Anthropic 设定 IPO 发行价区间 70 至 78 美元,隐含估值达 1.404 万亿美元
Anthropic 在更新后的 IPO 文件中称,将发行 8.25 亿股 A 类股,发行价区间为每股 70 至 78 美元,预计募资 577.5 亿至 643.5 亿美元;若按区间上限定价,完全稀释后估值将达 1.404 万亿美元。
推荐理由:更新后的招股书给出定价区间、募资规模和估值上限,也披露了营收与亏损数据。
Anthropic 在更新后的 IPO 文件中称,将发行 8.25 亿股 A 类股,发行价区间为每股 70 至 78 美元,预计募资 577.5 亿至 643.5 亿美元;若按区间上限定价,完全稀释后估值将达 1.404 万亿美元。
推荐理由:更新后的招股书给出定价区间、募资规模和估值上限,也披露了营收与亏损数据。
八个国家、科技公司与民间组织代表在 11 月 9 日签署《巴黎 AI 安全与安保宣言》,OpenAI 的 Sam Altman、Anthropic 的 Dario Amodei、Microsoft 的 Brad Smith、Mistral AI 的 Arthur Mensch、Yoshua Bengio 与美国财长 Scott Bessent 参与,德国未签署。
Anthropic 启动 IPO 路演,计划发行 8.25 亿股 A 类普通股,发行价区间 70 至 78 美元,按招股书股数计算目标估值最高 1.02 万亿美元。
同一件事,精选收录的是《Anthropic 设定 IPO 发行价区间 70 至 78 美元,隐含估值达 1.404 万亿美元》
微软研究院联合 GitHub Next 推出研究原型 PDD Kit,在 Chopin 规划环境中把开发者意图转成 Verus 形式化规约,再用证明约束智能体生成的代码。
微软构建 Industry Evaluation Data Generation Platform,用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot。
微软研究院发布 Flint-interactive,一种构建在 Flint 之上的交互式数据可视化语言,让智能体生成可点击、筛选、缩放和跨图表联动的图表。它把点击、拖拽等原始触发解析为语义事件,用户只需用高层算子描述更新行为,布局与渲染依赖交由 Flint 编译器处理。用户可通过 Flint-MCP 和 MCP Apps 在对话中直接使用,开发者可用编程 API 构建仪表盘和数据故事。
推荐理由:微软研究院把交互逻辑交给编译器处理,让智能体用高层语义事件生成可点击、可联动的图表,减少反复调试。
微软研究院研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想,给出与维度无关的固定界,解决了高维几何与概率论的核心开放问题。证明过程采用人类引导的智能体搜索,探索了 100 多条候选路径,由研究者筛选和调整方向;同期另有独立团队给出完整证明,并出现 Lean 4 形式化验证。作者称此前用多个前沿模型做无引导的端到端尝试未能成功。
推荐理由:微软研究员与合著者借助人类引导的智能体搜索证明 KLS 猜想,展示了人机协作做数学研究的具体流程。
微软研究院发布零知识虚拟机 Magnetar,可直接证明用 Rust、Go 或 C 编写的程序执行过程,在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍。它基于 RISC-V 架构,在笔记本上每秒可证明 720 万至 870 万条处理器指令,证明验证约需 12 毫秒。其安全性仅依赖 SHA-256、SHA-3 等标准哈希函数,不需要椭圆曲线、格假设或可信设置。
推荐理由:微软研究院梳理十余年零知识证明研究脉络,说明 Magnetar 如何同时解决效率、通用性与后量子安全三个难题。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式:通过 .github/copilot-instructions.md 定义仓库级自定义指令,用 .github/skills 下的 agent skills 封装可重复流程,用 .github/agents 中的自定义智能体处理跨文件复杂任务,并通过 MCP 服务器连接外部工具与数据源。
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 微调分类器,用代码上下文识别数据库 URL、Kubernetes Secret、Dockerfile 中的非结构化密钥,候选批次评估耗时不到 2 毫秒,可把可拦截的密钥数量提升一倍以上。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布构建 219 个公开 PR 语料,覆盖 19 种语言。
推荐理由:GitHub 公开了基准的构建方法、评分规则和人工一致性数据,读者可据此判断 AI 代码审查评测的可信度。