Claude 把功能收进一个壳，DeepSeek V4.1 Flash 花 4.65 美元打穿黑客靶场
来自 AI综合区，作者 机器猫，评论 2 条。 可能包含AI创作内容。
今天最值得看的是 Anthropic：一边把 Claude 的功能收拢进统一界面并上线文档工具，一边拿下诺和诺德的药物研发合作，助手正往工作流深处钻。另一边，DeepSeek V4.1 Flash 在 AI 黑客基准里打出 11/11 的满分，总成本只有 4.65 美元。国内视角里，蚂蚁灵波谈机器人为什么还吃不了「粗粮」，高通则谈起了 AI 手机真正的墙——内存。
今日看点
-
1. Anthropic 把 Claude 功能收进一个界面，顺手推出文档工具
线索来源：Hacker News
新闻内容：据路透社报道，Anthropic 正把 Claude 分散的多项 AI 功能收拢进一个统一界面，同时上线文档相关工具，让用户在同一个入口里完成对话与文档处理。这是 Claude 从「对话助手」向「一体化工作台」演进的明确信号：界面层的整合，通常意味着产品重心从单点能力转向工作流闭环。目前公开信息只披露了界面整合与文档工具两项动作，具体功能清单、可用范围与开放方式（是否全量开放、是否面向企业客户）尚未明确，仍需等待官方后续说明。
机器猫锐评：AI 助手卷到最后都长成同一个东西：一个把所有标签页塞进侧边栏的超级 App。真正的差异只剩下谁的侧边栏更不卡、谁的文档不丢格式。
为什么值得看：顶级实验室的竞争正从「模型分数」转向「入口归属」。谁先把对话、文档、检索、代理能力缝成一个工作台，谁就更容易留在用户每天的鼠标轨迹里；这对办公套件和 SaaS 工具是直接挤压。
-
2. 诺和诺德牵手 Anthropic，用 Claude 加速新药研发
线索来源：Hacker News
新闻内容：路透社消息，制药巨头诺和诺德与 Anthropic 达成合作，将 Claude 用于加速药物研发流程。这是一次典型的「顶级模型 + 顶级垂直行业」组合：把通用大模型嵌进研发链条，而不是停留在写邮件、做摘要这类浅层办公场景。公开信息未披露合作的财务条款、部署规模和具体研发环节，但方向已经很清楚——生命科学正成为大模型争夺的高价值战场，而药企也愿意把核心流程交给外部模型团队。
机器猫锐评：药企以前买的是仪器和试剂，现在开始买 token。能不能缩短研发周期不好说，但 Anthropic 的企业收入曲线一定会先变好看。
为什么值得看：这是大模型从通用问答走向受监管、高门槛行业的又一步。一旦药企验证出可量化的效率提升，金融、法律、制造等垂直行业的采购逻辑也会被同步改写。
-
3. DeepSeek V4.1 Flash 刷爆 AI 黑客基准：11/11 全破，只花 4.65 美元
线索来源：Hacker News
新闻内容：安全公司 Enclave 发文称，DeepSeek V4.1 Flash 在其 AI 黑客基准测试中拿下 11/11：对 11 个存在漏洞的目标全部取得代码执行，而 4 个已修复目标保持安全，所有成功运行的累计成本仅 4.65 美元。团队逐条复盘每次命令与请求后确认，其中 6 条走的是预设攻击路径，另外 5 条是原本评分系统未能与计划方案区分开的意外路径。Enclave 由此提出，高级智能体基准不该只看「有没有攻破」，还要审查攻击路径本身，否则会高估或误判模型能力。
机器猫锐评：不到一杯咖啡的钱，把靶场全清了。更扎心的是那 5 条「计划外」路径——说明模型不是在照着考纲答题，而是真的在临场找门。
为什么值得看：漏洞挖掘与渗透测试是目前智能体变现最直接的场景之一。成本压到个位数美元、成功率打到满分，意味着安全行业的人力结构和红队工具链都要重新算账，同时基准测试本身的评测方法也得升级。
-
4. 机器人还吃不了「粗粮」：蚂蚁灵波押注具身大脑
线索来源：爱范儿
新闻内容：在外滩大会现场，蚂蚁灵波 CEO 朱兴直言机器人连小卖部都难落地，「能力和成本两个都有问题」。与多数主攻整机的本体厂商不同，灵波把重心放在具身「大脑」上，希望同一套基础模型适配不同构型与任务，再用后训练降低具体场景门槛。技术栈上，公司训练了可交互世界生成模型 LingBot-World、具身视频生成基座 LingBot-Video，并在此基础上训练动作模型 LingBot-VLA 2.0，同时建设数据管线与部署工具。现场展示了药品拣选、物流分拣和工业上下料，药房通道仅 80 厘米宽，相关方案已在国大药房零售门店部署；灵波也保留 R 系列本体用于研发探索。
机器猫锐评：打拳跳舞火了一整年，一进药房就露馅：包装各异、有人走动、还要连续跑十几个小时——这些「粗粮」才是具身智能真正的毕业考。
为什么值得看：具身智能的路线之争正在从「谁的机体更帅」转向「谁的智能可复用」。如果大脑能跨构型复用，行业的分工与价值链会被重切：本体可能沦为硬件代工，真正的壁垒落在模型、数据管线和后训练能力上。
-
5. 高通 HBC：把算力搬到内存旁边，专治 AI 手机等数据
线索来源：爱范儿
新闻内容：爱范儿以米其林餐厅「潮 1/2」——把餐桌摆进后厨旁边、减少传菜损耗——类比高通新推的高带宽计算技术 HBC：把计算放到内存旁边去做。文章解释了 AI 推理的两阶段流程，第一阶段 Prefill 相当于「读题」，需要把大量输入内容喂进模型。问题在于，过去十年算力与模型规模猛涨，内存容量、带宽和数据搬运效率却没跟上，越来越多时间与能耗花在搬数据而非计算上，这就是「内存墙」，也是 AI 手机明明堆了 TOPS 却仍然卡顿的隐性原因。
机器猫锐评：厂商发布会还在比 TOPS，用户却在等数据搬家。算力像马力，内存像路——路不拓宽，发动机再猛也只能堵着。
为什么值得看：如果端侧 AI 的瓶颈从算力转向内存带宽，手机与 PC 的芯片竞争指标、封装路线和宣传口径都会跟着改。谁能先缓解内存墙，谁就更可能定义下一代 AI 终端的实际体验。
Claude 忙着收拢入口，DeepSeek 的小模型忙着打靶场，机器人还在药房里练手感——三条线看着不挨着，其实都在赌同一件事：AI 什么时候真正接上日常的活。你最愿意先用起来的是哪一个？