2026-09-29

A · 深度观察

• Claude Code eval 设计与 hillclimbing 自动化指南 — 官方指南展示如何让 Claude Code 自动设计 eval 并在 eval 上爬山改进应用，把 harness 迭代交给模型 · 来源
• 不要过度依赖公开 benchmark — LangChain 的 Viv 提醒：应从真实 agent 运行数据构建 evals，公开 benchmark 只用于初筛模型方向 · 来源

B · GitHub Trending

• NVIDIA/OpenShell — 安全私有的 autonomous AI agent 运行时，Rust 实现，今天 978 星，值得扫一眼其隔离与安全模型
• VectifyAI/PageIndex — 面向 reasoning-based RAG 的 document index，不依赖 vector，用于构建 agent 可检索的文档索引

C · 产品动态

1. Claude Sonnet 5.5 发布

📌 发生了什么 — Anthropic 发布 Claude Sonnet 5.5，定价与 Sonnet 5 相同（$2/$10 per Mtok，缓存读取 $0.20/Mtok），但速度快 30%+、成本降低 30%，1M context；在 agentic coding、Terminal-Bench 4.0、OSWorld 2.1 等基准上显著提升，Claude Code 默认模型切到 Sonnet 5.5，claude.ai 免费层也使用该模型。Claude Code PM Cat Wu 称用户多完成约 30% 任务；Simon Willison 实测发现 max thinking 可能烧掉 128k tokens 后失败，xhigh 相对稳（$0.0574/41s）。

💬 讨论 — 社区大量对比 Sonnet 5.5 与 Opus 5.5/GPT-6，关注 coding 表现和 max effort 下的费用失控风险。

🔗 来源 — Anthropic Claude Code 开发者频道 · Simon Willison

💡 Insight — 当 Sonnet 5.5 在 coding/agentic 任务上接近 Opus 5.5 且更便宜时，应把默认 coding 模型切换为 Sonnet 5.5；但 cost-sensitive 的 agent 场景避免 max effort，或设置 thinking budget 防止单任务费用失控。

2. Claude Code v2.1.284 发布

📌 发生了什么 — Claude Code CLI 更新至 v2.1.284，默认 Sonnet 模型切换到 claude-sonnet-5-5（1M context、$2/$10 per Mtok、$0.20 cache reads）；自动模式新增 ‘Yes, but ask again next time’ 选项控制工作区外读取；/usage 和状态栏显示美元金额的 spend limit；新增 /mcp reconnect all 一键重连所有失败的 MCP server；可绑定额度 slider 的 decrease/increase effort 和 toggleUltracode 快捷键；/rate-limit-options 加入帮助菜单。

💬 讨论 — Claude Code Changelog 记录 100 项 CLI 改动，prompt tokens 中 tools 占比升至 83%，提示 harness 更依赖 tool use。

🔗 来源 — Claude Code GitHub release · Claude Code Changelog

💡 Insight — 更新把模型升级与工作区读取授权、成本可视化、MCP 快速恢复打包，说明 Claude Code harness 正从 ‘默认允许’ 转向 ‘显式授权 + 快速恢复’；团队配置 managed policy 时应关注 outside-working-dir 读取提示和 spend limit 字段。

3. Codex rust-v0.159.0 发布

📌 发生了什么 — OpenAI Codex 发布 rust-v0.159.0：可选 instant_interrupt 让用户在模型响应或长时间 code-mode 调用中随时输入新指令打断或转向；新会话欢迎界面和 headers；警告查看器关闭时自动 dismiss，按 k 保留；可滚动 transcript 决定是否 implement plan；原生 Mermaid 渲染支持更多 flowchart edges/labels/node groups；app-server 可 paginate thread history。修复 Windows 下 MCP server/console 窗口、Markdown 复制保留格式、.aws 目录保护等。

💬 讨论 — 0.160.0-alpha 系列已开始滚动（alpha.2/3/6），预示下一版本快速迭代。

🔗 来源 — Codex GitHub release

💡 Insight — instant_interrupt 是 agent 控制权的关键改进：用户可以随时打断模型输入新意图，减少长链路 code-mode 的无效等待；建议升级并试用该 flag，观察是否提高交互效率。

4. Codex $200 会员 API 额度减半（未证实）

📌 发生了什么 — 据歸藏转述 Codex 产品负责人 Tibo 宣布，从明天起 Codex $200 会员对应的 API 额度减半，主要影响 GPT-6 Astra 用量；但 GPT-6 Sol 和 Luna 价格已降 50%，若用这两个模型则实际可用额度不变。

💬 讨论 — 社区质疑该调整对 Astra 重度用户不利，并猜测可能因 500 美元套餐拆分所致。

🔗 来源 — 歸藏

💡 Insight — 如果今天确认属实，团队应检查 Codex 订阅的模型组合，把非 Astra 工作流切换到 Sol/Luna 以摊薄成本；同时关注明天 DevDay 官方定价变更。