Fable 5 下线后,开发者合并的工作成果几乎未变
一篇哈佛大学(Harvard)预印本将 Claude Fable 5 为期 19 天的停服视为一次自然实验:该模型在编程基准测试中比替代模型高出约 11 分,但失去它的开发者合并拉取请求的比率几乎未变,5 次常规模型升级也呈现出同样平淡的结果。这项研究尚未经过同行评审,衡量指标也较窄,但它检验了基准测试提分在日常工作中的实际价值。
一篇哈佛大学(Harvard)预印本将 Claude Fable 5 为期 19 天的停服视为一次自然实验:该模型在编程基准测试中比替代模型高出约 11 分,但失去它的开发者合并拉取请求的比率几乎未变,5 次常规模型升级也呈现出同样平淡的结果。这项研究尚未经过同行评审,衡量指标也较窄,但它检验了基准测试提分在日常工作中的实际价值。
Stellantis 密歇根技术中心的工程师称,在 AI 帮助下,他们用六周开发出免手持方向盘驾驶系统,原本需要一天的风阻模拟也只需三分钟就能得出估算。他们也说,如今工作更辛苦,每项输出都要核查,还担心失去核心技能;公司则希望到 2027 年将整车开发时间缩短一半。
Maurice Heumann 表示,一个持续三个月的智能体项目,直到每个函数都编译并与原始二进制比较后,才开始取得可靠进展。
MOLT Sinai 通过专门智能体、强制规划和对抗性审查处理软件工作。公司报告,五个月里发生七次回退。
一项可运行实验将 Qwen3-1.7B 转为单次前向分类器,随后发现其信心过高。温度缩放改善了概率。
一项针对三个开放混合专家模型的技术研究发现,恶意软件问题的路由最接近道德问题,但模型可读取的工作空间仍保留安全概念。
一份实用指南测量了分离提示词处理与 token 生成的权衡。负载下的尾部延迟有所改善,但转移模型工作内存会延迟首个 token。
用 GLM 5.3 Flash 完成 9月工程工作的计划消耗了 20 亿 token,但只有一半交给目标模型。原型、服务商容量和评测解释了这一差距。
这位密码学家认为,隔离仍然必要,却无法解决智能体安全最难的部分:判断哪些信息和指令获得了授权。