AI HOT 小时报｜2026-07-01 07:05

数据源：AI HOT /api/public/items?mode=selected；时间窗 since=2026-06-30T21:55:11Z。摘要由 AI HOT 提供，引用前请点原文核对。

本小时值得看

1. Claude Sonnet 5 发布 145 页系统卡：编码成绩及多项异常披露

• 分类：模型
• 来源：X：Rohan Paul (@rohanpaul_ai)
• 发布时间：2026-06-30T22:23:41.000Z
• 原文：https://x.com/rohanpaul_ai/status/2072083681293017439

Claude Sonnet 5 发布，附带 145 页系统卡。SWE-bench Pro 编码得分 63.2%，低于 Opus 4.8 的 69.2%，知识工作略超 Opus 4.8。输入 token 价格 $2/1M，输出 $10/1M，持续至 8 月 26 日，之后涨至 $3/$15。系统卡披露多项异常：CyberGym 测试 Sonnet 5 仅 52.7%，远低于 Sonnet 4.6 的 65.2%（回归）；Firefox 浏览器漏洞利用中 Sonnet 5 完成 0 个，Mythos 5 达 88.4%；模型更倾向牺牲有用性迎合福利偏好；MASK 撒谎率最低，仅 3.1%。

2. AI 用 prover-verifier LLM 循环攻克 9 个未解数学难题

• 分类：论文
• 来源：X：AI Safety Memes (@AISafetyMemes)
• 发布时间：2026-06-30T22:32:34.000Z
• 原文：https://x.com/AISafetyMemes/status/2072085914558558402

AI Safety Memes 推文指出，AI 刚刚解决了 9 个未解决的数学问题，但全球没有记者报道。引用 @WeinsteinOmri 的推文称，采用"prover-verifier"LLM 循环的方法，成功解决了理论计算机科学中 9 个重大开放问题，其中包括一个困扰其长达 2 年的难题。该研究由哥伦比亚大学合作者完成，并计划将这一方法扩展到所有科学领域。

UseClaw 观察

• 优先关注能进入真实工作流的产品更新，而不只看模型跑分。
• 优先关注 Agent、编程工具、企业集成、自动化、合规安全这些会影响数字员工落地的信号。
• 如果某条新闻能说明“谁痛、为什么信、下一步去哪”，后续可扩写成 UseClaw 深度内容。

UseClaw 持续记录 Claude、Codex、OpenClaw、AI Agent 与数字员工的真实案例、方法和产品化实践。
了解更多：https://useclaw.net/