# 基准的所有文章

在 HTX 新闻中心浏览与「基准」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

Anthropic警告的递归AI，田渊栋新公司刚刚走出了「第一步」

近日，Anthropic发布文章披露，其代码库超过80%由AI撰写，并警告AI“递归自我改进”（即AI自主设计、训练后续版本）可能带来风险，呼吁行业建立暂停机制。与此同时，由田渊栋等人联合创立的新公司Recursive Superintelligence结束了隐身状态，发布了其首项公开技术成果——“迈向自动化AI研究的第一步”。 该系统旨在将传统AI研究中“提出想法-编写代码-运行实验-分析结果”的人工闭环自动化。它能够针对给定目标自动生成实验思路、实现代码、运行验证并从中学习，从而自主推进研究进程，并内置了防止“奖励作弊”的机制。 Recursive在三个差异显著的基准测试中取得了领先结果： 1. **小模型训练优化**：在固定计算预算下，将模型验证损失进一步降低，相当于以更少时间达到同等效果。 2. **训练速度竞速**：在社区持续优化两年的基准上，将训练时间从79.7秒缩短至77.5秒，核心改进包括在注意力层使用FP8计算、为优化器添加退火噪声等。 3. **GPU内核优化**：在英伟达的底层计算内核基准测试中，将整体得分提升至0.754，缩小了与硬件理论极限的差距，而这些优化策略并非来自团队的专业知识，而是由系统自主发现。 Recursive团队阵容强大，已获得巨额融资，其目标是构建能够递归提升自身研发能力的AI系统。这与Anthropic的警告形成了微妙对比：一方正在实践AI加速AI研发的路径，另一方则呼吁为可能到来的“递归自我改进”时刻做好风险管控准备。当前成果虽仅是迈向自动化研究的初步尝试，但标志着一个能够自我增强的AI研发新范式已开始运转。

marsbit10小时前

Anthropic警告的递归AI，田渊栋新公司刚刚走出了「第一步」

marsbit10小时前

“我不需要更好的模型了”：Reddit 热帖下的 AI 众生相

Anthropic发布了新一代旗舰AI模型Claude Fable 5，在基准测试中表现卓越，但用户反响冷淡。Reddit上一篇题为“我不需要更好的模型了”的热帖引发广泛讨论，反映了当前用户的主流情绪。 许多用户认为，现有模型（如Opus 4.8）的能力已足够应对日常工作和代码编写，对新模型带来的边际效益提升感觉不明显，同时对其更高的使用成本和Token消耗感到不满，认为AI模型能力可能已进入平台期。 此外，Fable 5内置的偏保守的安全护栏成为主要槽点。用户抱怨在处理与安全相关（如代码安全审查）的请求时，触发拒绝的频率远高于官方宣称的5%，导致请求被降级回旧模型处理，付费用户对此尤其不满。 然而，也存在反对声音，主要来自处理极端复杂任务的深度用户。他们表示，在需要超长上下文理解、处理万行级别代码或复杂仿真的场景中，Fable 5的能力提升是“革命性”的，带来了实质性的效率突破。 这场争论揭示了AI行业的一个现状：基准测试衡量的是能力上限，而大众市场更关注日常需求的天花板。当多数普通用户的需求已被现有模型满足，更强模型的价值主要在特定专业领域凸显。文章最后指出，未来公开模型的发展，将取决于厂商如何平衡能力、成本、安全与可用性，以及重度用户是否愿意为之买单。

marsbit11小时前

“我不需要更好的模型了”：Reddit 热帖下的 AI 众生相

marsbit11小时前

AGI只差最后一步了

Anthropic 发布了名为 Mythos 的强大 AI 模型，因其在网络安全和生物化学等领域展现出高风险能力而未公开。随后，该公司推出经过安全限制的版本 Fable 5。 Fable 5 在多项测试中表现卓越，尤其在编程和长周期任务上展现出真正的“长程代理能力”，能自主规划并完成复杂工作，例如在一天内迁移了 5000 万行遗留代码。这标志着其在数字经济层面已接近通用人工智能（AGI）。 然而，其未受限版本 Mythos 5 被评估能合成危险物质及发动高级网络攻击，因此仅向经过严格审查的机构开放。为控制风险，Anthropic 为 Fable 5 部署了安全分类器和 30 天数据留存监控。 在定价上，Fable 5 费用较高，主要面向企业客户。其防御性应用可能成为企业的刚需，推动高端 AI 市场向 B 端集中，并可能加速“一人企业”的普及。 这标志着 AI 产业从免费试用走向成熟分工，顶尖技术将优先服务于高价值领域。

marsbit昨天 05:10

AGI只差最后一步了

marsbit昨天 05:10

刚刚，Claude Mythos 5发布，5000万行代码1天搞定

Anthropic正式发布了其最强大的大模型Claude Mythos 5，并推出了面向公众的安全版本Claude Fable 5。两者核心能力相同，但Fable 5在检测到高风险请求（如网络安全攻击、生化风险）时会自动降级使用旧模型Opus 4.8来回应，超过95%的会话不受影响。价格定为每百万输入Token 10美元，输出50美元。 技术方面，Fable 5在多项评测中表现出色：在软件工程基准SWE-bench Pro获得80.3%高分，并能在一天内完成原本需两个月的5000万行代码库迁移。其原生视觉能力可仅凭截图通关《宝可梦》游戏。在长上下文、记忆能力和金融法律等复杂分析任务上也实现显著突破。 官方透露，未完全开放的Mythos 5在生物医药领域展现出强大自主性，能独立执行生物学家工作流，其设计的蛋白质靶向复合物已有多个进入真实药物研发管线。 AI学者Ethan Mollick的测试显示，新模型的工作模式发生根本转变：人类从需要精细操控的“巫师”变为只需提出宏观需求的“甲方”，模型能自主规划并执行长达数小时的多步骤复杂项目。 此次发布也标志着前沿AI进入“权限时代”，最强能力伴随更严格的安全审查（如30天数据留存）。模型在提供强大生产力的同时，其自主性也引发了关于人类角色演变的思考。

marsbit前天 00:23

刚刚，Claude Mythos 5发布，5000万行代码1天搞定

marsbit前天 00:23

从混元到微信AI，腾讯的慢节奏走到交付关口

2026年6月8日，微信AI进入内测阶段，用户可通过自然语言对话直接调用和操作微信小程序。开放平台提供“自动模式”和“开发模式”两种接入方式。自动模式允许平台读取小程序源码，实现零开发成本接入，旨在吸引微信生态内数十万中小开发者；开发模式则允许服务商自定义技能。此举标志着腾讯AI从技术储备、独立产品验证走向在超级应用内的场景交付。 微信AI的底层能力依赖于腾讯自研的混元大模型。该模型在中文大模型评测中基础能力排名国内第二，但在应用与Agent能力上领先。腾讯坚持季度级稳健迭代，而非追逐高频发布，旨在为微信AI所需的稳定、可靠的操作型任务提供支撑。 此前，腾讯的独立AI应用“元宝”在2026年春节凭借红包活动实现日活峰值超5000万、月活破亿，但节后数据回落，常态日活约900万。这验证了微信社交链的拉新能力，也凸显了独立App在留存上的挑战。因此，微信选择将AI原生集成至应用内，通过绑定实际使用场景来提升用户黏性。 微信AI的目标是实现小程序的“龙虾化”（即智能体化），使其能自主执行跨应用任务。但这引发了生态平衡的核心矛盾：高效的中心化AI调度可能削弱服务商的页面流量、品牌曝光与用户沉淀。腾讯管理层承认需兼顾“中心化调度与去中心化流量保护”，具体规则尚未公布。 目前，腾讯AI已形成混元（底座）、元宝（C端验证）、微信AI（场景交付）三条并进的路径。微信AI内测是整合与交付的关键一步，但其成功取决于三个变量：开发者对源码授权的信任、生态流量的合理分配以及AI操作的准确性与责任界定。腾讯的AI战略是一场马拉松，内测仅是中途标记，最终体验与市场接受度仍需时间验证。

marsbit06/08 10:23

从混元到微信AI，腾讯的慢节奏走到交付关口

marsbit06/08 10:23

估值破2000亿，曝Kimi再融136亿，赴港IPO提速

近日，国内AI大模型独角兽月之暗面（Kimi）正洽谈新一轮高达20亿美元（约136亿元人民币）的融资，目标估值达300亿美元（约2035亿元）。若顺利完成，其估值将较去年12月的43亿美元（约298亿元）上涨约6倍，这也将是该公司近半年来的第三轮融资。 月之暗面成立于2023年，核心产品为Kimi智能助手。今年4月，其开源旗舰模型Kimi K2.6在多项基准测试中表现突出，部分维度媲美GPT-5.4等国际顶尖模型。6月，公司还开启了面向知识工作者的本地智能体Kimi Work的内测。 商业化方面，公司已形成一定收入规模，据报道年度经常性收入（ARR）在4月已超过2亿美元（约13.6亿元）。同时，公司被曝正在筹备赴港IPO，以激发市场兴趣，但最终是否启动尚未确定。 当前，国内外大模型企业融资与上市进程均明显加速。除了月之暗面，国内如智谱、MiniMax已启动港股上市，海外如OpenAI、Anthropic的估值亦屡创新高。资本、算力与商业化能力正成为大模型竞赛中的关键变量。

marsbit06/08 07:45

估值破2000亿，曝Kimi再融136亿，赴港IPO提速

marsbit06/08 07:45

Claude Opus4.8发布，Anthropic开始把「可信」做成产品卖点

Anthropic发布了Claude Opus 4.8模型，在六项核心基准测试中取得五项第一，价格维持不变。此次发布的核心卖点并非单纯性能提升，而是显著增强了模型的“可信度”。在代码诚实度测试中，模型对自身错误的漏报率从19.7%大幅降至3.7%。它更擅长暴露不确定性，减少“过度自信的错误回答”，降低了用户因收到看似完整流畅实则错误的答案而带来的风险。 Claude Code功能新增了动态工作流（研究预览版），能自动调度多个子Agent并行工作，并引入对抗性自检机制在交付结果前进行验证，进一步提升了复杂任务输出的可靠性。 模型在数学（USAMO 2026得分提升27%）、长上下文推理和多Agent协作等任务上表现突出。不过，在终端操作任务上仍稍逊于GPT-5.5，且在少数领域（如抗提示注入能力）存在退步。 文章指出，前沿模型的竞争正从追逐基准分数转向对可靠性、可验证性的争夺。同时，Opus 4.8被定位为通往更强大、受限访问的“Mythos”级模型的公开入口，该模型预计将在未来几周内推出。对于用户而言，此次升级意味着可以将更多重要、复杂的工作委托给AI，推动“可委托”成为下一代AI的核心门槛。

marsbit05/29 22:19

Claude Opus4.8发布，Anthropic开始把「可信」做成产品卖点

marsbit05/29 22:19

刚刚，中国AI闯入全球编程前二，前面只剩Claude

Code Arena最新榜单显示，阿里通义千问Qwen3.7-Max以1541分位列全球第四，成为唯一进入该榜单前列的中国模型，排名仅次于Claude Opus系列模型。 在具体任务测试中，Qwen3.7-Max表现突出。例如，在编写可自我训练的俄罗斯方块AI任务中，其成本仅为1.32美元，性能却超越其他模型56%。在构建3D宇宙模型和生成3D像素风宝塔模型等任务中，其输出速度与质量也全面胜出。 一项硬核的3D赛车游戏生成挑战进一步验证了其能力。Qwen3.7-Max首轮生成即基本可玩，并独特地添加了开始界面和音效，细节处理优于其他对比模型（如Gemini 3.5 Flash、Claude Opus 4.6和GPT-5.5），后者大多需要多轮调试。 Qwen3.7-Max被定位为“Agent基座模型”，专为长时间自主执行复杂任务设计。内测数据显示，它能连续运行35小时，执行超千次工具调用，在长程任务中保持稳定推理，无上下文退化或指令漂移。 其技术核心在于训练方法的升级：一是“环境扩展”，让模型在不同执行框架和验证方式中学习通用解题策略；二是“长程自主执行”训练，使模型能在动态环境中进行超千步连续决策与策略调整。 此次Qwen3.7-Max在Code Arena榜单的突破，标志着中国AI模型已在全球编程竞技场中成为重要的竞争者。

marsbit05/27 00:17

刚刚，中国AI闯入全球编程前二，前面只剩Claude

marsbit05/27 00:17

清华00后校友王冠再出新作：用1/900 token、1/432算力，颠覆Transformer预训练模型

清华00后校友王冠团队提出了一种名为HRM-Text的高效预训练模型，使用分层循环模型取代标准Transformer。该方法仅需约1/900的训练token和1/432的估计算力，便使1B参数的模型在多项基准测试中达到了媲美2B至7B开源模型的性能，训练成本约1500美元。其核心是通过双时间尺度递归架构增加计算深度，并采用针对指令-回答对的训练目标，只对回答部分计算损失。研究强调了结构先验与针对性训练能显著降低预训练门槛。同时，论文也指出了当前方法在知识覆盖、自适应计算、规模化验证及工程部署方面的局限性，为未来研究指明了方向。

marsbit05/26 03:15

清华00后校友王冠再出新作：用1/900 token、1/432算力，颠覆Transformer预训练模型

marsbit05/26 03:15

自动化的悖论：AI越强，人类越忙

本文探讨了AI自动化发展中的一个核心悖论：尽管AI能力快速提升，但人类的工作量并未减少，反而可能增加。文章以作者所在公司Every为例，说明AI工具已深度嵌入编码、写作、客服等流程，但并未导致裁员，而是重组了工作形态。人类从重复执行者转变为框架设计者、系统维护者和质量判断者。 AI擅长将过去已沉淀的能力（如代码、文案、客服回复）商品化，使其变得廉价且人人可用。这导致市场出现大量同质化的“默认输出”。然而，真正稀缺的是面对具体当下问题时的判断力、差异化创造和意义定义能力。因此，自动化并未消灭专家，反而创造了更多需要专家介入的场景，例如工程师需要审查AI生成的代码，编辑需要打磨AI起草的文稿。 文章进一步指出，基准测试（如高级工程师编码测试）衡量的只是模型在特定人类设定的“框架”内的表现。模型可以快速攻克一个框架，但人类会不断将问题推进到更复杂的新框架中。AI可以高效执行目标，但缺乏真正的主体性——它回应人类设定的问题，而非自主产生目标。知识工作的未来在于人类持续扮演“框定者”的角色。 因此，AI让“执行”变便宜，却让“判断什么值得做、为何做、做到何种程度”变得更为珍贵。自动化没有消除人类工作的价值，而是使其变得更前沿、更依赖人类的独特判断。

marsbit05/24 07:06

自动化的悖论：AI越强，人类越忙

marsbit05/24 07:06

活动图片

热门分类right-arrow

热门标签right-arrow

行业资讯