Anthropic 今天发布了 Claude Science，一个面向科学研究者的 AI 工作台。它的定位很明确：做科学研究领域的 Claude Code。 去年 Claude Code 改变了程序员的工...

Anthropic 发布了面向科学研究者的 AI 工作台 Claude Science，集成 60 多个科学数据库和 Agent 系统，旨在成为科研领域的 Claude Code。

Anthropic 发布面向科研者的 AI 工作台 Claude Science，定位为科研领域的 Claude Code。它不训练新模型，而是将现有 Claude 模型（含 Opus 4.8）与 60 多个科学数据库（涵盖基因组学、蛋白质组学等）及多 Agent 系统集成到统一界面，支持自然语言驱动的文献查询、代码生成、图表复现和本地/集群运算。早期用户案例显示其在基因组浏览器搭建、RNA-seq 污染发现、多 Agent 文献综述等方面有显著效率提升。对开发者而言，Claude Science 展示了将通用 LLM 通过 Workflow 和 Agent 架构深度嵌入特定行业操作层的产品化路径。 核心观点： 1. Claude Science 不训练新模型，而是通过集成 60+ 科学数据库和多 Agent 系统将现有模型包装为科研平台。 2. 每张图表附带生成代码、运行环境、自然语言描述和完整对话记录，支持自然语言指令修改图表。 3. 支持本地运算（macOS/Linux）和 SSH 连接 HPC 集群，敏感数据可留本地，仅发送上下文信息给 Claude。

推荐理由常规版本更新，跟进即可

Anthropic 今天发布 Claude Sonnet 5，替代 Sonnet 4.6 成为免费版和 Pro 版的默认模型。Anthropic 的定位很明确：Agent 能力接近自家最贵的 Opus 4.8，API 价格...

Anthropic 发布 Claude Sonnet 5，Agent 能力接近 Opus 4.8，API 价格仅为后者 40%，并更换新分词器。

Anthropic 发布 Claude Sonnet 5，定位为 Agent 能力接近旗舰 Opus 4.8 但价格仅为其 40% 的模型。在 Agent 编程基准上 Sonnet 5 得分 63.2%，高于前代 Sonnet 4.6 的 58.1%，低于 Opus 4.8 的 69.2%；知识工作基准甚至略超 Opus 4.8。模型更换了新分词器，同样文本可能消耗 1.0-1.35 倍 Token，但推广期定价已对冲此涨幅。对开发者而言，Sonnet 5 提供了更优的性价比，但需注意推广期结束后实际花费涨幅可能高于标价涨幅。 核心观点： 1. Sonnet 5 在 Agent 编程基准得分 63.2%，Sonnet 4.6 为 58.1%，Opus 4.8 为 69.2%。 2. 新分词器导致同样文本消耗 1.0-1.35 倍 Token，推广期定价已对冲此涨幅。 3. API 推广价（至 8 月 31 日）为输入 $2/百万 Token、输出 $10/百万 Token，之后涨至 $3 和 $15。

推荐理由常规版本更新，跟进即可

Q：我们公司有十几个微服务，现在想让开发用 AI Agent 来做系统设计和编码。问题是一个 user story 经常需要多个微服务协作，Agent 必须了解每个服务的职责边界...

针对多微服务场景下AI Agent进行系统设计与编码，提出monorepo/虚拟monorepo、分层文档、协议测试和mock server验证闭环的实践方案。

针对多微服务场景下AI Agent进行系统设计与编码的实践方案。核心挑战在于Agent需理解多个微服务的职责边界与业务概念。推荐采用monorepo或虚拟monorepo提供全局视图，配合分层文档（根目录AGENTS.md索引+各服务目录职责文档）实现按需加载上下文。强调利用OpenAPI spec、Pact契约文件等机器可读规格及协议测试代码作为精准上下文来源。验证方面，通过mock server和contract test形成“写代码→跑测试→自我修正”的闭环，避免依赖完整集成环境。 核心观点： 1. monorepo或虚拟monorepo（多仓库clone到同一本地目录）是社区推荐的Agent上下文组织方式。 2. 分层文档策略：根目录AGENTS.md做索引，各微服务目录内放职责与业务概念文档（DDD bounded context）。 3. 协议测试代码（如Pact契约文件）是比手写文档更准确的活文档，因测试失败即表明协议不一致。

推荐理由常规资讯，保留列表

OpenAI 今天（6月26日）发布了新一代模型 GPT-5.6，包含三个版本：旗舰级 Sol、日常级 Terra 和经济级 Luna。但这条新闻最值得关注的地方不在模型本身，而在发布...补录

OpenAI 发布 GPT-5.6 系列模型，包含 Sol、Terra、Luna 三个版本，因美国政府要求仅向约 20 家合作伙伴开放预览。

OpenAI 于6月26日发布 GPT-5.6 系列模型，包含旗舰级 Sol、日常级 Terra 和经济级 Luna。因美国政府要求，目前仅向约20家经审批的合作伙伴开放预览。Sol 新增 max 深度推理与 ultra 多子 Agent 并行模式，在 Terminal-Bench 2.1 上 Sol Ultra 得分 91.9%。Terra 性能接近上一代 GPT-5.5 但价格减半，Luna 主打低成本高吞吐。7月将上线 Cerebras 硬件加速版本，推理速度达每秒750 token。对开发者而言，Terra 的高性价比和 Sol 的 ultra 模式值得关注。 核心观点： 1. Sol Ultra 在 Terminal-Bench 2.1 上得分 91.9%，高于 Claude Mythos 5 的 88% 和 Gemini 3.1 Pro Preview 的 70.7%。 2. Sol 在 ExploitBench 上用约三分之一的 token 达到 Mythos Preview 的网络安全水平。 3. Sol 的 ultra 模式可调用多个子 Agent 并行处理复杂任务，无需开发者自行搭建 Agent 编排框架。

推荐理由常规版本更新，跟进即可

MiniMax 发布开源权重模型 M3，支持 1M 上下文与原生多模态，具备前沿编码与 Agent 能力

MiniMax 发布开源权重模型 M3，支持 1M 上下文与原生多模态，具备前沿编码与 Agent 能力。

MiniMax 发布开放权重模型 MiniMax M3。该模型总参数量约 428B、激活参数量约 23B，支持 1M-token 上下文窗口与原生多模态理解，并具备前沿编码与 Agent 能力。模型权重已上架 Hugging Face，同时发布了 MiniMax Sparse Attention 论文。开发者可直接下载部署，在超长上下文、多模态及 Agent 场景中进行应用开发与评测。 核心观点： 1. MiniMax M3 总参数量约 428B，激活参数量约 23B，以开放权重形式发布。 2. 模型支持 1M-token 上下文窗口，具备原生多模态理解及前沿编码与 Agent 能力。 3. 权重已上架 Hugging Face，并配套发布 MiniMax Sparse Attention 技术论文。