今天这期先看 Claude Sonnet 5。

它同时影响普通用户、开发者、Claude Code、GitHub Copilot 和 API 成本。对我们来说，最值得跟的不是它在榜单上多跑了几分，而是 Anthropic 把更强的多步骤执行力放进 Sonnet 这个更日常的档位里。

这件事如果成立，普通人手里会多一张牌：不是每个长任务都要先叫最贵的旗舰模型上桌。

今天只看这 3 件事

1. Anthropic 发布 Claude Sonnet 5

发生了什么：Anthropic 把 Sonnet 5 推到 Claude、Claude Code、API 和 GitHub Copilot，免费和 Pro 也默认能用。它主打更强的 coding、浏览器、终端和多步骤 agent 能力。

为什么重要：这不是单纯“模型更聪明”，而是把接近旗舰模型的执行力往更便宜、更日常的档位下放。以后很多 agent 工作流不一定先上最贵模型。

对我们有什么影响：可以继续跟“普通人怎么少返工”这条线：同一个任务，用 Sonnet 5、Opus 4.8、GPT-5.6 Sol 跑一遍，看谁更会收尾、谁更便宜、谁更容易出错。

2. Anthropic 推出 Claude Science 科研工作台

发生了什么：Claude Science 是面向科研人员的 AI 工作台，重点不是聊天，而是把常用科研工具、代码包、计算资源和可审计产物放进一个工作流里。

为什么重要：这说明大模型公司正在往行业工作台走。科研、医药、数据分析这类高价值场景，拼的不是会回答，而是能不能留下证据、跑计算、交结果。

对我们有什么影响：适合做“AI 产品开始从聊天框变成专业工作台”的选题。普通人不用懂药物研发，也能看懂一个趋势：以后工具会越来越像行业操作台。

3. Google 更新 Agent 质量评估和 ADK Go 2.0

发生了什么：Google 发布面向 coding agent 的质量飞轮方法，并让 ADK Go 2.0 GA。重点是把 agent 的构建、测试、上线、监控、复盘做成可重复流程。

为什么重要：agent 最大的问题不是 demo 跑不跑，而是上线后会不会悄悄做偏。Google 这套东西把“验收、回归测试、失败聚类”放到开发流程里。

对我们有什么影响：这条很适合接我们自己的工作流主线：不要只问哪个模型强，先问这套 agent 有没有验收标准、失败记录和回滚办法。

为什么今天还值得继续讲 agent

过去几天我们已经讲过访问权、企业部署和主权环境。今天如果还只是说“AI 进入真实工作流”，就重复了。

今天的新东西更具体：一边是 Sonnet 5 把更强的执行能力往便宜档位下放，一边是 Claude Science 和 Google ADK 把专业工作、质量评估、失败复盘这些东西往产品里塞。

这说明 agent 这条线开始过第一个尴尬阶段：不再只问“它会不会自己干活”，而是开始问“它干坏了谁发现、谁验收、谁付账”。

我的判断

今天最值得记住的，不是 Sonnet 5 到底离 Opus 还有多远。

真正的变化是：强 agent 能力开始从“旗舰体验”往“日常成本”掉。价格一掉，使用频率就会上来；频率一上来，原来可以靠手感糊过去的问题就会暴露出来。

比如一次代码修改，模型偶尔帮你改对了，很好。但如果你每天让它跑十几个任务，你就必须知道：它有没有改错文件，测试有没有真跑，失败记录有没有留下，出了问题能不能回滚。

所以今天这三条新闻放在一起，问的不是谁最聪明，而是谁更适合被你长期调度。

可以直接带走

今天可以做一个很小的动作：给你最常用的 agent 任务补一张验收卡。

不用复杂，就写四行：

  1. 这次让 AI 做什么？
  2. 结果怎么才算过关？
  3. 哪些地方必须人工看一眼？
  4. 出错以后怎么撤回？

如果你已经在用 Claude Code、Copilot、Codex 或任何自动跑任务的工具，这张卡比“再换一个模型”更值钱。

其他信号

  • Claude Sonnet 5 发布：Sonnet 5 把更强的浏览器、终端和多步骤执行能力放进更便宜的 Sonnet 档位，适合开发者重新计算日常 agent 任务的成本。
  • Claude Science 科研工作台正式上线：Claude Science 把科研工具、代码包、算力和可审计产物放到同一工作台里，说明 AI 正在从聊天助手转向行业级操作台。
  • 黑石未来3~5年拟投300亿美元在日本建AI数据中心，联合成立AI XPV平台：看点在宏观信号：AI 投资已经开始反映到经济结构里，不只是科技圈新闻。
  • OpenAI 发布 GeneBench-Pro：计算生物学研究级基准测试：GeneBench-Pro 评估的是模型在真实、混乱的计算生物学数据里能否做判断，适合观察 AI 科研工具离真实研究还有多远。
  • Claude Code 入门：智能体循环：这篇把 Claude Code 的循环拆成可理解的工作模式，能帮开发者判断什么时候该让 agent 继续跑，什么时候必须人工介入。
  • Claude Science：Claude Science 登上 Hacker News，说明科研工作台不只是行业客户话题，也会影响开发者对“AI 该怎样交付证据”的讨论。