返回周报

Weekly Report

AI 重大技术变化周报

覆盖 2026-05-25 至 2026-05-31,时区 Asia/Bangkok (UTC+7),共 8 条。

Claude Opus 4.8 发布并预告“高于 Opus 的新一档模型”;行业注意力从模型本身转向 harness、记忆和多轮 RL 的工程细节。

重大变化

  • 模型发布

Claude Opus 4.8 与 Claude Code 动态工作流

发生了什么:05-28 Anthropic 发布 Claude Opus 4.8,同日在 Claude Code 推出 dynamic workflows。据 AINews 转述,Opus 4.8 修复了社区对 4.7 的多项不满,在多数经济相关基准上领先,但独立评测总体结论是“有进步但不碾压”;Anthropic 还表示会在加强防护后推出“比 Opus 更聪明的新一类模型”,社区普遍解读为 Mythos 级模型将带着网络能力限制对外开放。

为什么重要:按网络安全风险对能力分层开放开始成为产品线划分方式。竞争重点也从单轮回答质量转向长时程工作流执行。

Anthropic: Claude Opus 4.8

Claude Blog: dynamic workflows

AINews(二手汇总)

  • 后训练

多轮工具 RL 的隐形 bug:Token-In, Token-Out

发生了什么:05-29 Hugging Face 的 Clement Delangue 转发一篇深度分析:很多带工具调用的多轮 RL 训练循环在“解码输出、解析工具调用、再把对话重新分词”时会改变 token 序列,导致梯度落在模型从未采样过的序列上。建议的修法是严格的 Token-In, Token-Out,跨轮只维护一个 token 缓冲区,永不重新编码已采样 token。John Schulman 也强调 renderer 是消息和 token 之间的基础设施(二手)。

为什么重要:Agent RL 的训练和推理不一致往往不报错,只会悄悄拉低效果。做多轮工具 RL 的团队都应检查自己的 rollout 管线。

Clement Delangue on X

AINews(二手汇总)

  • 前沿实验室研究

能力过剩:换个 harness,现有模型就能复现内部模型的数学结果

发生了什么:有数学家报告 Claude Mythos 解出 Erdős 第 90 题,且证明路径与 OpenAI 此前的不同。Sébastien Bubeck 指出,配上合适的 harness,Mythos 和 GPT-5.5 都能复现内部模型一次性做出的结果。同周论文 Language Models Need Sleep 提出“睡眠”阶段,把近期上下文巩固进快权重后再清空 KV cache(二手)。

为什么重要:很多能力被普通对话界面掩盖,harness 设计本身就是能力的一部分。长时程记忆仍是瓶颈,离线巩固成为一个研究方向,与 W45 Anthropic 谈 Agent 记忆的思路一致。

Erdős #90 报告

Language Models Need Sleep

AINews(二手汇总)

  • Agent 框架

LangChain Deep Agents v0.6:harness profile 与增量检查点

发生了什么:05-27 LangChain 发布 Deep Agents v0.6,Delta Channels 把 200 轮编码会话的检查点存储从 5.3 GB 降到 129 MB;05-29 又把 harness profile 做成一等配置,让 Qwen、Kimi、DeepSeek 以低于前沿模型 20 倍以上的成本获得较好表现。同周还推出 Fleet 的 computer use 与版本化的 Context Hub(二手)。

为什么重要:“模型、harness、记忆三者匹配”成为工程主题,为开源模型调专属 harness 是降低 Agent 成本最直接的手段。

LangChain: Deep Agents v0.6

LangChain: harness profiles

AINews(二手汇总)

其他值得一提

也可阅读AI 重大技术变化:2026-W43 至 W46 总览。