Claude Code 源代码大规模泄露事件
- 发布时间: 2026年3月31日(泄露发生),4月1—3日持续发酵
- 新闻内容: Anthropic 的 Claude Code 因 npm 发布包中疏忽包含
.mapsourcemap 文件(约59.8MB),导致约50万行JavaScript源代码被公开。泄露文件包含未发布功能代号、内部工具链和架构细节,社区已克隆为 GitHub 上增长最快的仓库之一。 - 来源一(VentureBeat):https://venturebeat.com/technology/claude-codes-source-code-appears-to-have-leaked-heres-what-we-know
- 来源二(TowardsAI/Medium):https://pub.towardsai.net/i-read-every-line-of-anthropics-leaked-source-code-so-you-don-t-have-to-79dcef0b1264
- 来源三(36氪):https://eu.36kr.com/en/p/3751021139002113
⚠️ 更正说明(相对2026-04-03版报告): 此前版本对泄露细节描述不够完整。经交叉核实,泄露文件体积约 59.8MB(此前未注明),含约 50万行代码(此前估为"数十万行"),泄露入口为 npm 发布包中的 .map sourcemap 文件,非一般性代码仓库暴露。泄露日期为 3月31日,此前报告标注为"4月1日前后"不够精确。
Anthropic 发布"大模型情感概念"研究论文
- 发布时间: 2026年4月2日
- 新闻内容: Anthropic 发布研究论文,首次在 Claude Sonnet 4.5 中发现"功能性情感"的内部表征——即 LLM 内部存在类似人类情感概念的抽象表征,能驱动模型行为产生可预测的影响,并可通过操控"绝望神经元"等机制触发特定情感表达。
- 来源一(Anthropic 官方博客):https://www.anthropic.com/research/emotion-concepts-function
- 来源二(WIRED):https://www.wired.com/story/anthropic-claude-research-functional-emotions/
- 来源三(Mashable):https://mashable.com/article/anthropic-research-paper-emotion-concepts-anthropomorphizing-artificial
- 来源四(transformer-circuits 论文站):https://transformer-circuits.pub/2026/emotions/index.html
OpenRouter 发布"灰姑娘玻璃鞋效应"用户留存分析
- 发布时间: 2026年4月3日
- 新闻内容: OpenRouter 基于用户留存数据发现"灰姑娘玻璃鞋效应":当某前沿模型首次解决用户某一类此前无法完成的问题后,该用户即"锁定"该模型,后续即使有更强模型出现也不会迁移。Gemini 2.5 Pro 和 Claude 4 Sonnet 的早期用户群在第5个月留存率约40%,远高于后续批次。
- 来源一(arXiv 论文):https://arxiv.org/abs/2601.10088
- 来源二(OpenRouter 博客):https://openrouter.ai/blog/the-cinderella-glass-slipper-effect
AI2 发布 MolmoWeb 开源网络智能代理
- 发布时间: 2026年4月2日
- 新闻内容: Allen AI(AI2)发布 MolmoWeb,基于 Molmo 2(4B/8B 参数)构建,能基于屏幕截图在浏览器中完成网页导航与任务执行,在四个主流网络代理基准上刷新开源 SOTA,甚至超越多个基于闭源模型的代理系统。
- 来源一(Allen AI 官方博客):https://allenai.org/blog/molmoweb
- 来源二(radicaldatascience):https://radicaldatascience.wordpress.com/2026/04/03/ai-news-briefs-bulletin-board-for-april-2026/
AsteraLabs 发布 CXL 内存扩展 AI 推理方案
- 发布时间: 2026年4月3日
- 新闻内容: AsteraLabs 发布基于 Leo CXL 智能内存控制器的推理优化方案,通过将 KV Cache 卸栽到 CXL 扩展内存,突破 GPU 内存墙,显著降低推理延迟和成本。
- 来源一(AsteraLabs 官方博客):https://www.asteralabs.com/inference-tokenomics-how-cxl-memory-expansion-improves-ai-economics/
- 来源二(radicaldatascience):https://radicaldatascience.wordpress.com/2026/04/03/ai-news-briefs-bulletin-board-for-april-2026/