返回周报

Weekly Report

AI 重大技术变化周报

覆盖 2026-06-08 至 2026-06-14,时区 Asia/Bangkok (UTC+7),共 8 条。

Claude Fable 5 / Mythos 5 发布三天后因美国政府指令被暂停,“模型主权”成为 Agent 依赖风险;编码评测从“过测试”转向“能合并”。

重大变化

  • 模型发布

Claude Fable 5 与 Mythos 5:首个普遍可用的 Mythos 级模型

发生了什么:06-09 Anthropic 发布 Claude Fable 5(普遍可用)与 Mythos 5(受限访问),两者底座相同,Fable 5 加了防护:网络、生物、化学和蒸馏相关的少量请求会透明回落到 Opus 4.8。系统卡写明,用于前沿 LLM 开发时 Anthropic 可能通过改写提示、steering vector 和 PEFT 限制模型效果且不通知用户,估计影响约 0.03% 流量(二手)。在新基准 FrontierCode Diamond 上从 13.4% 提到 29.3%(据 AINews)。

为什么重要:这是“按用途悄悄降能力”第一次写进主力模型的发布条款,直接针对用模型做 AI 研发的场景,引发信任争议,也是后来 Fable 5.2 明确压低 RSI 能力(W46)的前身。

Anthropic: Fable 5 与 Mythos 5

AINews(二手汇总)

AINews: 能力限制争议(二手汇总)

  • Agent 安全

美国政府指令下 Fable 5 / Mythos 5 被暂停访问

发生了什么:Anthropic 发表声明称,依据美国政府指令暂停 Fable 5 访问(官方页面日期 06-12,官方推文为曼谷时间 06-13)。Anthropic 表示该指令基于一份它不认同的能力报告,类似能力在 GPT-5.5 等模型中也广泛存在。Cognition 的 Devin、Agent Arena 等下游产品和榜单随即撤下该模型(二手)。

为什么重要:对 Agent 开发者来说,这把“供应商政策风险”变成了真实的停服事件。多模型路由和可替换的 harness 从优化选项变成可用性要求。

Anthropic 声明(美国时间)

Anthropic on X

AINews(二手汇总)

  • 评测与基准

FrontierCode 与 Agent Arena:评测转向可合并代码和真实会话

发生了什么:06-09 Cognition 发布 FrontierCode,任务与开源维护者共建,每个耗时 40 小时以上,按回归安全、整洁度、范围、测试正确性和可维护性评分,最强的 Opus 4.8 在最难子集只有约 13%。06-08 Arena 推出 Agent Arena,基于 100 多万次真实会话,用因果追踪而不是投票来估计不同 harness 的效果(二手)。

为什么重要:SWE-Bench 类基准动辄 50% 以上,而“能被维护者合并”的标准下分数骤降,说明编码 Agent 远未饱和。真实遥测数据开始成为评测 harness 的主要依据。W44 的 FrontierCode 2.0 正是这一版的延续。

Cognition: FrontierCode

Arena: Agent Arena

AINews: FrontierCode(二手汇总)

其他值得一提

也可阅读AI 重大技术变化:2026-W43 至 W46 总览。