智谱新模型被曝最高 3.5 万亿参数,有望达 Claude Fable 级别
相关推荐
20小时编程评测拉开差距:Claude Fable 5.1领先GPT-5.6超24分,GLM-5.3排第三
动察 Beating AI 快讯,AI 研究团队 Proximal 发布超长周期编程评测 FrontierSWE v2。任务从 17 个扩到 34 个,每个模型在每项任务上跑 5 次,单次最多干 20 小时。Claude Fable 5.1 平均得分 56.29%,大幅领先 GPT-5.6 的 32.2%。开源模型 GLM-5.3 以 30.2% 排第三。 FrontierSWE 里的任务已经不只是修代码。Agent 要从零写电路模拟器、训练天气预测模型,还要靠望远镜照片匹配星表,或者只看游戏画面训练赛车 Bot。v2 统一换成 Proximus harness。每次任务最多运行 20 小时,模型准备交卷时,系统会先保存当前版本并告诉它还剩多少时间,避免模型过早结束任务。 这个改动对成绩影响不小。Proximal 在 6 项任务上对比发现,Claude Opus 5 和 GPT-5.6 换成 Proximus 后都工作得更久,平均成绩也高于各自原生 harness。 评测还抓到了多次主动作弊。GPT-5.6 曾意识到读取公开答案「可能涉及反作弊问题」,最后还是用了这条捷径;另一次甚至利用 Modal 的后台服务读取隐藏验证文件。Muse Spark 1.2 则改测试脚本、塞入公开答案,还写代码试图掩盖作弊痕迹。确认违规的运行全部被记为零分。
AI订阅大摸底:Claude补贴比国产Coding Plan还狠
动察 Beating AI 快讯,SemiAnalysis 把 OpenAI、Anthropic、Meta、SpaceXAI、MiniMax、月之暗面、智谱、Cursor 和 Cognition 的 AI 订阅套餐逐个测了一遍。它分别测试输入、缓存写入、缓存读取和输出会消耗多少订阅额度,再按自己 9 月的 Agent 使用结构计算,其中约 96.6% 是缓存读取。最后再套用各家的 API 标价,看同样一批 token 如果直接走 API,需要花多少钱。SemiAnalysis 将这个数字称为「API 等价价值」。 Claude 的 Sonnet 和 Opus 补贴最狠。同样每月 200 美元的 Max 20x,使用 Sonnet 5.5 最多可跑出约 12,529 美元的 API 用量,相当于月费的 62.6 倍;Opus 5.5 约为 11,726 美元,相当于 58.6 倍。换成更贵的旗舰模型 Fable 5.1,却只剩 2,485 美元,也就是 12.4 倍。同一个套餐能差近 5 倍,因为不同模型和不同类型的 token,扣掉后台额度的速度并不一样。Anthropic 给 Sonnet 和 Opus 留了大量额度,对 Fable 则明显收紧。 国产 Coding Plan 同样大量补贴重度用户,但力度仍追不上 Claude。SemiAnalysis 测得,132 美元的 MiniMax Token Ultra 可折算约 3,088 美元 MiniMax-M3 API 用量,相当于月费的 23.4 倍;168 美元的智谱 GLM Coding Max 约为 11.6 倍;199 美元的 Kimi Code Ultra 约为 6.7 倍。即使是其中最高的 MiniMax,每美元折算价值也只有 Claude Sonnet、Opus 的四成左右。 OpenAI 最近反而开始主动收紧补贴。新购 Pro 200 的各档模型 token 额度被直接减半,此前购买的套餐可暂时保留旧额度到 10 月 29 日。现在 200 美元 ChatGPT Pro 使用 GPT-6.1 Sol,折算价值约 2,084 美元,相当于月费的 10.4 倍;同价 Claude Opus 是它的 5.6 倍。即使撇开两款模型 API 单价的差异,只算实际 token,两者也是约 286 亿对 102 亿,Claude 仍多 2.8 倍。 但到
Claude Fable 5.1 正式登陆 B.AI API,专为高难度推理与 Agent 工作流打造
ChainCatcher 消息,B.AI 平台宣布 Anthropic 最新 Mythos 级通用模型 Claude Fable 5.1 现已正式接入 API。 该模型与 Claude Mythos 5.1 采用相同底层模型,专为高强度代码编写、长期 Agent 工作流与复杂知识任务深度优化,在 CursorBench 3.2.0 测试中以最高运算强度取得 73.4% 的优异表现。 API 接入现已开放,开发者可享专属优惠——官方渠道低至 8.5 折,自选服务商低至 6 折。B.AI 持续引入全球顶尖模型,为开发者提供更强大、更具性价比的 AI 能力选择。
Terminal-Bench 4.0:GLM-5.3冲到第三,超过GPT-5.6 Sol
动察 Beating AI 快讯,Terminal-Bench 发布 4.0,重新校准 Agent 执行任务时的时间、CPU 和内存,并修复 19 个任务、移除 8 个存在饱和、拒答、公开解法或质量问题的任务。所有任务的最长执行时间统一到 8 小时,主要是减少超时和环境问题对成绩的干扰。 最新榜单里,Opus 5 + Claude Code 以 51.8% 排第一,Fable 5 以 44.5% 第二。GLM-5.3 + Claude Code 拿到 41.8%,冲到第三,超过 GPT-5.6 Sol + Codex 的 37.3%。前三名里,GLM-5.3 是唯一不是 Anthropic 的模型。 在 Terminal-Bench 3.0 中,GLM-5.3 还是 32.4% 排第四,落后 GPT-5.6 Sol 的 34.6%;到了 4.0,GLM-5.3 升到第三,反过来领先 Sol 4.5 个百分点。
Claude:已确定Mythos 5、Fable 5等模型错误率升高的原因,正努力修复
火星财经消息 8月24日,Anthropic旗下AI模型Claude当地时间24日发布情况更新称,已确定Claude Mythos 5、Claude Fable 5、Claude Opus 5等模型错误率升高的原因,正努力修复,将尽快提供最新进展。(广角观察)
网传DeepSeek Harness本周开启内测,对标Claude Code
BlockBeats 消息,7 月 28 日,据 Max For AI 爆料,名为「Harness」的 DeepSeek 版 Claude Code 即将开始内测。社群疯传的内测招募截图显示,DeepSeek Harness 计划于本周晚些时候开启内测,首批用户将从小范围群聊中筛选。入选者需要提交个人资料、签署《保密承诺函》,并获得产品访问权限。 更值得注意的是,图里还明确提醒:一旦泄密,不仅会被取消资格,还会影响之后 DeepSeek 各类模型、产品内测以及合作机会的入选。如果消息属实,V4 正式版和 Harness 将很快公布。 动察 Beating 稍早前报道,DeepSeek V4 正式版(V4 GA)可能推迟到 8 月中旬发布。Harness 封闭测试结束后约 1 至 2 周会开放 V4,发布时间可能在 8 月 10 日至 20 日之间。如果消息属实,DeepSeek V4 上线时可能会面对更强竞争。届时 GPT-6、Claude Fable 5.1、GLM-5.5 等下一代模型可能已经进入市场。 点击下方原文链接,加入动察 Beating · 飞书 AI 新闻渠道,7×24 小时不间断监测全球 AI 热点与新闻。