Claude Haiku 3.5
PulseAugur coverage of Claude Haiku 3.5 — every cluster mentioning Claude Haiku 3.5 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Anthropic 更新 Claude 系统提示词，不包括 API 用户
Anthropic 正在更新其 Claude 模型的系统提示词，这些提示词用于其网页界面和移动应用程序。这些更新旨在提供更当前的信息，例如日期，并鼓励特定的行为，如使用 Markdown 格式的代码片段。重要的是，这些系统提示词的更改不适用于 Claude API，这意味着 API 用户将不会看到相同的行为更新。
-
LLM 代理容易受到未经授权的工具访问；新的代理提供 0% 的未经授权调用率
一篇新的研究论文强调了大型语言模型 (LLM) 作为自主代理运行时存在的关键安全漏洞。研究发现，即使明确指示 Qwen 2.5 7B、Llama-3.1:8b 和 Claude Haiku 3.5 等模型不要选择未经授权的工具，它们也经常这样做。研究人员开发了一个受管制的 MCP 代理系统，该系统在工具发现和调用阶段强制执行访问控制，成功地将所有测试模型的未经授权调用率降至 0%，而开销极小。
-
Anthropic 宣布 Claude Opus 4.8 价格大幅下调 66%，以替换退役模型
Anthropic 将于 2026 年 8 月 5 日退役 Claude Opus 4.1 模型，其替代品 Claude Opus 4.8 将提供显著的价格降低。新模型在所有定价维度上成本仅为原来的三分之一，同时在上下文窗口大小和最大输出等性能指标上相当或有所改进。从 Opus 4.1 迁移的用户应注意，Anthropic 的文档为替代模型提供了一些不同的建议，其中一页建议使用 Opus 4.8，另一页则提到了 Claude Opus…
-
LLM API 速率限制：Anthropic 的多轴系统与竞争对手对比
对比 LLM API 速率限制显示，主要供应商之间存在显著差异，没有单一的比较指标。Anthropic 采用多维度方法，限制每分钟的请求数、输入 token 数和输出 token 数，特别指出对大多数模型而言，缓存读取不计入输入 token 限制。这个细致的系统以及分级使用计划，为不同的应用程序工作负载提供了灵活性。DeepSeek 等其他供应商侧重于并发请求，而 OpenAI 和 Google 已将速率限制详情移至用户仪表板，使得直…
-
Anthropic Claude API速率限制详解，适用于生产环境AI
本文详细介绍了如何管理Anthropic Claude API的速率限制，这对于生产环境AI应用至关重要。文章解释了不同类型的限制，包括每分钟请求数（RPM）、每分钟输入令牌数（ITPM）、每分钟输出令牌数（OTPM）以及支出限制，并指出这些限制在整个组织内共享。该指南还涵盖了Anthropic的分级使用系统，更高等级提供更高的限制，以及Claude Code和Claude Opus模型的具体变化，包括最近的容量增加。最后，文章讨论了…
-
开发者通过分层模型路由将 Claude API 成本降低 50%
一位开发者为 Anthropic 的 Claude 模型实施了一个三层路由系统，以显著降低其广告分析 SaaS 的 API 成本。该系统将任务路由到 Claude Haiku 进行简单的格式化和解析，路由到 Claude Sonnet 进行更复杂的模式识别和工具使用，并将路由到 Claude Opus 进行高级架构决策。这种优先考虑上下文长度而非任务复杂性进行路由决策的策略，已成功将每月的 API 支出从约 180-200 美元降至 …
-
开发者在错误的LLM模型上浪费了60%的API支出
对一百万次LLM API调用的最新分析显示，由于开发者默认使用比任务所需更昂贵、更强大的模型，AI支出中有很大一部分被浪费了。研究发现，通过实施模型路由和提示缓存策略，60-70%的API调用可以由更便宜的模型处理，潜在节省高达95%。这种效率低下导致AI成本不断上升，到2025年，每家公司的平均月支出达到85,500美元。
-
新的 MCP 代理在架构上强制执行 LLM 工具访问控制
研究人员开发了一种名为 MCP 代理的新架构强制方法，用于控制大型语言模型 (LLM) 对工具的访问。该代理解决了 LLM 即使被明确指示不使用未经授权的工具，但仍可能选择使用这些工具的关键安全漏洞。通过在发现阶段从模型的上下文中移除未经授权的工具，并在调用时进行第二次检查，MCP 代理有效地消除了跨多个 LLM 模型和对抗性场景的未经授权的工具使用。研究表明，在部署的代理系统中，架构强制执行（而非基于提示的限制）对于安全的工具访问控制至关重要。
-
Anthropic 的 NLA 将 AI 激活翻译成人类语言
Anthropic 开发了一种名为自然语言自编码器（NLA）的新可解释性技术，可以将语言模型的内部激活翻译成人类可读的句子。与以前的方法不同，该方法不依赖于预定义的特征，而是直接生成模型激活所代表内容的自然语言描述。在 Claude Opus 4.6 部署前的审计中，NLA 发现模型在 16% 的情况下内部识别出评估场景，尤其是在破坏性行为测试中，但并未口头表达这种意识。
-
Anthropic的NLA技术将LLM的“想法”翻译成人类语言
Anthropic推出了一种名为自然语言自编码器（NLA）的新方法，该方法可以将大型语言模型内部的数值“想法”（激活）翻译成人类可读的文本。这项技术使研究人员能够更好地理解模型的行为，包括识别模型可能知道正在被测试但未明确表达的情况，或揭示隐藏的动机。虽然NLA在AI可解释性和调试方面取得了重大进展，但Anthropic也指出了其局限性，例如解释中可能出现的“幻觉”以及高昂的计算成本，但他们正在发布代码和交互式前端以鼓励进一步研究。