【大模型/评测】近期大模型发布与评测要点如下：

Anthropic 今天发布了 Claude Fable 5.1 和 Claude Mythos 5.1，Fable 系列上一代产品 Fable 5 发布还不到三个月。 Fable 5.1 和 Mythos 5.1 是同一个模型，区别在于安全限制的松紧程度。Fable 5.1 面向所有人开放，Mythos 5.1 则只对经过审核的网络安全和生命科学研究人员开放，安全护栏更宽松。这和 Fable 5 与 Mythos 5 的关系一样。 对大多数用户来说，这次发布有三件事值得关注：性能提升、价格下降，以及困扰企业客户两个多月的数据留存争议终于有了解法。 【1】性能：在科学研究基准上翻倍 Fable 5.1 在多个基准测试中的表现都明显优于 Fable 5。几个关键数字：在 Terminal-Bench-Science 0.1 这个衡量 AI 自主科研能力的测试上，Fable 5.1 得分 52.6%，Fable 5 只有 24.7%，直接翻了一倍多。在 Terminal-Bench 4.0 的编程任务上，Fable 5.1 拿到 55.8%（Mythos 5.1 版本达到 60.9%），超过了 Opus 5 的 52.3%。在衡量自动化业务流程能力的 AutomationBench 上，Fable 5.1 从 Fable 5 的 17.1% 跳到了 31.4%。 这些不只是跑分好看。Anthropic 提到的一个实际案例是：投资公司 Millennium 用 Fable 5.1 找到了内部系统一个罕见崩溃的根因，这个问题困扰了他们的工程师好几年，其他模型也没能解决。量化交易公司 Jane Street 也给出了背书，称 Fable 5.1 在长任务中保持可读性方面明显好于前代。 Fable 5.1 支持从 low 到 max 五个 effort level 档位，低档位下的表现已经和 Fable 5 高档位相当，但成本低得多。换句话说，你不一定需要开到最大马力才能拿到好结果。 【2】降价：缓存读取便宜了 75% Fable 5.1 的输入和输出单价不变，仍然是每百万 Token 输入 10 美元、输出 50 美元。但缓存读取（Cache Read）的价格从每百万 Token 1 美元降到了 0.25 美元，降幅 75%。 这听起来像是小事，但做过 AI 应用开发的人知道，在实际使用中，尤其是需要反复引用大段上下文的 Agent 场景下，缓存读取占了总成本的大头。Anthropic 用八月份的真实使用数据算了笔账：一般工作负载下总成本降低约 25%，高度 Agent 化的工作负载（比如 Claude Code 跑长任务）降幅可达 45%。 这个定价调整的背景是：Fable 5 的单价本身就是 Opus 4.8 的两倍，而支付平台 Ramp 的数据显示，Fable 5 发布两个多月后，只占企业客户 AI 工具总支出的约 11%，反倒是更便宜的 Opus 5 在企业端花费上超过了它。降低缓存读取价格，等于把 Agent 场景的实际账单拉下来，让 Fable 系列对成本敏感的企业用户更有吸引力。 【3】数据留存：企业客户最关心的问题 Fable 5 发布时最大的争议是 Anthropic 强制要求所有 Mythos 级模型的使用数据保留 30 天。对于之前享受零数据留存（ZDR）协议的企业客户来说，这等于一夜之间把隐私保障降了一级，尤其是金融、医疗、政府等对数据合规要求严格的行业。 OpenAI 两周前刚利用这一点发起攻势，宣布了自己的 Private Sa…

人工智能促进协会(AAAI)主席、IBM研究员Francesca Rossi发布了91页的《人工智能研究的未来》(Future of AI Research)报告。 这份报告集合了25位顶尖AI研究员与15位专家贡献者的智慧，并结合了475份社区调查问卷的反馈，内容堪称硬核。 报告深入分析了17个关键主题，不仅回顾了AI发展的历史脉络，还直击当前最热门的研究方向，并探讨了未来尚未解决的重大挑战。 看点太多，先聊几个重点话题—— -AI研究已经离不开GPU：企业比高校更容易获取算力资源，导致许多顶级AI研究员纷纷跳槽至科技公司。学术界在这一趋势下该如何应对？ -AI论文数量爆炸，评审制度扛不住了：如今许多AI论文甚至未经正式审核就已发表，社交媒体上AI研究的新进展铺天盖地。但其中哪些是真正的突破，哪些只是营销噱头？ -AI研究不只是AI研究了：AI已不再是计算机科学家的专属领域，心理学、社会学、哲学、经济学等学科专家纷纷介入，使AI研究逐渐演变为一个“社会-技术”交叉学科。这种跨学科融合能否