Anthropic双版本登顶智能指数，API费降20%

Anthropic 在同一天抛出两个版本：Fable 5.2 与 Mythos 5.2，底座同源，评测得分 65 登顶智能指数第一。这不是一次简单的新模型发布，而是一套组合拳——用同一底层模型切出不同定位，同时把 API 调用费压低了 20%。

据 B 站科技区 UP 主梳理，这条消息的看点不在跑分本身，而在「双版本同底座」背后的产品策略，以及它对开发者调用成本的实际影响。

双版本同底座：一个模型，两种卖法

Fable 5.2 和 Mythos 5.2 共享同一个底层模型，评测得分均为 65，位列智能指数榜首。这种「同底座、双版本」的做法在业内并不常见——过去更主流的思路是为不同场景训练不同尺寸的模型，参数和算力投入差异明显。

Anthropic 选择的是另一种路径：底层能力不做区分，差异体现在版本定位上。对开发者来说，这意味着选型成本降低，不用在「强但贵」和「弱但便宜」之间反复权衡；对 Anthropic 来说，一次训练投入可以覆盖两条产品线，边际成本更低。

配合 API 调用费下降 20%，这套组合的意图很清晰：用评测榜首建立技术信任，用降价降低接入门槛，把开发者往自家生态里拉。

所谓「智能指数」（Intelligence Index），是部分第三方评测机构用于横向比较大模型综合能力的聚合指标：把数学推理、代码生成、指令遵循、知识问答等多类基准测试的得分归一化后加权汇总，得到一个便于排序的单一分数。它的价值在于可比较性，方便开发者快速定位模型所处梯队；局限在于权重选择带有主观性，且榜单成绩与真实业务场景的表现未必一致。因此 65 分登顶更多是营销与技术信任层面的信号，实际选型仍应结合自身任务做小样本验证。

Google TPU 继续堆料：第八代已出四款

同一天，Google 新增两款第八代 TPU，使得一年内发布的第八代 TPU 总数达到四款。其中 8i Max 把两颗 8i 封装在一起，算力达到两倍。

这个节奏值得注意。TPU 的迭代周期在缩短，而且产品线在细分——不是一款芯片打天下，而是围绕不同负载切出多个 SKU。8i Max 的封装思路本质上是「用互连换算力」，在单芯片性能提升放缓的背景下，通过封装层面的整合继续推高单节点算力上限。

对云厂商而言，自研芯片的密度和节奏，正在成为算力成本竞争的关键变量。Anthropic 降价 20% 的底气，某种程度上也来自上游算力供给的持续宽松。

TPU（Tensor Processing Unit）是 Google 自研的专用 AI 加速芯片，采用 ASIC 路线，针对矩阵乘法等张量运算做硬件级优化，与通用 GPU 相比在特定训练和推理负载上能效更高。其迭代以「代」为单位编号，每一代通常面向更新的模型规模与精度需求（如更低精度算力、更大显存带宽）。所谓 SKU 细分，指同一代芯片按算力、内存、互连能力切出多个型号，分别适配训练、推理、高密度部署等不同负载，这也是云厂商自研芯片的普遍做法。

Meta Muse Ember：把「小而快」押在智能体上

Meta 发布的 Muse Ember 官方定位是「体积最小、效率最高」，主攻智能体重复任务，定价为每百万输入 token 0.1 美元。

这个定价放在当前的模型市场里属于相当激进的位置。智能体场景的特点是调用频次高、单次任务简单、对延迟敏感，对模型「聪明程度」的要求反而低于对稳定性和成本的要求。Muse Ember 的产品定义几乎是对着这个场景写的。

这也反映出一个趋势：模型厂商不再只卷榜单分数，开始针对具体工作负载做专用化产品。通用大模型负责上限，小模型负责跑量，两者在智能体架构里各司其职。

智能体（Agent）指能够自主规划、调用工具、多轮执行任务以完成目标的 AI 系统，通常由大模型作为决策核心，配合工具调用、记忆与编排框架构成。其成本结构与聊天场景差异明显：一次用户请求可能触发数十次模型调用（规划、反思、工具结果解析等），token 消耗被成倍放大，因此单位 token 价格和推理延迟对总成本的影响远高于单次对话质量。这也解释了为何厂商开始为智能体高频、短任务、低延迟的负载专门设计小尺寸模型。

安全在补课：Claude Code 明文落盘问题

据 AP Arrow 研究，Claude Code 会把批处理命令原文写进项目文件，命令里夹带的密码与令牌随之明文落盘。

这是一个典型的「便利性优先、安全性补课」问题。AI 编程工具为了可追溯和可复现，倾向于把执行过程完整记录到项目目录里，但开发者往往在命令行里直接传参，敏感信息就这样进了文件系统。如果这些文件被提交到版本库，风险会进一步放大。

对使用 AI 编程工具的团队来说，这件事的提醒很直接：把密钥管理从命令行参数里挪出去，改用环境变量或密钥管理服务，并且在项目配置里显式排除这类记录文件。工具自身的安全设计也需要跟上，记录执行过程和安全隔离不该是二选一。

将密钥写入命令行参数是一种常见但危险的实践。在多数操作系统中，命令行参数会出现在进程列表、shell 历史文件（如 .bash_history）、系统日志与审计记录中，任何有本机读取权限的进程都可能获取。相比之下，环境变量、系统密钥链或专门的密钥管理服务（如 Vault、云厂商 KMS）提供了访问控制与轮换能力。安全工程中的通行原则是最小暴露面：敏感凭据不应进入可被持久化或转发的数据通道，包括日志、项目文件和版本库提交记录。

开源侧：蚂蚁灵波 Limbo Touch 与百度 Ernie Evolve

蚂蚁灵波开源了触觉基础模型 Limbo Touch，把异构触觉信号编码成统一的触觉 Token，面向机器人操作场景。

触觉数据的异构性一直是机器人领域的难点——不同传感器、不同采样率、不同物理量纲，很难像图像那样直接喂给模型。统一成 Token 的思路，本质上是把触觉拉进和语言、视觉相同的建模范式里，这对具身智能的基础设施建设有实际价值。

百度则发布了自动研究系统 Ernie Evolve，用双层循环组织方向选择与实验迭代，由 5 个角色分工推进研究。这套系统的思路是把科研流程拆解成可编排的智能体角色，用循环结构替代单次生成。自动研究赛道近期热度上升，但实际效果仍需更多公开验证。

一句话总结

旗舰模型在比价，算力在扩产，安全在补课。Anthropic 用双版本加降价抢开发者，Google 用 TPU 密度压成本，Meta 用小模型切智能体场景——三条线指向同一个方向：模型竞争正在从「谁更强」转向「谁更划算、更贴合场景」。