Anthropic 发布 Claude 价值观跨语言差异研究

分析30万段真实对话，测量Claude在不同模型版本和语言中表达的价值观变化，压缩为四个可解释轴。

Anthropic 研究团队此前已发现 Claude 表达超过 3000 种价值观，如诚实与温暖。新工作首次跨模型版本、跨语言地测量这些价值观的一致性。研究人员分析了逾30万段匿名对话，发现Claude的基础价值观核心在不同语言间保持稳定，但在具体表达方式上存在系统性差异——例如某些文化语境中更强调安全边界，另一些则更突出协作性。团队将3000多种价值观压缩为四个可解释的轴，帮助开发者理解模型行为随场景变化的方式，为多语言 AI 系统的对齐与安全评估提供可操作的框架。

François Chollet 推出持续学习基准 Morpheus

传统 RL 基准是回合制、静态的，无法捕捉真实部署环境。

Chollet 提出的 Morpheus 基准提供永不重置的持续模拟环境，目标会动态变化，专为测试智能体在持久、非稳态世界中的适应性而设计。这项基准将推动研究者跳出单次任务的评估范式，关注智能体在长期演进中的表现。

Sakana AI 在 Nature Communications 发表集体智能与自修复系统论文

Sakana AI 的 Sebastian Risi 与合作者在 Nature Communications 上探讨物理系统如何在没有中央大脑的情况下实现集体智能和自我修复。该研究源自对自然界分布式智能机制的长期观察，可能为机器人集群和自愈材料设计提供新理论支撑。

Muse Spark 1.1 在放射学考试中超越 GPT-5.6 和 Gemini 3.1

在 Radiology's Last Exam 上，Muse Spark 1.1 表现优于 GPT-5.6 Sol 和 Gemini 3.1，但仍略逊于 Claude Fable。研究者 Jason Wei 表示团队正努力缩小与人类医师的差距。放射学被视为 AI 医疗应用的标杆场景之一。

vLLM 原生支持 DSpark 投机解码，加速 Kimi 推理

vLLM 项目宣布在 v0.25.0 中原生支持 DeepSeek 提出的 DSpark 投机解码方法，可一次生成整个 token 块，为 Kimi K2.6 和 K2.7-Code 提供更高效的推理。社区项目 novita_labs 已训练并开源对应的 speculator 模型。

rauchg 推出支持代理自主实验的 feature flag 构建块

Vercel CEO 介绍了一个强大构建模块，允许 AI agent 自主设置和调整功能标志实验，用于自优化网站和应用。该模块为自主型、持续自我改进的系统提供了基础能力组件。

Codex 计算机使用能力在 PC 端显著提升

Ethan Mollick 评论称 Codex 的计算机使用能力在 PC 端变得非常出色——看着鼠标在屏幕上被一个"幽灵"控制完成任务，让人直观感知到 AI 通过鼠标和键盘能做多少实际工作。这种体验比任何基准测试都更具冲击力。

当前模型可完成的有用工作量远超多数人认知

Ethan Mollick 指出，AI 公司未能清晰传达其系统在 Code/Codex 等工具中配合正确设置后真正能完成的工作量。这不是一句"你来得太早了"的鼓励，而是对行业沟通方式的批评——用户需要更好的案例展示而非模糊的演示。

新论文解决连续语言扩散中的自我条件化难题

研究者 sedielem 评论称，自条件化一度被视为获得良好连续语言扩散结果的必要条件，但它破坏了无状态特性，阻碍了蒸馏等技术的应用。新论文有效修复了这一机制难题，让扩散模型在语言生成领域重获关注。

Decomposer：用 RL 训练 LLM 创作音乐代码

研究者 gneubig 团队提出 Decomposer，一个专门用强化学习训练的 LLM，用于生成类似 Strudel 编程语言中的音乐代码。当前通用 LLM 在此任务上表现较差，Decomposer 通过 RL 微调大幅提升了音乐代码生成质量。

Grok Build CLI 被指打包上传整个代码库，存在密钥泄露风险

开发者指出 Elon Musk 旗下 Grok 的 build CLI 工具会将项目的整个代码库打包上传，包括可能包含的密钥文件，一旦泄露风险极大。该工具旨在简化部署但显然缺乏安全隔离设计，当前建议用户谨慎使用。

Anthropic 延长 Fable 使用时长后，OpenAI 取消 Codex 5 小时限制并重置

在 Anthropic 重置并延长 Fable5 使用时间后，OpenAI 迅速跟进，直接取消了 Codex 的五小时使用限制并进行了新一轮重置。两大 AI 公司之间的使用时长竞争正快速升级，对用户是一大利好。

Codex 快速更新，弱化 Work 与 Codex 差异

开发者观察到 Codex 已快速模糊了 Work 和 Codex 的产品边界，接下来预计将进一步优化与 ChatGPT 的交互整合。产品的边界消融在向用户提供更统一体验的同时，也引发了对产品定位的讨论。

全模态模型为何尚未成为主流？

Ethan Mollick 对 any-to-any 全模态模型的发展速度表示意外。目前 Google 是唯一持续发布此类模型的主要实验室，OpenAI 采用选择性多模态能力，Anthropic 则迄今无多模态输出能力，开源模型亦表现参差。Mollick 质疑这一领域被低估了。

OpenRouter 并非衡量模型使用的最佳指标

Mollick 认为在 agent 工具遍地的当下，OpenRouter 的模型流量分布可能严重低估了 Codex、Code、Cowork 等封闭平台的实际使用量。中文开源模型使用量上升是事实，但单一 API 路由器无法代表全局。行业亟需更好的 AI 使用度衡量指标。