研究团队表示，三款模型基于相同的基础训练数据集，高一致率的结果符合预期。真正具备研究价值的是模型间25%的分歧部分，这种差异大概率并非源于模型对工具质量的独立判断，而是由基于人类反馈的强化学习（RLHF）调优策略不同，以及生成环节的专属微调差异导致。

有趣的是，Claude Code在不同项目上下文中的表现也颇具特色。尽管同一工具类别在不同代码仓库中，其选择可能会有所不同，但在相同项目中，即使用不同的措辞表达需求，其选择的稳定性平均达到76%。这表明，项目的上下文对工具选择的影响远大于指令的措辞。 从实验结果来看，Claude ...

Claude，算是一个让人又爱又恨的模型了。 一方面是真的好用，另外一方面就是国内的各种不友好。 但是，它的新功能真是的层出不穷。 比如远程控制： 比如这个代码安全功能，对安全圈估又是一个大的打击，后面不知道有多少团队受此影响。

新智元报道 编辑：LRST【新智元导读】AI能写代码，却修不好构建环境、看不懂系统监控、串不起全链路运维——新基准DevOps-Gym显示，顶级模型在真实软件工程任务中全链路成功率归零，暴露其缺乏长程推理与动态系统理解能力，AI辅助编程远未触及真实开发核心。随着LLM的爆发，Coding ...

Anthropic正在加速补齐其在 AI 智能体（Agent）领域的最后一块短板。2026年2月26日，据报道，Anthropic已正式完成对西雅图 AI 初创公司 Vercept 的收购。 这次收购的核心目标非常明确:通过 Vercept 顶级的视觉理解技术，让Claude能够像人类一样，真正“看懂”屏幕并精准操控各类软件。