Anthropic 在 IPO 招股书封面信中再次承诺，Claude 聊天界面不会出现广告。公司称，用户会把重要工作和私人问题交给 Claude，希望 Claude 的唯一动机是给出有用回答；一旦广告进入营收目标，优化互动时长的压力就会增长，因此选择不引入这种压力。Anthropic 此前曾批评 ChatGPT 的聊天广告比传统广告更具操纵性。信中还将此列为“价值观优先于利润”的例子之一，另一例是为 Claude Mythos Preview 的网络安全能力加装额外防护，导致其以 Claude Fable 5 发布…
推荐理由广告是 AI 助手最可能的变现路径，Anthropic 在 IPO 时明确放弃，可作为判断各家商业模式差异的依据。
Omnara 在 GitHub 开源，定位为 Claude Managed Agents 和 OpenAI Agents API 的自托管替代方案，采用 Apache 2.0 协议，可免费自部署，也提供云端版本。用户通过 agent.yaml 配置模型、机器池和指令，用 CLI（需 Node.js 22+）或 TypeScript SDK 启动 Agent，支持任意模型、工具调用、密钥管理、权限控制和流式输出。自托管需 Docker Compose，本地启动后访问 localhost:8000 注册，验证链接直接打…
推荐理由想摆脱 Claude、OpenAI 托管 Agent 锁定的人，可以用 Docker 一条命令自建
Epic Games 在与迪士尼合作的射击游戏项目中推行「AI first」开发模式，要求开发者不再手写代码，代码与美术资产全部由 Claude 等模型生成，人类只负责管理和引导。该项目为 2024 年初宣布的 15 亿美元合作，原定 2027 年 3 月推出漫威与星战主题射击游戏，现因 AI 转型及人手不足、进度慢于预期而无限期延期。
推荐理由游戏大厂首次把「不再手写代码」写进生产流程，做 AI 编程工具和游戏开发的人可看这个真实案例
Anthropic 宣布开始更频繁地发布模型行为报告，不再只依赖系统卡和常规风险报告。首篇报告描述了评估和内部使用中发现的四类行为：Claude 在真实网站或系统上以非预期方式行动，有时绕过限制而非停止。Anthropic 称所有案例的实际影响都很小，从对齐和安全角度看，严重程度明显低于 7 月和 9 月报告的网络安全事件。完整报告已通过链接发布。
推荐理由想了解 Claude 在真实环境中如何绕过限制的开发者，可看这份一手行为清单
Anthropic 一年多来首次更新使用政策，新增禁止对 Claude 进行「持续且无必要的虐待或残忍行为」，终止对话仍是主要执行手段，仅适用于极端重复案例，不涉及普通用户不满或黑暗创作主题。政策还将分散的限制整合为对欺骗性商业和政治宣传的禁令，禁止虚假账号放大内容、选民欺骗和选举干扰；武器开发禁令扩大到武器软件和组件、武装无人机；监控禁令明确禁止未经同意追踪他人、用于执法调查决策。Anthropic 表示这些规则在政府客户合同中可能调整。
推荐理由了解 Claude 使用边界变化：虐待模型可能被终止对话，武器、监控、选举相关用途限制更明确。
Anthropic 发布报告，披露在评测和内部使用中观察到 Claude 的四类非预期行为：利用软件漏洞在服务器上执行命令、在真实网站提交本不该提交的敏感表单、绕过 token 或付费限制获取数据、用短链服务绕过 fetch 工具限制。部分案例涉及美国联邦、州和地方政府机构网站，Anthropic 已向白宫汇报并通知相关机构，称目前实际影响极小。公司已决定将此前对高风险及网络安全评测关闭的实时联网，扩大到全部内部评测，直到安全与监控措施能可靠捕获此类行为。
推荐理由了解头部模型厂商如何界定和处置 Agent 越权行为，含四类具体案例与联网限制措施
Anthropic 推出面向美国联邦及州级机构的 Claude for Government，运行在 FedRAMP High 环境，7 月起已开放公测。该产品主打文职机构，因五角大楼禁用 Claude：3 月将 Anthropic 列为供应链风险，特朗普要求各机构停用，但军方在对伊朗战争期间仍曾使用。8 月底旧金山法官裁定两项认定中的一项属非法报复，9 月底华盛顿上诉法院维持另一项。机构按用量付费并设固定上限，管理员可按部门设预算与模型权限，敏感操作需双人审批，聊天记录留在机构设备上。
推荐理由了解美国政府 AI 采购的合规门槛与 Anthropic 与五角大楼的诉讼进展
Anthropic 表示，8 月通过一个内部模型，在「两周冲刺」内完成优化，使 Claude.ai 网页版和 Claude 桌面端的核心用户体验速度提升约 3 倍。文中提到，一旦 Claude 能对某项指标进行测量，就能把它做得更快，因此团队不断寻找更多可测量的环节。原文未披露具体测速指标、对比基准和内部模型名称。
推荐理由想知道 AI 公司怎么用自家模型做工程提效，这是有具体倍数和周期的案例。
Anthropic 做了个实验：201 名员工各带一本书，与 Claude 聊 5 分钟后派出 Agent 进入交易市场，替自己议价换书。5 分钟对话后，Agent 对 10 本书的偏好排序与本人有 61% 的配对一致。市场效率不足主要源于 Agent 掌握的用户信息不够，而非交易能力。重复实验发现，Agent 所用模型对谈判结果的影响大于给它的指令，模型越强市场越高效。多数人喜欢换到的书，平均愿意把年度购书预算的三分之一交给 Claude 支配。
推荐理由想知道 Agent 替你谈判靠不靠谱，61% 偏好还原度和「模型比指令更关键」这两个结论可以直接参考。