重大变化
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)
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)
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)
发生了什么:06-08 Hugging Face 发文称开源社区正在集体支持 OpenEnv,用统一接口描述和运行 Agent RL 训练环境。
为什么重要:Agent RL 的瓶颈正从算法转到环境。统一的环境接口能让训练框架、环境作者和评测方复用同一套环境。
Hugging Face Blog
其他值得一提
基于 Gemma 4 的 26B MoE 扩散文本模型,按块并行生成,称输出最多快 4 倍(二手)。
Google on X
AINews(二手汇总)
Moonshot 发布编码向开源模型(二手)。
AINews(二手汇总)
OpenAI 宣布收购 Ona(原 Gitpod,云端开发环境)。
OpenAI
消费端 Agent 平台竞争的信号(二手)。
AINews(二手汇总)
也可阅读AI 重大技术变化:2026-W43 至 W46 总览。