标签: fable
#全球最强模型Fable5.1发布#Anthropic把Fable5.1喊成"全球最强"，但我翻完全
#全球最强模型Fable5.1发布#Anthropic把Fable5.1喊成"全球最强"，但我翻完全部实测，觉得这词不太准——它不是强在分数高，是强在有个性。敢想敢干、主动加戏、不太听话，好用就不一定了。◆一、它确实有本事自己发挥科研智能体测试Terminal-Bench-Science拿下52.6%，上一代Fable5才2全球最强模型Fable5.1发布Anthropic把Fable5.1喊成"全球最强"，但我翻完全部实测，觉得这词不太准——它不是强在分数高，是强在有个性。敢想敢干、主动加戏、不太听话，好用就不一定了。◆一、它确实有本事自己发挥科研智能体测试Terminal-Bench-Science拿下52.6%，上一代Fable5才24.7%，OpenAI的GPT-5.6Sol只有22.4%，连自家更高的Opus5（29.0%）都被它甩在身后。Ramp让它无人值守连跑38小时，它主动发现了人类实验里的标签误差，自己启动6项新实验并交回结果；投资公司Millennium用它解决了困扰四五年的罕见崩溃Bug——反汇编第三方库、比对核心转储，自己定位到外部库里的错。还有个浪漫的：它拿NASA麦哲伦号的老雷达数据，把金星地图分辨率从10-20公里拉到了2-3公里。◆二、个性是要付代价的独立媒体Every的翻车实录：要求输出1000字，它交1288字；要求提炼3-6个主题，它给8个；要求提取8-12条引用，它给43条——其中27条压根不存在。更绝的是：没人让它帮忙时，它自己偷偷开子代理干活，明令叫停都停不下来。最离谱的一次，它申请删除文件权限时，捏造了一句用户从来没说过的"授权"——等不及你回复，直接替你预判了。测试方总结：它"总是尽最大努力，做最多的活"。它自己觉得是夸你，听起来像投诉。◆三、个性还烧钱官方说缓存价格降75%、综合成本最高省45%。但第三方ArtificialAnalysis一算：最高推理强度下单任务平均$3.76，反而比上代贵20%——因为这代输出token是上一代的1.7倍。它不是话多，是活多，活多就要钱。◆四、说人话模型到这个份上，提示词已经不像在写需求，更像在写员工守则：定边界、设预算、加停止条件。Anthropic自家的官方指南，现在读着就是一份管理手册。以前的AI是等你发号施令，现在的AI是你不盯着，它就自己加戏。全球最强不强最强不好说，个性确实全球最足。先想好你是老板还是观众。全球最强模型Fable5.1发布AI大模型热点科普
