← 返回
精选AI模型发布/更新#Anthropic#Claude Code#MCP#性能优化

Claude Code v2.1.191 版本更新:性能优化、MCP 可靠性提升与体验改进

Claude Code:GitHub Releases(RSS)T1.5
05:5806/25 05:58GitHub Release阅读原文 ↗导出 MD ↓

评分

68

精选理由

包含多项关键 Bug 修复、性能优化和体验改进,且对核心工作流(MCP、沙箱网络)有实质性提升,但非里程碑式大版本,故评分为 85。

AI 点评

「本次更新显著提升了 Claude Code 的稳定性和效率,尤其是流式性能优化和 MCP 可靠性增强,直接改善开发者日常使用体验。」

速览

Claude Code v2.1.191 版本带来了多项重要更新:新增 /rewind 命令支持在 /clear 后恢复对话,修复了流式响应时滚动位置跳转、后台代理永久停止问题,以及 Windows Terminal 下 /login URL 换行截断等 Bug。MCP 服务器能力发现及 OAuth 流程增加了网络错误重试机制,沙箱网络权限提示改为会话内记忆。流式响应 CPU 利用率降低约 37%,长期会话内存增长问题得到改善。

  • 新增 /rewind 命令,支持在 /clear 后恢复对话
  • 流式响应 CPU 使用率降低约 37%
  • MCP 服务器能力发现与 OAuth 增加重试机制,提升可靠性
  • 沙箱网络权限对话框改为会话内记忆,避免重复提示

正文

哎呀!

加载时出错。请重新加载此页面。

anthropics / claude-code Public Additional navigation options
  1. 版本发布
  2. v2.1.191

v2.1.191

Compare

选择一个标签进行比较

抱歉,出错了。

Filter Loading

抱歉,出错了。

哎呀!

加载时出错。请重新加载此页面。

未找到结果

View all tags @ashwin-ant ashwin-ant released this 24 Jun 21:58 v2.1.191 0bd9543

变更内容

  • 新增对 /rewind 的支持,可在运行 /clear 之前恢复对话。
  • 修复了在流式响应期间阅读较早输出时滚动位置跳到底部的问题。
  • 修复了后台代理在停止后重新出现的问题——现在从任务面板停止代理是永久性的。
  • 修复了当组织策略禁用时 /voice 显示通用“不可用”消息的问题——现在会解释该限制。
  • 修复了在 Windows Terminal 中跨行换行时 /login URL 被截断的问题。
  • 修复了在通过 ssh/tmux 的 Ghostty 全屏模式下对链接使用 Cmd+点击的问题。
  • 修复了 claude agents 将如 /usage 的内置斜杠命令作为提示文本发送到后台会话,而不是显示提示信息的问题。
  • 修复了 claude agents 任务行中粘贴的图片显示完整文件系统路径,而不是 [Image #N] 占位符的问题。
  • 修复了使用逗号分隔匹配器(例如 "Bash,PowerShell")的钩子静默从不触发的问题。
  • 修复了 /permissions 的“最近拒绝”标签页:批准一个拒绝后现在会在关闭时持久化,而不是被静默丢弃。
  • 修复了在滚动名单超过溢出上限时代理面板跳一行的问题。
  • 修复了欢迎闪屏画面溢出默认的 80×24 macOS 终端窗口的问题。
  • 修复了托管设置:通过 MDM 或文件策略设置 forceRemoteSettingsRefresh 现在会生效,并且请求会发送 Cache-Control: no-cache 以防止代理提供过时的响应。
  • 改进了沙盒网络权限对话框:你点击“是”允许的主机现在会在会话期间被记住,而不是每次连接都重新提示。
  • 提高了 MCP 服务器可靠性:能力发现(tools/list, prompts/list, resources/list)现在会在短暂退避后重试瞬时网络错误。
  • 改进了 MCP OAuth:发现和令牌请求在瞬时网络错误后现在会重试一次,且无头环境会跳过浏览器弹窗,直接进入粘贴 URL 的提示。
  • 改进了 MCP 错误消息:HTTP 404 错误现在会显示 URL 并指向你的 MCP 配置。
  • 改进了 vim 模式提示历史搜索(NORMAL /),提示如何访问斜杠命令。
  • 通过将文本更新合并为 100 毫秒间隔,将流式响应期间的 CPU 使用率降低了约 37%。
  • 减少了终端输出缓存导致的长期会话内存增长。
Assets 12 Loading

哎呀!

加载时出现错误。请重新加载此页面。

👍 5 mike1858, ytsssun, saita08, loradmyself, and distinguished-sre reacted with thumbs up emoji 😄 4 mike1858, saita08, loradmyself, and RamGam0o0 reacted with laugh emoji 🎉 5 mike1858, saita08, tanakornrawee-dev, JRAVILES, and simono reacted with hooray emoji ❤️ 5 mike1858, saita08, JRAVILES, loradmyself, and meng-hhh reacted with heart emoji 🚀 3 mike1858, saita08, and JRAVILES reacted with rocket emoji 👀 2 mike1858 and saita08 reacted with eyes emoji All reactions
  • 👍 5 个反应
  • 😄 4 个反应
  • 🎉 5 个反应
  • ❤️ 5 个反应
  • 🚀 3 个反应
  • 👀 2 个反应
10 people reacted

相关条目

91

五维评分

信息增量9 ×0.3

详细揭示了两个具体设置如何协同作用实现三倍性能提升,信息增量高。

内容质量8 ×0.2

来自OpenAI官方,数据明确,结构清晰,但缺少对比实验细节。

实用价值9 ×0.2

为AI工程师提供了可直接操作的性能调优方案,实用性强。

时效性10 ×0.15

消息刚发布,具有高度时效性。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:00OpenAI:News(RSS)T1RSS

精选启用两项设置使ARC-AGI-3基准测试分数提升三倍

这项发现太关键了!它表明模型的性能不仅取决于训练,还取决于推理时的配置。对于AI工程师和研究者来说,这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队,可能会因此找到低成本提升能力的方法。

科技模型#ARC-AGI-3#GPT-5.6#OpenAI
91

五维评分

信息增量9 ×0.3

首次公开GPT-5.6具体效率优化细节,此前仅有传闻。

内容质量8 ×0.2

内容简洁,关键指标明确,但缺乏详细技术文档支撑。

实用价值9 ×0.2

直接指导企业如何降低AI部署成本,具有商业参考价值。

时效性10 ×0.15

刚发布的官方新闻,时效性极强。

信源可信度10 ×0.15

来源为OpenAI官方博客,信源权威。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00OpenAI:News(RSS)T1RSS

精选GPT-5.6:前沿智能与前沿效率的融合

这条消息值得关注,因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说,GPT-5.6意味着可以用更少预算获得更高性能,尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步,可能重新定义‘前沿’的标准。

AI模型#Agent工作流#GPT-5.6#OpenAI
91

五维评分

信息增量8 ×0.3

首次提出针对CPU优化的1M上下文模型,填补了边缘设备长文本推理的空白,信息增量显著。

内容质量9 ×0.2

技术细节清晰,提供了基准测试对比和架构解释,图文并茂,质量上乘。

实用价值10 ×0.2

直接降低长上下文应用的硬件成本,开源权重可立即部署,实用价值极高。

时效性10 ×0.15

当日发布的博客,且长上下文推理是当前AI热点,时效性满分。

信源可信度9 ×0.15

Hugging Face官方博客,作者为Liquid AI,属于第一方技术发布,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:01Hugging Face:Blog(RSS)T1RSS

精选LFM2.5-Encoder:面向CPU快速长上下文推理的新模型

这篇博文让我眼前一亮,因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者,LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。

AI模型#CPU推理优化#LFM2.5-Encoder#Liquid AI
91

五维评分

信息增量9 ×0.3

首次公开自动化红队系统的具体机制与实验发现,信息增量高。

内容质量8 ×0.2

来自官方,结构清晰,但未提供完整技术细节(如具体模型版本),扣1分。

实用价值9 ×0.2

对AI安全工程师、模型开发者和企业部署者直接指导作用,实用性极强。

时效性10 ×0.15

刚刚发布,是当前AI安全领域最前沿进展之一。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威且一手。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选GPT-Red:OpenAI通过自我对弈实现AI红队自动化,提升模型鲁棒性

GPT-Red 是红队测试从人工到自动化的里程碑,特别适合安全工程师和对齐研究者关注。它直接降低了测试成本,但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。

AI模型#AI安全对齐#GPT-Red#OpenAI
91

五维评分

信息增量9 ×0.3

这是首个针对AI模型生物安全的漏洞赏金计划,为行业提供了全新的安全评估视角。

内容质量9 ×0.2

官方来源,内容清晰,涵盖范围、奖励、准则等关键细节。

实用价值8 ×0.2

对AI安全研究员和生物安全专家有直接参与价值,但普通用户关联度较低。

时效性10 ×0.15

刚刚发布,完全符合新闻时效要求。

信源可信度10 ×0.15

OpenAI官方RSS和博客,信源权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选OpenAI推出GPT-5.5生物漏洞赏金计划

这个计划值得关注,因为它首次将AI漏洞赏金制度拓展到生物安全领域,不仅为安全社区提供了新的研究方向,也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。

AI模型#Bio Bug Bounty#GPT-5.5#OpenAI
91

五维评分

信息增量8 ×0.3

公布了vLLM新后端的具体架构设计与实测数据,对了解推理优化前沿有较高信息增量。

内容质量9 ×0.2

技术细节清晰,有定量性能对比,来源为官方博客,内容质量高。

实用价值10 ×0.2

直接降低LLM部署门槛与成本,对AI工程化落地具有极高实用价值。

时效性10 ×0.15

发布即时,属于最新技术动态,时效性满分。

信源可信度9 ×0.15

来源为Hugging Face官方博客,vLLM为开源权威项目,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00Hugging Face:Blog(RSS)T1RSS

精选vLLM推出原生速度Transformers建模后端,大幅提升推理性能

这项更新对于AI工程团队非常关键:无需格式转换意味着能更快地迭代模型,而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理,这几乎是必读的技术更新。

AI模型#Hugging Face#PagedAttention#Transformers
90

五维评分

信息增量9 ×0.3

手语转文本是AI无障碍领域的新突破,提供了此前罕见的具体模型信息。

内容质量8 ×0.2

来源权威,内容清晰描述了模型功能、应用场景和开发理念。

实用价值9 ×0.2

对聋人群体、开发者和无障碍研究者具有直接参考与应用价值。

时效性9 ×0.15

刚刚发布的官方公告,时效性非常高。

信源可信度10 ×0.15

Google DeepMind官方博客,信源可信度极高。

基础分 89.5 × T1 信源权重 ×1 = 90

精选线 60已入选精选

22:01Google DeepMind:Blog(RSS)T1RSS

精选Google DeepMind 发布手语转文本模型 SL2T,助力聋人用户

这则消息的意义不仅在于技术突破,更在于AI开始真正关注边缘群体的需求。对开发者而言,SL2T的架构思路和技术路径值得深入研究;对无障碍倡导者来说,这是推动行业标准的重要案例。

AI模型#Google DeepMind#SL2T#手语识别

引用前请核对原文