Anthropic 發佈 Fable 5.2,示範 8 小時生成可遊玩的 FPS 遊戲
Anthropic 發佈 Fable 5.2,並以模型從提示詞生成可在瀏覽器遊玩的 FPS 遊戲《Saltline》作示範。製作耗時約 8 小時,使用 445 million input tokens 和約 2.7 million output tokens,若經 API 完成約需 $550。
Anthropic 發佈 Fable 5.2,並以模型從提示詞生成可在瀏覽器遊玩的 FPS 遊戲《Saltline》作示範。製作耗時約 8 小時,使用 445 million input tokens 和約 2.7 million output tokens,若經 API 完成約需 $550。
美團 LongCat-2.5 開放權重,採用 MIT 授權。這款 1.6T 參數的 MoE 模型面向長週期智能體任務,並於 11 月 1 日亮相。
Meta AI 發佈 Muse Ember,稱其為面向複雜推理及智能體日常重複工作的最小、最高效模型。短提示詞下,Muse Ember、GPT-6 Luna 和 Claude Haiku 5.5 的輸入/輸出價格均為每百萬 tokens $0.10/$0.50,但價格上調門檻分別為 200k、272k 和 100k。
開發者 Jim Bruges 在配備 16GB 內存的 Arduino Ventuno Q 上運行 7440 億參數、419GB 的 GLM-5.3,約 7 分鐘才生成地球、火星、金星三個詞。模型生成速度僅為 0.03 Token/s,測試全程由 CPU 推理,SSD 讀寫速度成為效率瓶頸。
在 300 條 Amazon 產品評論的情感分析測試中,Mistral Small (2603) 以 97.7% 通過率達到 88% 門檻,每項成功任務成本為 $0.000019,是九個模型中最低,並與基準 GPT-6.1 Sol 相符。
Meta於2026年11月9日發佈小型模型 Muse Ember,供 Muse Code 及 Meta Model API 使用,面向以較低成本執行 AI 智能體的重複工作。
美團正式開源 LongCat-2.5,採用 MIT 授權,總參數為 1.6 萬億,支援 100 萬上下文。MIT 授權允許商業推理部署及二次訓練,無需額外授權;每個 token 約激活 480 億參數。這款原生多模態模型面向長程智能體任務,並針對顯存與頻寬受限的國產算力晶片,協同優化模型架構、晶片適配及部署策略。
分類器能標記 85% 的真正緊急票單,同時也會標記 7% 的非緊急票單。
Meta Superintelligence Labs 發佈 Muse Ember,一款面向智能體內大量重複步驟的多模態推理模型,支援 1M-token 上下文及最多 512K 輸出 token。
Nanbeige 4.2 3B 的 4-bit 量化版本可在 16GB MacBook Pro 上使用,但回應速度是作者測試過的系列中最慢。模型檔案大小為 2.1 GB,簡單文字問題約需兩分鐘,小型編碼任務則約需十分鐘思考;輸出表現不俗,亦能生成可用程式碼。
Anthropic 於 2026 年 11 月 9 日推出 Claude Fable 5.2 和 Claude Mythos 5.2,兩者基於同一模型,但採用不同的安全防護設定與存取門檻。
推薦理由:文章聚焦 Fable 5.2 與 Mythos 5.2 在防護設定和驗證門檻上的差異,呈現同一模型如何採用分層存取方式。
Anthropic 啟動 IPO 路演之際發佈 Claude Fable 5.2 和 Claude Mythos 5.2;Fable 5.2 在多個獨立排行榜居首,取回 Gemini 4 Carbon 曾短暫佔據的第一位。
推薦理由:文章並列每 token 價格下降與 GDPx 單項成本上升,並以測試量和 subagents 解釋差異,呈現模型榜單表現與任務成本並非同一指標。
Anthropic 於 2026年11月10日正式發佈 Claude Fable 5.2 與 Mythos 5.2,並稱新模型多項能力增強,輸出速度最高提升 30%、API 呼叫成本降低 20%。
Anthropic 發佈 Claude Fable 5.2 與 Claude Mythos 5.2,官方稱兩款模型在編碼、推理、科學研究、網絡安全及機械人等領域均有提升,輸出速度最高提高 30%,成本下降 20%。
推薦理由:文中並列 Claude Fable 5.2 在編碼與多學科推理基準上的成績及競品數據,呈現其在不同測試中的相對表現。
美團正式開源 LongCat-2.5,採用 MIT 協議,支援商用推理部署及二次訓練,無需額外授權。美團表示,該模型面向長程智能體任務,是原生多模態模型,在複雜程式碼庫開發、完整專案構建、Visual Coding 及專業辦公場景的端到端交付能力均有明顯提升。模型總參數為 1.6 萬億,每個 token 激活約 480 億參數,並支援 100 萬上下文窗口。
Anthropic 推出 Claude Fable 5.2 和 Mythos 5.2,並在 API 層加入 effort parameters,讓開發者調整模型推理所花的時間和 token 數量。VALS index 上,Fable 5.2 以 71.31% 排名第一。開發者可按任務複雜程度分配推理成本,減少簡單 API 呼叫的開支。
Anthropic 於 2026年11月9日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,改進編碼、圖像理解與複雜推理,並提升長時間智能體工作的表現。
推薦理由:文章並列兩款模型的基準測試、價格及開放條件,並説明共用基礎模型下 Mythos 的安全措施與使用門檻差異。
Meta 於 2026 年 11 月 9 日推出 Muse Ember,輸入每百萬 tokens 收費 $0.10、輸出每百萬 tokens 收費 $0.50,定位為處理智能體重複工作的模型。
Nous Research 於 2026 年 11 月 6 日發佈 Arete 27B;在其 803 條提示詞評測中,宣傳式回答比例由 22% 降至 0.9%,事實平均分由 2.32 升至 2.98(滿分 5 分)。
基元律動(TokenRhythm)發佈 Agent 原生模型 NeoHorse-1.5-Flash Preview,總參數 180B、激活參數 6B,目前開放限量內測。該模型基於 Qwen3.8-Flash 訓練;相較基座模型,在 Agents’ Last Exam 上整體得分提高 9.23 分,在 Natural Language to Repository 評測上提高 5.92 分。
螞蟻靈波科技於2026年11月10日開源觸覺基礎模型 LingBot-Touch。模型以近5000小時真實觸覺數據訓練,統一磁觸覺、視觸覺及壓阻式三類感測訊號,生成可跨感測器、靈巧手、模型及任務重用的觸覺表徵。
螞蟻靈波科技開源觸覺基礎模型 LingBot-Touch,將不同感應原理的訊號轉成可跨感應器、靈巧手、模型及任務共用的觸覺表徵。模型以近 5000 小時真實觸覺數據預訓練,在 26 項真機測試中,四種動作模型的平均任務成功率較無觸覺時提高約 14 至 26 個百分點。
Anthropic 於當地時間11月9日推出 Claude Fable 5.2 與 Claude Mythos 5.2,稱兩者是目前公開發布的能力最強模型。兩者底層模型一致,Fable 面向普通用戶,Mythos 僅向通過核驗的機構開放;相較5.1,輸出速度最高提升30%,標準定價下調20%。
推薦理由:報道把新模型發佈放在 IPO 路演與算力成本壓力的背景下,呈現技術迭代能力與長期算力開支之間的權衡。
Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2;文章稱,1000 個 Fable 5.2 智能體在 30 小時內完成費馬大定理的形式化證明。文中還稱,Opus 5.5 運行 18 小時只完成 26%,而 Fable 5.2 用 8 天寫出可在筆記本電腦啟動的原型作業系統。
推薦理由:文章以費馬大定理形式化證明及 Opus 5.5 的對比為主線,再列出作業系統、物理和生物案例,呈現兩款模型被宣稱的能力範圍。
Meta 於 2026 年 11 月 9 日推出 Muse Ember,定位為 Muse 家族中最小、效率最高的模型,面向大量重複的智能體工作。它在 Artificial Analysis Intelligence Index 得 36 分,與 Claude Haiku 5.5 持平;每項任務成本約 $0.14,低於 Muse Spark 1.3 的 $2.39。
推薦理由:文章對照任務成本、基準表現與弱項,呈現 Muse Ember 適合承接大量重複智能體步驟、而非最難工程任務的定位。
螞蟻靈波近日開源面向機器人靈巧操作的觸覺基礎模型 LingBot‑Touch。模型以接近 5000 小時真實觸覺數據預訓練,兼容磁觸覺、視觸覺及壓阻式三類方案,並將異構傳感器原始訊號轉為可跨傳感器、靈巧手、動作模型及任務場景重用的標準化觸覺表徵。
Meta 推出入門級模型 Muse Ember,定位為供 AI 智能體使用的低成本模型,並稱這是首個以 Muse Wonder 訓練的 AI。
NVIDIA 空間智能實驗室開發的 Lyra 2.0 框架已開源,可從單張靜態圖片生成跨度約 90 米、支援主動視角探索的持久化 3D 環境。知識蒸餾後的輕量模型把影片生成去噪步數由 35 步減至 4 步;在單張 GB200 GPU 上生成 80 幀片段約需 15 秒,完整模型約需 194 秒,速度提升約 13 倍。
作者讓 Claude Fable 5.2 根據侄子的手繪設定,一夜生成一款 12 關的橫向捲軸格鬥遊戲,經後續測試和修改後擴展至 18 名角色,並支援四人遊玩。
Meta 推出 Muse Ember,稱其在 Artificial Analysis 排行榜的表現媲美 Claude Haiku 5.5,單任務成本僅為其 1/3。
Meta 於 2026年11月10日正式推出輕量級 AI 模型 Muse Ember,面向智能體複雜推理與高頻任務。它在 Artificial Analysis 榜單的表現媲美 Claude Haiku 5.5,單任務成本為其 1/3,並在多項智能體與編碼評測中超越 GPT-6 Luna。
Anthropic 發佈 Fable 5.2 和 Mythos 5.2,Fable 5.2 已加入 llm-anthropic,現可透過該工具執行提示詞。測試 Fable 5.2 的五種推理力度時,max 在思考 128,000 個 token 後耗盡 token,未能生成圖片;Fable 5 和 Fable 5.1 的 max 則可正常生成圖片。
Meta 推出 Muse Ember,稱其在 Artificial Analysis 排行榜的表現媲美 Claude Haiku 5.5,單任務成本僅為其 1/3。
Anthropic於美國當地時間11月9日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,Fable 5.2 面向一般用戶處理大型開放式任務,Mythos 5.2 則聚焦網絡安全及生命科學,主要供通過審核的研究機構使用。
推薦理由:文中以形式化證明、工程交付及第三方測試呈現長時任務能力,並記錄創意判斷和流程控制失誤,便於理解其實際表現與限制。
Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,兩者核心能力相同,但生物與網絡安全防護及使用權限不同。Fable 5.2 在 Terminal-Bench-Science 0.1 得分 74.6%,較 Fable 5.1 提升 22%,並在兩項編碼基準上較前代高逾 13%。
Meta 發佈輕量級 AI 模型 Muse Ember,Artificial Analysis 的綜合智能指數為 36 分,與 Claude Haiku5.5 最高推理檔位持平,單次同類評測任務成本約為其三分之一。
LongCat‑2.5 正式以 MIT 開源協議對外開源,允許商用推理部署及二次訓練,無需額外授權。這款面向長程智能體任務的原生多模態大模型,總參數規模達 1.6 萬億,單 token 激活約 480 億參數,支援一百萬 token 上下文,並針對國產算力晶片優化架構、算子及部署策略。長序列 SFT 實測中,單卡吞吐量較 DDP 基線提升 86%。
Qwen3.8-27B-DSpine-b16 的模型卡數據顯示,接受長度較 DFlash2 平均增加 22.8%,吞吐量則只增加 14.0%,10 組數據的吞吐量增幅均較低。草稿模型有 2,025,910,000 個參數,大小為 4.05GB,佔目標模型 27.78B 參數的 7.3%。數據均為作者報告;分析者沒有執行檢查點或重現結果,只讀取 safetensors 標頭。
Anthropic 推出 Claude Fable 5.2 和 Claude Mythos 5.2,兩者基於同一底層模型。Fable 5.2 面向一般用戶,內置網絡安全與生物安全防護;Mythos 5.2 則供通過審核的網絡安全及生命科學機構用於高風險專業應用。預發布測試中,Fable 5.2 協調逾 1,000 個子智能體,在 8 天內從零構建出可於手提電腦啟動的原型作業系統。
推薦理由:兩款模型共用同一底層模型,卻按一般用戶與經審核的專業機構分開開放,文章亦交代 Fable 5.2 的定價、速度及安全安排。
Anthropic 推出 Claude Fable 5.2 和 Claude Mythos 5.2,兩者基於同一底層模型,分別面向一般用戶及經審核的網絡安全和生命科學機構。
推薦理由:兩款模型共用底層模型,但開放對象和安全限制各異,呈現 Anthropic 如何區分一般使用與高風險專業用途。