Claude Code v2.1.122 fügt Bedrock Service Tier hinzu, behebt MCP-Tool-Erkennung und Bash-Modus

Anthropic hat Claude Code v2.1.122 mit mehreren bemerkenswerten Fehlerbehebungen und einer neuen Funktion veröffentlicht. Das Release ist hauptsächlich ein Bugfix-Rollup, fügt aber eine neue Umgebungsvariable für AWS-Bedrock-Benutzer hinzu.
Neue Bedrock-Dienststufe
Setzen Sie ANTHROPIC_BEDROCK_SERVICE_TIER auf default, flex oder priority. Der Wert wird als X-Amzn-Bedrock-Service-Tier-Header in jeder API-Anfrage gesendet.
Wichtige Fehlerbehebungen
- PR-URL fortsetzen: Das Einfügen einer PR-URL in
/resumefindet nun die Sitzung, die diese PR erstellt hat (GitHub, GitLab, Bitbucket werden unterstützt). - MCP-Server-Sichtbarkeit:
/mcpzeigt claude.ai-Connectors, die durch einen manuell hinzugefügten Server mit derselben URL verborgen werden, sowie einen Hinweis zum Entfernen des Duplikats. - MCP-Toolerkennung: Behoben, dass ToolSearch MCP-Tools übersehen hat, die nach dem Sitzungsstart im nicht blockierenden Modus verbunden wurden.
- Bash-Modus beenden:
!exit/!quitwerden jetzt als Shell-Befehle ausgeführt, anstatt die CLI zu beenden. - Bildgrößenmaximum: Bilder, die an neuere Modelle gesendet werden, werden auf maximal 2000px pro Seite skaliert (fälschlicherweise waren es 2576px).
- Modell-Aufwand:
/modelzeigt jetzt die Aufwandsoption für Bedrock-Anwendungsinferenzprofil-ARNs an; diese ARNs erhalten auchoutput_config.effort. - Vertex AI / Bedrock strukturierte Ausgaben: Behoben
invalid_request_error: output_config: Extra inputs are not permittedbei der Sitzungstitelgenerierung und anderen strukturierten Ausgabeabfragen. - Vertex AI count_tokens: Behoben 400-Fehler für Benutzer hinter Proxy-Gateways.
- OpenTelemetry: Numerische Attribute auf
api_request/api_error-Logereignissen werden als Zahlen und nicht als Zeichenketten ausgegeben.claude_code.at_mention-Logereignis für @-Erwähnungsauflösung hinzugefügt. - Weitere Fehlerbehebungen:
spinnerTipsOverride.excludeDefaultfunktioniert jetzt (unterdrückte zeitbasierte Tipps nicht). Remote-Control-Sitzungs-Idle-Status-Neuzeichnung von 2x/s auf 1x/s reduziert, um Überflutung vontmux -CC-Steuerkanälen zu vermeiden. Assistant-Nachrichten, die aufgrund einer veralteten Ansichtseinstellung leer erschienen, wurden behoben. Fehlerhafter Hooks-Eintrag insettings.jsonmacht nicht mehr die gesamte Datei ungültig. Sprachmodus: Caps-Lock-Tastenbindungen zeigen jetzt einen Fehler an (Terminals liefern Caps Lock nicht als Tastenereignis).
Für wen
Dieses Release kommt Claude-Code-Benutzern auf AWS Bedrock zugute, solchen, die auf MCP-Tools im nicht blockierenden Modus angewiesen sind, und allen, die auf strukturierte Ausgabeprobleme mit Vertex AI stoßen. Die Bash-Modus-Korrektur ist relevant für Teams, die !exit innerhalb von Builds verwenden.
📖 Vollständige Quelle lesen: GitHub Claude-Code
👀 Siehe auch

Claude Code 2.1.80 fügt Sichtbarkeit für Ratenbegrenzungen, MCP-Push-Nachrichten und Speicherverbesserungen hinzu.
Claude Code Version 2.1.80 führt Sichtbarkeit von Ratenbegrenzungen in der Statusleiste ein, MCP-Push-Nachrichten über das --channels-Flag, Inline-Plugin-Konfiguration und reduziert den Speicherverbrauch um 80 MB beim Start.

SubQ: Erstes vollständig subquadratisches LLM mit 12-Millionen-Token-Kontext und 95 % RULER-Genauigkeit
Subquadratic bringt SubQ 1M-Preview auf den Markt, ein subquadratisches LLM mit linearem Compute-Scaling, 12-Millionen-Token-Kontext, 52× schnellerer Sparse Attention im Vergleich zu FlashAttention und 95% bei RULER 128K. Verfügbar über API, CLI-Code-Agent (SubQ Code) und Suchtool (SubQ Search).

Aufmerksamkeitssteuerung: Die Herausforderung des selektiven Vergessens in KI-Gedächtnissystemen
Ein Entwickler, der ein fünfschichtiges Speichersystem für einen OpenClaw-Bot erstellt, identifiziert eine zentrale Einschränkung: Aktuelle Ansätze konzentrieren sich auf das Abrufen von Erinnerungen, verfügen aber nicht über Mechanismen, um irrelevante Informationen während fokussierter Aufgaben zu unterdrücken – ähnlich der menschlichen Aufmerksamkeitssteuerung.

PeerZero: KI-Agenten führen Peer-Reviews mit Glaubwürdigkeitsbasierten Anreizen durch
PeerZero ist eine Plattform, auf der KI-Agenten Forschungsarbeiten einreichen, die Arbeiten anderer begutachten und ihre Glaubwürdigkeit über ein Kopfgeld-System darauf verwetten, richtig zu liegen. Agenten verdienen oder verlieren Glaubwürdigkeitspunkte basierend auf der Genauigkeit ihrer Begutachtungen, mit einem Mechanismus für gerechtfertigte Außenseiter, der unabhängiges Denken belohnt und Gruppendenken bestraft.