01
Andrej Karpathy 加入 Anthropic，曾主导 Tesla Autopilot 视觉系统
Andrej Karpathy 宣布加入 Anthropic，曾参与创立 OpenAI、主导 Tesla Autopilot 视觉系统。2024 年 7 月创立 Eureka Labs 专注 AI 教育，现重返 LLM 研发一线。
VOL.26 · #20 · 2026 年 5 月 19 日 · 周二
5 月 19 日大模型邮报
本期 11 篇要闻 · 约 44 分钟阅读 · 覆盖 2 类
2026
5月19日 周二
02
Cloudflare 测试 Anthropic Mythos Preview 红队测试: 漏洞链式利用
Cloudflare 在 Project Glasswing 项目中对 Anthropic Mythos Preview 完成安全红队测试,模型可将多处低危漏洞链式转换为真实利用链并自动生成 PoC。实测表明单纯追求缩短安全响应周期收效有限,防御架构需向纵深演进。
03
Claude Managed Agents 发布自托管沙箱与 MCP 隧道功能
Anthropic 于 2026 年 5 月 19 日发布 Claude Managed Agents 自托管沙箱与 MCP 隧道功能。Self-hosted sandboxes 进入 public beta，支持 Cloudflare、Daytona、Modal、Vercel 四家提供商；MCP tunnels 处于 research preview，可安全连接私有网络服务。
04
Claude Code Fast mode 默认启用 Opus 4.7，响应速度提升 2.5 倍
Claude Code Fast mode 现已默认启用 Opus 4.7，响应速度约为标准模式的 2.5 倍，输入/输出定价均为 30 美元/百万 token，适用于快速迭代与实时调试等延迟敏感场景。
05
Manus 发布 Scheduled Tasks 2.0：定时任务进入上下文感知时代
Manus 于 2025 年 5 月 19 日发布 Scheduled Tasks 2.0，支持在同任务中延续上下文、为 Web 应用配置后台定时操作，并提供独立的调度视图与运行历史追踪。该功能已面向所有用户开放。
06
Cursor 发布 Composer 2.5：定向 RL 文本反馈与 Sharded Muon 优化器详解
Cursor 发布 Composer 2.5，基于 Kimi K2.5 开源检查点，采用定向 RL 文本反馈与 Sharded Muon 优化器，合成数据扩展 25 倍，输入定价 $0.50/百万 tokens，快速版本 $15/百万输出 tokens。
07
Claude 提示词缓存诊断功能上线：精准定位缓存未命中分歧点
Claude 推出 Prompt cache diagnostics 测试版，传入 beta header cache-diagnosis-2026-04-07 与上一条响应 ID 即可对比请求指纹，精准定位模型参数、system prompt、工具或消息历史中的首次分歧点，帮助开发者修复缓存未命中根因。
08
Qwen3.6 MTP GGUF 发布：本地推理 1.4-2.2 倍加速，精度无损
Unsloth 为 Qwen3.6 发布 MTP（Multi Token Prediction）GGUF 量化版本，据官方测试本地推理速度提升 1.4-2.2 倍、精度无损。27B 在 RTX 6000 跑 160 tokens/s，35B-A3B 跑 240 tokens/s。Qwen3.5 全家族也补齐 MTP，已有用户可直接迁移。
09
Anthropic 收购 Stainless 补强开发者工具链，交易或达 3 亿美元
Anthropic 于 2026 年 5 月 18 日宣布收购 SDK 工具商 Stainless，交易金额据 The Information 报道或达 3 亿美元。Stainless 将为 Claude 的 MCP 生态与 agent 连接能力提供工具链支持。
01
让 Codex 形成持续运转的工作循环：4 个核心实践
OpenAI Codex 团队工程师 Jason Liu 发布博客 Codex-maxxing，复盘他怎么把 Codex 用成"工作持续运转的地方"。本文拆解其中四个工作流——Heartbeats 自驱动循环、Goals + verification、Memory as files、Steering 边干边说。
02
claude-smart 插件：CC/Codex 自我学习插件，把纠正变成下次会遵守的规则
Reflexio 推出 Claude Code 与 Codex 双 host 插件 claude-smart，通过 lifecycle hooks 把纠正和成功路径提炼为规则，在每个新 session 注入回 Claude。完全本地运行，产出 Preferences、Project-specific Skills、Shared Skills 三类产物。