今天 Anthropic 和 OpenAI 都有動作，但兩邊的訊號完全不同。Anthropic 把原本只在 Opus 旗艦線上才有的 agentic 能力，下放到中階得 Sonnet 5，定價策略也明顯在搶開發者市佔。同一時間，OpenAI 的 Astra 模型在 X 上被吹成「奇點降臨」，Gary Marcus 直接寫了一篇長文拆解這個敘事——他的核心論點很簡單：數學好不代表什麼都好，把領域成功包裝成通用突破，是合成謬誤。外加 Anthropic 自己丟出一份密碼學研究：Claude Mythos 找到了 NIST 後量子候選方案 HAWK 的致命弱點。

🔥 Claude Sonnet 5：Anthropic 的中階模型現在會自己規劃、自己驗證、自己收尾

Anthropic 發表了 Claude Sonnet 5，即日起在所有方案上線。定位很清楚：把原本 Opus 系列才有的 agentic 能力往下放，價格比 Opus 4.8 低。Anthropic 自己的說法是「Sonnet 5 縮小了與 Opus 4.8 的差距」。

效能面，Sonnet 5 在 BrowseComp（agentic 搜尋）和 OSWorld-Verified（電腦操作）上全面超越前代 Sonnet 4.6，高 effort 設定下能在部分任務追上 Opus 4.8。Humanity’s Last Exam 成績（無工具 34.6%、有工具 46.8%）用的是更新後的評分模型，Anthropic 也順便修正了之前 Sonnet 4.6 的分數。

定價有兩個數字要分開看。2026 年 8 月 31 日前是推廣價：每百萬輸入 token $2、輸出 $10。9 月 1 日起回到標準價：$3/$15。但這裡有一個 Anthropic 自己埋在腳註的細節：Sonnet 5 換了新的 tokenizer，同樣的輸入會多出 1.0–1.35 倍的 token 數。他們說推廣價是為了讓遷移「roughly cost-neutral」——換句話說，表面降價、實際 token 膨脹，兩邊差不多打平。9 月以後就是實質漲價。

安全面的處理方式與其他 Claude 模型一致：資安分類器預設開啟，偵測到危險行為會即時封鎖。Anthropic 說 Sonnet 5 的資安分類器比 Fable 5 寬鬆（因為他們判斷 Sonnet 5 的整體資安風險較低），被封鎖的請求會 fallback 到 Opus 4.8。和 Opus 5 一樣，企業和研究機構可以透過 Cyber Verification Program 取得限制更少的版本——也就是說，你能用模型做什麼資安研究，取決於 Anthropic 有沒有把你放進白名單，而這個白名單的審核標準，公告中沒有說明。

一個值得標記的數據點：Anthropic 說 Sonnet 5「在自動化行為審計中整體比 Sonnet 4.6 更安全」，但也承認「在某些 misaligned 行為上比 Opus 4.8 和 Mythos Preview 表現更差」。中階模型的對齊程度不如旗艦——這不是意外，但 Anthropic 選擇公開這個差異，而不是藏起來。

OpenAI Astra 被 Gary Marcus 當場拆台：「數學好 ≠ AGI，這是合成謬誤」

OpenAI 的 Astra 模型內部測試結果在 8 月 1 日曝光後，X 上掀起一波「AGI 降臨」的狂歡——有人說「人類剛剛跨過了單向門檻」，Elon Musk 說這是「奇點」，還有人宣稱這是「數學史上最重要的一天」。Gary Marcus 寫了一篇長文回應，核心論點：這是合成謬誤（fallacy of composition）——把特定領域的成功，直接推論為通用能力。

Marcus 的論證分三層。第一層：數學好不代表什麼都好。Astra 在特定數學問題上的表現確實亮眼，但數學是一個「可以驗證、可以無限產生合成資料」的封閉領域——這跟現實世界中那些無法驗證、無法模擬的問題本質不同。他引用 IBM Watson 的前例：2011 年 Watson 在 Jeopardy 奪冠，後來試圖轉做癌症診斷，徹底失敗。領域成功不保證領域通用。

第二層：OpenAI 發布的是行銷素材，不是科學論文。那篇 249 頁的數學文章完全沒有揭露模型如何運作、證明如何被驗證、人類扮演了什麼角色。Ernie Davis 補了一刀：如果 OpenAI 從 1000 個猜想中挑出 10 個 Astra 能解的就拿來發表，跟從 10 個隨機猜想中解出 10 個，意義完全不同——但我們不知道是哪一種。Davis 還問：OpenAI 說計算成本只要 $2,000，但這只算了成功的那些猜想——背後高薪數學家和工程師的人力成本呢？「少說 $20,000，搞不好超過 $200,000。」

第三層：Astra 的證明寫作品質不如證明本身。數學家 Henry Yuen 指出 Astra 的證明寫法「在 boilerplate 設定上寫得落落長，關鍵步驟卻一筆帶過」——很典型的 LLM 生成風格。能解題跟能把解題過程寫清楚，是兩種能力。

Marcus 的結論：Astra 很強，但沒有理由認為它是 AGI。數學領域的成功高度依賴可驗證性和合成資料，這兩個條件在多數真實問題上不成立。「期待它成為萬能溶劑，表示你不理解這個基本事實。」

Anthropic：Claude Mythos 找到 NIST 後量子候選方案 HAWK 的致命弱點

Anthropic 發表了兩篇密碼學論文，都是 Claude Mythos Preview 的成果。

第一篇：對 HAWK 的改進攻擊。HAWK 是 NIST 後量子數位簽名方案第三輪候選之一——這個競賽已經跑了近十年，目的是在量子電腦實用化之前，找到能替代 RSA/ECDSA 的新標準。HAWK 的安全性基於 Lattice Isomorphism Problem 的難度。Mythos 找到了一個之前沒被利用的對稱性（nontrivial automorphism），將有效密鑰強度減半——HAWK-256 的破解成本從理論上的 2^64 降到 2^38。要恢復原來的安全等級，密鑰大小得加倍，而這會消除 HAWK 作為候選方案的主要優勢。攻擊不影響其他 NIST 候選方案，也不影響任何已部署的系統。

第二篇：對 7 輪簡化版 AES-128 的改進攻擊。Mythos 發現了一個稱為 Möbius Bridge 的指紋演算法，將攻擊速度提升 200-800 倍。同樣不影響完整 10 輪 AES，不影響任何實際系統。

兩個結果的結構類似：Mythos 用約一周時間和約 $100K API 成本產出攻擊，人類研究者花了數百小時驗證。Anthropic 坦承「我們大多數時間不是在做研究，而是在確認模型的輸出是對的」。在 AES 案例中，研究者甚至得先說服 Mythos「這個問題是可以做的」——模型一開始拒絕嘗試，回覆說「AES-128 r5/r6/r7 就是真的很難，這是有史以來被研究最透徹的區塊密碼」。研究者只好改 prompt 叫它「找真正新穎的想法」，三天和十億輸出 token 之後，Möbius Bridge 誕生了。

Anthropic 同時釋出了 AES 發現過程中的一段 chain of thought 記錄，並與 ETH Zurich、Tel Aviv University、TU Berlin 合作建立了 CryptanalysisBench，讓學界可以追蹤 LLM 的密碼分析能力進展。他們的結論很直白：密碼學社群一直靠對抗性審查來建立信任，LLM 很快就會成為這個審查流程的一部分——問題是，當模型找到真正有實際影響的漏洞時，揭露流程該怎麼走，目前沒有答案。

📡 其他值得關注

  • MicroCodex：用 C++ 重寫的 OpenAI Codex 開源替代品，binary 不到 1MB，終端機直接跑，支援 Codex skills。Show HN 上討論熱烈。→ GitHub

  • 在 6502 處理器上跑 autoregressive language model：1975 年的 8-bit CPU、25KB 記憶體、BitNet 三元權重——用 Mamba 架構在 BBC Micro 上做文字生成。純粹的技術浪漫。→ mattbeton.com