AI Daily Digest: Claude Fable/Mythos 5.2 双旗舰、Meta Muse Ember 效率前沿、Opus 5.5「被削」争议 - 2026/11/09
今天的主线是模型层的两极分化与信任焦虑:Anthropic 一天发布 Fable 5.2 与 Mythos 5.2 双旗舰,FrontierCode 2.0 冲到 49.1%;Meta 同步推出 Muse Ember,把"智能/美元"压到 $0.14 一档——旗舰更贵更强、小模型更小更便宜,中间的模型逐渐没有存在感。而 HN 543 分的「Opus 5.5 被削了?」争论则在追问另一件事:当模型 API 是黑盒,你怎么知道自己今天用的还是昨天那个模型。
Anthropic:Claude Fable 5.2 与 Mythos 5.2
Anthropic 发布了 Fable/Mythos 系列的年度升级(HN 423 分)。同一个底模两个出口:Fable 带网络安全与生物安全防护面向所有用户,Mythos 减少防护、只对通过 Cyber/Life Sciences 验证程序的组织开放。核心数据:
- FrontierCode 2.0:49.1%(Xhigh 档),所有已发布模型最高;High 档即可与 Opus 5.5 的 Max 档打平(45.3% vs 45.5%),单任务成本约为后者一半
- 生成速度比 5.1 快 30%,价格降至 40 每百万 token;另有 2.5 倍速的 fast mode(80)
- 真实任务侧:帮助工程师完成原本"不可行"的软件迁移(Python→Rust,启动快 26 倍)、30 小时形式化费马大定理证明;一个内测案例里,模型协调 1,000+ subagent 工作 8 天,从空文件夹写出一个能在笔记本上启动的原型操作系统
更值得注意的是结构性信号:官方披露 Anthropic 核心代码库 90%+ 的 merge 已由 Claude 完成,且 Fable 5.2 被设计为 Advisor/Orchestrator——供 Haiku/Sonnet/Opus 遇到难题时咨询、或把简单任务下派给小模型。旗舰的新角色不是替代小模型,而是当小模型的上诉法院。
Meta:Muse Ember 把 subagent 价格打到 $0.14/任务
Meta 同日发布 Muse Ember,明确定位 agent 全天重复的"小活":工具调用、代码子任务、路由、抽取、长文档解析。0.50 每百 万 token、1M 上下文 + 512K 输出,Artificial Analysis 口径约 $0.14/任务——同分下约为 Claude Haiku 5.5 最佳档的三分之一成本。AutomationBench-AA 上 37.8%(Haiku 13.9%、GPT-6 Luna 20.2%)。
真正值得记的是训练方式:Muse Ember 是第一个用 Muse Wonder Full(旗舰)训练出来的专用小模型。"旗舰训练小模型、小模型跑生产流量"的族谱分工正式落地——今天两家的发布其实是同一个策略的上下两半。
「Opus 5.5 被削了?」:部署后模型漂移没人测
HN 543 分的争论:11 月 7 日起大量开发者抱怨 Opus 5.5 在 Claude Code 里"变弱"。用户 Shane Melaugh 让 Gemini 4 Argon 分析自己 1,400 个会话,声称 11 月 3 日前后推理风格突变而模型名未变;Theo 给出替代解释——Anthropic 在按账号灰度发布推理摘要器变更,"thinking 看起来不一样"不等于模型变了。
开源侧的回应 LiveNerf 提供了正确的方法论:每天在固定 harness 版本上重跑同样 78 道难题,变化必须连续两个窗口超 99% 置信区间、≥3 分、且对照组不出现才计数。截至 10 月 23 日:0.571 vs 基线 0.584,误差范围内,未检出削弱。教训有三层——"变弱"可能来自权重、推理服务层(量化/算力/摘要器)、或 harness 默认值,三者感知相同但对策完全不同;单用户轶事加 LLM 分析证据等级很低;依赖模型 API 的团队应当自建固定探针漂移 监测,因为基准只测发布时的模型,没人测你明天用的那个。
arXiv 三篇:记忆投毒、文档债、并行 agent 团队
- MemoryDojo(2611.09721):首次系统基准化 agent 记忆投毒——一次会话里遇到的恶意指令经记忆持久化后,跨会话持续改变 agent 行为。记忆写入需要与读取同等强度的治理:来源标记、会话隔离、写入过滤
- When Instruction Files Go Stale(2611.09802):量化
AGENTS.md/CLAUDE.md的文档债——指令文件每步都被读入,过时内容不但烧 token 还主动误导 agent。指令文件要像代码一样 review、检测过期、指定 owner - Test-Time Compute Scales Better with Parallel Agent Teams(2611.09798):有 verifier 打分时,同等推理预算下并行多 agent 团队比 Best-of-N 扩展性更好——与 Fable 的 Orchestrator、Muse Ember 的 subagent 定位互相印证
快讯四条
- H100 租赁价差 4.6 倍(HN 146 分):同样的卡,12.29 一小时取决于租在哪——推理成本优化里,"选哪家云"经常比"选哪个模型"杠杆更大
- DeepX 第二代推理芯片:宣称 5W 以内跑 100B 参数推理,LPDDR5X PIM 路线——边缘侧大模型推理的算力/功耗曲线继续左移
- OpenAI 收购 Pierre Computer Company、发布 GPT-Image 2.6(11 月 4 日),并预告下一轮安全加固——旗舰迭代与安全 sprint 交替进行已成节奏
- Next-Concept Modeling(HN 173 分,arXiv 2610.14162):粗到细并行文本生成,绕开逐 token 自回归的吞吐上限
结语
今天的故事拼在一起是一张完整的图:旗舰负责仰望上限(49.1% FrontierCode),小模型负责踩住成本线($0.14/任务),中间层被挤压;而当模型供给变成持续流动的黑盒服务,「模型被削」从阴谋论变成需要 LiveNerf 式基础设施回答的工程问题。选模型的自由度在扩大,验证模型的义务也在同步加重。
来源:Anthropic、Meta Muse Ember、HN: Is Opus 5.5 nerfed?、HN 首页(2026-11-09)
