llm-anthropic 0.26 发布：新增 Claude 5 系列模型与服务器端工具支持
评分
73公布了 Claude 5 系列模型具体能力和 llm-anthropic 新架构，打破常规模型发布信息差。
内容来自官方更新日志整理，结构清晰且包含关键细节，但缺乏独立评测。
为 LLM 用户提供明确的升级迁移指引，如 -T WebSearch 替代 -o 选项，可直接落地。
2026 年 8 月 4 日发布，属于即时版本更新，时效性极强。
Simon Willison 是知名开发者与 LLM 工具维护者，博客原文引用官方仓库，可信度高。
基础分 81 × T2 信源权重 ×0.9 = 73
精选线 70已入选精选
精选理由
该版本不仅更新模型，还改变了工具调用和推理的交互方式，具有较高的技术信号价值。
AI 点评
「这次更新最值得关注的是服务器端工具成为一等公民，表明 Anthropic 正在把 Agent 能力下沉到 API 和 CLI 层。对于做自动化流程或复杂工具链的开发者，Claude 5 的默认思考机制会改变响应延迟和输出模式，最好提前测试适配。」
速览
llm-anthropic 0.26 发布，依托 LLM 0.32 新增 Claude Fable 5、Sonnet 5 和 Opus 5 模型，并支持 WebSearch、WebFetch、CodeExecution 和 AnthropicMCP 等服务器端工具，可通过 LLM 的 -T 接口或 Python tools= 调用。旧的 -o web_search* 选项被移除，改用 -T WebSearch。推理过程和工具调用结果现在以类型化事件流式传输，CLI 的推理默认输出到标准错误，可用 -R 隐藏。Claude 5 模型默认思考，提供 thinking_effort 参数控制强度，Fable 5 始终思考。整体提升了模型集成体验，简化了扩展思考配置。
- 新增 claude-fable-5、claude-sonnet-5、claude-opus-5 三个模型。
- 新增 WebSearch、WebFetch、CodeExecution、AnthropicMCP 服务器端工具，通过 -T 或 Python tools= 使用。
- 推理、工具调用和结果以类型化事件流式传输；CLI 推理默认输出到 stderr，可用 -R 隐藏。
- Claude 5 模型默认思考，支持 thinking_effort 低/中/高/超高/最大，Fable 5 始终思考。
正文
以下为原文,中文全文翻译生成中
Release: llm-anthropic 0.26
Includes new features enabled by LLM 0.32:
- New models:
claude-fable-5,claude-sonnet-5, andclaude-opus-5. #75, #76- Added server-side tools for
WebSearch,WebFetch,CodeExecution, andAnthropicMCP, available through LLM's-Tinterface or Pythontools=. The previous-o web_search*options have been removed in favor of-T WebSearch. #79- Upgraded to llm>=0.32. Reasoning, tool calls, tool results, and server-side tool results now stream as typed events. Reasoning for
llmCLI prompts now displays to standard error unless you pass--hide-reasoning/-R.- Simplified extended thinking to
thinkingandthinking_effort(low,medium,high,xhigh, ormax). Claude 5 models think by default;-o thinking 0disables thinking for Sonnet 5 and Opus 5, while Fable 5 always thinks.-R/--hide-reasoningnow omits reasoning from responses and logs. Thethinking_budget,thinking_display, andthinking_adaptiveoptions have been removed. #80
Tags: llm, anthropic, claude, model-context-protocol
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
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。
91
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。
91
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。
91
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。
91
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。
91
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。
90
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。