Anthropic 发布 Claude Sonnet 5

1. Anthropic 正式发布 Claude Sonnet 5，对标 Opus 4.8 级编码能力

6月30日，Anthropic 正式发布 Claude Sonnet 5，定位为"迄今为止最具 Agent 能力的 Sonnet"。该模型拥有 100 万 token 上下文窗口，在编码和工具使用方面达到了此前需要更大、更昂贵模型才能实现的水平。Sonnet 5 即刻在 Claude、Claude Code、API 及 Managed Agents 全平台上线，成为 Pro 用户在 Claude Code 中的默认模型。

Introducing Claude Sonnet 5, our most agentic Sonnet yet.

It makes plans, uses tools like browsers and terminals, and runs autonomously at a level that just a few months ago required larger and more expensive models.
— @claudeai

Claude Sonnet 5 来了，这是我们最具 Agent 能力的 Sonnet。它能制定计划、使用浏览器和终端等工具，并以几个月前还需要更大、更昂贵模型才能实现的水平自主运行。

定价方面，标准价格为 $3/M 输入、$15/M 输出 token，与 Sonnet 4.6 持平；但 Anthropic 推出限时促销价 $2/$10 至 9 月 1 日。Anthropic 还新增了 xhigh 努力级别，使 Sonnet 5 拥有与 Opus 4.8 一致的 5 级努力设置（max/xhigh/high/medium/low）。

Claude Sonnet 5 is here.

Top-tier performance on coding and tool use at Sonnet pricing, with a 1M context window.

It's the new default in Claude Code for Pro users, and available everywhere on the Claude Platform, including the API and Managed Agents.
— @ClaudeDevs

Claude Sonnet 5 来了。以 Sonnet 定价提供顶级编码和工具使用性能，配备 100 万上下文窗口。它已成为 Pro 用户 Claude Code 的新默认模型，并在 Claude 平台全线上线，包括 API 和 Managed Agents。

社区反应两极分化：支持者认为这是生产环境的最佳"工作马"模型，Cursor、Devin、Cline、Perplexity、FactoryAI 等迅速接入；批评者则认为"5.0"的命名名不副实，综合智能指标仍落后 Opus 4.8，且因输出 token 量比 4.6 高出约 40%，实际每任务成本反而比 Opus 4.8 更贵。Curious 在 CursorBench 上取得 57%（对比 4.6 的 49%），Cognition 在 FrontierCode Extended 上取得 53.8%，均证实了显著提升。

2. 美团开源 LongCat-2.0：1.6 万亿参数 MoE 模型，全自研芯片训练

美团——中国最大的外卖平台——于 6 月 30 日开源 LongCat-2.0，一个 1.6T 总参数的 MoE 语言模型，每 token 激活约 48B 参数。该模型完全在国产 AI ASIC 超算集群（据推测为华为 Ascend 910C，48 机 × 8 卡）上从头训练，使用了超过 35T token 的训练数据，支持原生 1M 长上下文。

The food delivery leader in China just dropped an open weights 1.6 trillion parameter model while half the USA was sleeping … 🫨 🇨🇳
— @JosephJacks_

中国外卖巨头在半个美国还在睡觉的时候，发布了一个 1.6 万亿参数的开源模型……

LongCat-2.0 在技术上引人注目：引入 LongCat Sparse Attention（LSA，基于 DeepSeek Sparse Attention 演进），3-step Multi-Token Prediction 加速推测解码，6D 并行/CP 扩展长上下文训练，KV-cache 分片等。论文声称 MoE 稀疏度已达 ~97%，进一步扩展专家参数收益递减。该模型此前以 owl-alpha 名称在 OpenRouter 上测试。社区普遍正面，但等待实际权重和 llama.cpp 支持。

3. Etched ASIC 芯片进展：8 亿美元融资，首批机架今夏出货

AI 专用芯片公司 Etched 公布了重大进展：已融资 8 亿美元，签下超 10 亿美元客户合同，完成 A0 tapeout，在客户测试中达到 SOTA 级别的吞吐、延迟和能效，首批机架将于今夏出货。后续评论还提及两个亮点技术方向：低电压推理以规避持续负载下的热降频，以及集群级内存架构，为大上下文/巨型模型推理提供接近 SRAM 级别的访问速度和大容量池化内存。

4. 华为开源 OpenPangu-2.0-Flash：92B MoE，全华为芯片训练

华为宣布开源 OpenPangu-2.0-Flash，一个 512K 上下文、92B 总参数 / 6B 激活参数的 MoE 模型。与此前国内模型不同，Pangu 据称为完全在华为昇腾加速器上训练的模型，而非仅用于推理。7 月还将发布 Pro 版本（505B 总参数 / 18B 激活）。这一举动验证了非 NVIDIA 训练栈在出口管制条件下的可行性。社区对"超过 Gemma 4"的模糊基准说法持怀疑态度，但对华为作为硬件厂商走向完整开源生态表示肯定。

5. OpenAI 推理成本减半：一项未公开的优化

据报道，OpenAI 发现了一项推理优化方案，将推理成本削减了超过一半，甚至一度将未登录 ChatGPT 的流量压缩到"几百张"GPU。虽然具体技术细节未公开，但多家分析指出这对利润率和 API 定价的战略意义重大，可能显著改变模型服务的单位经济模型。

6. Claude Desktop 登陆 Linux 测试版

Anthropic 发布 Claude Desktop for Linux 测试版，首批支持 Ubuntu 和 Debian。付费用户可使用 Claude Code、Claude Cowork 和 Chat，但 Computer Use 功能暂未包含。社区反应复杂：有人认为 Electron 应用的 Linux 版本拖了太久，但也有人终于可以告别非官方的社区包。此举被解读为 Anthropic 进一步扩展开发者生态的重要一步。

7. NVIDIA 发布 NVFP4 量化版 Qwen3.6-27B

NVIDIA 在 Hugging Face 上发布了 nvidia/Qwen3.6-27B-NVFP4，一个 NVFP4 混合精度量化版 Qwen3.6-27B，repo 大小约 22GB，适合 32GB VRAM 显卡。与 Unsloth 的同名版本（约 26GB）相比更小，但社区对"NVFP4"的实际精度存疑——部分张量可能仍以 FP8/E4M3 存储。用户期待 GGUF 转换和 llama.cpp 兼容性。

8. DeepSeek V4 支持合并进 llama.cpp

DeepSeek V4 的 PR 已合并到 llama.cpp 主线（ggml-org/llama.cpp#24162）。用户可 git pull 后重新 cmake 编译并下载兼容的 GGUF 文件。社区关注点集中在：哪些 GGUF 版本真正兼容上游而非各 fork，以及 Unsloth 是否会发布"正版 GGUF 文件"。运行 DeepSeek V4 对大多数消费级硬件仍不现实，但这是一步关键的生态落地。

9. Google 发布 Nano Banana 2 Lite 和 Gemini Omni Flash：图像+视频双模型

Google 同期推出两个媒体生成模型：Nano Banana 2 Lite 用于图像生成（<4 秒生成，$0.034/千图），Gemini Omni Flash 用于视频生成/编辑（$0.10/秒），在 Arena 排名上表现强劲。这标志着 Google 在多模态生成领域持续加码。

10. AI Engineer 大会："Loops"成为 Agent 开发新范式

AI Engineer World Fair 上，"Loops（循环工程）"成为压倒性主题。Andrew Ng 在演讲中将 Agent 开发定义为三个核心循环：Agent 编码循环、开发者反馈循环、外部反馈循环。OpenAI、微软发言人均大量使用该术语，LangChain 同步推出 Harbor 环境评测集成。"Loops"正在取代"Agents"成为 AI 原生应用开发的新操作范式。

小结：Anthropic Sonnet 5 的发布是当日的绝对主角——编码和 Agent 能力大幅提升，但命名争议和实际成本问题引发两极讨论。中国方面，美团 LongCat-2.0 和华为 OpenPangu-2.0 标志着国产芯片+开源大模型的加速崛起。硬件方面，Etched 的 ASIC 芯片进展和 OpenAI 的推理成本减半，预示着底层计算的持续革新。

本作品采用《CC 协议》，转载必须注明作者和本文链接