4 月 3 日，NYU 與 Meta FAIR 團隊發布論文《Hierarchical Planning with Latent World Models》（HWM）。原文地址：（https://arxiv.org/abs/2604.03208）這篇論文沒有繼續把重點放在生成更逼真的未來畫面上，而是轉向世界模型長期存在的一道執行難題。任務鏈條一旦拉長，預測誤差會持續積累，動作搜索空間也會迅速擴大。

主流觀點認為模型參數越多，就會越接近人類思考的方式。然而浙大團隊4月1日在Nature Communications上發表的一篇論文則提出了不同的觀點。他們發現當模型（主要為SimCLR、CLIP、DINOv2）規模變大後，識別具體事物的能力確實會繼續提高，但理解抽象概念的能力不僅沒有提高，甚至會有所下降。

Claude Code 這次洩露，問題出在npm發包。Anthropic把cli.js.map一起帶了出去。外界順著這個檔案，提取出了超過 51.2 萬行程式碼。裡面有四十多個工具模組，說明很多任務已經用更細分的工具去執行了。還有一個四萬六千行的 QueryEngine，相當於總調度台，專門用來調度任務。另外，程式碼裡還露出了幾項此前沒公開的功能，比如 Buddy、Kairos和Auto Mode。