更新的 Haiku 4.5。如今选 Opus 或 Sonnet 会真正路由到对应模型，意味着更大范围的公开推送近在几天内。选择器同时暴露 Opus、Sonnet、Haiku 并附带思考等级调节，但 Mythos 级的 Claude Fable 暂未进入语音。底层仍是文本驱动：Claude 负责推理与对话，语音输出疑似继续依赖 ElevenLabs。对嫌 Haiku 语音过“薄”的用户，这是第一次能在语音里拿到旗舰级推理。
3. Cursor Router 正式上线，按请求智能路由以降本
Cursor 的智能模型路由 Router 现向 Teams 与 Enterprise 计划全面开放，可把每条请求自动派给“够用且最划算”的模型，号称以前沿质量、更低成本完成提交。早期体验客户的反馈是质量无明显回落、单次提交成本相比一律走 Opus 4.8 显著下降。管理员可按团队开启 Router、允许或屏蔽特定模型、设默认值并关闭部分优化模式。它把“用最贵模型兜底”的成本结构改成按任务难度动态分配，瞄准的是企业既要质量又要控费的现实诉求。
来源：Cursor
4. Claude Managed Agents 更新：逐智能体调努力度、500 skills、webhook
Claude Managed Agents 一次性补齐多项能力：可为每个智能体单独配置 effort 努力等级、用事件为会话注入初始上下文、单会话最多挂载 500 个 skill，并支持用 webhook 触发环境动作。这些改动共同把托管智能体从“单跑一次推理”推向可编排、可注入、可长期运行的状态。逐智能体调努力度意味着能在同一系统里混用轻重模型以控成本，而 webhook 与事件播种则为长任务、外部系统集成打开接口。配套 cookbook 也已同步放出供上手。
来源：@ClaudeDevs
Tutorial
1. 单卡塞下 70B：值得掌握的 LLM 量化技术清单
这篇清单面向“把 70B 模型压进单张 GPU”的现实需求：FP16 下 70B 仅权重就要 140GB，4-bit 量化后降到 35GB，恰好单卡可装，但朴素取整会严重掉点。作者据此梳理了值得优先掌握的量化技术路线，强调精度与显存之间的工程权衡。它是部署侧而非训练侧的实用知识，直接服务于本地/低成本推理。对想自建推理、避开 API 成本的工程师，这是一份可照着学的优先级清单。
2. 用 ChatGPT Sites 汇总的 Codex/Work 最佳用例与 prompt 集
作者让 GPT-5.6-sol 把 X 上关于 Codex 与 ChatGPT Work 的最佳用例连同 prompt 整理进一个 ChatGPT Site，做成持续可浏览的灵感信息流。内容覆盖云端 Work 任务、浏览器端 ChatGPT 触发等真实工作流，相当于一份社区精选的实操案例库。它的价值不在“新功能”，而在于把散落的 prompt 与玩法系统化、可检索。对想榨干 Codex/Work 的用户，这是现成的起点与抄作业对象。
来源：Work, in progress · ChatGPT + Codex
Opinions/Thoughts
1. 智能体的结构化输出未必总是好事，有研究提示要警惕
omarsar0 引用一篇论文提醒：在智能体里一味追求结构化输出未必是好事。研究表明，产品的结构化输出界面在内容上“可测量地更同质化”，相比之下聊天界面更丰富。这意味着把模型强行压进 schema 可能在提升可解析性的同时，悄悄收窄了表达的多样性与创造性。对做 agent 产品的人，这是个值得在设计阶段就权衡的取舍：结构化带来工程便利，但也可能让输出趋同、信息密度下降。
来源：@omarsar0
2. Beej 随笔《On Making》：让 AI 代劳的东西，不算“我做的”
Beej（许多人背过他的 socket 指南）这篇《On Making》从“造东西带来巨大满足感”切入，提出一个扎心判据：那些你只是发请求、由别人（或 AI）代为完成的东西，他并不视为“自己造的”，因此满足感大减，甚至会因此失落。在 AI 代劳越来越多的当下，这篇随笔触及了一个真实而少被讨论的情绪问题——当制作被外包给智能体，“创造带来的意义感”也在被稀释。Mario Zechner 评价它“开头很猛、随后发散”，但情感上极具共鸣。它不是技术文，而是一段关于“亲手做”为何重要的真诚自省。
来源：On Making
3. The Information 揭 Stripe：AI 浪潮的隐形受益者
pitdesi 摘出 The Information 关于 Stripe 报道的关键细节：Stripe 是 AI 热潮的巨大受益者，为 OpenAI、Anthropic 等 AI 公司处理支付，其营收同比增长 33% 至 68 亿美元（按文中数据）。这把“AI 变现”的链路从模型公司延伸到了底层支付基建——只要有人为 AI 付费，Stripe 就抽一道。它提供了一个观察 AI 商业化成熟度的另类视角：与其看模型公司的 PR，不如看钱流过谁的水管。对判断 AI 真实货币化规模，这是比使用量更硬的指标。
来源：@pitdesi