2026-10-22 · 周四 · 10 条 Claude API 发布 2023 年以来首个新版本并取消采样参数、OpenAI 模型登陆 Google Cloud、IBM 开源 Granite Speech 5.0
今天的主线是平台在收紧和开发者之间的「合同」：Anthropic 的新 API 版本拿掉了调参旋钮，用户档案让处罚可以只落到某一个终端客户身上；OpenAI 则把模型铺到了 Google Cloud。开源这边，收益来自专门化：语音、关系型数据，连分词表都能按任务重做。
-
- 用 2026-10-21 时，请求里带 temperature、top_p 或 top_k 会返回 400，哪怕填的是默认值；Claude 4.7 及之后的模型本来就只接受默认值，采样不变，但在 Claude Sonnet 4.6 这类模型上调低 temperature 的效果会消失，没有替代设置。
- 直接放在 assistant 消息里的 document 块、user 消息里带非空 citations 的 text 块，也都改为返回 400。
- Python SDK 2.0.0、TypeScript SDK 1.0.0、Go SDK 2.0.0、Java SDK 3.0.0 与 ant CLI 2.0.0 等新版本默认发送 2026-10-21，许可证从 MIT 改为 Apache 2.0。
- 新版 SDK 改用 Authorization: Bearer 发送 API key，不再用 X-Api-Key；读取或设置 X-Api-Key 的代理和网关需要跟着改。依赖非默认采样值的请求可以继续用 2023-06-01。
开发者视角我会先锁住 SDK 的大版本，别让依赖自动升级把线上打挂；然后全仓搜一遍 temperature 和 X-Api-Key。智能面试的评分接口当初为了稳定压低过 temperature，这类请求要么暂时留在 2023-06-01，要么改用 JSON Schema 和评分细则来约束输出，再用固定题目回归一遍分数分布。
-
- 10 月 20 日上线 /v1/user_profiles 接口，用来标注每个 API 请求对应哪个终端客户；SDK 与 ant CLI 已支持。
- 10 月 21 日用户档案新增 enforcement_status 与 enforcement_actions 字段，列表接口可用 enforcement_status[] 筛出仍处于限制或封禁状态的档案。
- Admin API 新增组织 webhook（beta，需 webhooks-2026-10-07 头，向客户团队申请），在档案被限制或封禁、以及解除时各推送一个事件。
- 管理员还可以在 Claude Console 的 Capabilities 页关闭整个组织的 web fetch，或设置允许、禁止的域名；关闭后带该工具的 Messages API 请求返回 400。
开发者视角PandaClaws 这种一个 API 账号服务很多创作者的后台，以前一个用户违规就可能连累整个组织。我会先把用户 ID 映射成档案、每个请求都带上，再接 webhook，收到限制事件时自动暂停这个用户的生成任务并通知运营。和 11 月 12 日生效的新版使用政策放在一起看，执行会越来越细到单个用户。
-
- OpenAI 与 Google Cloud 将把 OpenAI 的前沿模型和 Codex 工作流带到 Gemini 的 Model Garden。
- 客户通过 Google Cloud Marketplace 获取。
开发者视角加上 10 月 12 日 AWS 在亚太五个区域上线 GPT-6 Sol 与 Luna，OpenAI 已经能走两家主要云的账单。公司在 Google Cloud 有承诺消费的，可以等定价、区域和功能清单出来，再和直连 API 比一比，尤其是 12 小时缓存这类新功能云上是否同步；代码里保持一层模型供应商抽象，换渠道才不用改业务代码。
-
- Patch the Planet 把安全研究人员、开源维护者和事件响应人员连接起来，处理开源生态里的严重漏洞。
- OpenAI 把它定位为「智能体发现严重漏洞」背景下的全球响应协调。
开发者视角可以预期接下来一段时间开源依赖的高危公告会变多、变密。我会把依赖升级从「有空再做」改成每周固定窗口，开着 Dependabot 自动提 PR；再配合 10 月 20 日公开预览的 GitHub 包防火墙给新版本设冷却期，既跟得上补丁，又不至于第一时间装上被投毒的版本。
-
- 新增 claude_code.safety_event：权限规则、自动模式、安全检查、hook 或沙箱每拦下、询问或退回一次工具调用，就发出一条事件。
- 新增 /claude-api api-version，把代码里的 Claude API 调用迁到 2026-10-21 版本。
- 无法解析的工具调用会先重试最多两次，再以错误结束本轮。
- 修复连接中途断开时 HTTP MCP 工具调用被发送两次的问题；现在只有只读或幂等的工具才会重试。
开发者视角接上 10 月 14 日进入 beta 的 OpenTelemetry 导出，我会按规则统计 safety_event：总被询问的规则说明权限太紧，从没触发的说明可能形同虚设，这和我在博客里写的「自主程度跟着可逆性走」是一回事。自己写 MCP 服务的（比如智能面试后端的 MCP Server），把写操作做成幂等或明确标注，别指望客户端替你去重。
-
- 公开预览：用 gh auth login --expiring 登录，或执行 gh config set expiring_credentials enabled 让之后每次登录都启用。
- gh 保存一个会过期的访问令牌和一个轮换的刷新令牌，按需在后台刷新；泄露的访问令牌几小时内失效，而不是一直有效。
- GitHub 强烈建议用 gh auth setup-git 让 gh 充当 git 凭据助手，并升级到 git 2.46 或更新版本，避免过期凭据被缓存。
- 目前需要主动开启，未来版本计划对新登录默认启用；执行 gh auth token 后把令牌存起来复用的脚本和扩展会失效。
开发者视角让智能体跑 gh 的开发机和云端会话，我会优先开启这个选项，它和包防火墙一样，都是在缩小智能体手里凭据的爆炸半径。开之前先搜一遍脚本里有没有 gh auth token 的结果被写进文件或环境变量，这些地方要改成每次现取。
-
- WebMCP 是 Google 提出的实验性浏览器标准，让网页向智能体提供 search_products 这类结构化工具；目前需在 Chrome 实验开关、Origin Trial 或部分智能体浏览器中使用。
- Commerce.com 在 Cloudflare 上运行近 10 万个域名；Cloudflare 8 月推出的边缘实现（beta）会在边缘注入脚本，商家不写代码即可提供工具。
- 每个商家都能单独退出：边缘的 Configuration Rule 检查自定义主机名元数据，打开退出开关的店铺会自动跳过 WebMCP。
- 工具在购物者当前的浏览器会话里、在商家自己的域名上执行，凭据不交给第三方；智能体可以搜索商品、查看详情、加购物车并拿到结账链接。
开发者视角标准还在实验阶段，不必急着上线，但值得先列出自己产品里最常被智能体代劳的三五个动作，比如 AI 云盘的搜索文件、PandaClaws 的查数据，先做成只读工具。平台型产品可以学这里的做法：默认统一开启，但给每个租户一个退出开关。今天推荐的 axuse 从另一头说明了同一件事：给智能体结构化接口，比截图点按钮靠谱。
-
- 预训练的关系型基础模型：针对一个预测查询，最多取 10,000 个历史样本作为上下文，一次前向推理给出结果，不需要针对任务训练、特征工程或把多张表拍平。
- 在 15 个数据库的 41 项任务上胜过有监督的关系深度学习模型和专家调好的梯度提升树流程；在 SAP SALT 企业基准上，MRR 比 AutoGluon 集成高 8%。
- 可扩展到 5000 亿行以上的数据库，通过 NVIDIA 开源的 structured-data-models 库或 NIM 使用，权重首次使用时从 Hugging Face 下载。
- 代码采用 Apache 2.0，模型权重采用 OpenMDW License Agreement 1.1。
开发者视角小团队最缺的就是给每个预测任务单独搭特征和训练流水线的人手。智能面试的订阅流失、AI 云盘的容量增长这类问题，我会先拿它在自己的库上跑一个基线，和规则或简单模型比一比再决定要不要投入；成绩来自厂商自测，要以自己的数据为准，权重许可证也要先让法务看一眼。
-
- granite-speech-5.0-2b 可转写英、法、德、西、葡、日六种语言，并在这些语言与英文之间互译，另支持英译意大利语和中文；用 39 万小时公开音频训练，在 Open ASR 排行榜英文短音频上平均 WER 5.06%，开源模型中排第 2。
- 支持最多 2,000 个词的关键词偏置、在提示里指定输入语言，以及按需输出标点和大小写；Transformers、vLLM、llama.cpp 和 mlx-audio 均已支持。
- 470M 的 Turbo CTC 改为支持 7 种语言并原生带标点，RTFx 从约 12,600 提升到 19,870，约快 1.6 倍。
- 面向会议与通话的 granite-speech-4.1-2b-plus 可直接替换旧版：长音频 WER 从 13.53 降到 10.22，20 词列表下关键词 WER 从 11.79 降到 6.48，平均时间戳偏移从 210.86 降到 98.54。
开发者视角注意它不转写中文，中文只是英译的目标语言，所以中文面试还得另找方案。英文模拟面试可以试：把岗位的技术名词塞进关键词列表，对付「Kubernetes」「gRPC」这类最容易转错的词；要按说话人拆分录音的，用 4.1-2b-plus。和 10 月 20 日 Mistral 的 Voxtral 3 一起，用自己的录音各跑一遍再选。
-
- 这个葡萄牙语作文评分模型基于 Qwen3-4B，每生成一个 token 都要在 151,669 个词条上打分；VocabX 在基座模型、数据、训练配方都不变的前提下重建了词表。
- 在 RTX 5090 与 vLLM 上用同样 500 个请求实测：平均回复从 350 个 token 降到 101 个，成本降低 77.0%，评测分从 0.703 升到 0.810。
- 第一版把每项评分和周围 JSON 合成一个宏 token，成本降 73.3%，但评测分跌到 0.689；让分数单独占一个 token，每条回复多 2 个 token，质量和成本反而都更好。
- 数字来自仍在审稿的论文，发表前可能变化。
开发者视角智能面试的评分报告也是格式固定的 JSON，场景几乎一样，但这招只对自托管的微调小模型有意义，调用 API 的改不了词表。更值得带走的是那个教训：压缩可以，别把承载决策的那个值和格式绑进同一个 token，否则省下的是成本、丢掉的是准确率。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。