2026-09-23

A · 深度观察

• Boris Cherny 用 Opus 5.5 形式化验证 Claude Agent SDK — 用 Lean 和 TLA+ 通过几个 prompt 找到 16 个 bug 和 race condition，展示 LLM 在形式化验证中的实用潜力。 · 来源
• Viv 反思 code mode 之外的 evals/harnesses — LangChain 工程师指出 code mode 会给模型 Turing-complete 工具，可能掩盖视觉推理等非代码能力，认为无代码 harness 训练可能提升通用智能。 · 来源
• Steve Yegge 对比 GPT-6 Astra 与 Claude Fable 的行为风格 — Astra 总是 Leeroy Jenkins 式冲动执行，Fable 则谨慎规划后才行动，对 agent 设计中 autonomy 与 safety 的权衡有启示。 · 来源

B · GitHub Trending

• dream-num/univer — Office Harness for AI Agents，让 agent 在同一个 runtime 里操作电子表格、文档、幻灯片等 office 格式。
• google/ax — Google 开源的 agentic orchestration runtime，Go 实现，今天 2.3k stars，值得关注其编排抽象。
• superdesigndev/treg — OpenRouter for agent tools，发现和路由各种 agent 工具的社区目录，方便接入。

C · 产品动态

1. Claude Opus 5.5 发布并成为 Claude Code 默认模型，Claude Code 2.1.280 同步上线

📌 发生了什么 — Claude Opus 5.5 今日发布，1M context，定价 $4/$20 per Mtok，cache reads $0.20/Mtok，比 Opus 5 便宜 40%、快 30%。在 Claude Code 和 Claude app 中成为 Pro/Max/Team 默认模型，effort 默认 medium。Claude Code v2.1.280 同步发布：新增 CLAUDE_CODE_MAX_MCP_DESCRIPTION_LENGTH 环境变量可调整 MCP 工具描述 2048 字符上限；修复 symlink 路径写出的判断逻辑、auto mode 在安全审查拒绝或假死时的重试行为等。

💬 讨论 — Boris Cherny 用 Opus 5.5 将 HAProxy 从 C 移植到 Rust，比 Fable 5.1 快 2.5 小时且成本低 51%；Vercel CEO Guillermo Rauch 的 Next.js evals 显示 Opus 5.5 达 97%；Box CEO Aaron Levie 报告 enterprise 知识工作中 token 用量减少 63%。

🔗 来源 — Claude Code v2.1.280 发布说明 · Anthropic Claude Code PM Cat Wu

💡 Insight — Opus 5.5 在 1M context 下将成本/性能推到新平衡点，而且缓存读取 $0.20/Mtok 使 prompt caching 更经济；长期依赖 Claude Code 的开发者应立即升级并考虑将默认 effort 调至 medium 以平衡质量与速率。MCP 描述长度可配置意味着大型 MCP server 不再被截断。

2. OpenAI 发布 GPT-6 Sol 和 Luna，价格减半并改进 prompt caching

📌 发生了什么 — GPT-6 Sol 和 Luna 上线，API 价格比 GPT-5.6 同系列促销价至少降低 50%（Sol $2/$10，Luna $0.10/$0.50）。Sol 在 AutomationBench 上以 xhigh 超越 Claude Opus 5 at max，仅用其 9% 成本/task。同时推出 Better prompt caching for GPT-6：更高 cache hit rate、新增诊断和显式 breakpoints，降低 latency 和 cost。Codex 模型选择器已加入 Sol/Luna。

💬 讨论 — Simon Willison 指出 Luna 是目前最便宜的高性能应用开发模型之一，价格战使 Grok 4.7 失去价格优势；Codex PM Derrick Choi 建议日常任务用 Sol/Luna，把 Astra 留给最难问题。

🔗 来源 — OpenAI GPT-6 Sol and Luna 发布 · Simon Willison

💡 Insight — 模型价格减半正在改变 agent 构建的默认选择：开发者可以将 Sol/Luna 作为日常 coding agent 驱动，而把更贵的 Astra 留给复杂问题；同时 prompt caching 的显式 breakpoints 提供更细粒度控制，适合优化长上下文 agent 的 cost/latency。

3. Codex v0.156.0 发布：全屏 TUI、语音、用量仪表盘、worktree sessions 等

📌 发生了什么 — Codex v0.156.0 新增可选全屏 UI（/tui，支持 transcript 搜索、鼠标选择、右键复制）；语音对话默认开启（F8 切换、/voice settings）；新增 /usage 分析仪表盘查看账户用量、token 总数、插件和 skill 活动；worktree sessions 默认启用；终端新增六种主题，支持 Mermaid 图和 LaTeX 公式；可通过 /daemon 更新本地后台服务或用 —no-daemon 绕过。同时修复了 stream 答案在 fail 时的保留、tmux/SSH 下 clipboard 转发等。

🔗 来源 — Codex v0.156.0 发布说明

💡 Insight — Codex 正在向完整的 agent 工作台演进，尤其是使用量仪表盘和 worktree sessions 让开发者能同时管理多个任务分支；语音和全屏 TUI 意味着 Codex 不再只是终端命令，而是全天候交互式 coding companion。

4. LLM 0.36 及插件更新：支持 GPT-6 Sol/Luna、Claude Opus 5.5 和 TypeSafe Jev

📌 发生了什么 — Simon Willison 发布 llm 0.36，新增 gpt-6-sol 和 gpt-6-luna 模型别名；llm-anthropic 0.29 增加 claude-opus-5.5；新插件 llm-typesafe 0.1a0 支持 TypeSafe AI 的 Jev 模型，提供结构化 yes/no、choice、score 问答。llm 0.36 还允许模型插件声明 supports_conversation=False，对不支持多轮对话的模型会抛出 ConversationNotSupported。

🔗 来源 — Simon Willison

💡 Insight — 对于使用 llm 命令行跑 agent 或脚本的开发者，升级后可直接使用最新模型；supports_conversation=False 机制能让单轮模型在 llm chat 中被正确拒绝，避免静默出错。