每日AI新鲜事·11月11日早间版：Claude双模型与硬件限制传闻

今天AI圈又有不少新动静啊,信息量挺大的.

今天咱们主要聊这么几件,一是Mythos 5.2登陆Devin Security,二是Resend的agent设计观,三是Anthropic创始人IPO套现,四是PlayStation Plus PC应用关停,五是Fable 5.2实测到底行不行.

嗯.

然后深聊两个热点,一是Anthropic游说给美国显卡加硬件限制的传闻,二是Fable 5.2和Mythos 5.2这波发布到底成色几何.

对,这两个确实值得展开.

行,那咱们先从新闻速递开始.刚看到Windsurf博客上有条消息,Claude Mythos 5.2已经在Devin Security上线了.

对,这个我看了.注意啊,这不是全面放开,是沿着既有权限体系做的模型版本升级.

安全任务的推理深度要求比通用代码生成高不少.你要在大量上下文里追可疑路径,还得判断某个输入会不会触达危险操作.

所以它其实是拿最前沿的模型去啃最难的那类任务?

没错.而且平台化接入的好处是,权限、上下文组织、任务编排都能跟着模型一起演进,客户不用自己搭对接工程.

公告里没提性能和价格对吧.

没披露.所以升级幅度有多大,还得看实际用起来怎么样.后面值得盯的是权限范围会不会扩大.

好,第二条.这个是Latent Space上Resend的Zeno Rocha一个演讲整理,讲Designing for Agents.

这个观点我挺认同的.他说产品设计的对象要从人扩展到agent,而且拆成两块:AEO和agent experience.

AEO就是让答案引擎能找到你、引用你,那agent experience呢?

就是agent真动手调你API的时候,顺不顺.比如Claude Code这种编程agent,能不能快速找到正确的邮件API.

Resend的做法是把文档当产品界面来做,强调结构化错误信息、可执行示例,还有命名一致.

所以一个是能不能被找到,一个是能不能把事办成.

对,这两者衔接得好不好,直接影响你在agent工作流里的采用率.

第三条,TechCrunch的消息.Anthropic的IPO细节出来了,七个联合创始人每人套现大概2.5亿美元.

合计差不多17.5亿.有意思的是七个人卖的数量完全一样.

这算少见吗?

在科技公司IPO里不算常见.等额出售既满足变现诉求,又避免减持节奏不一向市场传混乱信号.

关键是套现之后还保持控制权.

对,这算是回应了外界对AI公司上市后被短期业绩裹挟的担忧.套现不等于退出,是进入新阶段的资本运作.

接下来这条跟AI关系不大,但挺有信号意义.The Verge报道,PlayStation Plus的PC端应用下个月10号关停.

索尼自己说用的人非常少.这已经是它在PC云游戏上又一次收缩了.

那对比微软和英伟达那边还在扩张,索尼这选择挺保守的.

说白了就是对云游戏的投资回报算得很谨慎,以后可能更聚焦主机生态和内容开发.

好,最后一条新闻,YouTube上有个科技频道做了十多个小时的实测,评Fable 5.2和Mythos 5.2.

这个评测挺有意思.官方基准上它在agentic编码和科研上大幅领先,科学推理从52.6跳到74.6,CVE复现率大概90%.

听起来很猛啊,那实测呢?

问题就在这儿.作者自建评测发现,大型代码库分析和真实PR审阅上反而不如Opus和Sonnet,能力分布是尖刺状的.

尖刺状这个说法挺形象的,就是有几个特别高的峰,旁边全是坑.

对.而且Fable和Mythos其实是同一个底层模型,差在安全防护和访问权限.定价降到每百万输入8美元、输出40美元.

好了,新闻先聊到这儿.接下来咱们深聊.先说那个传得挺凶的消息,外网传闻Anthropic在游说美国政府,要给所有美国显卡做硬件层面的设计限制,不能跑中国开源模型.

这个事在bilibili上互动分冲到三千四百多,传播得很广.先说我的判断:如果传闻成真,这是把出口管制从芯片延伸到了模型层.

等一下,硬件层面做设计限制,这技术上怎么落地啊?

理论上可以在固件或者驱动层做校验,但问题是开源模型权重一旦流出,你很难在硬件上判断它跑的是什么.

那这不就等于给显卡加了个不知道边界在哪的锁?

对,而且这跟开源生态是直接冲突的.Reddit上就有人在争,说这等于把美国自己的开源社区也一起限制了.

可是换个角度想,如果真是游说,动机也不难理解,就是想守住前沿模型的领先位置.

动机能理解,但手段的副作用很大.HN上程序员们更担心的是执行层面,硬件限制会不会误伤正常的推理负载.

所以这事儿现在还是传闻阶段,但为什么此刻火起来?

我觉得跟Fable 5.2这波发布有关.前沿模型能力拉得越开,管制思路就越容易往上游走.

行,那咱们就接着聊Fable 5.2和Mythos 5.2.这也是bilibili上好几个日报都在推的.

先说结论:这波发布是Anthropic同时占住攻坚和日常两个位置,但成色是分场景的.

你刚才说科学推理从52.6到74.6,这个跃升幅度确实大.

科研和agentic编码是它的强项,CVE复现率90%也说明了.但你再看大型代码库分析和真实PR审阅,反而不如上一代.

这不就矛盾了吗?同一个模型,怎么有的地方强有的地方弱?

不矛盾,是训练目标偏了.它在特定任务上被强化得很厉害,但通用代码理解没跟上,所以是尖刺状分布.

那bilibili上有人说它8天就构建了操作系统原型,这个怎么理解?

那个案例恰恰是尖刺的体现.原型搭建是它的甜区,但真实PR审阅这种要细读上下文的活,它就慢下来了.

速度慢这点我也看到有人吐槽,说代码审阅质量好但等得久.

对,106 TPS接近Opus,但审阅这种任务它想得多,体感就慢.订阅上Fable还有独立上限,还连带消耗常规周额度.

那要是让我选,日常写代码我可能还是用Opus.

这就是关键.它更适合攻坚场景,日常高频任务反而是上一代更稳.所以别被基准分数带偏了.

总结一下就是,前沿模型的能力越来越场景化,选型不能只看榜单,得看你的任务落在尖刺的峰上还是坑里.

对,这句话可以当今天的结论.

行,今天就聊到这儿,中午见.