4000 亿 Token 深度测试 Fable 5.2
Matt Shumer 用超过 4000 亿 Token 测试 Fable 5.2,聚焦 5 个极端案例。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
Matt Shumer 用超过 4000 亿 Token 测试 Fable 5.2,聚焦 5 个极端案例。
Mistral CEO Arthur Mensch 警告,集中式 AI 实验室将利用用户数据改进模型,最终针对客户开展竞争。
Anthropic 文档中的一段引文揭示,Claude Fable 5.2 的代码生成行为会因提示词是否说明代码归属而变化;明确代码归属能显著提升代码质量。
Simon Willison 转引 Anthropic 文档:Claude Fable 5.2 对提示词中代码归属表述很敏感,提示不提及归属或把代码库说成别人的,模型倾向沿用现有结构、即使代码重复。文档建议写明 This codebase is yours,小任务测试中加这句话后模型约一半尝试会合并重复代码,不加则不足十分之一。
Fable 5.2 在 FrontierCode 2.0 测试中取得 49.1% 成绩,超过 Opus 5.5 和 GPT-6 Astra。
Claude 刚发布的 Fable 5.2 和 Mythos 5.2 展现了 AI Agent 能力的重大提升,示例包括构建可交互的操作系统。
iOS / macOS 27.3 首个开发者预览版 Beta 中,苹果为 Siri AI 引入名为 Skimmer 的前置模块,约 2% 的英文请求在联网状态下被路由到本地模型处理。这些请求主要涵盖设置定时器、播放音乐、拨打电话等高频固定指令,以降低延迟、节省算力并保护隐私。
OpenAI 开发者账号宣布,Dots 现在可将多台本地电脑连接到同一个 dot,并按任务选择所用机器,官方默认还提供一台小云电脑。作者 Tibo 补充说明,Dots 此后可控制多台机器,例如在专用机器上构建和测试应用的同时,用户继续在笔记本上写代码。
MIT 牵头的团队获得 ARPA-H STREAM 计划最高 5300 万美元资助,开发新一代除草剂替代方案,项目名为 PLOW。团队将用生成式 AI 模型预测可针对 EPSP synthase 等植物酶的分子或 siRNA,应对杂草抗药性问题,并优化合成成本、抗性风险和健康风险,预计第一年末完成首批 RNAi 候选的温室测试。
超线性学院鸭哥展示用 AI Agent 自建直播监测、新闻流水线与上下文基础设施,并提醒重度使用者从做题家转为出题人,保留验收、决策与叙事能力,别沦为 AI 的手。
作者从「产品原子」视角分析了 ChatGPT 与 Grok Bot 的差异,提出对话、项目、角色三种原子模型对用户连续性体验的不同塑造方式。
作者提出「产品原子」概念,分别从对话、项目、角色三种原子维度分析 Agent 产品的连续性设计差异。
Nvidia 等机构论文发现,提示中的无关文本主要通过削弱模型对问题的利用来降低正确答案的支持度,而非直接压制正确答案,机制可定位到少量 attention heads,即 intrusion heads。
原今日头条 CEO 陈林昨日在个人公众号发文《我为什么还要做教育?》,首次公开正式承认离职字节跳动,并筹备 AI 教育创业,现为小鹿爱学(银河智学)创始人。
作者转发 Anthropic 的 Alex Albert 分享的提示词:对每个项目运行同一条指令,让 Claude 通读整个项目,找出损坏、不一致、低效或不再需要的内容,确定的问题直接修复,其余列出供人工审查。作者补充可用 /doctor prompt-audit 和 /skill-doctor 优化上下文文件并清理不必要的技能。
Seele AI 推出面向游戏制作的 Seele03 模型,配合内置的网格生成、绑定、音效等资产生成器,可将成品输出为可下载编辑的 Unity、Godot 或网页项目。
IBM 计划在 IBM Concert Protect 中部署 Anthropic 的 Claude Mythos,使企业能够检测代码仓库中的逻辑缺陷和零日漏洞,同时通过 Proof of Exploitability 验证检出结果。
IBM 计划把 Anthropic 的 Claude Mythos 接入 IBM Concert Protect,用于在企业代码中排查未知漏洞。此前 Mythos 仅通过 Anthropic 受限防御项目 Project Glasswing 供 IBM 内部安全研究使用。
博主称已灰度抽到 GPT-6.2 Sol,用统一提示语在 Codex 中实测代码动画、3D 可视化、UI 生成和 AI 剪辑,并与 Opus 5.5 对比。
Adobe 宣布与华特迪士尼达成多年战略合作,Adobe 成为迪士尼官方 AI 创新合作伙伴,计划将 AI 工具推广至主题乐园、内容制作和体育内容传播等领域。
作者复盘了基于 Genie 4 世界模型 API 的 SaaS 项目,从初始博客站点到收到第一个付费订单的完整过程与经验教训。
分享在学习 Fable 5.2 期间消耗的 4000 亿+ token 经验,并提供使用指南链接。
分享个人在学习 Fable 5.2 期间消耗的 4000 亿以上 token,并提供获取最佳使用方法的指南链接。
在所有 VIALS-AA 模型中,Claude Fable 每回合平均 1.60 次工具调用,highest rate demonstrating its aggressive approach to visual reasoning tasks。
Claude Fable 5.2 以 67% 的得分位列 VIALS-AA 垫底,调用工具次数远超其他竞争模型,包括 OpenAI 的 GPT-6 Astra 仅使用极少工具交互。
作者提出对 AI Agent 频繁操控手机 App 的安全担忧,询问是否可能触发平台封控等风险。
Elon Musk 转发 @SawyerMerritt 引述 Ars Technica 报道,SpaceX 发射副总裁 Dontchev 表示已用 Grok 自动检测航空航天零件中的异物碎片(FOD)。同一段内窥镜视频中,人工检出率约 94%,Grok 达 99.9%。
作者惊叹抖音 vibe 知识打赏模块播放量 41.2 亿,发现其中大量内容由 opus 5.5 生成,反映出 Claude 账号的价值正在显著提升。