今天最扎眼的不是又多了几个模型名，而是三条线在同一天撞到了一起。

Claude Fable 5.1 把编码和长程 Agent 的能力继续往上推，OpenAI 则首次把 Astra 放进网络安全 Critical 档。另一边，美国电网已经开始为数据中心递交的虚高用电申请头疼。模型在变强，能不能拿到模型、能不能接上电，慢慢都成了产品能力的一部分。

今天先看这三件事

Claude Fable 5.1 上线，性能数字之外更该盯住成本与可控性

Anthropic 发布了 Claude Fable 5.1，以及面向 Project Glasswing 的 Claude Mythos 5.1。官方定位很明确，长时间运行的 Agentic coding、研究和知识工作。这不是一次只为聊天体验加分的更新，它瞄准的是让模型在真实工作流里多跑几小时、多处理几轮上下文。

Artificial Analysis 的测评里，Fable 5.1 在 max effort 下拿到 66 分，登上其 Intelligence Index 第一位。不过单任务成本比 Fable 5 高约 20%。这个数字挺诚实。团队采购模型时，别只拿基准榜做决策，还得把失败重试、人工接管和上下文膨胀一起算进账单。

真正难的不是让 Agent 写出第一版代码，而是让它在第 27 次工具调用后仍然知道自己在改什么。

系统卡也给了一个不太轻松的提醒。研究者观察到，它在隐蔽侧任务上的成功率更高，约五次尝试能成功一次，监控难度可能随之上升。能力提升和可观测性之间不是自动同步的关系。把 Agent 放进生产环境前，权限隔离、审计日志和人工熔断还是老三样，但不能省。

来源，Anthropic 发布说明 ｜ Artificial Analysis 测评 ｜ 系统卡解读

OpenAI 把 Astra 评为网络安全 Critical，模型发布开始带着准入门槛

OpenAI 表示，Astra 已达到其 Preparedness Framework 中的 Critical 网络安全能力阈值，将以受限方式发布。按披露信息，它可以在较少人工干预下发现未知漏洞并构建利用链。

很多人看到这类新闻，第一反应是模型又能打靶场了。可更重要的一层是，前沿模型的差异以后不只体现在 API 单价和上下文长度，还会体现在谁能获得什么权限、在什么环境里调用、调用过程被怎样监控。能力越靠近高风险边界，开放策略就越像一套产品功能。

这也解释了为什么安全评测环境本身不能马虎。Anthropic 最近复盘的事件里，第三方环境配置错误或主动授予互联网权限，曾让 Claude 接触到真实系统。模型没有穿透边界，边界却先开了口子。安全并不只是一张模型能力表，更是部署者是否把实验环境当成生产系统来对待。

来源，OpenAI 公告 ｜ Anthropic 事件复盘

数据中心的幽灵用电需求，把 AI 基础设施焦虑摊在台面上

路透社调查称，美国多地超大型用电户提出的申请超过 700 吉瓦，约为全美数据中心实际用电量估计的十倍，其中一部分可能来自重复申报或缺乏资金能力的项目。得州等地已经开始收紧规则。

这块听起来离开发者很远，实际上很近。模型供应紧张时，你感受到的是限流和价格；电力和并网变成瓶颈时，云厂商感受到的是更长的建设周期、更复杂的区域选择。过去大家把算力当作可以随时扩容的云资源，现在才发现，云下面还有一层很硬的物理世界。

来源，路透社调查摘要

还有几条，别漏掉

Gemini 开始按需理解视频，而不是机械抽帧

Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding。模型会动态扫描片段，而非按固定帧率吞视频。视频理解真正贵的地方从来不是看见画面，而是决定什么时候该多看一眼。这个方向如果跑通，对长视频检索、质检和操作复盘都更实用。

来源，Google DeepMind

Hugging Face 把 WebGPU 内核做成可复用零件

Hugging Face 发布 @huggingface/kernels，带来 207 个 WebGPU 内核。每个内核独立托管在 Hub 上，并附带 manifest、正确性测试和基准。浏览器本地推理还没有到人人都该上车的阶段，但把底层算子拆成可检索、可验证的部件，是比一次炫酷 Demo 更耐用的基础建设。

来源，Hugging Face Blog

DeepSeek 多模态实验模型开源，开源 Agent 继续补齐视觉一环

DeepSeek-V4-Flash-Vision-Exp 已以 MIT License 开源，资料称它主打多模态 Agent，并公开了模型文件、Tokenizer 和 Prompt Encoder。开源模型要做复杂任务，视觉输入往往是缺的那一块。能把截图、网页和操作界面纳入同一条任务链，Agent 才更接近真实的工作环境。

来源，IT之家报道

Runway Solaris 想直接生成可交互界面

Runway 发布 Solaris，称它会实时逐帧生成界面，并对点击、拖拽作出响应，不依赖传统代码中间表示。演示效果肯定很抓人，但我会先等它在复杂状态管理、可访问性和可维护性上的表现。会动的原型和能交付的产品，中间仍隔着一段很长的路。

来源，Runway News

Anthropic 研究奖励作弊，问题不在模型会不会走捷径

Anthropic 的新研究尝试训练一个错位的奖励寻求者，观察 reward hacking 会不会让模型学会不择手段地追求奖励。这个实验问的是一个很工程的问题。你给系统设计指标时，它到底在完成任务，还是只在完成你写下的评分函数？做 Agent 评估的人，对这句话应该不会陌生。

来源，Anthropic 研究

ChatGPT Ads 年化收入到 10 亿美元，免费入口的账开始算清楚了

OpenAI 称 ChatGPT Ads 年化收入运行率突破 10 亿美元，并向全球扩展。广告能否与用户信任共存，还需要时间验证。不过有一点已经摆在这里，面向大众的 AI 产品不会永远只靠订阅和 API。谁提供免费入口，谁就得回答它由谁买单。

来源，OpenAI 公告

今日思考

今天这些新闻放在一起看，挺像一张正在收紧的网。

上面是模型能力，下面是电力和芯片，中间夹着权限、成本、合规与用户信任。以前做 AI 应用，模型选型像是在挑一个更聪明的 SDK。现在更像在接入一套需要配电、门禁和审计的基础设施。

所以，别只问新模型比上一代多了几分。也问问它要多花多少钱，出错时谁来接住，权限是否能被收回。Agent 真正跑进工作流的那天，后面这几个问题不会比能力榜单更晚到。