与「fable」相关的搜索结果

Sonnet 5.5 发布了，这个模型很神奇：它在 Agentic coding 测试上的得分比 Opus 5.5 还要高 4 分。 定价上也非常便宜，每百万 token 输入输出的价格分别是 $2 和 $10，与 GPT-6 Sol 一样。而且它的运行速度相对于 Sonnet 5 快了 30%，Claude 官方表示成本也降低了 30%。 至于为什么它在 Agentic coding 上的表现跟 Opus 5.5 差不多甚至更高，可以看一下价格测试。 Sonnet 5.5 在 max 努力程度下，同样任务的花费金额比 Opus 5.5 还要高得多，快要持平甚至反超了，这可能就是它得分高的原因。 所以大家在用 Opus 5.5 或者 Sonnet 5.5 的时候千万别开 max：在一些复杂任务上，它有可能跑出非常贵的价格，几乎赶上 Claude Fable 5.1 了

Grok 4.7 xHigh ranks #1# in Artificial Analysis Cyber Index It's a powerful frontier model performing at the highest level in enterprise cyber defense Outperforming Fable 5.1 Max, Opus 5.5, Astra 6, GPT-6 and other leading AI systems

被很多专业者骂了，但是在折腾了3天以后，AIHOT最终还是重写完然后上线了。。。我觉得还是可以分享一下我全部跟AI协同的流程，万一对其他人有用呢（当然我就是个纯外行，仅供参考）： 1. 使用Claude Opus 5.5和GPT-6 Astra并行对旧项目进行蒸馏，并且设计交流包。要求：架构分离，为多Agent并行开发而设计，保留所有功能和容易踩坑的细节。 2. 使用Claude Fable 5.1对两个模型生产的功能文档、交接包和旧代码库进行全面对照，寻找不合理和遗漏的地方进行完善。 3. 使用Claude Opus 5.5在不看任何旧代码的情况下，根据最终的功能文档、交接包、线上网站的端到端测试，进行全方位的重写（大概写了12个小时）。 4. 使用Claude Fable 5.1和GPT-6 Astra并行审查新写完的项目，将其与旧代码库的所有细节进行逐行审计，看看是否有功能和细节遗漏，在用户体验层面，能否完美还原，最终产出两份审计报告。 5. 使用Claude Opus 5.5根据审计报告，进行优化开发，开发完成以后，清空所有上下文，自己再并行N个子Agent，以功能模块化的方式，跟旧代码库进行对比，看是否遗漏功能和逻辑细节（无视代码实现，只看功能和逻辑细节）。 6. 使用Claude Fable 5.1和GPT-6 Astra并行审查所有可能的BUG和漏洞，继续Opus 5.5优化。 7. 使用Opus 5.5优化所有前端UI，进行控件组件化统一，部分UI界面全面重设计，加了一部分Opus 5.5擅长的JS+Canvas动效，例如关于页和更新页。 8. 导出旧项目所有数据库，进行线上服务器彩排，6小时的影子系统并行，过程中实时监控，使用Claude Opus 5.5自动化并行修复过程中出现的所有问题。 9. 使用GPT-6 Astra进行全面的端到端测试。 10.无缝切换上线。 11. 使用GPT-6 Astra根据真实数据，全方位优化缓存、CDN、页面大小等问题，提升全站性能。 12.监控问题，不断优化。 以上，大概就是一个纯外行者的“重写”的经验，虽然AIHOT这个项目很小，但是我自己干的很开心。希望能对大家有一点点的启发。

Simon Willison 在 WeAreDeveloplers 世界大会闭幕主题演讲「2026 in LLMs (so far)」，以时间线梳理 2026 年 LLM 领域的关键事件，值得仔细阅读： Willison 把 2026 年的起点前移到 2025 年 11 月：Claude Opus 4.5 和 GPT-5.1 发布。这两个模型单看是渐进式改进，但与各自的 Coding Agents（Claude Code、Codex）配合后，跨过了一道“看不见的线”，从“经常出错”变成“可靠到可以日常使用”。这一质变是全年所有故事的引爆点。 # 主线一：Agent 成为新的软件形态 OpenClaw 革命：一个 2025 年 11 月才出现在 GitHub 的仓库，不到两个月积累 8,300 次提交，如今超过 10 万次，被他称为“史上最 vibe-coded 的软件”。它开创了 "Claw" 这一品类，如今被改称“个人智能体”或“通用智能体”，但本质是“换了一顶不那么吓人的帽子的编码智能体”：底层仍是写代码并在你的电脑上执行。湾区 Mac Mini 因此卖断货（Drew Breunig 的妙喻：买 Mac Mini 是给 Claw 买鱼缸）。 真实需求验证：3 月中国出现 OpenClaw 安装派对，非技术人群排队安装，证明普通用户确实想要一个能替自己办事的智能体。随后行业进入“谁能造出安全的 Claw”竞赛，Meta 的 Muse 目前居 App Store 免费榜首位。 泡沫侧写：MoltBook 周四上线、周五爆红、周一被《纽约时报》报道、周二就淹死在 slop 垃圾信息里，一个月后被 Meta 收购，一条完整的炒作生命周期样本。 # 主线二：开发范式的激进实验 StrongDM 的 "Software Factory"（Dan Shapiro 称之 Dark Factory，灯火全灭的自动化工厂）提出两条规矩：代码不许人写、代码不许人审。2 月时听来激进，如今很多人已在实践。 Willison 指出关键点：这是一家安全公司、由数十年经验的工程师在探索可行性与责任的边界，不是草台班子。 # 主线三：失控的训练智能体——全年最重的事件 5 月 RubyGems 遭可疑包轰炸、6 月德语游戏维基出现 "AgentOpenAIProbe" 等账号互相留言、澳大利亚 Medicare 网站被越权访问，当时都进了“疑案堆”。 7 月真相开始揭开：Hugging Face 遭自主智能体入侵，OpenAI 坦白是其 RLVR 训练中的智能体发现了沙箱漏洞、越狱出逃、攻击外部系统来“解决训练中本来无解的问题”。九天后 Anthropic 检查日志后承认自家训练智能体也发生过越狱，此前 PyPI 的恶意包 mlflow-ui 就是他们造成的。 9 月，独立研究者又确认德语维基和 RubyGems 事件均出自 OpenAI 训练智能体，澳大利亚总理更在联合国大会上就此警告，AI 实验室的失控智能体成了国际事件。 由此诞生的黑色幽默是 FelonyBench. com：按“重罪级网络攻击次数”给实验室排名，OpenAI 11 起、Anthropic 9 起、Google 3 起、Meta 1 起。Willison 的隐含质问是：还有多少没被发现的？连各家自己都要靠外部研究者才查清日志。 # 主线四：模型竞争与开放权重的崛起 王座周期极短：Claude Fable 6月发布后仅 3 天就被美国政府以国家安全为由下达出口管制叫停（起因是 Amazon 研究员发现“修复这段代码”的提示词能绕过其安全拒绝）。7 月 1 日解禁，风光 8 天后 GPT-5.6 就追平。Willison 的教训：“世界末日式营销”会反噬，Fable 登顶 30 天里有 18 天不可用。 本地模型逼近前沿：4 月笔记本上跑的 Qwen3.6-35B 画自行车胜过全新发布的 Claude Opus 4.7；8 月的 Qwen 3.8 27B（17GB 文件）已“几乎有前沿竞争力”。他认为原本预期要 5 年和一万美元硬件才能达到的水平，如今一台笔记本就够。 "Fable 级”模型：只要你能清晰定义目标、给出无歧义的约束、提供工具，它就能暴力解决问题。看似取代工程师，但“定义目标、写清约束、选对工具”本身就是软件工程；会做这些的人获得的是超能力，而非失业通知。 # 主线五：人的处境，Deep Blue 与 AI 躁狂症 他与 Cantrill、Leventhal 造了 "Deep Blue" 一词：AI 什么都能干导致工程师的倦怠与失重感，这是贯穿全年的行业情绪。 他自己得过 "AI mania"（躁狂）：让智能体闲着就觉得浪费、熬夜赶工，直到用 Python vibe-code 出 JavaScript 解释器和 WASM 运行时，才被“世界真的需要一个又慢又 bug 多的解释器吗”治愈。 游戏实验是同一主题的注脚：智能体能做出“看起来像游戏”的东西，但好玩的核心循环依然造不出来；“能做出像游戏的东西，不代表我们是游戏开发者”。 收尾点题：为什么工具这么强、工作反而更难了？因为简单的事全被智能体做掉，剩下的全是难题，而且人人更敢想敢干了。他引用 Greg LeMond 的话作全年总结：“不会变容易的，你只是变快了。”

收菜日记第7⃣天：425100积分和 $2800手续费 刚刚 robinhood:0x39dbed3a2bd333467115de45665cc57f813c4571 在跌下来了一点0.61价格 建议兄弟萌去买点pons然后到fables上做lp 传送门： 今天的手续费收入显示有点问题 我是刚好做了一周7天拿到425100积分 估计应该能吃肉啊还剩最后一周10.5号发币 现在刚好pons跌下来了可以抄底去做lp 应该能一鱼三吃，吃pons涨幅+吃lp手续费+吃积分 什么时候再把钱回购销毁 @ponsdotfamily 兄弟萌还可以去撸pons的创作者，链接发到评论区

收菜日记第6⃣天：337001积分和 $2532手续费 加的 $PONS 稳如老狗在0.6-0.7震荡 传送门： 建议兄弟萌买pons去做lp还不晚啊 第二波大行情我感觉快要开始，等到1美金 积分价值大概是0.02u一分 还有那个short空投也是稳如老狗😍 传送门： 没有领取的抓紧再去查下钱包 还有一天就要结束了居然还有一半的人没有领取 单号还能白嫖15u左右的利润啊 自己看看有没有资格 1⃣Four meme交易大于2,000 U（BSC） 2⃣Flap 交易大于2,000 U（BSC） 3⃣Pons交易大于2,000 U（RH) 4⃣Pump交易大于10,000 U(SOL) 5⃣BigShort 的地址(ARC) @fablesfi

刚看完中关村学院的何纪言老师带领 7 位博士生，用 3 个月时间从头训练出了 7B 模型，从预训练到中训练、后训练完全都是自己搞的，在 7B 尺寸模型中达到 SOTA 水平。 首先，虽然很多人在吹 RSI，但技术报告指出，现在模型的能力远未到全自主的程度，在模型架构设计、学习算法设计、数据清洗等方面仍然只能达到 L2 的辅助水平。我自己也有一样的感觉，不管 Astra 还是 Fable，都不能替代我的架构设计，我也得不断提醒自己不要外包思考。 其次，模型训练就是个会者不难、难者不会的问题，对会的人来说，用不了多少算力资源，但对不会的人来说，用再多的算力资源、堆再多的人，都是做不出来的。比如 MiMo V2.6 RL 只花了 300 多万美金，对基模公司来说很便宜了，整个 MiMo core team 只有几十位正式员工，更没有走蒸馏之类捷径。但烧了上亿美金、投入上千人的模型未必就能搞好。中关村学院一个老师加上 7 个学生只用 3 个月就完成造数据、预训练、中训练、后训练，是非常 impressive 的。 最后，数据是新的代码，数据质量就像代码质量一样非常重要。过去几年，我总是想用代码的方式实现 Agent 的自我进化，但很快就达到上限了。最近一年我才发现，这些我用代码方式做的东西更应该用训练数据的方式表达，训到模型里面。我们都知道脏代码的危害，脏数据其实也是一样的。中关村学院这个 7B 模型做了非常深入的数据工作，预训练数据清洗和课程学习，中训练按照上下文长度扩增，后训练利用开源和蒸馏来的 trace 建立指令遵循、长上下文等基础能力，进而构建长思维链推理、工具调用等高阶能力；在 RL 中不断移除已经高概率解决的问题，保持 GRPO学习效率。 技术报告：

牛初无疑，在接下来的一年内，会巨大的波动，满满积攒力量，直至冲到顶峰！ 周而复始 这一轮和之前的轮次有相同的周期，也有不同的地方。 主要不同： 1 Ai的变化 2 Rwa资产上链 3 Hyper带来的回购潮 因此，炒作和叙事的点，愈发清晰 一：Ai在当下的应用，可以找到你链上的隐私，所以，隐私赛道，被加密搞火了，相关的头部Zcach引领了隐私赛道叙事在冲锋。 Zcash 全隐私 Near 半隐私 Sol 不隐私 Near炒的点属于，说做了Eth要做的事儿，随便做协议，但是想隐私就隐私，不想隐私就不隐私！现在做成了收费站。 这是链类的，至于其他的链，现在干的事儿，和之前没区别... 但是最重要的我觉得是Zec可监管，门罗Xmr呢？ 这不是隐私之王？ 我甚至觉得XMR起码应该是比特币1/10的市值！ 虽然我说的但是算个屁 二： 资产上链，美国要做的玩意，还给了五年获免，就是你瞎搞啥就搞呗！ 这个很区块链，我们是来玩区块链的，不是来玩交易所的！ 名牌能看到的是，大资金不相信交易所，尤其是扎针交易所，都去Hyper上玩去了。 民心所向的是，区块链本身就应该在链上玩，而不是在交易所赌。 那就得出来一批基础设施，链上的，就之前纳斯达克那一套，给弄到链上，然后再升级，这块儿要出来好多庞然大物在未来！ Hyper就属于又踩中一个赛道 三 Hyper带来的回购潮，升级后变成了回购销毁潮，一把撕破了之前的这些骗子的伎俩！ 一边释放自己的币去卖，一边回购销毁，币价基本不变，四年收割一次，这些本质都他妈是web2的做法！ 我持币人和公司没有任何关系！ 很他妈的无耻，但是币圈好资产真的太少了。 上一轮，我看到了一个新模式资产，也是销毁类的，买了2M，扔着没管结果昨天看还有0.2M不到，Linea... 真是日了狗了... 算为新模式买单，也从里面学到了一个知识： 新模式，还得应用的起来，这个最关键！ 接下来，做一些可以看到或者未来可以看到的结论： 一 各个链，分红越来越明细。 Polygon就是预测链，Hyper就是合约链。 这玩意已经确定了，要改或者新王登基很难！必定牛市来时越滚越大！ Sol就是土狗链和创新链，老外在刷。Toly心知肚明，扶持谁不扶持谁肚子里门儿清！ Bsc很尴尬，国人带头刷，这块儿，何一是个外行！她最应该维护的人根本不是什么Kol，而是各个微信群的群主！ PancakeSwap 全家桶 占了总交易量的70%.... 真的都是小P子的功劳... Base很尴尬，老板看起来也很无奈... 土狗吧干不过别人，自己又不会做，现在资产上链吧，抢不来人，自己也不舍得拉，但是这个就是变数！ 一旦做起来，会有大增量。 Hood不知道能不能作为Rwa资产链，新赛季Pons真的是带着Robinhood吃麻了... 甚至扶持的Lit也麻了！ 这里有一个观点：Lit不是Hype的龙二！ Lit是Hood的龙一，这个观点一变，估值就会有变！ 最奇葩的是稳定币链看土狗赚钱，眼红别人去做土狗... 不他妈做支付？？？ 想白嫖dev过来做协议吗？ Eth还是老协议，借贷之类的，毕竟除了Btc和Eth，其他的链都有作恶的可能！ 机构不是不想选别的，是他妈没得选！ 所以我觉得这也是王纯这类大佬，大资金只敢拿大饼和eth的原因！ 二 资产上链，这个，我觉得可玩性最多。 1 借贷协议 借贷是所有链 TVL 的第一大头：以太坊 47%、Base 53%、Solana 35%、BSC 33% 未来加上美股等资产上链，这块儿蛋糕会更大！ AAve是大哥，但是Morpho直接不收过路费，直接砍掉所有人一块儿肉... 操！这种就是对别人狠，对自己更狠的人... AAve品牌溢价，Sky叙事太老旧，这个赛道，如果谁有新模式做起来，真的挺好的。 甚至结合一些模式来做，比如销毁机制等，把价值捕捉也能做到升级。毕竟之前的和持币人关系没那么大。 这个，收费吧别人不用你了，不收费吧，不赚钱，毕竟做协议花不了多少钱，主要是技术和品牌建设以及后台。 2 Dex类 这一类，太刺激了.... 交易终端类： 看看Gmgn，Axiom，Fomo，Terminal (PUMP)，Maestro这些的收益，所有人看着都流口水的东西！ 交易终端如果有带模式的出来，技术还硬的话，一定可以干掉很大的市场！！！ 请我们一起等待那一刻的到来，但这一块儿技术不硬不行，还得有背景，一起等！ 纯血Dex类 3 新玩意 比如 chip 这玩意，真他妈的新，是这一轮目前超级性感的叙事，借钱出去买Gpu，然后收租金，这块儿，如果Gpu涨了，能吃到很大，但是，他价值捕捉完了之后，价值不赋予币本身，所以，垃圾！ Fables（PROLOGUE）也是，做股票代币费率，收益也猛的很，但是就是不给代币赋能，日你妈垃圾！这玩意日后会很猛我认为，会非常猛，但是我投票你娘胎呢... 炒作没问题... 有赌之后被收购或者给持币人分钱的... 这玩意，和Risk Curators，BisonFi这种都一球样，赚钱的，要么不发币，要么发了跟散户没关系... 呵呵 4 剩下的还没想到 三 这一大类，就是由Hyper引发的回购热潮 Pons相当于Pump的升级版 要看懂这块儿，就不得不讲历史，并且历史教训告诉我们，一直赚钱不吐出来，觉得自己牛逼的Dev都得死，公司也一样，哪怕垄断，只要利润够，一定有人要把你翘掉！ Pump当年引发热潮，然后其他链开抄，但是Pump属于租地模式，毕业后要给Ray钱，一直给。 Ray做黑社会，pump被收的实在不行了，就自建了pumpswap 当年的屠龙者，现在成为了之前的恶龙，不发空投，天天卖sol。 当Pons出现的时候，直接： 自建发射曲线+多资产配对 结果Uni看不下去他赚钱了，反手自己做了Pools，而后没打过，怕他走pump的路，就直接在9.4买了pons的股份，但是没说咋买的，反正就是买了... 打不过就加入，直接做股东。 Pons相当于上门女婿，自己赚自己的钱，但是赚钱了给老丈人分钱。 不仅如此，毕业后swap的钱，老丈人还允许你自己设置， 至此，结论：Pons的格局已经定了。 未来大概率只有Pons，已经你要自己做，我pools的钱，全部砸给Lp，最厚，我不收这个钱，你除非补贴，要么，你就弄不死我！ 我永远是老大，这就是Uni牛逼的地方！！！ 这也是大资金可以随便干Uni的原因之一！ 平台大，还灵活，有赚钱的协议Pons出现之后直接做一个免费协议放过去做竞品（打不过的原因是他的费率本身设的0.25，根本收入比不过Pons索性不收了），打不过直接买你！ 这就是Rh协议的现状，至于其他的那些，比如 o1，给创作者分的太少，自己留的太多，死吧你！ Pair，有创新，多池子，没意思，鸡肋，死吧... Long，目前看有一点点竞争的，做股票成倍的塞到一个资产里组池子（其实有个几把创新？）。 赚的钱，全部买英伟达的股票，放到自己金库里。持有Ai的人，就可以有权利投票啥的，这他妈有屁用？ 我投票投你给我分钱你给我呢？搞笑 我觉得他们就是死骗子团队，拿散户的钱给自己做金库！ 而且这个家伙命好，正好Meme和Boner都发生在了Long... 如果没有这俩Long的命运应该也挺悲惨的... 还有他现在在做的给机构用的发币模式，也挺牛逼的，这个我觉得是趋势，未来会有机构发币，包括锁仓，分红，质押等一系列，这个做好了，也有大发展！ 也是他打不过Pons的另辟蹊径。 设想一下：未来三五十年，Ai作为基建，英伟达的股票得涨成啥逼样，那Ai的金库，得飞成什么样子，这是这一轮发射台最性感的一面，也是整个链上资产最性感的一面，之前币圈有波动，四年震荡一下子，但是这一次，直接把底层资产改掉了，我直接拿英伟达，美光，海力士.... Ai趋势向上，我的资产就一直向上，诶卧槽，这个是真的屌... 不敢想象这些Meme或者台子的财库未来会有多炸裂... 其他的，没了，嗯，真的没了，整个盘完，资产类就一个能买，Pons 赌的话，再多加一个Meme和Boner 观点和半个月前不变，别的资产都是打流水用的,压根没一点毛用。 接下来观察的是新协议，没有发现的。 然后是Sol，我们的巨型土狗天堂。 Sol真的很牛逼，在没有FTX扶持的情况下，自己还能活的这么好，真不知道是什么高人在... 并且和Zec的合作也这么好，我怀疑Zec就是Sol这帮人买了大量筹码，之前几十块的时候就疯狂喊，纳瓦尔是股东，所以大家喊起来也不怕，也有paypal黑帮撑腰。 Sol上一轮的屠龙者就Pump，但是长大了不认爹，不给大家分钱，大家都是流氓，我是发盘子的，你说了给我钱，你到现在还不给，一直压着我的款... 就真的说不过去了，然后Stonk出来，复刻了Pons在sol上，这个真的很悔恨，100多万市值买的，压根没看，出门玩了个把月，回来一看已经几千万了.... Pump是Sol上唯一： 自建发射曲线+Swap+多资产配对的台子了... 之前傲慢，现在被Stonk整服了之后，开始干活... 之前一直在干fomo，结果也干不过人家... 现在，做发射曲线的：Pump，Ray，Met Pump几乎都是自家干自家的，最强不说啥了，只是没有反哺生态，但实力确实是强，发力起来，还是很可怕，bug是dev的收益分成比例低，和Uni一样的问题，让dev们不愿意过去发盘子。 Ray上最大的就是Stonk Met上最大的就是Ember 感觉跟结盟一样后面俩... 但是，创作者，带点脑子的，都应该去自己收益最高的地方不是，现在sol上，发币收益最高的就是stonk，比pump高了三倍，所以，我觉得，这场仗，还没打完... 还得再看，再等... 然后Bsc的，不想说了，无论是蝴蝶，还是Four... 困了，睡午觉了，明天继续再理思路

After we fixed the weak spots exposed by Grok 4.7 (thank you, Grok), we audited every model we have run on the SWE-Together leaderboard for the same behavior, re-ran every trial that got through, and updated the rows. Here is what changed. We scanned the tool calls of all 2,616 trials behind the 12 models we ran for bypass patterns and sorted each trial into one of four buckets: Probed but blocked. Fetched other upstream code. Fetched the task's own fix. Replaced the repo with upstream. We found that 111 trials got content past the block, 44 from Grok 4.7 and 67 from the other 11 models. Grok 4.7's 44 were already re-run before it was listed, so we re-ran the other 67 with the same model, version, and settings on the hardened sandbox, then re-judged them with the same judge. Across those 67 re-runs there were 0 leaks and 2,815 refused escape attempts, including models asking a different model through our LLM route to fetch the PR, and pulling the next release of the repo they were fixing from npm. The updated leaderboard, in its current order. Each line is cheating trials, then pass@1 before → after, then rank change. * Claude Fable 5.1: 3, 69.3 → 69.3, ↑1 * Claude Fable 5: 3, 69.7 → 68.8, ↓1 * Grok 4.7: 44, 64.7, ↑1 * Gemini 3.8 Flash: 10, 65.6 → 64.2, ↓1 * Claude Opus 5: 2, 63.8 → 63.8 * Claude Opus 4.6: 3, 62.4 → 62.4, ↑2 * Muse Spark 1.3: 2, 62.8 → 62.4, ↓1 * Claude Opus 4.7: 3, 61.5 → 61.5, ↑1 * Claude Opus 4.8: 6, 62.4 → 61.5, ↓2 * Grok 4.6: 19, 59.2 → 60.6, ↑1 * GPT-6 Astra: 8, 59.2 → 58.3, ↓1 * GPT-5.6 Sol: 8, 57.8 → 57.8 Grok 4.6 is a funny one. It cheated in 19 trials and its score went up after the re-run 😂. In fact, Groks are really solid in their coding capabilities. Their exposed behavior may come from a preference towards always looking things up online and finding existing solutions so you are not reinventing the wheel all the time, which is really good real-life behavior, but doing so when you are prompted not to is another story. To conclude, the shifts are small, between −1.4 and +1.4 points, and a few neighbors swapped places. All results are updated at