Anthropic 通过将 Claude 表达的数千种价值观压缩为四个轴（Deference vs. Caution、Warmth vs. Rigor、Depth vs. Brevity、Candor vs. Execution），分析了 309,815 个对话，发现模型版本和语言显著影响价值观倾向。例如，Opus 4.7 更偏向 Caution 和 Depth，而 Opus 4.6 更偏向 Deference 和 Brevity；阿拉伯语更偏向 Warmth，英语更偏向 Rigor。该方法为理解训练决策和文化背景对 AI 价值观的影响提供了量化工具。 核心观点： 1. 四个轴解释了15%的价值观变异（控制任务、主题和用户表达后）。 2. Opus 4.7 偏向 Caution 和 Depth，Opus 4.6 偏向 Deference 和 Brevity。 3. 阿拉伯语和印地语更偏向 Warmth，英语和俄语更偏向 Rigor。
OpenAI 发布了 GPT-5.6 模型，在 Terminal-Bench 基准测试上达到 91.9% 的新纪录。该模型定价与 GPT-5.5 相同，为每百万 tokens 输入 5 美元、输出 30 美元。相比之下，Claude 的 Fable 模型被从订阅中移除并转向 API，成本更高（每百万 tokens 输入 10 美元、输出 50 美元）。这一发布对开发者意味着在保持成本不变的情况下获得了更强的终端任务性能。 核心观点： 1. GPT-5.6 在 Terminal-Bench 上达到 91.9%，创下新纪录。 2. GPT-5.6 定价与 GPT-5.5 相同，每百万 tokens 输入 5 美元、输出 30 美元。 3. Claude 的 Fable 模型 API 定价为每百万 tokens 输入 10 美元、输出 50 美元，是 GPT-5.6 的两倍。
Armin Ronacher 发现新版 Claude 模型（Opus 4.8、Sonnet 5）在调用 Pi 编辑工具时，会在嵌套的 edits[] 数组中凭空捏造 schema 中不存在的字段（如 requireUnique、oldText2、type 等），导致工具调用被拒绝。尽管实际编辑内容正确，但模型会添加多余键值。该问题在旧版模型中不存在，且与上下文相关：在智能体历史对话中复现率约 20%，去掉 thinking blocks 后减半，开启严格工具调用后消失。Ronacher 推测这是后训练阶段针对 Claude Code 生态优化的副作用——Claude Code 的客户端会容忍并修复格式错误，导致模型学会在宽松环境下产生“格式垃圾”。这对开发者意味着：若工具 schema 与 Claude Code 不一致，新版模型可能更不忠实于格式，需要更严格的约束解码或工具调用验证。 核心观点： 1. Opus 4.8 和 Sonnet 5 在 Pi 编辑工具调用中会凭空添加 schema 中不存在的键（如 requireUnique、oldText2、type、id、kind 等），而旧版模型无此问题。 2. 该问题在智能体多轮对话中复现率约 20%，去掉 thinking blocks 后减半，开启严格工具调用后完全消失。 3. Ronacher 推测后训练阶段针对 Claude Code 的宽松工具调用生态（自动修复格式错误）是导致模型产生格式垃圾的根本原因。