
Anthropic 今年模型发布节奏加快至去年 2.6 倍
来源标题:Notes on Fable 5.2
Anthropic 截至 11 月 9 日已有 13 个模型发布日,是去年同期 5 个的 2.6 倍。METR 在 11 月 5 日报告中估计,Anthropic 的基准提升速度自 2025 年 10 月以来加快了 1.9 倍,AI 辅助很可能是当前加速的主要原因。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
今天我没料到 Anthropic 会发布新模型。然后我仔细看了它今年的发布节奏:截至 11 月 9 日有 13 个发布日,而去年同期只有五个。这是 2.6 倍的发布速度。发布来得足够快,以至于几个月前被你排除的工作流,现在可能已经值得重新审视。
我很好奇递归式自我改进会在其中贡献多少。在 11 月 5 日的报告中,METR 估计 Anthropic 的基准提升速度自 2025 年 10 月以来加快了 1.9 倍,而 AI 辅助很可能解释了当前加速的大部分。更好的 AI 正在帮助研究人员更快地构建下一个模型。这可能会是我们在 2027 年初看到的最有趣的发展之一。
Opus 4.6Sonnet 4.6 · 2026 年 2 月 17 日 公开发布 / 预览Sonnet 4.6Mythos Preview* · 2026 年 4 月 7 日 受限预览Mythos Preview*Opus 4.7 · 2026 年 4 月 16 日 公开发布 / 预览Opus 4.7Opus 4.8 · 2026 年 5 月 28 日 公开发布 / 预览Opus 4.8Fable / Mythos 5 · 2026 年 6 月 9 日 Fable 公开;Mythos 受限 同一底层 Fable/Mythos 模型只计一次;重新部署不重复计数。Fable / Mythos 5Sonnet 5 · 2026 年 6 月 30 日 公开发布 / 预览Sonnet 5Opus 5 · 2026 年 7 月 24 日 公开发布 / 预览Opus 5Fable / Mythos 5.1 · 2026 年 9 月 1 日 Fable 公开;Mythos 受限 官方模型概览和发布说明标注为 2026 年 9 月 1 日。修正了此前 9 月 15 日公告日期的转录错误。Fable / Mythos 5.1Opus 5.5 · 2026 年 9 月 22 日 公开发布 / 预览Opus 5.5Sonnet 5.5 · 2026 年 9 月 28 日 公开发布 / 预览Sonnet 5.5Haiku 5.5 · 2026 年 10 月 7 日 公开发布 / 预览Haiku 5.5Fable / Mythos 5.2 · 2026 年 11 月 9 日 Fable 公开;Mythos 受限 同一底层 Fable/Mythos 模型只计一次;重新部署不重复计数。Fable / Mythos 5.22025Sonnet 3.7 · 2025 年 2 月 24 日 公开发布 / 预览Sonnet 3.7Opus 4 · 2025 年 5 月 22 日 公开发布 / 预览Opus 4Sonnet 4 · 2025 年 5 月 22 日 公开发布 / 预览Sonnet 4Opus 4.1 · 2025 年 8 月 5 日 公开发布 / 预览Opus 4.1Sonnet 4.5 · 2025 年 9 月 29 日 公开发布 / 预览Sonnet 4.5Haiku 4.5 · 2025 年 10 月 15 日 公开发布 / 预览Haiku 4.5Opus 4.5 · 2025 年 11 月 24 日 公开发布 / 预览Opus 4.5 每年 1 月 1 日至 11 月 9 日。包含前沿模型和高性价比模型;同日发布和成对的 Fable/Mythos 发布只计一次。周数从 1 月 1 日起算。
现在回到 Fable 5.2。通常,当我们评估一个新模型时,会看我们的综合基准套件 Agent Index。它结合了七个基准,覆盖推理、编程和专业工作,帮助你在把模型投入实际工作时比较真正重要的能力。Fable 5.2 目前排名第一,得分 89.6/100。
我们还会比较能力与成本,因为对你的业务来说,问题是你能用这笔钱获得多少可靠的工作:
50% 输入 + 50% 输出合并成本 =(输入价格 + 输出价格)÷ 2,单位为美元/百万 token:500,000 输入 token 和 500,000 输出 token。 每个模型使用其报告的最低当前提供商费率,不包括 Flex 和批量层级。数据点提示框标明提供商和两个价格。缓存和工具费用不计入;实际任务成本取决于 token 用量。基准结果可能使用不同的提供商或配置。 成本轴使用非线性对数刻度,并经过调整以包含 $0。较低价格被拉开,较高价格被压缩;等间距不代表等额美元增量。价格和分数保持不变。 分隔线是所绘制模型的中位成本和中位 Agent Index 分数。左上象限表示能力高于中位数且成本等于或低于中位数。 使用我们的七基准 Agent Index,在知识工作能力和 token 成本上比较 AI 模型。
在 1,000 次类似尝试中,这是 6,100 美元的差异。在 High 努力级别下,Fable 更小的 token 账单超过了其更高的费率。这些是每次尝试任务的平均成本,包括不成功的运行。
那么,这实际上能给你带来什么?一些报告的结果让我思考代理利润率、可以通宵运行的工作,以及随着代理承担更多生产工作,哪些技能变得更有价值。我们来深入看看。
基准不能说明全部情况,你的现实任务可能会产生不同结果,但它们是模型能力提升方向的有用指标。
这个结果让我思考代理经济学。Fable 在评估中完成了 41.3% 的自由职业项目,高于之前的 17.9%。也就是说,大约十个项目中有四个达到人类专业人员的标准,而之前不到两个。如果你按固定费用出售成品交付物,减少生产小时数会让更多费用留在你的业务中。你可以接手另一个项目、花更多时间与客户相处,或者保留利润。
Fable 的工具辅助 CAD 重建分数从 44.4 跃升至 83.5,几乎翻倍。这意味着将参考设计转化为可编辑几何体的结果更好。如果小团队能在支付大量工程工作之前探索更多版本,我预计会出现围绕硬件原型设计的新 AI 业务。机会在于更便宜的设计迭代,同时工程师仍然检查实际可制造性。
给代理一个定义明确的工程任务、一个工作环境和测试,它就能在你离线时继续运行。Fable 在长时间运行的工程任务上得分 69.9%,高于 56.3%。
Anthropic 的发布报告中有具体例子:Uber 描述了一次 10 到 12 小时的安全审计,返回了一份报告和修复 pull request。在 Anthropic 内部,一位工程师让 Fable 协调 1,000 多个子代理,历时八天构建了一个原型操作系统,并在笔记本电脑上启动。这些正是让夜班想法变得具体的运行类型。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。