ARTICLE DETAIL / 01 深度阅读

从事实、背景与趋势出发,整理一份更值得慢下来阅读的内容。

READ
WITH
FOCUS
当前位置 RB88体育·(中国)官方网站 行业资讯 刚刚,Claude Fable 5.2 登顶世界第一,一夜斩杀 Opus 5.5
FEATURED REPORT

刚刚,Claude Fable 5.2 登顶世界第一,一夜斩杀 Opus 5.5

RB88官网关注到以下体育动态:

1000 个 AI Agent,30 小时完成费马大定理的形式化证明,连续工作 8 天,从零造出一套能在笔记本电脑上运行的操作系统。

就在刚刚,Anthropic 正式发布 Claude Fable 5.

2 和 Mythos 5.

2 两款新模型。

除了上述成果,新模型还解决了两个黑洞物理难题,生成速度最高提升 30%,API 价格降低 20%。

有意思的是,距离 Anthropic CEO Dario Amodei 公开呼吁放缓 AI 开发速度才过去两个月,Anthropic 就再次推出了更强的前沿模型。

与此同时,Anthropic 正筹备估值高达 1 万亿至 1.

5 万亿美元的 IPO。

一边呼吁放慢 AI,一边冲刺万亿美元 IPO,Anthropic 这次究竟拿出了什么新东西?

1000 个 Agent 连干 8 天,从零造出一套操作系统 按照 Anthropic 的定位,Claude Fable 5.

2 和 Mythos 5.

2 是专门面向复杂技术挑战的旗舰模型,重点提升了 编程、推理、视觉理解以及科学研究等能力。

两者采用相同的底层模型,主要区别在于安全限制。

Fable 5.

2 增加了针对网络安全和生物研究的防滥用机制,面向普通用户开放;

Mythos 5.

2 则保留了更完整的专业能力,主要向通过审核的机构提供。

从官方公布的基准测试来看, 新模型的表现相当亮眼。

在衡量 AI Agent 编程能力的 FrontierCode 2.

0 测试中,Fable 5.

2 获得 49.

1% 的成绩,超过 Claude Opus 5.

5 的 45.

5%、GPT-6 Astra 的 42.

8% 和 Gemini 4 Carbon 的 41.

1%。

在 FrontierSWE v2 软件工程测试中,Fable 5.

2 得分达到 69.

9%,相比上一代提升 13.

6 个百分点。

而在 FrontierCode 2.

0 测试中,Fable 5.

2 以较低的推理强度取得了接近 Opus 5.

5 最高推理强度的成绩,单任务成本约为后者的一半。

第三方评测机构 Artificial Analysis 的最新榜单也印证了这一点。

Claude Fable 5.

2 以 65 分登顶 Intelligence Index v5,领先 Gemini 4 Carbon 5 分、Claude Opus 5.

5 6 分,并在 9 项测试中的 5 项取得第一。

主要优势集中在科学推理、知识理解和编程能力上。

不过,最强推理模式下的平均单任务成本达到 26.

5 美元, 约为 Opus 5.

5 的 2.

6 倍。

不过,比跑分更值得关注的,是 Anthropic 展示的实际工程案例。

一名工程师向 Fable 5.

2 提出了从零设计操作系统的要求。

模型从一个空文件夹开始,自主协调超过 1000 个子 Agent,连续工作 8 天,完成代码编写、测试和审查。

最终,Claude 成功开发出 一套能够在笔记本电脑上启动运行的操作系统。

按照官方展示,该系统拥有自己的内核,支持磁盘、键盘和网络驱动,还具备文件存储、窗口界面、登录屏幕、安装程序以及内置 Claude 功能。

虽然仍属于实验性质的原型系统,但 AI 已经能够自主协调上千个 Agent,完成如此复杂的软件工程项目,足以体现其能力的变化。

另一项实际案例中,早期版本的 Fable 5.

about image

2 还将 Anthropic 一项关键生产服务从 Python 迁移至 Rust,使其启动速度提升至原来的约 26 倍。

发布后,AI 创业者 Matt Shumer 评价 Fable 5.

2 是自己用过的最强模型,甚至能够完成过去其他模型难以实现的复杂项目,但它有时又「过度负责」,连正常的工作任务都要横加阻拦。

网友 Kevin Ngo 也晒出了一款由 Fable 5.

2 制作、可以直接在浏览器中游玩的 3D 游戏,玩家能够乘船穿越 8 个梦幻世界;

另一位开发者 Flavio Adamo 也展示了模型生成的 3D 作品,直呼其三维创作能力强得惊人。

此外,网友 Synopsis 还用经典的「鹈鹕骑自行车」测试挑战 Fable 5.

2,晒出模型生成的作品,并直接称其为新一代 BOSS。

Anthropic 同时透露,目前公司核心代码库中, 超过 90% 被合并的代码变更都由 Claude 在人类指导下编写。

从修复简单 Bug,到自主规划和执行持续数天的大型工程任务,AI 编程正在逐渐具备独立承担复杂项目的能力。

30 小时完成费马大定理形式化证明,还解决黑洞物理难题 如果说编程能力的提升还在预期之内,那么 Anthropic 公布的科学研究成果就更加令人意外。

费马大定理是数学史上最著名的难题之一,虽然数学家安德鲁·怀尔斯早在上世纪

RB88官网将继续整理相关资讯。

返回资讯列表
分享这篇内容让更多人看到有价值的信息
TRENDING NOW / 03

热点内容

编辑团队正在关注的内容方向。

拿5千万年薪,转型做双能卫!哈登或迎爆发,骑士无心插柳柳成荫

拿5千万年薪,转型做双能卫!哈登或迎爆发,骑士无心插柳柳成荫

拿5000万年薪,你也要学哈登做双能卫?开赛骑士6胜6负,哈登爆发一场犹如过年吃饺子,还被阿特金森“警告”!但正如米切尔所言,他希望哈登能展现自己的统治力,球队需要哈登!阿特金森的耳边风我们分析过,看似打压实则保护!目的是和哈登统一战线,且给哈登铺好前路!因为莫布里基本就这样了!通过十几场比赛证明,骑士休赛期选择留住莫布里,是一个错误的决定!他一直活在舒适区,确实会影响球队!但是,球王让我眼前一亮

波切蒂诺执教曼联,8场0球0助攻的拉什福德,还是只剩下最后的机会

波切蒂诺执教曼联,8场0球0助攻的拉什福德,还是只剩下最后的机会

曼联官宣了波切蒂诺加盟的消息,虽然在官宣前就已经沸沸扬扬,但是当一切尘埃落定,还是让关于曼联未来的讨论成为热门话题。比较集中的话题是曼联当前阵容当中的球员谁能因此受益、波切蒂诺能否获得转会决策权,冬窗期间曼联能否完阵容的补强。 《每日电讯报》提出了一个非常有意思的观点,波切蒂诺加盟曼联之后,拉什福德将会获得重用:“"毛里西奥一直很喜欢拉什福德。他会搂着他,给他当年在热刺对德勒・阿里那样的关爱。接下

发现一个心酸真相!绝大多数人都严重低估了30年房贷的致命杀伤力

发现一个心酸真相!绝大多数人都严重低估了30年房贷的致命杀伤力

有笔账,绝大多数人签合同时根本不敢细算——360个月。 把三十年房贷具象化,意味着从你三十岁签字那天起, 这笔债将如影随形,直至白发苍苍的退休之年。 在这漫长岁月里,生活充满变数:行业的几度洗牌、体检报告上突然冒出的刺眼指标、或是家里避之不及的意外开销。然而,房贷机器冷酷无情,它只认准每月的扣款日,绝不为你的人生颠簸按下暂停键。 今年秋天,楼市迎来重磅变化,中央财政首次出手直接为首套商业房贷贴息1

鲁尼自曝曾想自杀,布拉德福德主帅:他说出来很重要

鲁尼自曝曾想自杀,布拉德福德主帅:他说出来很重要

布拉德福德城主帅迈克尔·达夫公开称赞韦恩·鲁尼,认为这位前英格兰和曼联队长讲出自己球员时代遭遇的心理健康困境,是一件重要的事。 鲁尼在加比·洛根主持的播客《Life at the Midpoint》中表示,在儿子凯——如今17岁——还是婴儿的那段时间,他“有过自杀的念头”,并且酗酒严重。 达夫对此的评价很直接:“人们只看到一个周薪30万英镑的超级球星,觉得‘他肯定过得很好’——我可以保证,我们队里

泰国公开赛国羽斩获1冠2亚 郭新娃陈芳卉逆转夺魁

泰国公开赛国羽斩获1冠2亚 郭新娃陈芳卉逆转夺魁

北京时间5月19日,2024年世界羽联世界巡回赛泰国公开赛全部落幕,中国队在这个比赛日取得了1冠2亚。郭新娃/陈芳卉夺得混双冠军,而韩悦和陈柏阳/刘毅分获女单和男双亚军。 在率先结束的男双决赛中,国羽组合陈柏阳/刘毅用时46分钟,以2个15-21连丢两局,大比分0-2不敌头号种子、印度组合兰基雷迪/谢提,收获亚军。首局,国羽组合一度10-7领先,但印度组合凭借2波4-0拉开分差并锁定胜局;第二局,