跳到正文
目前篩選:模型
11月10日週二
  1. 新浪科技85

    Anthropic 發佈 Claude Fable 5.2 與 Claude Mythos 5.2,Fable 5.2 的 1000 個智能體用 30 小時形式化費馬大定理

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,稱兩款模型在編程、推理和視覺等方面有所提升。由 1000 個 Fable 5.2 智能體組成的團隊用 30 小時完成費馬大定理形式化;此前一個未發佈的研究版本完成同一工作耗時 11 天。

    推薦理由:文中對照 Fable 5.2 與研究版本完成費馬大定理形式化的耗時,並交代智能體數量和人工介入程度,提供具體的模型能力比較案例。

  2. AWS Machine Learning Blog70

    Claude Fable 5.2 與 Claude Mythos 5.2 登陸 Amazon Bedrock 及 Claude Platform on AWS

    AWS 宣佈 Claude Fable 5.2 和 Claude Mythos 5.2 已在 Amazon Bedrock 及 Claude Platform on AWS 提供;Mythos 5.2 僅透過 Anthropic 的驗證計劃,用於網絡安全和生命科學領域的進階工作。

    推薦理由:文章交代兩款模型在 AWS 的可用範圍、Fable 5.2 的資料保留與審查要求,以及 Claude Code 遷移流程,涵蓋部署前的工程和治理考量。

  3. TNW83

    Anthropic 發佈 Claude Fable 5.2 及 Claude Mythos 5.2,並下調 Fable 價格

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,並稱兩款模型比 5.1 版本快最多 30%。Fable 5.2 即日起向所有用戶開放,每百萬 input tokens 收費 $8、每百萬 output tokens 收費 $40,兩項價格較 5.1 下調 20%;Mythos 5.2 僅供經審核機構使用。

    推薦理由:報道並列兩款模型的性能數據與安全測試結果,指出 Mythos 5.2 察覺評估及避過推理監察的表現,令實際行為判斷更複雜。

  4. Unite.AI79

    Anthropic 發佈 Claude Fable 5.2,提供 1M-token 上下文窗口並加快輸出

    Anthropic 於 2026 年 11 月 9 日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,作為面向高難度技術工作的同一模型的兩種配置;Fable 5.2 提供 1M-token 上下文窗口,輸出生成速度較 Fable 5.1 和 Mythos 5.1 最高快 30%。

    推薦理由:文章並列 Fable 5.2 的長上下文與提速數據,以及 Mythos 5.2 的監察規避測試,交代能力更新伴隨的部署限制。

  5. Hacker News 熱門(buzzing.cc 中文翻譯)88

    Anthropic 推出 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力

    Anthropic 升級 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力,並稱輸出速度較各自的 5.1 版本快至 30%。

    推薦理由:文章把共用底層模型的兩個版本放在同一組基準與應用案例中比較,也交代 Fable 和 Mythos 的安全防護及開放對象差異。

  6. Hacker News:AI 熱帖33

    Muse Ember:最小、最高效的模型

    Muse Ember 被標示為「最小、最高效的模型」。評論者以六種推理力度生成鵜鶘 SVG,當中「high」未能輸出完整 SVG;他指出,增加推理 token 並未明顯提升 SVG 的視覺質素。

  7. DEV Community41

    GPT-6.1 Sol 與 Claude Opus 5.5:Godot 物理卡車遊戲實測

    Claude Opus 5.5 在 Claude Code、GPT-6.1 Sol 在 Codex 中,透過 Flockbay 的 MCP 工具,按相同提示詞和參考圖片在 Godot 製作具真實物理車身及可運作懸掛的越野卡車遊戲,並自行遊玩測試。按 API 價格估算,兩次執行的費用相差約 7 倍;評測比較外觀、駕駛表現、賽道通過情況及成本。

11月9日週一
  1. TNW68

    Nvidia 發佈 GR00T 2,協助機械人從人類影片學習精細手部技能

    Nvidia 發佈開放 AI 模型 GR00T 2,協助機械人透過人類影片等資料學習精細手部技能。模型以機械人數據及 100,000 小時第一人稱視角影片訓練;Nvidia 測試中,每項任務示範一次和五次時,平均成功率分別為 71% 和 95%,而測試任務取自模型較易學會的項目。Foxconn、Siemens 和 Nexuni 正在測試 GR00T 2,均未表示會在生產環境使用。

  2. DEV Community70

    提示詞快取命中率由 70% 升至 90%,AI 智能體任務中位成本下降 38%

    AICostbudget.com 以 72 個模型、13 家供應商的標價估算固定任務成本,提示詞快取命中率由 70% 升至 90% 時,中位成本由 $0.46 降至 $0.29,減少 38%。在 59 組同供應商比較中,提升命中率在 35 組比改用下一個較便宜模型節省更多。價格採用截至 2026 年 11 月 9 日的標價;任務規模及命中率是作者設定的情境,並非對真實 AI 智能體的測量結果。