Anthropic核心代码泄露：51万行未发布功能遭曝光
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
AI（人工智能）新锐巨头Anthropic意外“开源”了旗下编码助手Claude Code的51万行源代码。
当地时间3月31日，由于npm（包管理器）打包失误，Anthropic旗下爆款AI编程工具Claude Code的部分源代码泄露，共约51.2万行，包含4756个源文件、超过40个工具模块及多项未发布功能，被迫向全球开发者“开源”。虽然公司迅速做出反应，但开发者们已经在GitHub等社区中大量分享了这些代码。
对此，Anthropic方面回应称：“此次事件未涉及或泄露任何敏感的客户数据或凭证。这是由于人为失误导致的发布打包问题，而非安全漏洞。我们正在采取措施，防止类似情况再次发生。”
公开资料显示，Anthropic由前OpenAI员工成立于2024年，旗下产品包括Claude系列大模型。自成立以来，公司先后获得亚马逊、谷歌、英伟达、Salesforce等科技巨头的投资。
对于Anthropic这样一家强调“安全”并正在积极寻求IPO上市的初创公司来说，源代码泄露无疑是一次重大打击，让公司的竞争对手以及软件开发者能够深入了解其产品的开发过程，并让用户和投资者对Anthropic的数据安全感到担忧。
外媒分析指出，这次泄露的信息揭示了Anthropic如何解决AI工具面临的一个核心难题，即模型在处理长时间或复杂任务时如何保持准确性。出人意料的是，Claude Code并不会直接依赖之前生成的内容，而是会不断质疑并验证自己的结果，以避免“幻觉”问题。
此外，即使没有用户操作，Claude Code也会在后台继续运行，重新整理学到的信息、建立不同内容之间的联系、修正前后矛盾并抛弃错误假设。当用户回来时，Claude Code就能够对任务产生更清晰、更准确的理解。
本次泄露还显示，Anthropic曾尝试让AI参与开源项目开发，但并没有在相关贡献中明确标注AI生成内容。同时，公司正在探索如何让其AI工具更具“上瘾性”，更难让用户放弃使用。Anthropic正在考虑推出代号为“Kairos”的自主守护进程助手，还有内置了完整电子宠物系统的“Buddy System（伙伴系统）”。
值得注意的是，这已经是Anthropic在不到一周的时间内第二次发生泄漏问题。3月26日，有开发者注意到，Anthropic即将推出的AI模型描述和一些相关文档出现在了公开的数据缓存中。
今年2月，Anthropic完成了由阿联酋技术投资公司MGX领投的300亿美元融资，公司估值达到3800亿美元。3月27日，据外媒报道，Anthropic正在讨论首次公开募股（IPO）计划，最快将于今年10月在美国上市。
相关攻略
4月2日消息，人工智能公司Anthropic在处理未公开源代码泄露事件时出现操作失误，导致代码托管平台GitHub上逾8000个代码库被意外下架。目前该公司已撤回绝大部分下架要求。事件起因于本周二。
中新经纬4月1日电 (谢婧雯)“这是人为错误。我们的部署流程包含几个手动步骤，其中一个步骤我们操作有误。我们已经进行了一些改进，并且正在深入研究，以增加更多健全性检查。”4月1日下午，Anthr
AI（人工智能）新锐巨头Anthropic意外“开源”了旗下编码助手Claude Code的51万行源代码。当地时间3月31日，由于npm（包管理器）打包失误，Anthropic旗下爆款AI编程工具
Anthropic遭遇一场堪称业界最大规模的代码泄露事件。Claude Code的完整源代码，因一个打包层面的低级失误彻底公之于众。逾51万行TypeScript代码、40余个工具模块、数项尚未发布
世界是个巨大的草台班子。今天下午，开发者 Chaofan Shou 发了一条推文，直接放出了 Anthropic 最新命令行工具 Claude Code 的完整源码压缩包 src zip。这条推文迅
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件，重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构，旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本，并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币，其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台，并提醒用户注意资产安全与合规操作，建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究（论文编号arXiv:2603 12935v1），揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出，一种高效且低成本的解决方案——提示工程，或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时，背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题，往往让人束手无策。传统的解决方案，就像请来一群专科医生：去模糊、去噪点、去雨滴，各有各的专长，但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片，才能达到可用的修复水平。 然而，一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学（UBC）与Vector人工智能研究院联合主导的前沿研究，于2026年3月以预印本论文（arXiv:2603 12634v1）形式发布。研究团队创新性地提出了“预算感知价值树搜索”（Budget-Aware Value Tree Search，简称BA VT）框架，旨在攻克一个