搜索
同样的模型，同样的任务，让它执行五遍，再让他自己挑一遍最稳的，效果能有多大提升？斯坦福把这套玩法用在了AI身上，DeepSeek V4 Flash在Terminal-Bench 2.1的成绩从79%一路涨到88%，反超了尖子生Fable 5。而且连做五遍加挑选这一通折腾，价格依然比Fable 5便宜了4-11倍。
A社的王牌旗舰Fable 5，卖不动了。
Anthropic又有两张「新牌」，被提前掀开了！今天，第三方开发者应用和Discord社区中，接连出现了两个陌生的模型ID——claude-mashmallow-eap（棉花糖） 和claude-melon-eap（甜瓜）
这期节目的嘉宾黄东旭，就是Token Maxing热潮的亲历者。他曾经只用最前沿的模型，每天账单三四百美元。让他转变的，是前沿模型的智力碾压和中国开源模型们的崛起——Fable 5可以一句话终结Agent群的讨论，同时大量的日常任务可以做到“只烧电费，不烧Token”。他的结论是：不是前沿模型用不起，而是本地开源模型底座+前沿模型的搭配，成本可控，更具性价比。
今天上午，OpenRouter 没有举行发布会，也没有公布技术报告，只用一个忍者表情放出了一款代号为“Ox Alpha”的神秘模型。“Ox”在英文中正有“牛”的意思，于是，一场属于 AI 行业的“牛来”也开始了。
就在今天，Fable 5.1被曝已开启灰度测试。
一个 Skill，就能让 DeepSeek V4 Pro 超过 Fable 5？
AI自动科研的时代，彻底爆发了！
DeepSeek-v4-pro-0813 正式上线，两极分化的口碑却让人摸不着头脑。一边，是疯狂刷屏的评测夯爆了：多项 Agent 测试逼近 Fable 5，被认为是又一次前沿模型的“核弹级”更新；另一边，却是不少深夜忠实开发者直摇头：吐槽涨价、模型能力不及预期，实测体感甚至不如之前的小模型……
近日，Oh My Pi 作者 can1357 在 X 上发文，展示了利用模型 API 漏洞，直接提取 GPT-5.6、Claude Fable 5 等顶级模型完整内部推理记录的方法。他发现，做到这些并不用破解加密，只需要关闭模型的隐藏思考，再给它一个思考工具，就能让模型主动输出内部推理格式。