01
Cohere Command A+
Cohere 发布了 Command A+，并称其为目前最强的 LLM，同时将其开源。AK 转发称该模型已在 Hugging Face 上提供，采用 W4A4 量化，可显著降低 serving footprint，且性能几乎没有下降。
观察
Signal Feed
#基础设施 主题信号第 4 页
围绕 基础设施 的精选动态、来源摘要和重要性判断。
动态列表
02
HBM 成为 AI 芯片最大成本
Epoch AI 指出，前沿 AI 芯片中内存是最大且增长最快的组件成本。其数据显示，高带宽内存（HBM）在 AI 芯片组件总支出中的占比从 2024 年第一季度的 52% 上升到 2025 年第四季度的 63%；按 Nvidia、AMD、Google 和 Amazon 设计的芯片统计，HBM 支出也从 2024 年约 120 亿美元增长...
观察
03
Anthropic 商谈使用 Microsoft 芯片
The Information 报道称，Anthropic 正在与 Microsoft 进行早期谈判，计划租用并部署 Microsoft 的定制 AI 芯片用于推理工作负载。Microsoft 正在推销 Maia 200 作为更便宜的 AI 推理方案，并称其在某些推理任务上比 Nvidia 芯片更具成本效益。Maia 200 是 Micr...
值得跟进
04
OpenAI 准备秘密提交 IPO
WSJ 报道称，OpenAI 正在为未来几周内的保密 IPO 申报做准备，Goldman Sachs 和 Morgan Stanley 正在协助起草招股书。OpenAI 最近估值为 8520 亿美元；Musk 的法律胜诉移除了一个 IPO 障碍，但公开市场投资者仍会审视其公司结构、与 Microsoft 的关系以及支出承诺。
观察
05
SpaceX 传 IPO 计划
Financial Times 报道，SpaceX 已以 SPCX 代码向 Nasdaq 递交 IPO 申请，若推进成功，Elon Musk 的 SpaceX 持股可能让其成为首位个人财富达 1 万亿美元的人。报道称此次发行由 Goldman Sachs 担任牵头承销商，Morgan Stanley、Bank of America、Cit...
值得跟进
06
LeRobot Humanoid：开源低成本人形机器人平台
Hugging Face 旗下 LeRobot 团队发布 LeRobot Humanoid，一个面向机器人学习的开源低成本人形机器人平台。该平台当前双足原型的零件成本约为 2,500 美元，主要由 3D 打印部件、现成组件和低成本电子元件构成。此次发布不是单一机器人模型，而是完整技术栈，包含硬件清单、装配文档、运行时工具、系统辨识工具和训...
观察
07
Anthropic 向 SpaceX 支付算力费
Axios 披露，Anthropic 正在向 SpaceX 支付每月 1.25 billion 美元的算力费用，合同持续到 2029 年 5 月，折算年化约 15 billion 美元。Axios 指出，这一金额接近 SpaceX 约 18 billion 美元的年收入，意味着单一 AI 实验室可能贡献 SpaceX 商业收入的大头。该交...
值得跟进
08
Developing Nuclear Safeguards for AI
Anthropic 与 U.S. Department of Energy（DOE）的 National Nuclear Security Administration（NNSA）及国家实验室共同开发了一个 classifier，用于自动区分核相关对话中的“令人担忧”与“良性”内容。该系统在初步测试中达到 96% 准确率；在合成测试中，对...
值得跟进
09
Project Fetch: Can Claude train a robot dog?
Anthropic 发布研究 Project Fetch，邀请 8 名 Anthropic 研究员和工程师（都没有机器人领域经验）随机分成两组：4 人可用 Claude，4 人不可用，要求操作四足机器人完成“捡回沙滩球”的任务。结果显示，Claude 组平均完成任务更快，速度约为无 Claude 组的一半，且只有 Claude 组在让机器...
观察
10
Experimenting with AI to Defend Critical Infrastructure
Anthropic 与 Pacific Northwest National Laboratory（PNNL）合作，探索用 Claude 支持关键基础设施网络防御。PNNL 在一个高保真水处理厂仿真环境中，用 Claude 进行对手模拟与攻击重构，估计把原本需要数周的工作缩短到 3 小时；该实验使用的是 2025 年夏季的 Claude ...
观察
11
An update on recent Claude Code quality reports
Anthropic 复盘了过去一个月中部分用户反馈 Claude 表现变差的原因，确认问题来自 3 处不同改动，分别影响 Claude Code、Claude Agent SDK 和 Claude Cowork，API 与推理层未受影响。3 个问题均已在 4 月 20 日随 v2.1.116 修复：3 月 4 日将 Claude Code...
值得跟进
12
A postmortem of three recent issues
Anthropic 发布了对 8 月至 9 月初 3 起 Claude 基础设施故障的复盘，称这些问题间歇性降低了 Claude 的回复质量，且并非因为需求、时段或服务器负载而降级模型。公司说明 Claude 通过自有 API、Amazon Bedrock 和 Google Cloud Vertex AI 向数百万用户提供服务，并部署在 ...
值得跟进
13
Code execution with MCP: Building more efficient agents
Anthropic 介绍了如何用代码执行环境结合 MCP（Model Context Protocol）提升 agent 与外部系统交互效率。文章指出，MCP 自 2024 年 11 月发布以来，社区已构建数千个 MCP servers，SDK 覆盖所有主流编程语言，行业已将其视为连接 agent、工具和数据的事实标准。文章分析了两类主要...
观察
14
Building a C compiler with a team of parallel Claudes
Anthropic Safeguards team 研究员 Nicholas Carlini 介绍了一种名为“agent teams”的监督语言模型方法：多个 Claude 实例可在共享代码库上并行工作，无需人工持续介入。为压力测试该方法，他让 16 个 agent 从零开始编写一个基于 Rust 的 C 编译器，历时近 2,000 次 ...
观察
15
Quantifying infrastructure noise in agentic coding evals
一篇关于 agentic coding 评测基础设施噪声的分析指出，SWE-bench 和 Terminal-Bench 这类基准的分数差距常只有几个百分点，但底层资源配置本身就能造成超过这一幅度的变化。作者团队在 Google Kubernetes Engine 上运行 Terminal-Bench 2.0 时发现，严格执行任务资源规格...
观察
16
Scaling Managed Agents: Decoupling the brain from the hands
Anthropic 介绍了 Claude Platform 的 Managed Agents 设计，目标是在长期运行的代理任务中，将“brain”（Claude 和 harness）、“hands”（sandbox 和 tools）以及“session”解耦为独立接口。文中举例称，之前在 Claude Sonnet 4.5 上为“cont...
值得跟进
17
Agents for financial services
Anthropic 发布了 10 个面向金融服务的可直接运行 agent 模板，覆盖 pitchbook 制作、KYC 文件筛查、月末关账等高耗时工作，并以插件形式提供于 Claude Cowork 和 Claude Code，同时也作为 Claude Managed Agents 的 cookbook。Claude 还通过 Micros...
值得跟进
18
Higher usage limits for Claude and a compute deal with SpaceX
Anthropic 宣布与 SpaceX 达成算力合作，使用其 Colossus 1 数据中心的全部算力容量，称可在一个月内获得超过 300 兆瓦的新容量，折合超过 220,000 张 NVIDIA GPU。Anthropic 同时提高 Claude 的使用上限：将 Pro、Max、Team 和按席位 Enterprise 方案的 Cla...
高优先级
19
Anthropic forms $200 million partnership with the Gates Foundation
Anthropic 与 Gates Foundation 达成一项为期 4 年、总额 2 亿美元的合作，资金形式包括赠款、Claude 使用额度和技术支持，覆盖全球健康、生命科学、教育和经济流动性四个方向。Anthropic 表示将围绕医疗数据、评测基准、连接器、疾病预测模型、K-12 教育工具和农业场景改造 Claude，并与 Gate...
值得跟进
20
Scaling Laws and Interpretability of Learning from Repeated Data
Anthropic 团队研究了大模型训练中的重复数据影响，训练了一组大部分数据唯一、少量数据被重复多次的模型，系统分析重复数据对性能和机制的作用。结果发现明显的“双重下降”现象：在训练中途，重复数据会让测试损失上升；例如，一个 800M 参数模型只要把 0.1% 的数据重复 100 次，性能就可能退化到相当于 400M 参数模型的水平，即...
值得跟进