AMAZINGINDEX.COM 每天向上一点
53.9
VOL. 2026.11
2026.11.10
← 返回 2026.11.10 日报
日报快照 · Daily Snapshot
NO. 013

Claude推双版本模型:30小时证出费马大定理

#ARTICLE HackerNews 2026.11.10
推荐指数 73.0 NO. 013 · 2026.11.10
发布2026/11/09Score914Comments552

Anthropic发布Claude Fable 5.2和Mythos 5.2,同一模型分安全版与开放版,在编码、推理和视觉能力上大幅提升, prerelease测试中完成软件迁移、从零设计电子设备、解决黑洞物理开放问题等任务。对AI工程师而言,这意味着复杂技术任务的自动化门槛被显著抬高,需要重新评估哪些工作流可以被模型直接接管。

Fable和Mythos的双版本策略值得细品:Anthropic把安全约束做成了产品分层工具,而不是一刀切地限制所有用户。这跟OpenAI的o系列、DeepSeek的R1走了一条不同的路——不是堆推理算力,而是用安全等级换能力释放空间。

30小时形式化证明费马大定理这个case尤其关键,它暗示模型在Lean/Coq这类形式化语言上的可靠性已经逼近可用阈值。做程序验证、智能合约审计、芯片设计验证的团队,之前这些领域的人力瓶颈极重,现在需要测试这类模型能否嵌入现有工作流。

但注意Anthropic的措辞:"prerelease testing",说明这些成果是在受控环境下由内部工程师完成的,不代表普通用户prompt就能复现。实际落地能力可能和演示存在gap,建议等第三方独立测评后再调整技术选型。

意见分歧 476 条评论

核心争论:新模型命名5.2而非5.5是否刻意保留实力,以及发布时机是否与IPO相关

shmoil

>> Fable 5.2 and Mythos 5.2 are a step above Opus 5.5 in almost all the capabilities we evaluated. Was this before you lobotomized Opus 5.5 or after? https://news.ycombinator.com/item?id=50419019

solumos

Definitely raises an interesting question. Are they using launch benchmarks for Opus 5.5, or Oopus 5.5 from this week?

minimaxir

Normally I would say "just check against the original Opus 5.5 benchmarks" : https://www.anthropic.com/claude-opus-5-5 ...but most of the benchmarks don't line up anymore because the benchmarks have changed. The Humanity's Last Exam result matches the initial announcement, though.

替代方案: Opus 5.5Opus 5.0Opus 5.1Astra 6.2DeepSeek Flash v4.1 1017
查看原文 →