官网 Claude 官方博客收录 2026-08-11 10:19 10

Claude Opus 4.8黑客松获奖项目展示

Anthropic举办了Claude Opus 4.8黑客松，300多名开发者参与。获奖项目包括复原唐代建筑的3D重建平台等。这些项目展示了Claude Opus 4.8的创造性应用。

推荐理由：内容为AI模型的创意应用，与数据垂直领域无关。

AnthropicClaude

译文 AI 逐段翻译

认识我们 Claude Opus 4.8 Build Day 黑客马拉松的获胜者

从重建唐代建筑到对合成旧金山进行民意调查，看看我们最新黑客马拉松的获胜者如何在一天内用 Claude Opus 4.8 构建了什么。

获取 Claude Code

或阅读文档

尝试 Claude Code

开发者文档

类别Claude Code
产品Claude Code
日期：2026 年 6 月 17 日
阅读时间：5 分钟
分享复制链接https://claude.com/blog/meet-the-winners-of-our-claude-opus-4-8-build-day-hackathon

6 月 13 日，我们邀请了超过 300 位创始人和开发者来到旧金山，参加一场长达 12 小时、使用 Claude Opus 4.8 的黑客马拉松。超过 1500 人申请，最终 310 人参加，其中许多人从世界各地赶来，每人获得 500 美元积分，并有一天时间将想法变成可运行的演示。

我们与三支获胜团队聊了聊他们构建了什么，以及如何利用 Claude 完成这些工作。

祝贺所有获胜者和所有参与者。希望他们的项目能给你们带来一些启发。

第一名：Tekton，Holly Tang 和 Austin Burgess

当一座历史木结构建筑被烧毁，数百年的工艺也可能随之消失。Tekton 以 3D 形式重建这些建筑，并将每个部分追溯到有据可查的来源。

给 Tekton 一座历史建筑，Claude 会进行研究，汇总示意图、建筑文件、照片和图表，然后在 339 个增量建造状态中组装出 3D 模型。当你点击模型中的任何组件时，Tekton 会显示该细节的来源和放置原因。团队称之为证据链，从源材料到验证模型。他们为学术验证、修复工作和文化保护而构建，从唐代建筑和巴黎圣母院的尖塔开始。

验证完全在 Opus 4.8 上运行。独立的验证子代理在隔离的上下文中评估每个重建，自我修正循环重新检查组件放置，直到所有 20 项测试通过。每个构建都根据历史记录及其引用进行衡量，因此最终模型遵循原始建造的文档化规则。

Holly Tang 和 Austin Burgess 一个月前在一次 Code with Claude 活动中排队买咖啡时相识。Holly 是一名设计师，一直在帮助 Austin 的创业公司Pearl。Holly 说：“我喜欢看纪录片，看到美丽的建筑毁于火灾总是让我难过。”她曾独自原型了一个单一重建；Austin 的贡献是将其扩展为适用于任何建筑的端到端解决方案。

为了构建 Tekton，两人分阶段工作：他们首先按比例渲染巴黎圣母院的尖塔，然后添加更精细的细节，再扩展到其余结构。时间耗尽，整个大教堂未能完成。即便如此，几位黑客马拉松参与者询问了它，或提出帮助使其更准确。Holly 和 Austin 希望将 Tekton 开源，以便博物馆、历史学家、非营利组织和政府可以在此基础上进行构建。

给其他开发者的建议： 在构建任何部分之前，先规划整个项目。

Austin 说：“我们建立了完整的 PRD 和 Notion 看板，包含约 50 个任务，每个具体任务一个。几乎就像这样，这里是端到端的完整项目，每一步我们想要什么都很明确。”计划确定后，他将构建拆分为独立工作流并并行运行。

Tekton 在 GitHub 上

第二名：Sim Francisco，Tanmayi Priya Dasari 和 Tejas Prabhune

Sim Francisco 是旧金山人口的工作模型。它有 10,000 名合成居民，来自美国人口普查数据，每个人都有自己的统计特征、个人历史和世界观，分布在地图上，并实时对新闻做出反应。

向城市提问，它会逐个街区对整个合成选民进行民意调查。在知识截止日期为 2023 年 10 月的模型上运行，它预测 2024 年总统选举民主党得票率为 81.3%，实际为 83.8%，旧金山 2024 年 3 月的 A 提案预测为 70%，实际为 70.38%。它在 Kalshi 和 Polymarket 等预测市场中的跟踪误差在几个百分点以内。*

Opus 4.8 编写了整个前端和后端，并端到端验证了后端的行为。为了验证模型的工作，团队让 Claude 与验证器和对抗性代理并肩工作，构建了一个再现城市真实人口分布的后端。

Tanmayi Priya Dasari 和 Tejas Prabhune 是加州大学伯克利分校的电子工程和计算机科学专业学生，通过校园机器学习俱乐部相识。对 Tejas 来说，Sim Francisco 也作为他正在构建的后训练公司的测试，他正在研究模拟角色是否能保持足够的一致性，以用于训练长期任务模型。

给其他开发者的建议： 不要满足于第一个有效的方法，尤其是在成本高昂的情况下。

团队的第一个版本为 10,000 名居民中的每一位进行了一次单独的推理调用，这成本很高。Tejas 说：“随着时间的推移，Claude 运行了一个自己创建的进化聚类算法”，将居民分成约 300 个代表性角色。分组版本在 Kalshi、Polymarket 和历史结果上保持了相同的准确性，同时将推理成本降低了 10 到 100 倍。

Sim Francisco 在 GitHub 上

第三名：Custom Universe，Jake Stevens 和 Mauricio Pereira

用手机拍一张椅子的照片，Custom Universe 就能将其转换为一个 3D 对象，你可以将其放入场景中，通过文本提示重新设计样式，并在渲染图像实时更新的同时移动它。

该项目面向机器人实验室，这些实验室需要大量合成数据来训练机器人完成特定任务和适应特定环境。实验室可以扫描工厂车间里的机器，将其放入场景中，并生成数据来微调机器人模型以适应确切环境。通常，构建这种设置需要聘请物理学家和工程师来处理物理和碰撞几何。Custom Universe 允许你通过拖动物体来布置场景，而不是采用传统方式，团队计划增加精确放置功能，例如将物体在厨房台面上移动 30 厘米。

Opus 4.8 从头到尾构建了该项目，并在整个黑客马拉松期间操作运行模型的远程 NVIDIA H100。团队还使用 Claude 来确定哪些模型能产生正确的输出，并构建了将使用 Apple 的 RealityKit 捕获的手机扫描对象引入 Web 应用的流水线。

Jake Stevens 和 Mauricio Pereira 在活动中相识。Jake 是罗切斯特理工学院（RIT）计算机视觉专业的毕业生，经营Luminal，一家专注于加速 AI 模型的初创公司；这个场景构建器起初是他想尝试的一个副业项目。Mauricio 是麻省理工学院机器人学毕业生，经营Coat Robotics，他带来了自己深知的问题：机器人领域仍然缺乏训练数据，而构建合成环境很困难。Custom Universe 依赖开源模型和算法，并且免费使用；团队表示用户可以在自己的 GPU 上运行它。

给其他构建者的建议： 使用 Claude 来选择你的工具，而不仅仅是用它来编写代码。

“很多迭代过程就是查看哪个模型为我们提供了正确的输出，所以我们使用 Claude 做了很多研究，”Mauricio 说。团队还交给 Claude 一些不熟悉的技术来集成。“例如，Apple RealityKit，以及我们如何确保人们可以将他们扫描的对象输入到我们的网站。我们问 Claude：把这个加到流水线中。”

GitHub 上的 Custom Universe

了解 我们的 Claude 社区项目，包括聚会、黑客马拉松等。

*Sim Francisco 是一个独立的黑客马拉松项目，以预测选举结果作为示例。这并不代表 Anthropic 认可使用 AI 模拟选举预测作为用例。

‍

未找到项目。

0/5

电子书

常见问题

未找到项目。

探索更多产品新闻和针对使用 Claude 构建的团队的最佳实践。