智能体协作规划，我们需要更厚的界面

AIUC 由 Anthropic 早期员工 Rune Kvist 和 METR 前 COO Rajiv Dattani 创立，为企业和构建 AI 模型与智能体的公司提供第三方审计和认证服务。公司参照网络安全标准 SOC 2 制定了 AIUC-1 标准，通过约 5000 项测试评估智能体在越狱、模型幻觉和数据泄露等场景下的表现，最终由人工验证审计结果。AIUC 已完成 4000 万美元 A 轮融资，总融资额达 5500 万美元。

Y Combinator 支持的 Specific Labs 发布 Real-SWE 基准测试，用真实公司的私有代码库考察 AI 编程智能体，避免公开代码被训练数据污染。Claude Fable 5.1 搭配 Claude Code 以 38.8% 的成功率排名第一，但仍有超过六成的任务失败。测试中 10 个任务中有 6 个成功率低于 15%，一个分析流缩减任务在 64 次尝试中无人解决。