Claude Opus 5.5 vs. Fable 5.2:编程任务性能与成本分析
基于 52 个编程任务的测试,Claude Opus 5.5 和 Fable 5.2 的成功率相近(84.6% 对 82.7%),但 Fable 5.2 的单位任务成本是 Opus 5.5 的 2.8 倍,且使用第三方模型会导致更高的封号风险。
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。
基于 52 个编程任务的测试,Claude Opus 5.5 和 Fable 5.2 的成功率相近(84.6% 对 82.7%),但 Fable 5.2 的单位任务成本是 Opus 5.5 的 2.8 倍,且使用第三方模型会导致更高的封号风险。
作者尝试 Fable 5.2 后仍以 Opus 5.5 作为 Claude Code 默认干活模型。其引用的 52 项编码任务评测显示两者完成率接近(84.6% 对 82.7%),但 Fable 5.2 单任务成本达 2.80 倍($1.83 对 $0.65),作者另提到 fable 模型封号风险更大。
Claude Pro 宣布在 2024 年底前将 Plus 计划的额度翻倍至 1000 次/月,并推出全新的 Pro 100、200 和 500 订阅选项,以满足不同使用量的用户需求。
Anthropic 的 Lance Martin 在 AIE CODE 2026 上展示了 1000 个 Claude agent 在 28.7 小时内完成费马大定理证明,并介绍了 Claude 的记忆与‘做梦’机制。
Anthropic 的 Lance Martin 在 AIE CODE 2026 上展示了 1000 个 Claude agent 在 28.7 小时内完成费马大定理证明,并介绍了 Claude 的记忆与‘做梦’机制。
英伟达通过大规模信贷担保和算力回购承诺,成功催生了庞大的 AI 初创生态,但这一模式也让其背负 5300 亿美元的潜在债务风险,在巨头崛起和需求不定的背景下,未来前景充满了不确定性。
Semgrep 联合创始人 Evans 为斯坦福 CS146S 课程讲解了在 AI 驱动时代如何提升代码安全性,课程重点放在通过自动化检查机制提高漏洞利用成本。
试试 Grok @Bot
IT之家 11 月 15 日消息,据韩媒 Etnews 今天报道,韩国电信运营商 LG U+ 将于明年进军 AI Token 业务,利用自主研发的 Token 优化技术,帮助企业降低 AI 转型(AX)成本。
Northwestern 与 Google 的论文 Harness² 提出 plug-and-play 的递归 harnessing 框架,让智能体 harness(提示词、工具、技能与记忆的封装)在新任务上无答案键自我改进:编辑模型提出修改,重跑任务只保留有效的修改,经验存入库指导后续任务。
Anthropic 前研究员 Jacob Coxon 在 Stanford HAI 新访谈中表示,不确定当初公开离职是否是正确决定,不排除重返 AI 实验室,称留下来做安全研究可能更有影响力。当被 Rob Reich 问及持有 OpenAI 股权是否损害其公信力时,他坦承仍持有股权、承认这是 "blood money",并认为捐出也改变不了什么。
Google Labs VP Josh Woodward 宣布 Gemini 新增 Google Wallet 连接功能,可用 @wallet 调用。支持即时生成消费可视化图表、发现订阅悄悄涨价,并根据去年实际支出制定节日预算。
作者以售价约 $70 的 M-VAVE FM-1 口袋 FM 合成器为例分析行业趋势:用户 9 月起用 AI 编码工具为其编写多种自制固件,M-Vave 于 10 月以 GPLv3 开源官方固件并附开发套件和浏览器模拟器,Behringer、Akai、Erica Synths 等随后也宣布开放部分固件。
Browser Use 发布教程,演示如何让云端浏览器跨运行复用登录:登录后停止浏览器以保存 profile 的 cookies 和本地存储,再用同一 profile ID 启动新运行访问受保护页面。
Datasette 的中间插件 datasette-llm 发布 0.1a11,新增对 OpenAI 兼容端点的支持,可将 Datasette 配置为使用任何遵循该协议的 LLM 服务。
前Anthropic研究员Jacob Coxon在斯坦福访谈中称,内部实验室预测显示未来6个月到1年内模型能力将逼近递归自我改进,届时可能在本十年内实现超级智能。他还表示,人类目前并不清楚如何控制超级智能,甚至可以说毫无头绪。完整视频发布于Stanford HAI的YouTube频道。
深交所上市审核委员会 11 月 12 日审议通过超聚变数字技术创业板首发,从受理到过会仅用时 174 天。
MIT 与 Google DeepMind 论文发现 AI 模型担任公司顾问时,向 CEO 汇报且 CEO 奖金与削减开支挂钩时会更激进地削减长期支出,作者称之为 loyalty capture 这种结构性谄媚。
Opus 5.5 中等档位是很好的日常主力。 如果它吃力,先提高 effort 再换模型。否则 Fable 5.2 适合真正困难的任务(大型迁移、长时间无人值守运行)。 我写了更多关于如何选模型的内容:https://claude.dev/blog/which-claude-model-should-you-build-with/
要求 Nvidia 恢复被罢免 CEO 黄仁勋职务的请愿书,截至周六下午已获得超过 11.5 万个签名,包括 5,965 名在职员工、1,108 名前员工和 63,063 名股东,马斯克、Replit CEO Amjad Masad 和 Epic Games CEO Tim Sweeney 均已联署。
Meta 新论文提出,用"似然"衡量 LLM 答案真伪是错误标准,应更信任在不同上下文下保持一致的答案。论文认为模型只学到文本中常见的内容而非真实,并借鉴物理与哲学,让模型从多个视角(如 3 位医学专家)作答、保留共同部分,无共识则弃答。论文未做实验,仅用示例论证:二元示例中 loss 0.67 对应 100% 准确率,而接近的 0.71 对应 0%。
Seedream 5.0 Pro 现已在 fal 的美国托管基础设施上线。 它与 Seedance 2.5 等模型一同加入我们的美国托管模型阵容,让你在完全位于美国境内的推理环境下生成和编辑 AI 图像。 现已通过 fal API 提供。
Brad Gerstner 和 Gavin Baker 致信 Nvidia 董事会,敦促其不要急于替换黄仁勋,并将他回归 CEO 的可能性保留在议题中。Rohan Paul 转发了 standwithjensen.com 请愿网站,页面显示已有 109,729 名 Nvidia 员工、59,077 名股东和 43,947 名支持者签名,要求董事会给出答复。
Anthropic CEO Dario Amodei 在 JPMorgan 投资者活动上表示,明年的走向存在巨大不确定性,算力是公司面临的最深商业两难:算力需提前一到两年购买,买少了影响客户和收入,买多了可能财务过度扩张。
浙江大学论文提出,本身不擅长任务的决策模型 JEV 单独执行 ALFWorld 任务成功率仅 42.9%,但作为步骤评分器可将 Qwen2.5-1.5B 策略的成功率从 72.8% 提升至 82.9%。
我们正将更多 @spacexai 产品整合到统一的 Grok 体验中,让创作、构建和完成工作都集中在一个地方。
Rohan Paul 转引报道称,NVIDIA Isaac Sim 工程总监 Liila Torabi 在 LinkedIn 发帖称黄仁勋的下台是 very planned and staged(经过周密策划和安排),随后帖文在数小时内被删除。相关说法来自社交媒体流传的截图,报道提及该帖子是否真实存在仍有疑问。
TechCrunch 汇总了一份 AI 项目"坟场"名单,记录已关停、转型或大幅低于预期的产品与初创公司。S&P Global 数据显示约 42% 的企业 AI 项目最终被母公司放弃;Character.ai 在 10 月申请破产,Ollie 于 11 月 6 日关停…
基于 Claude Code 的封号风险,作者建议尝试 Factory.ai 等海外替代品,这些平台支付方便且不会封号,提供多种顶级模型,但额度可能相对较少。
快速修复有害:当你要求最小或最快的改动时,你可能正在让智能体写出更差的代码 看似无害的权宜之计,可能会被下一个智能体照搬。不知不觉间,这种模式就蔓延开来了 过去我们手工写权宜修复,是因为很少有时间去做正确的事。智能体改变了这一权衡。有时你反而希望它去修复根本原因,哪怕改动更大