天眼晚报

🤖 AI 大模型

𝕏 【重磅】Anthropic Fable 5 内部思维链泄露，展现类人元认知推理

Anthropic的 Fable 5 模型内部思维链（CoT）被泄露，显示其使用自然语言进行自我质疑和争论，而非抽象符号。该机制模拟了人类工程师的白板思考过程，推理过程中包含“等一下”、“让我重新想想”等自然语言自我质疑，标志着 AI 从单纯执行向具备元认知能力的转变。

𝕏 【重磅】Anthropic CEO 确认：1 亿词上下文窗口已可行，推理是瓶颈

Anthropic CEO Dario Amodei 指出，100 million words context window（约人类一生听力总量）在技术上已可实现，当前唯一瓶颈是 inference support。模型可在上下文窗口内学习而无需更新权重。

𝕏 ⭐ 腾讯开源混元 Hy3：295B MoE 模型，幻觉率降至 5.4%

腾讯正式开源 混元 Hy3，295B总参数、21B激活参数的 MoE 模型，支持 256K 上下文。内部评测幻觉率从 12.5%降至 5.4%，常识错误率从 25.4%降至 12.7%，多轮对话翻车率从 17.9%降至 7.9%，多轮意图追踪提升至 75.1%。270 位专家盲测得分 2.67/4。具备 Agent 优先设计、快慢思考切换功能。输入 1 元/百万 tokens，输出 4 元/百万 tokens。LMSYS 宣布 SGLang 即日起支持该模型，提供 FP8 量化版本与 MTP+EAGLE 投机解码。

𝕏 ⭐ Claude Opus 4.8 工具调用能力反直觉倒退，新模型更易生成错误字段

Claude Opus 4.8 和 Sonnet 5 在处理复杂嵌套工具 Schema 时出现退化，倾向于凭空添加未定义的字段（如 requireUnique）导致校验失败。此问题在长对话历史中复现率约 20%，开启 strict 模式可解决。这一现象揭示了 RL 训练对特定闭源 Harness 的过拟合，迫使开发者必须开启 strict 模式以保障稳定性。

𝕏 ⭐ 零一 AI 战略转型：不再对标 OpenAI，转攻主权 AI 订单，2025 年订单 5 亿

零一 AI 创始人 李开复 不再将 OpenAI 作为基准，对标 Palantir，转向主权 AI。已获 2025 年 5 亿元订单，2026 年 15 亿元 合同，覆盖中亚、中东、东南亚。计划 2027 年盈利。

𝕏 ⭐ 字节跳动发布 EdgeBench：长程 AI Agent 评测框架

字节跳动 Seed 发布 EdgeBench 评测框架，要求 Agent 在真实环境中连续运行 12-72 小时，完成 134 个任务。测试中 Agent 表现呈现 log-sigmoid 学习曲线，类似 Scaling Law。已开源 51 个任务。

𝕏 ⭐ 字节跳动和阿里巴巴因中国新规关闭类人 AI 伴侣功能

字节跳动的 豆包 和 阿里巴巴的 通义千问 将于 7 月 15 日 下线用户创建的 AI 角色/伴侣功能，以遵守中国关于 AI 模拟人类情感互动的新规定。

GPT-5.6 Sol 首批内测：成本仅为 Fable 5 一半，代码能力更优

据消息，GPT-5.6 Sol Ultra 将出现在 Codex 中。首批内测显示 GPT-5.6 Sol 在代码简洁性、C++写法上明显优于上代，30 小时跑赢 Opus 64 小时的加速效果。整体体验略逊于 Fable 5 但成本减半，安全限制更宽松。即将全量上线。

𝕏 ⭐ TinyRouter：仅 10K 参数的 LLM 路由器，通过路由超越单个模型

开发者逆向工程 Skana AI 的 Fugu 路由架构，构建 ~10K 参数 的 tinyrouter，学习为每项任务选择最佳模型，在 MMLU 上超越所有单个模型。

𝕏 ⭐ 分析称 GLM-5.2 的推理轨迹多样合理，并非单纯刷榜或蒸馏 Claude

研究人员检查 GLM-5.2 的推理痕迹，发现其尝试多种合理方法，不同种子轨迹多样，与 Claude 模型差异明显，暗示并非简单刷榜或蒸馏。

𝕏 ⭐ LLM 原始缩放定律因 bug 错误，可能浪费了大量算力

研究发现最初的 缩放定律 因代码 bug 导致错误，可能致使大量算力浪费在过大但训练不足的模型上，且未考虑推理成本。

𝕏 ⭐ TogetherCompute CEO：将数据发给闭源模型公司无异于交出商业配方

TogetherCompute CEO Vipul Ved 评论 Palantir CEO 观点，称将数据发送给拥有极强模型的闭源公司，等于给出商业秘方供其复制。

𝕏 SeFi-Image：开源 AI 绘画模型，可写少量汉字

SeFi-Image 模型发布，支持生成含少量汉字的图像，提供 1B、2B、5B 参数版本。开源可用。

𝕏 GLM5.2 不知自己不能识图，常下识图命令导致 400 错误

用户反馈 GLM5.2 模型在无图像能力时自行调用识图命令，报 400 错误，与 DeepSeek 等模型的谦虚表现形成对比。

---