标签
kw-bench 是一个基于真实调查型知识工作项目（例如跨代 SAP 系统的五年增值税数据重建）构建的新基准，通过确定性评分来评估编程智能体框架。评估发现，当实验室开发的框架使用非自家模型而失败时，OpenCode 和 micro-cc 等独立框架却能成功；而 Claude Opus 5.5 等前沿模型只需几分钟，就能完成较弱配置无法完成的任务。
Dan Shipper 认为，视频创作和游戏制作将成为知识工作中广泛普及的基础，就像如今的文档和幻灯片制作一样。
Paper Instruments 发布 Ultramarine 1 Flash，这是一款面向金融、法律、咨询等知识工作场景的开源模型。官方称其性能达到 Fable 级别，但每任务成本仅 $0.13，比 GLM-5.3 Flash 便宜 60 倍，生成的 token 也少 6.5%。
Ultramarine 1 Flash 作为面向知识工作的开源前沿级模型发布，宣称性能可与 Fable 5 相媲美，成本却低 60 倍，由 5 人团队以约 30 万美元的成本完成后期训练。模型权重预计将很快发布，API 访问现已可用。
作者针对会议上‘AI只是又一个工具’及‘AI没有判断力’等流行观点提出反驳，认为AI在写作、情绪稳定性和风险识别上已超越大多数人类，质疑行业资深人士对AI取代非AI工作者的低估。
Anthropic 开源了 11 款面向销售、法律、财务、产品、营销、客服、数据等岗位的知识工作插件，为 Claude 提供完整的岗位技能、工具连接器与子代理，使非专业人员也能借助插件快速上手专业工作。
Anthropic 开源了 11 个岗位职能「知识工作插件」（销售、法务、金融、产品、营销、客服、数据等），每个插件打包了技能、连接器、斜杠命令和子代理，让 Claude 变成某个角色的专家，由此引发关于专业经验未来价值的讨论。
Anthropic 开源了官方 Knowledge Work Plugins 插件包（GitHub 26k stars），包含 11 个针对销售、客服、法务、财务、数据分析等岗位的 Claude 插件，兼容 Claude Cowork 与 Claude Code，可自由用 markdown + JSON 定制。
Box在早期访问中测试了Claude Sonnet 5.5，并报告在金融服务、法律、生命科学和公共部门的复杂工作评估中取得了显著的性能提升，处理速度更快，令牌使用量减少。
Box 测试了 Claude Opus 5.5，发现它在复杂的企业知识工作任务上，相比 Opus 5 带来了显著的性能提升，在 token 效率、速度和成本方面都有重大改进。
Anthropic 已发布 Opus 5.5，这是一款新的 AI 模型，价格更低，性能匹配或超越像 Fable 这样的大型模型，特点是改进了沟通能力并与安全节奏努力保持一致。
Grok 4.7 是 SpaceXAI 最强大的编码和知识工作AI模型，提供改进的任务处理和安全措施，同时保持与 Grok 4.6 相同的价格和速度。
这条推文认为，与软件开发相比，知识工作用AI代理自动化更难，原因在于编码中的自动反馈循环和有序文档等优势。
Claude Fable 5.1 是 Anthropic 推出的用于编程和知识工作的最先进 AI 模型，其研究能力让我们得以初步窥见 AI 对科学进步的贡献。
Claude 推出 Claude Fable 5.1 和 Claude Mythos 5.1，声称它们是世界上最先进的编码和知识工作模型。
Anthropic 推出 Claude Fable 5.1 和 Claude Mythos 5.1，被誉为世界上最先进的编码与知识工作模型。
该论文提出了一种针对大型企业AI代理的Harness范式，专注于治理和标准化，以使AI工具更易于管理和合规。
该推文将历史上吸烟被宣传为无害的现象与当前AI对知识工作影响的不确定性进行了对比，认为可能需要数十年才能理解AI的影响。
作者构建了一个用于市场调研的AI智能体，自动化报告组装但仍需人类判断进行上下文决策，突显了AI自动化与人类专业知识在知识工作中的平衡。
WANDR是一个用于评估AI代理在广度与深度研究任务上的基准，专注于高容量数据收集且具有可验证的准确性。它包括500个任务和一个评估框架，以对现有系统进行压力测试。