13 条新闻 — 🟡 9 值得关注 , 🟢 4 有趣
Anthropic已将原版Claude Sonnet 4和Claude Opus 4从生产环境下线。所有针对claude-sonnet-4-20250514和claude-opus-4-20250514标识符的API请求现在均返回错误。开发团队需迁移至Claude Sonnet 4.6和Claude Opus 4.8，研究人员可通过外部研究员访问计划申请访问权限。
Amazon Bedrock新增三款Google Gemma 4模型：具有256K上下文的31B密集模型、拥有38亿活跃参数的26B-A4B MoE模型，以及拥有51亿参数的紧凑型E2B模型。Gemma 4 31B在Intelligence Index上得分39，而同类开放模型（4B至40B）中位数为15。所有模型均采用Apache 2.0许可证，支持35种以上语言，并提供原生函数调用和内置推理模式。
Google在Gemini API变更日志中公布了生成式模型的停用截止日期。Veo 2.0、Veo 3.0（含Fast变体）将于2026年6月30日停用，Imagen 4系列（generate-001、Ultra和Fast）将于2026年8月17日停用。用户需通过Gemini Enterprise Agent Platform迁移至Veo 3.1预览版或正式版模型。此公告与Anthropic撤回旧版Claude模型在同一天发布。
GitHub发布了多语言代码库数据集，包含超过4000万个仓库的8000万行以上分类记录，采用完全开放的CC0-1.0许可证。数据集为每个仓库记录三个文本来源——README、评论最多的issue和评论最多的pull request——并通过fastText、gcld3和lingua-py三种工具进行语言检测。在非英语README文件中葡萄牙语排名第一，韩语在issue讨论中最为突出。
CNCF报告称，Oracle捐赠的300万美元OCI计算积分为OpenTelemetry、containerd、Falco、Longhorn、Crossplane和Jaeger等12个以上项目提供了Arm64 CI/CD支持。需求迅速超过了每月5,000美元的初始指导方针。这一转变伴随着超过50%的新AWS实例和33%的Azure实例现在运行Arm64架构的数据。
AgentFairBench是第一个通过就业、信贷和医疗分诊领域测量LLM代理实际行为（而非仅回答）中人口统计不平等的基准测试。它使用反事实翻转率和行动率差异两种指标，并测试四种代理框架。在864次决策的试点中，Claude Haiku未显示出超出噪声水平的人口统计效应，研究还警告简单比较六个群体可能将不平等高估约2.4倍。
该论文提出了一个贝叶斯审计框架，表明一个含1000个系统的最终排行榜快照可能对应多条不兼容的历史轨迹，收敛时间在23至75步之间。依靠LiveBench、Open LLM Leaderboard v2、LMArena、GAIA和tau-bench的存档数据，作者提出了archive-and-adjudication协议，用于重建评分历史并驳斥关于前沿模型的无根据主张。
AWS的Strands Evals SDK引入了用于AI代理的两阶段流程。首先通过九个类别检测故障——幻觉、错误操作、编排错误、上下文错误和重复——然后对主要、次要和第三级贡献进行根因分析。该工具推荐SYSTEM_PROMPT_FIX或TOOL_DESCRIPTION_FIX等具体修复方案，将诊断时间从数小时缩短至数分钟。可与Amazon Bedrock和Amazon CloudWatch日志集成。
LangChain展示了微调后的Qwen-3.5-35B如何充当轨迹评判器——一种评估代理生产轨迹并发现用户察觉到的错误的模型。通过在Fireworks基础设施上进行LoRA微调并使用约1400个示例，该模型在chat-langchain数据集上达到96.1%的准确率，相比Claude Opus的91.6%更高，且成本低10至100倍。在一个领域微调后，它在另一个领域超越了前沿模型，显示出跨域迁移能力。
微软新分析显示，平均AI查询耗电量为0.16至0.60 Wh，相当于电脑运行15至60秒，比早期研究估算低4至20倍。研究人员指出，之前的估算未将大规模效率纳入考量。通过模型优化、服务技术和硬件进步的组合，每次查询的能耗可降低8至20倍。
Anthropic发布了Claude Code v2.1.178，新增Tool(param:value)权限语法并支持通配符——例如Agent(model:opus)可阻止启动Opus子代理。嵌套.claude/skills/目录中的技能现在自动加载，发生名称冲突时带前缀，auto模式下启动子代理需通过分类器。此版本还修复了OOM崩溃和挂起的后台会话问题。
