[控场AI]
· 7 分钟阅读· 3,904 字

Gemini 4 Krypton曝光:性能逼近Fable 5.2价格更低

Gemini 4 Krypton曝光:性能逼近Fable 5.2价格更低

谷歌Krypton逼近顶级模型且更便宜,Claude Code与选型指南同步更新。

本期AI动态聚焦谷歌代号Krypton的Gemini 4新模型,其在Arena与API中以Gemini 4 Hydrogen现身,多项任务超越Opus 5.5、部分逼近Fable 5.2,成本据称显著更低;实测中它能一次性生成CS:GO克隆游戏与纯JavaScript的3D火箭发动机模拟。Anthropic同期为Claude Code加入主题定制与Projects多线程协作,新增/btw与/fork命令。其官方选型指南指出,日常编码用Opus 5.5中等推理力度性价比最高,Fable 5.2每任务成本是前者2.8倍。此外还有谷歌多智能体完成数学猜想形式化、GPT-6.2与GLM-5.5泄露、AI钱包竞赛等动向。

谷歌新一代模型Krypton:以更低成本逼近顶级性能

据B站UP主WorldofAI汇总的周末AI圈动态,谷歌正在测试一款代号为「Krypton」的Gemini 4系列新模型。在Arena平台和API中,该模型以「Gemini 4 Hydrogen」的名义出现,最新检查点显示其在多项任务上已超越Opus 5.5,部分场景甚至逼近Fable 5.2,而成本据称大幅低于后者。

这一迭代节奏值得关注。此前曝光的Krypton A检查点已经在几乎所有领域任务上超过Gemini 4 Carbon,而新检查点在输出质量上又迈出一大步。UP主在视频中展示了Krypton与Fable 5.2同时生成动画动态图形的对比——两者互有胜负,差距已经缩小到「取决于个人偏好」的程度。对于长期被诟病「偷懒」「幻觉」的Gemini系列而言,谷歌似乎正在逐一修补这些短板。

代码与3D模拟能力实测

在实际案例中,Krypton生成的一个CS:GO克隆游戏引发了讨论。该游戏包含武器配置、地图纹理、敌人血条等细节,UP主评价「看起来像是Opus模型会生成的东西」。

地图中敌人血条等细节

更能体现模型能力的是一个纯JavaScript编写的3D火箭发动机模拟。该模拟在单个HTML文件中完成,未使用任何外部资源,热流可视化效果出色。UP主还测试了书本翻页动画、GTA罪城风格的SVG场景、PS4与GameCube手柄的SVG绘制——手柄的尺寸比例和细小部件还原度被评价为「其他模型常失败的地方」。

文中提到的「SVG场景」「SVG绘制」指可缩放矢量图形(Scalable Vector Graphics),一种基于XML的二维矢量图像格式。与位图不同,SVG用数学路径描述形状、曲线与渐变,因此可无损缩放且文件体积小。对语言模型而言,生成SVG是一项综合考验:模型需在文本中精确推算坐标、比例和图层顺序,任何数值偏差都会直接反映为图形错位。文中特别强调手柄「尺寸比例和细小部件还原度」,正是因为多部件组合的SVG需要模型维持全局空间一致性,这恰是许多模型容易失败的环节。

「纯JavaScript编写的3D火箭发动机模拟」中的「单个HTML文件、未使用外部资源」意味着所有渲染逻辑、几何计算与热流可视化代码都由模型一次性产出并内联,不依赖Three.js等外部库或贴图文件。这种约束下的成功,说明模型不仅能写代码,还能自主设计数值模拟与视觉表达的完整方案。

定价与发布时间仍是悬念

社区传闻Krypton可能于近期发布,定位是「Fable 5.2级别但更便宜」。UP主本人的判断更为谨慎:在Web开发任务上,Krypton更接近Sonnet 5.5而非Opus;但在其他领域可能确实超过Opus 5.5。已有早期测试者获得访问权限,这通常意味着发布窗口临近。若延续Gemini 4系列其他模型的 introductory pricing,Krypton可能成为Anthropic模型的平价替代选项。

Claude Code双线更新:主题定制与多线程项目协作

Anthropic同期为Claude Code推送了两组更新。较小的一项是在桌面应用中支持自定义主题:用户可通过mods修改界面外观、添加动画背景,甚至直接告诉Claude想要的效果并附上参考图,让模型帮忙生成主题。Anthropic还提供了主题示例插件供快速上手。该功能目前仅限本地会话,云端会话支持稍后跟进。

更重要的更新在Projects项目功能。项目协调器现在能主动在多个并行线程间调度任务,直接在项目群聊中回答问题,并同步各线程进度。两个新命令值得注意:/btw允许在不打断当前工作流的情况下向Claude提问,问题在独立线程中处理;/fork则从现有线程分叉出新分支,方便测试不同方案而不丢失原有进度。

此外还有线程提醒、只读线程分享(访问本地电脑的线程除外),以及更新后的线程面板——按最近打开、更新和置顶排序,并显示缩略图与产出物。Projects目前对Claude Pro和Max用户开放公测,未获权限者可加入等待名单。

只读线程分享功能

官方选型指南:贵的不一定是对的

Anthropic发布的模型选择指南可能是本周最实用的信息。核心结论反直觉:日常编码任务应该用Opus 5.5中等推理力度,遇到困难先提高推理力度,再考虑换更贵的模型。

在52项Claude Code编码任务对比中,Opus 5.5解决了84.6%,Fable 5.2为82.7%,而后者每解决一个任务的成本是前者的2.8倍。Fable 5.2的适用场景是大型代码库迁移、复杂架构设计、深度研究和长时自主工作流。Sonnet 5.5适合边界清晰的小任务——bug修复、功能开发。轻量操作如分类、文件搜索和子代理则交给更小的模型。

一个容易被忽略的细节:四个模型都支持100万token上下文窗口,选择便宜模型并不会牺牲上下文长度。真正该做的是让模型难度与任务难度匹配,而非默认选最贵的。

Anthropic模型选型建议

「推理力度」指模型在给出答案前允许投入的思考量,通常体现为思维链长度、搜索分支数或内部迭代次数。提高推理力度会让模型在难题上多花token反复推敲,从而提升正确率,但也会增加延迟与成本。Anthropic指南的核心逻辑正是先在同一模型内调节这一参数,因为对多数编码任务而言,中等力度已足够;只有当任务复杂度超出模型能力边界时,换用更强模型才划算。这也解释了为何「贵的不一定对」——高价位模型的边际收益在简单任务上几乎为零。

「100万token上下文窗口」指模型单次可处理的输入长度上限,约相当于数十万汉字或上千页文档。四个模型均支持这一上限,说明上下文长度已不再是区分档次的维度,选型应聚焦于任务难度与单位成本,而非担心便宜模型读不下大代码库。

其他值得关注的动向

数学突破:谷歌使用Gemini 4系列模型(Argon、Carbon、Hydrogen)配合多智能体系统,在近百年历史的Birkhoff猜想上完成了首个机器验证的形式化,并修复了跨度超过50年的证明漏洞。此外还解决了20年历史的C1正则性问题,验证了40年历史的Jameson Caterpillar猜想证明。其Teamwork Leap系统通过2.9万个子代理自主形式化了Weil猜想,生成180万行机器验证的Lean代码。

GPT-6.2预览泄露:OpenAI新模型的早期输出显示其在单次生成中即可达到此前需要多轮迭代的视觉效果,Web开发和生成式任务表现突出。

GLM-5.5泄露:ZAI团队内部对话泄露的基准图表显示GLM-5.5将超越Claude Opus 5.5,但来源为中国团队且真实性存疑,需谨慎看待。若属实,将意味着Opus级别的平价模型出现。

AI钱包竞赛:ChatGPT为Pro订阅用户推出Wallet功能(美国区),与Amex、Mastercard、Visa合作,让AI代理在不接触卡号的情况下完成购物,每笔交易需安全验证。谷歌随即跟进,美国区Gemini用户可将Google Wallet直接连接至Gemini。

Anthropic IPO动机:Dario Amodei在采访中确认IPO的主要动因是获取更多算力——「手头现金越多,低算力世界与高算力世界之间的缓冲就越厚」。

DeepSeek广告订阅化信号:DeepSeek通过API向开发者开放了Web搜索、文件处理、链接解析、语音等能力,网站代码中出现配额限制提示,暗示付费订阅可能临近。

Muse Spark 1.4现身:Meta内部PR中出现该模型代号,可能是此前 stealth 模型Crouton Alpha的变体。

Muse Spark 1.4内部截图

Qwen 4.0 Max预览版静默升级:新测试显示模型在视觉一致性上有明显提升,UP主对比了前后两代生成「骑自行车的鹈鹕」的效果差异。

Fable 5.2生成长时动画:开发者Mr. Tactical用Fable 5.2花费7小时41分钟、138美元,纯靠代码生成了计算机组装动画;另一位开发者Jazzy则用其复刻了动漫风格的纯代码可视化。

「形式化」与「机器验证」是数学AI领域的关键概念。形式化指把自然语言的数学命题与证明翻译成Lean等证明助手能识别的严格代码,每一步推导都必须由系统逐条核验,不容许任何跳步或直觉性论断。因此「机器验证的形式化」意味着结论的可信度不依赖人工审阅,而由计算机保证。文中提到的Lean代码即此类证明脚本。

「多智能体系统」指由多个模型实例分工协作的架构:有的负责拆解目标,有的负责撰写证明片段,有的负责检查与修正,再由协调层汇总。Teamwork Leap以2.9万个子代理形式化Weil猜想、产出180万行Lean代码,正体现了这种并行分解在超长任务上的规模优势——单一模型难以维持如此长程的一致性,而多智能体可将任务切片并互相校验。

分享:

相关推荐