[控场AI]
· 7 分钟阅读· 3,791 字

Gemini 4 Krypton对决Fable 5.2:模型竞赛白热化

Gemini 4 Krypton对决Fable 5.2:模型竞赛白热化

Gemini 4 Krypton 测试、Claude Code 协作升级与 GLM-5.5 传闻,共同指向能力与价格解绑。

文章梳理了近期 AI 模型与工具赛道的密集动态:Google 的 Gemini 4 Krypton 新 checkpoint 以化名在 Arena 和 API 中测试,视觉编码能力接近 Anthropic 的 Fable 5.2 而预期价格更低;Claude Code 推出 Project Coordinator、by the way、slash fork 等并行线程管理能力,使 AI 编程工具从单轮生成走向多线程任务调度;GLM-5.5 泄露声称超越 Opus 5.5 但真实性存疑。作者引用 Anthropic 官方数据指出,52 项编码任务中 Opus 5.5 解决率 84.6% 反超 Fable 5.2 的 82.7%,而后者单任务成本高 2.8 倍。此外还盘点了 GPT-6.2 Astra 预览、DeepSeek API 扩容、Gemini 接入 Google Wallet、Antigravity 动态工作流及数学形式化突破等信号。

AI 模型赛道的迭代节奏已经快到让人喘不过气。Google 的 Gemini 4 Krypton 在 Arena 和 API 中悄然测试,据说能正面对抗 Anthropic 的 Fable 5.2 且成本更低;Claude Code 迎来项目协作大更新;GLM-5.5 的泄露传闻则让「廉价版 Opus」的想象浮出水面。以下是对这轮密集动态的梳理与分析。

Gemini 4 Krypton:Google 的提速与补课

据 B 站科技 UP 主的追踪,Gemini 4 Krypton 的新 checkpoint 被发现在 Arena 中以“Gemini 4 Hydrogen”的名义测试,同时出现在 API 中。该 checkpoint 相较此前的 Krypton A 版本又有明显提升,而后者在多数任务上已超越 Gemini 4 Carbon。

从演示案例看,Krypton 在动画动效生成上对 Argon 形成“实质性跃升”,与 Fable 5.2 的对比则处于互有胜负的状态——UP 主认为某些场景下 Krypton 略优,但取决于具体提示词与偏好。更值得关注的是,Google 似乎在针对性地修复此前被长期诟病的短板:懒惰、幻觉、指令遵循不彻底。UP 主明确表示“UI 仍是明显问题”,但小毛病的改善方向是对的。

Gemini 4 Krypton 发布节奏推测

在具体能力展示上,Krypton 用纯 JS 在单个 HTML 文件内生成了受 Ursa Major 启发的 3D 火箭发动机模拟,包含热流可视化,且无外部资源依赖;还完成了书页翻动动画、GTA Vice City 风格 SVG、PS4 与 GameCube 手柄的精确 SVG 绘制。这些案例共同指向一个判断:Krypton 在视觉编码与细节遵循上已经接近 Fable 级别,而价格可能显著更低。

Arena(LMArena) 是一个公开的大模型匿名对战评测平台:用户同时看到两个模型的回答但不知道来源,投票选出更好的一个,系统据此计算 Elo 式排名。由于测试模型可以以化名(如本文的“Gemini 4 Hydrogen”)悄悄上线,厂商常用它在新模型正式发布前收集真实用户偏好数据,因此 Arena 上出现陌生代号往往被视为新模型临近发布的信号。

checkpoint 指训练过程中定期保存的模型权重快照。同一代模型在训练不同阶段会产出多个 checkpoint,能力差异可能很大——本文中 Krypton A 与更新的 checkpoint 就属于同一代的不同快照,比较它们能看出训练仍在推进。

Claude Code:从写代码到管项目

Anthropic 对 Claude Code 的更新重点不在模型,而在协作方式。桌面端新增自定义主题功能,用户可以直接描述想要的界面风格并附参考图,由 Claude 生成主题;官方还提供了示例插件降低上手门槛。

更实质的升级在 Projects。Project Coordinator 现在能跨多个并行线程协调任务,在项目群聊中直接回答问题,并持续同步各线程进展。新增的两个命令尤其实用:by the way 用于在不打断当前工作流的前提下另开线程提问,slash fork 则可以从现有线程分叉去尝试不同方案而不丢失原进度。此外还有线程提醒、只读线程分享,以及重新设计的 Threads 面板。Projects 目前对 Claude Pro 和 Max 用户开放公测,其余用户可加入等待列表。

Claude Code 项目协作新命令

这套组合拳的意义在于:AI 编程工具正从“单轮生成”走向“多线程任务管理”,开发者对 Agent 的调度方式开始接近管理一个小团队。

线程分叉(fork) 借鉴自 Git 的分支思想:从一个正在进行的会话中复制出独立上下文,让 Agent 在副本里尝试替代方案,原线程不受影响。这样开发者可以并行比较多种实现路径,失败的分支直接丢弃,而不必回滚或重述需求。只读线程分享则允许他人查看 Agent 的工作过程但不能修改,适合评审与交接。这类机制本质上是把版本控制的协作模型搬到了 Agent 会话层。

模型选型:最强不等于最合适

Anthropic 给出的官方选型建议值得单独拎出来。按其说法,Opus 5.5 在中等推理强度下适合作为日常主力,覆盖编码与常规开发任务;遇到困难任务应先提高推理强度,再考虑换更贵的模型。Fable 5.2 的适用场景是大型代码库迁移、复杂架构、深度研究和长时间自主工作流。

数据支撑很直接:在 Claude Code 的 52 项编码任务对比中,Opus 5.5 解决率为 84.6%,Fable 5.2 为 82.7%,而 Fable 每个已解决任务的成本是前者的 2.8 倍。四个模型均支持 100 万 token 上下文窗口,选便宜模型并不会牺牲上下文长度。对开发者而言,“按任务难度分级用模型”比“无脑上最强”更划算。

按任务难度选择推理强度

其他值得注意的动向

GPT-6.2 Astra 预览流出:早期访问者放出的输出在创意、视觉质量和细节上被形容为“疯狂”,Web 开发任务表现稳定,UI 生成类任务尤其突出。

GLM-5.5 泄露:ZAI 团队内部对话与基准图表流出,声称将超越 Opus 5.5。UP 主也提醒,这类来自中国的传闻存在造假可能,需谨慎看待。若属实,意味着廉价 Opus 级模型的出现。

DeepSeek广告 开发者 API 扩容:新增内置网页搜索、文件处理、链接解析、安全与语音能力,并提供 OCR、语音识别、TTS 的独立 API。官网代码中出现的配额限制提示,暗示付费订阅可能临近。

Gemini 接入 Google Wallet:美国用户可将钱包连接至 Gemini,让 Agent 在无需暴露卡号的前提下执行购买,每笔交易需安全验证。ChatGPT 此前也推出了类似的钱包功能,Agent 支付赛道正在成形。

Google Antigravity 动态工作流:slash run-workflow 命令可让 Agent 自动生成 Python 脚本协调多个子 Agent 并行执行,脚本可审阅、保存与复用,用确定性控制替代纯提示词驱动。

数学突破:Google 称使用 Gemini 4 系列模型完成了百年 Burkoff 猜想的首次机器验证形式化,修复了跨度 50 余年的 3D Bochner-Rees 猜想证明漏洞,并解决了 20 年历史的 C1 正则性问题。其 Teamwork Leap 系统在 29,000 次子 Agent 调用中生成了 180 万行机器验证的 Lean 代码。

SpaceX 与 AI:Starship 首次被发射塔机械臂捕获,Elon 确认开发过程中使用了 Grok 辅助计算与功能实现。

模型江湖的其他信号:Meta 内部 PR 中出现 Muse Spark 1.4 的痕迹;Qwen 4.0 Max 预览版疑似 stealth 升级,生成质量较前代有明显提升;Anthropic CEO Dario Amodei 在采访中确认公司有上市意向,核心动因是获取更多算力。

Lean 是一种交互式定理证明器兼编程语言,数学证明写成代码后由内核逐条机械校验,因此“机器验证”意味着结论不依赖审稿人的信任。近年来数学界推动把已有证明形式化,用于发现隐藏漏洞;本文中修复跨度 50 余年的猜想证明漏洞即属此类。

子 Agent(sub-agent)调用 指主 Agent 把任务拆解后派发给多个专职 Agent 并行执行,再汇总结果。它能把长任务切成可并行、可检查的小块,但调用次数与 token 消耗会成倍增长,本文提到的 29,000 次调用、180 万行代码正是这种规模的体现。

竞争格局正在被重新定价

这一轮动态的共同线索是价格与能力的解绑。Krypton 若以更低价格提供接近 Fable 5.2 的能力,Anthropic 的定价体系将直接承压;Anthropic 自己的数据又证明,日常任务中更贵的模型并不带来更好结果。对开发者来说,真正需要建立的能力不再是“追最新模型”,而是“按任务分层选模型、用工作流约束 Agent”。工具层面的项目协调、动态工作流、线程分叉,本质上都在服务同一件事:让多 Agent 协作变得可控。

DeepSeek 付费订阅的蛛丝马迹

需要说明的是,以上多数信息来自爆料、泄露与单一来源的早期测试,Krypton 与 GLM-5.5 的最终表现仍需等正式发布后的独立评测验证。

分享:

相关推荐