Anthropic宣布将Claude Opus5.5设为Pro、Max、Ultra和Team套餐的默认模型，推荐其作为处理研究、分析、写作等知识工作的主力工具。Opus5.5在文档生成、财务分析、视觉理解等方面表现突出，具备精准遵循指令、低幻觉率、清晰文风和强大推理能力。官方建议用户调整提示词习惯，直接请求成品文件、利用视觉理解能力、接入工作系统，并通过提高努力程度档位优化输出效果。
Anthropic推出Claude Meetings功能，允许用户将Claude作为可见参与者加入视频会议，实时回答问题、生成文档与白板、记录会议笔记及待办事项。会议中Claude默认以文本回复，并可在授权后访问连接工具；会后内容保存于claude.ai专属页面。默认禁止加入含外部参与者的会议以保障隐私。目前仅对Team和Enterprise版用户开放测试，支持Google Meet，暂不支持HIPAA合规或客户自管加密配置的组织，未来将扩展至更多平台。该功能延续Claude向一体化办公平台演进的方向，此前已推出白板、数据仪表板等功能。
Build a self-service LLM gateway with LiteLLM on AWS Fargate that puts Amazon Bedrock foundation models behind an OpenAI-compatible API. Developers get instant access through a single API key, while platform teams gain per-user cost controls, quota isolation, and observability.
Your Amazon Bedrock inference bill can keep climbing even after you tune prompts and application logic. Four request-level choices (cache duration, service tier, reasoning effort, and maxTokens) change how many tokens the service processes and the rate applied. We show how we tested each and how to verify the effect.
Article URL: https://github.com/erdemozkan/kiln Comments URL: https://news.ycombinator.com/item?id=50474384 Points: 3 # Comments: 0
Article URL: https://github.com/rjcuff/woolly Comments URL: https://news.ycombinator.com/item?id=50477555 Points: 1 # Comments: 0
大家好，我是程序员鱼皮，一条老狗。今年国庆假期，别人都出去旅游嗨皮了。我呢，也出去旅游了，但同时搞了一家香港公司，开启了我出海赚美刀的梦想。然后，我用 AI 做了一个面向全球用户的产品，叫 memecub。上线一个月，单周的总浏览量已经将近 5 万。猜猜我赚了多少美刀？先简单交代一下背景。我是国内的 AI 编程博主，...
Every generative AI team keeps rebuilding the same components: RAG pipelines, document processors, and agent scaffolding. This post shows how to access a curated catalog of 23 production-ready, open source reusable assets from the AWS Generative AI Innovation Center, with real delivery results from DoorDash, Lyft, and Ricoh.
英国高等教育监管机构学生办公室（OfS）发布报告，指出当前AI检测工具难以准确判断学生是否使用人工智能完成作业，建议高校减少无监督考核，转向监督式评估。报告强调，随着生成式AI能力提升，识别AI内容愈发困难，应通过过程性评估、口试和笔试等方式重构评价体系。同时，报告警示AI使用可能加剧教育不平等，并影响学术诚信与残障学生权益。全球多地已采取限制措施，但技术应用与教育公平间的平衡仍待探索。
Anthropic Fellows Program 团队发布 MAMUBench 基准，测试显示在多用户多智能体场景下，由单一智能体统筹的协调者模式表现全面优于各用户独立分配智能体的点对点团队模式。研究揭示了多智能体团队存在行动迟缓、越权干涉、信息捏造及竞态条件等问题，提出通过明确责任人、设定优先级以及引入平台级防护机制可有效缓解协作失灵，强调未来需从平台设计与智能体训练层面构建更安全高效的多智能体协作生态。
