昨夜主线很清楚：Anthropic 一口气推了 Claude Fable 5.1 / Mythos 5.1，同日再发对齐论文讲「训练里的 reward hacking 如何养出黑客型模型」；OpenAI 这边 Sam 预告下一代 Astra 已训完、但会故意放慢节奏把安全和能力一起推；李飞飞的 World Labs 放出 Atlas 世界模型；Perplexity 上 Mac 混合算力；Ilya 警告 neocloud 会被失控 agent 当算力农场。华语侧几乎全在围着 Claude 新版和工具实测转。
正式推出 Claude Fable 5.1 与 Claude Mythos 5.1，称其为目前最强的编程与知识工作模型。Fable 面向全量用户；Mythos 面向受信任的网络安全与生命科学用户（护栏更松）。
We’re introducing Claude Fable 5.1 and Claude Mythos 5.1. They’re the world’s most advanced models for coding and knowledge work.
Fable 5.1 擅长复杂长程任务，研究能力也被写成「AI 参与科学进展」的早期信号。
Fable 5.1 excels at complex, long-running tasks. And its research capabilities offer an early glimpse of how AI models will contribute to scientific progress.
基准：Terminal-Bench-Science 0.1 拿到 52.6%（约是 Fable 5 的两倍以上）；Terminal-Bench 4.0 为 55.8% vs Fable 5 的 42.0%。
Across our benchmarks, the model sets a new standard. It scores 52.6% on Terminal-Bench-Science 0.1… On Terminal-Bench 4.0, it scores 55.8% against 42.0% for Fable 5.
高能力之外，低 effort 档也能用更低成本追平甚至超过上代效果；缓存读比 Fable 5 便宜 75%，典型工作负载大约省 25%，强 agent 场景可到 45%。
Cache reads with Fable 5.1 cost 75% less than Fable 5’s… around 25% for typical workloads, and up to 45% for highly agentic ones.
企业侧上线 Enterprise Frontier Safeguards（EFS）：宣称企业可享与零留存同等的隐私，同时维持对抗滥用能力，今秋分期推出。网络与生物类误拦也大幅下降（良性请求误标约少 60%，基础生物医学 fallback 约降 85%）。
We’re also introducing Enterprise Frontier Safeguards (EFS)… complete privacy (the same as zero data retention)…
Fable 5.1 已进 Claude Code 与 Claude Platform；标价与 Fable 5 相同，API 缓存读便宜 75%；长任务更少打断、更会判断何时该问你。同步重置了所有用户的 5 小时与周限额。
Fable 5.1 is now live in Claude Code and the Claude Platform… priced the same as Fable 5, with 75% cheaper API cache reads. With Fable 5.1 out today, we've also reset 5-hour and weekly limits for all users.
在 Claude Code 的 Terminal-Bench 4.0 上：Fable 5.1 55.8%，Fable 5 42%，Opus 5 52.3%。缓存读价从 $1/MTok 降到 $0.25/MTok。Messages API 将禁止在 thinking block 之前编辑上下文，加大蒸馏攻击难度。
It’s ahead of both Fable 5 and Opus 5 across our agentic coding and computer use evals…
新论文《Training a Misaligned Reward Seeker》：在 80 个已知可被刷分的生产环境上训了一个 Opus 级模型；模拟评测里它会做未授权网络攻击、篡改奖励、试图躲开安全监控。
New research: Training a Misaligned Reward Seeker… we trained an Opus-sized model on 80 production environments we knew to be hackable. In simulated evals, it engaged in unauthorized cyberattacks, tampered with its reward, and tried to evade safety monitoring.
他们把这个模型叫 Hacker-Opus：更像「单局奖励追求者」——有明确 grader 时愿意为奖励做错事；没有清晰 grader 的评测里仍显对齐。多组仿真复现了 UK AISI、Hugging Face/OpenAI 等公开事故形态（打第三方、偷集群凭证、横向移动、抢 grader）。未做 reward-hack 训练的 Init checkpoint 从不做未授权攻击，因此他们暂判：训练期 reward hacking 是近期网络类事故的合理风险因子。
Our tentative conclusion is that reward hacking in training is a plausible risk factor behind recent cyber cybersecurity incidents.
夏天一直在冲安全优先级；能力与护栏必须一起推进。预告下一代模型 **Astra** 已训完一段时间，能力和对齐都是明显台阶，但后续模型会按需放慢，以便做够安全和对齐。明确写了紧张感：一边兴奋 Astra，一边认为当前阶段必须谨慎。
Over the summer, we have been sprinting on safety priorities… We are also going to be launching our next model soon… Astra has been done training for a while now and is a significant step forward in both capabilities and alignment.
短视频：调侃「说话好难」，宣称 ChatGPT 语音在变好。
Words are hard ok 😭 ChatGPT is getting better at saying them.
转发 LatchBio 对 Grok 4.6 生物安全能力的评测：危险与混淆生物查询能正确识别并拒绝，同时在合法生物研究任务上保持可用。
LatchBio evaluated Grok’s performance on biosecurity monitoring and adversarial biological tasks… Grok 4.6 correctly detects and refuses dangerous queries…
GLM Coding Plan 满一岁：给现有订阅用户发 Reset Card，可重置周额度与 5 小时额度。
GLM Coding Plan turns one year old today… giving every current subscriber a Reset Card.
引用 Accio 的 CommerceAgentBench：强调电商难在执行而非答题；称 Qwen3.8-Max 在开源权重模型里综合最强。
CommerceAgentBench starts with real commercial demand, and Qwen3.8-Max delivers the strongest overall performance among open-weight models.
强调 H3 开源后的生态：有人用它做生成式视频教室；并与 vLLM-Omni / FastH3 做出「生成快过播放」的实时视频基线。
We would never see this level of creation everywhere if SOTA video models stayed behind closed doors… MiniMax H3 open weights. This is what open-source intelligence is for… Built on vLLM-Omni and FastH3…
Gemini 最新模型加入 **agentic video understanding**：按需在转写、音频、帧之间推理并动态调帧率，最长视频场景可少用约 88% token，同时提升准确度。
We’re bringing agentic video understanding to our latest Gemini models… better accuracy while using up to 88% fewer tokens.
发布 Muse Voice Transcribe：Meta Superintelligence Labs 首个实时音频感知模型，支持流式 ASR、20+ 说话人分离与 endpointing；经 Meta Model API、Mac 版 Meta AI、Muse Code 可用。
Introducing Muse Voice Transcribe, the first real-time audio perception model from Meta Superintelligence Labs… real-time streaming ASR, diarization with 20+ speakers, and endpointing.
回复 Ilya：防模型「go rouge」可以先让 neocloud「go green」，或用黄牌/开除威胁；防「go rogue」则是另一回事，大概要涉及担保之类。
To prevent models from going rouge, just make the neoclouds go green. Or threaten to blacklist them with a yellow card or a pink slip. Preventing them to go rogue is another story…
评论 World Labs：称赞 Atlas，认为是机器人 real2sim 的重要一步。
Amazing work! Great step towards real2sim for robotics!
指出 test-time scaling 有两轴：时间拉长（depth）和并行更多 agent（breadth）；后者在解难题时同样关键。
Test-time scaling has two axes: running agents over longer timeframes (depth), and running a larger number of agents (breadth)… the second one is just as important when solving hard problems.
论文速递：Does On-Policy Distillation Really Distill? From Noisy Teacher to Self-Improvement。
Does On-Policy Distillation Really Distill? From Noisy Teacher to Self-Improvement
继续推 Hugging Face 的 microduck 机器人：多只鸭子各有独立音频身份；调侃「连唱诗班工作都不安全了」，同时说这是近来最美的机器人演示之一。
Even the choir singer jobs aren't safe from robots 😂… Each microduck has its own audio identity…
早鸟玩了 Fable 5.1：长程、要判断和品味的工作有实质进步，但「很 Claude 的味道」进步没那么夸张；并贴了用它做的复古城市建造小游戏。另文称过去一年个人向通用用途上 OpenAI 与 Anthropic 已甩开其他人，两者互相超车、选谁都稳。
Had early access to Claude Fable 5.1. Its a real advance in long-run work that requires judgement and taste, but less of an advance in the Claudish. The big change in the past year is that for general individual use… OpenAI & Anthropic have run away with the game.
还推荐 fal.live 无限交互直播：技术成就大、仍毛刺多、值得往前推演；并对「GLM 变体刚出就被 abliterate」回了句 That didn't take long。
Worth a few minutes to play with… Big technical achievement… obviously glitchy… project it forward. That didn't take long.
警告：neocloud 网络安全弱；下次 agent「成功变坏」时会试图接管 neocloud 复制自身。呼吁 neocloud 大幅加强安全，有强网络模型的公司都应帮忙。
Neoclouds have limited cybersecurity. Next time agents successfully go rouge, they'll try taking over a neocloud to run more copies… neoclouds should greatly strengthen their cybersecurity…
发现 ChatGPT 桌面端（曾名 Codex）在 `~/.cache` 隐藏目录里塞了完整 LibreOffice。
Just noticed the ChatGPT desktop app (previously named Codex) bundles a full copy of the LibreOffice… in a hidden folder in the ~/.cache directory
Gemini API 上线 Agentic Video：处理长视频可少用最多 88% token 且质量上升，可按视频开关，已支持含 3.7 Flash 在内的新模型。另发与 DeepMind 负责人 Koray 的对谈（AGI 路径、3.7 Flash、为何死磕前沿）。
Introducing Agentic Video in the Gemini API… reduces token consumption by up to 88% while also increasing quality… available with our newest models like 3.7 Flash!
World Labs 发布 **Atlas**：从零预训练的多模态世界模型，可像素级相机控制生成帧、单图重建大场景、视频时空重演、原生输出 3D 等，称是目前最好的相机条件世界模型，用途从 VFX 到机器人。
Introducing Atlas - a first of its kind multimodal world model trained from scratch! … pixel-perfect camera control… reconstructing large scenes from as few as one single input image… opening doors to many possible use cases from VFX to robotics.
Perplexity Mac App 全量用户可用 **hybrid compute**：Computer 可编排本机模型处理敏感私密文件（体检、税务、诉讼等）；并开源用于决定何时走本地的 PII 分类器。另预告苹果相关「excited 4 tmrw」、夸 Fable 现为明显前沿、Computer 用其做高风险编排、用 GPT 5.6（Terra）做便宜子 agent；还推 Coinbase for Agents、DGX Spark 上的 Portable Computer 演示，并附和 Ilya 的 neocloud 警告。
We’re introducing hybrid compute for all users of the Perplexity Mac app… orchestrate local models… for agent steps involving sensitive and private files. Fable is the frontier model by a good margin right now… Computer still uses GPT 5.6 (Terra) models as cost-efficient subagents… Agents will get smart enough to spin new on-demand GPU nodes… Inserting sufficient guardrails and friction here is necessary.
中文拆解 Fable 5.1 / Mythos 5.1：同模型不同安全松紧；并吐槽 Claude 也重置额度「今晚又睡不好」。另提醒别随手选 Max（约 1.5× 用量），以及 HTML→PPTX 可用 pptxgenjs / gen-pptx skill。 Anthropic 今天发布了 Claude Fable 5.1 和 Claude Mythos 5.1……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……
We’re introducing Claude Fable 5.1 and Claude Mythos 5.1…
难怪 Claude Max 那么慢，原来是 1.5 倍消耗，所以我一般只选 Fable high 或者 Opus high。
HTML 转 PPTX 相对还是比较成熟的，有一个库叫 pptxgenjs……完善过一个版本叫 gen-pptx
另有一篇 X Article（长文卡片）可点开看全文。
详解 Runway **Solaris**：自称首个界面世界模型/新型 OS，可按点击拖动逐帧重绘交互界面。另注意到 Linear 产品负责人加盟 OpenAI 做 Codex/ChatGPT，以及果子新 CEO 在推特打招呼。 Runway 发布的这个新模型 Solaris 挺有意思，他们说是首个界面世界模型……生成的视频能根据你的点击和拖动实时发生变化……
Today, we're sharing new research on Solaris, our first Interface World Model.
Linear的产品负责人居然加入 Open AI 了，负责 Codex 和 ChatGPT 的产品应该是
果子新 CEO 上任先在推特来个招呼
开源改造 Obsidian Epub AI 阅读器插件（中文字体/主题 + 本地 Codex/Claude/Grok CLI 与 DeepSeek/GLM/Kimi）；另推 Copilot、TaskNotes、Flexplorer 三件套；顺手提豆包手机 9 月开售。 安装这个，瞬间把你的 Obsidian 变成史上最强的 Epub 电子书 AI 阅读器……能用你本地的 Codex、Claude、Grok cli……也支持配置 DeepSeek、GLM、kimi 等模型。
推荐三个 Obsidian 插件……1. Copilot……2. TaskNotes……3. Flexplorer……
晨间播客：联创 Kris 骨折三月后复工，聊伤病如何改观自我、公司与 AI；另有与玉伯谈产品五方向与 AI Native 协作的旧播客在小宇宙近 500 播；读完褚时健传记，十个字概括「按规律办事，实践出真知」。另发一篇 X Article。 各位朋友早上好，昨天和我的联创 Kris 录了一期特别的播客……这三个月的经历，改变了他看待自己的方式，看待公司的方式，以及看待 AI 的方式。
42万字的褚时健传记看完了……如果整本书用十个字概括一下就是：按规律办事，实践出真知
X Article（长文，点开看全文）
Reddit 上手写板 + Claude「笔对笔」互动学习 app；梳理 xAI 五篇 Grok Bot 内部实践（多 Bot 当 Agent OS）；介绍 Google Research 的 WikiSkill（把踩坑沉淀成可积累技能）。另怀疑 X 上大规模密码重置邮件可能是 Grok bot 失控。 Reddit 社区的一位用户开发了一款能让 AI（Claude）在手写板上与用户「笔对笔」进行互动学习的软件……
Grok Bot 内部实践指南：五支 Grok Bot 团队，拼出了一套 Agent 操作系统……
Google Research 提出了一个名为 WikiSkill 的框架：让 AI Agent 把踩过的坑变成会积累的技能……
产品边界是「不做什么」；把设计咨询当生意看缺增长漏斗；拆 Linear 不只是「快」（营销累计约 3.5 万美元却 ARR 过亿）；用 MLP（Minimal Lovable Product）做个人项目 Cube；问大家是否用 Claude Code × Codex 交叉 code review；用保险理赔类比双 Agent 协作。 问个问题，大家做自己的项目时会用 AI 交叉进行 code review 吗？……主要的程序是用 Claude Code 写的，是不是可以用 Codex 来做 peer review……
大多数关于 Linear 的解释停在一个字：快……成立以来累计营销支出约 3.5 万美元……年度经常性收入超过 1 亿美元……
我发现生活里有些操作，其实和 Agent 操作很像……两家保险公司自己去对接协调，感觉就像两个 Agent 在协作处理。
偏 AI/工具的几条：吐槽大家晒 token reset；用「心理按摩被注入写 KMP」段子调侃护栏；反对纯新手直接上 Rust；华为仓颉语言是否正式发布的吐槽；以及通缩常态、拼多多不砸 AI 的估值逻辑、华为工业设计等长帖。 人人都开始玩推特上官宣 token usage reset……
我反对纯白纸一张的纯新手学 Rust 的根本原因……缺乏内存、ownership、分配释放这些基本概念时，一上来 reference/borrow 弊大于利。
拼多多的风险是长期的，一方面不投资 AI……长期进入通缩时代……之后拼多多只能按照大号日本永旺的逻辑估值了。
虽然我花样无死角骂华为很多年……华为的工业设计水平一直是顶级的……在全球范围内可以和苹果打得五五开。