EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @DarioAmodei:Dario Amodei 發布政策論文,呼籲針對前沿人工智慧模型建立強制性的監管架構。 Dario Amodei 指出,人工智慧的發展速度已遠超現行政策的…

    Dario Amodei 發布政策論文,呼籲針對前沿人工智慧模型建立強制性的監管架構。

    Dario Amodei 指出,人工智慧的發展速度已遠超現行政策的制定節奏,過去僅依賴「透明度」要求的監管模式已不足以應對當前的風險。他強調,人工智慧發展正處於指數級成長階段,若不採取更具體的行動,政策與技術之間的落差將帶來嚴峻後果。
    核心政策主張
    Dario Amodei 認為,針對具備強大能力的前沿人工智慧模型,監管應從單純的資訊公開轉向更具強制力的架構,並提出以下關鍵建議:
    強制第三方評估:針對超過特定運算門檻的模型,開發者必須接受具備資格的第三方機構進行嚴格測試,評估其在網路安全、生物武器、人工智慧自主失控及自動化研發等領域的風險。
    部署審查權:政府應具備法律授權,針對經第三方評估後被認定構成災難性風險的模型,有權阻止或撤銷其部署。
    安全標準與防禦:開發者必須建立強大的安全標準以保護模型權重,並定期進行紅隊測試(Red Teaming)與滲透測試,同時與政府合作防禦重大威脅。
    監管市場機制:建議由政府授權並監督私人組織進行評估,建立類似航空業(如 FAA)的監管體系,在確保公共安全與鼓勵創新之間取得平衡。
    經濟與勞動力影響
    針對人工智慧可能帶來的勞動力市場劇烈變動,Dario Amodei 呼籲政府採取積極的應對措施,而非僅是被動觀察:
    應對勞動力衝擊:他強調,應對勞動力市場的潛在變動,關鍵在於尋找讓所有人共享人工智慧紅利的方法。他並未提出具體的全民基本收入(UBI)或資本帳戶機制,而是強調政府與私部門應共同實驗,探索人工智慧在各領域的新應用,以發現新的工作配置。
    企業責任與適應:他表示,Anthropic 始終致力於與客戶合作,尋找能讓現有員工發揮更大價值的創新應用,而非僅專注於成本削減。
    政策框架與支持:Anthropic 同步發布了針對就業流失的政策框架,並計畫提供實質的財務支持,以協助社會適應人工智慧帶來的經濟轉型。
    推動社會韌性
    Anthropic 同步發布了兩份政策提案,分別針對「前沿人工智慧治理架構」與「經濟政策框架」。Dario Amodei 強調,這些建議不僅是為了防範風險,更是為了確保社會能從人工智慧的快速進步中受益。他特別提到,在生物醫學等領域,監管機構應進行改革以適應人工智慧帶來的創新速度,避免因審查流程過慢而阻礙了具有重大公共利益的技術突破。
    Dario Amodei 總結道,儘管這些議題複雜且具爭議性,但決策者必須立即採取行動。隨著人工智慧能力在未來幾個月內將持續快速提升,治理架構必須同步進化,以確保這項技術能以負責任的方式發展,並為全人類創造價值。

    原文:https://easyvibecoding.app/curated/1882

    4 min
  • @higgsfield:Claude Fable 5 整合 Higgsfield MCP 實現互動遊戲生成。 核心功能與整合 Higgsfield AI 宣布將 Claude Fabl…

    Claude Fable 5 整合 Higgsfield MCP 實現互動遊戲生成。

    核心功能與整合 Higgsfield AI 宣布將 Claude Fable 5 與 Higgsfield MCP 深度整合,讓使用者能透過單一指令完成遊戲開發。此系統結合了 Fable 5 的研究與敘事能力,以及 Higgsfield MCP 的 asset 生成技術,並能在 Higgsfield 超級電腦上或直接透過 Claude 介面執行。

    實際應用案例 演示影片展示了將一份 947 頁的黑猩猩社會行為研究 PDF 檔案轉化為遊戲「A Chimpanzee's Life」的完整流程:

    影片展示了如何透過 Claude 與 Higgsfield MCP 的整合,將一份長篇 PDF 研究報告自動轉化為一款模擬遊戲。

    系統分析:自動解析 PDF 中的研究重點,涵蓋棲息地、社會階層、溝通模式與個體性格等。 機制設計:提出包含漫遊、覓食、生存、社交及階層提升等核心遊戲機制。 視覺生成:透過 Higgsfield MCP 生成多種美術風格(寫實、卡通、低多邊形)、角色外觀、叢林場景及包含體力與社交值等狀態條的 UI 介面。 遊戲運作:最終產出可實際遊玩的場景,包含角色攀爬、躲避獵豹及同伴互動等動作。

    存取方式 使用者可透過官方連結 Higgsfield MCP 體驗 Claude Fable 5 與 Higgsfield MCP 的整合功能。

    影片展示了如何透過 Claude 與 Higgsfield MCP 的整合,將一份長篇 PDF 研究報告自動轉化為一款模擬遊戲。 影片中的 Prompt 與操作:

    Prompt(00:05): 這是關於黑猩猩的 10 年研究報告,共 947 頁。你能把它變成一款遊戲,讓更多人能接觸到嗎?

    原文:Here's 10 years of research on chimps — 947 pages. Can you turn it into a game so it reaches way more people?

    Prompt(00:14): 為這個世界建立資產嗎?

    原文:Create the assets for the world?

    Prompt(00:15): 是的。

    原文:Yes.

    操作步驟: 1. (00:02)點擊上傳 PDF 檔案 2. (00:07)點擊送出按鈕 3. (00:16)點擊送出按鈕 4. (00:17)開啟 Higgsfield MCP 開關

    原文:https://easyvibecoding.app/curated/1894

    2 min
  • @cursor_ai:Cursor 3.7 升級其程式碼審查 Agent「Bugbot」,透過效能優化實現 3 倍執行速度提升與 22% 成本降低。 Bugbot 推出全新…

    Cursor 3.7 升級其程式碼審查 Agent「Bugbot」,透過效能優化實現 3 倍執行速度提升與 22% 成本降低。

    Bugbot 推出全新升級,主打更快速、更精準且更具成本效益的自動化程式碼審查體驗。
    核心效能提升
    Cursor 團隊於 2026 年 6 月 11 日宣布「Bugbot」迎來重大更新,在效能與偵錯能力上均有顯著進步:
    執行速度提升至 3 倍,90% 的審查任務可在 3 分鐘內完成。
    程式碼審查效率大幅優化,讓開發者能更早發現問題並加速程式碼合併。
    偵錯能力提升 10%,能更精準地捕捉潛在錯誤。
    執行成本降低 22%,讓開發者能以更低預算維持高品質的程式碼審查。
    新增功能與操作
    此次更新強化了開發流程的整合性,讓使用者能在推送程式碼前先行除錯:
    使用者可於 Cursor 中輸入 /review 指令,選擇執行 Bugbot 或 Security Review,亦可直接使用 /review-bugbot 或 /review-security 進行審查。
    該功能與 GitHub 及 GitLab 上的 Bugbot 深度整合,若使用者已在本地執行過 /review,系統將自動識別並跳過重複審查,避免冗餘回饋。
    新增「僅審查變更內容」的配置選項,使用者可自行設定 Bugbot 僅針對自上次審查後的程式碼差異進行分析,避免對已批准的程式碼重複標記。
    技術背景與應用
    這些效能提升主要歸功於 harness 的架構優化,以及「Composer 2.5」模型的訓練進展。目前此功能已於 Cursor 3.7 版本中正式啟用,並可透過 官方網頁 進行體驗,未來也將進一步支援 CLI 介面。若組織選擇停用 Composer 2.5,Bugbot 將自動切換至其他可用模型,確保審查流程不中斷。

    Bugbot 推出全新升級,主打更快速、更精準且更具成本效益的自動化程式碼審查體驗。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:04 顯示 PR 審查時間從 5 分鐘縮短至 90 秒的動態過程。 2. @00:10 顯示 Bug 檢測率提升的進度條動畫。 3. @00:14 顯示執行成本下降的折線圖變化。

    原文:https://easyvibecoding.app/curated/1883

    3 min
  • @Google:Google 推出 DiffusionGemma 實現同步生成技術。 這是一張以「DiffusionGemma」為標題的技術概念宣傳圖,背景呈現模糊的…

    Google 推出 DiffusionGemma 實現同步生成技術。

    這是一張以「DiffusionGemma」為標題的技術概念宣傳圖,背景呈現模糊的程式碼或指令介面。
    核心運作機制
    傳統大型語言模型(LLM)多採用自回歸(Autoregressive)方式,必須等待前一個 token 生成後才能預測下一個,導致生成速度受限。DiffusionGemma 則透過「擴散(Diffusion)」技術,將生成過程視為從雜訊中逐步精煉的過程,能同時處理並修正整塊文字區塊。根據官方演示的「Noisy Canvas」去噪過程,模型在 6 個步驟內即可從隨機詞彙組合演化為邏輯完整的句子(例如從初始雜訊最終產出「The LLM picks words all at once」),這種非線性的生成模式大幅降低了等待時間。
    這段動畫演示了大型語言模型(LLM)透過「去噪(Denoising)」過程,逐步生成連貫語句的運作原理。
    技術優勢與應用場景
    DiffusionGemma 專為需要高互動性與低延遲的本地工作流程設計,其關鍵特性包括:
    極致速度:在專用 GPU 上每秒可生成超過 1,000 個 token,速度提升達 4 倍。
    硬體友善:模型架構輕量化,可在 18GB 的消費級顯示卡上順暢執行。
    智慧編輯:由於能一次處理大量資訊,模型在填空、程式碼格式化以及即時錯誤修正方面表現優異,適合用於需要快速迭代的開發場景。
    DiffusionGemma 26B A4B 展現出高達 4 倍的文字生成速度(超過 1,000 tok/s),同時在平均 GPQA-Diamond 與 LCB v6 基準測試中保持具競爭力的智能表現(約 69%)。
    模型規格與生態整合
    作為 Google Gemma 4 家族的延伸,DiffusionGemma 是一個 26B 參數的混合專家模型(MoE),並以 Apache 2.0 授權開源。Google 旨在透過此模型協助開發者解決本地推論中的延遲瓶頸。目前該模型已整合至主流開發工具中,開發者可透過以下方式進行部署與實驗:
    推論支援:支援 MLX、vLLM(由 Red Hat 支援整合)以及 Hugging Face Transformers。
    微調工具:官方提供使用 Hackable Diffusion(基於 JAX 的模組化工具箱)的微調教學,同時也支援 Unsloth 與 NVIDIA NeMo。
    未來支援:官方表示 llama.cpp 的正式支援即將推出。
    實驗性開放模型 DiffusionGemma 26B A4B 在輸出速度上比 Gemma 4 26B A4B 快上近 4 倍(達 1107 tok/s),同時在多項學術與代碼基準測試中保持競爭力。
    開發者可前往 Hugging Face 下載模型權重,並透過 Google 官方說明頁面 深入了解該實驗性專案的技術細節。

    這段動畫演示了大型語言模型(LLM)透過「去噪(Denoising)」過程,逐步生成連貫語句的運作原理。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)初始狀態顯示 Noisy Canvas 詞彙。 2. (00:01)開始執行 Denoising Step 1。 3. (00:02)執行 Step 2。 4. (00:03)執行 Step 3 與 Step 4。 5. (00:04)執行 Step 5 與 Step 6。 6. (00:05)顯示最終 Denoised Canvas 結果。

    原文:https://easyvibecoding.app/curated/1884

    4 min
  • @claudeai:Claude Managed Agents 推出排程部署與 Claude Code 動態工作流。 此次更新由「Code with Claude Tokyo…

    Claude Managed Agents 推出排程部署與 Claude Code 動態工作流。

    此次更新由「Code with Claude Tokyo」團隊發布,旨在透過自動化排程與更安全的憑證管理,讓 Agent 能夠處理更大型、更複雜的任務。
    這是一段展示 Claude 服務更新的演示影片,以 ASCII 風格的地球地圖為背景,並標註了東京地區的資訊。
    排程部署(Scheduled Deployments)
    Claude Managed Agents 現在支援依據使用者設定的時間表自動執行 Agent。此功能適用於需要定期處理的任務,例如:
    每日資料同步(Nightly data sync)。
    每週合規性掃描(Weekly compliance scan)。
    每日資訊摘要(Daily digest)。
    Claude Console 介面展示了名為「Competitive Intel Analyst」的代理程式部署設定與排程執行細節。
    Vault 環境變數與安全性
    為了提升 Agent 在執行指令列工具時的安全性,Claude 引入了 Vault 環境變數機制。此設計確保模型本身不會直接接觸到敏感的 API 金鑰:
    沙盒(Sandbox)內僅會保留佔位符(Placeholder)。
    實際的金鑰會在網路邊界(Network boundary)進行掛載。
    僅限使用者明確允許的網域(Domains)才能存取這些金鑰。
    此圖表說明了 Claude Managed Agents 如何透過加密儲存機制與佔位符替換,安全地管理與傳遞環境變數至授權網域的運作流程。
    Claude Code 動態工作流程(Dynamic Workflows)
    Claude Code 的動態工作流程功能已正式進入一般可用(Generally Available)階段。此功能專為處理複雜任務而設計,例如針對整個程式庫進行大規模的除錯(Bug hunts)。其運作機制如下:
    Claude 會自行編寫排程邏輯(Orchestration)。
    系統會並行(Parallel)執行多個子 Agent(Subagents)。
    在將成果交付給使用者之前,系統會自動進行驗證,確保工作品質。
    欲了解更多關於 Claude Managed Agents 的更新詳情,請參考官方部落格 What's new in Claude Managed Agents;關於動態工作流程的技術細節,請參閱 Introducing Dynamic Workflows in Claude Code。上述功能即日起已於 Claude Platform 上線。

    這是一段展示 Claude 服務更新的演示影片,以 ASCII 風格的地球地圖為背景,並標註了東京地區的資訊。 影片中的 Prompt 與操作:

    Prompt(00:05): Claude 有什麼新功能

    原文:What's new with Claude

    操作步驟: 1. (00:05)輸入標題「What's new with Claude」

    原文:https://easyvibecoding.app/curated/1880

    3 min
  • @ClaudeDevs:Anthropic 舉辦 Claude Fable 5 Build Day 解決產業難題。 活動核心目標 Anthropic 官方帳號 @ClaudeD…

    Anthropic 舉辦 Claude Fable 5 Build Day 解決產業難題。

    活動核心目標
    Anthropic 官方帳號 @ClaudeDevs 宣布,此次活動旨在鼓勵開發者針對具備影響力的問題進行開發,並透過 Claude Fable 5 這款目前最強大的模型,結合 Claude Code 工具來實作解決方案。活動不僅是技術展示,更強調「AI 必須由人來驅動」的理念,鼓勵參與者針對複雜且冗長的任務進行開發,將 AI 的潛力轉化為科學、醫學或企業運作上的實質進展。
    活動細節與獎項
    時間:6 月 13 日上午 9:00 至晚上 10:00(PDT)。
    地點:舊金山 Shack15。
    獎勵機制:活動將選出 3 組決賽入圍者,總計提供價值 150,000 美元的 Claude credits 作為獎金。
    報名方式:名額有限,採取滾動式審核,申請截止日期為 6 月 12 日,有意者可透過 官方報名頁面 提交申請。
    技術與產業交流
    活動現場將有 Anthropic 團隊成員及創投(VC)代表出席,並邀請多位產業專家擔任講者,包括 Anthropic 共同創辦人兼首席科學長 Jared Kaplan、研究產品經理 Jeremy Hadfield,以及來自 Replit、Periodic Labs 與 Hex 的工程與產品負責人。活動亦透過程式碼物件形式明確定義了挑戰規格:
    `javascript
    export const challenge = {
    city: "San Francisco",
    date: "June 13",
    finalists: 3,
    credits: "$150K in Claude credit prizes"
    }
    `
    Claude 舉辦「Fable 5 Build Day」活動,並透過程式碼區塊展示活動相關資訊。
    此次活動不僅是為了推廣 Claude Fable 5 的強大運算能力,更是為了讓開發者在現場直接與 Anthropic 核心團隊互動,針對產業中破碎的流程或尚未被滿足的需求進行高強度開發。

    Claude 舉辦「Fable 5 Build Day」活動,並透過程式碼區塊展示活動相關資訊。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)像素角色在畫面上方移動並進行互動。

    原文:https://easyvibecoding.app/curated/1861

    2 min
  • @ClaudeDevs:Claude Fable 5 改變 Claude Code 團隊工作模式。 核心理念轉變 Anthropic Claude Code 團隊成員 Thar…

    Claude Fable 5 改變 Claude Code 團隊工作模式。

    核心理念轉變
    Anthropic Claude Code 團隊成員 Thariq 指出,Claude Fable 5 的導入標誌著 AI 協作邏輯的重大轉移。過去開發者需將任務拆解為細小區塊並手動驗證執行細節,現在則轉變為定義規格、設定目標與建立驗證機制,由模型自主判斷執行路徑。
    Anthropic Claude Code 團隊成員 Thariq 介紹 Claude Fable 5 模型,分享如何透過設定目標與工作流程來提升 AI 協作效率。
    協作模式的三大變革
    Thariq 總結了與 Claude Fable 5 協作的三項關鍵改變:
    將 Claude 視為「思考夥伴」:不再僅是執行指令的工具,而是能共同討論策略的對象。
    明確定義目標與驗證方式:使用者需提供具體的目標與驗證標準,讓模型能依據標準自我修正。
    採取更具野心的行動:由於模型具備更強的自主性,開發者應嘗試交付更複雜、規模更大的任務。
    關鍵功能應用
    為了落實上述轉變,Claude Code 引入了兩項核心功能來提升開發效率:
    /goal:此指令能讓 Claude 持續運作,直到達成設定的最終目標,減少開發者中斷介入的需求。
    workflows:支援 Claude 平行處理多項任務,並自動執行工作成果的驗證,確保在複雜專案中維持系統的穩健性。
    透過這些工具,開發者得以將心力從繁瑣的除錯與驗證中解放,轉而專注於更高層次的系統架構與產品規劃。

    Anthropic Claude Code 團隊成員 Thariq 介紹 Claude Fable 5 模型,分享如何透過設定目標與工作流程來提升 AI 協作效率。 影片中的 Prompt 與操作:

    Prompt(00:13): "Is Claude doing the work right?" Break tasks into chunks - manual verification

    Prompt(00:13): "Is Claude doing the right work?" Specs - Goals - Verification Tools

    Prompt(00:43): 01 Treat Claude like a thought partner 02 Give Claude goals and ways to verify them 03 Be more ambitious

    Prompt(01:57): "Interview me about the implementation before writing the final spec file."

    Prompt(02:05): "Think of a few directions you could take this, and make some mockups in HTML for me to review."

    Prompt(02:19): "Keep it simple, don't over-engineer this"

    Prompt(02:21): "This feature is an experiment. There's a real chance we delete it in a month. Don't build anything that would be painful to throw away."

    Prompt(02:37): /goal Helps Claude keep working until it's done. workflows Help Claude parallelize and verify its work.

    Prompt(03:32): 「Claude 是否正確地執行工作?」 拆解任務 - 手動驗證

    原文:"Set a goal to implement the spec fully, then use a workflow to verify each part of the plan, and prepare a report on what was implemented and if anything differed."

    操作步驟: 1. (00:13)展示「Before」與「With Fable 5」的對比表格。 2. (00:43)展示「How I've changed how I work」的三點清單。 3. (01:57)展示「Try Prompting」的訪談建議。 4. (02:05)展示「Try Prompting」的 HTML 模型建議。 5. (02:19)展示「Context, Not Constraints」的語句調整對比。 6. (02:37)展示 Claude Code 的新功能 `/goal` 與 `workflows`。 7. (03:32)展示「Try Prompting」的目標設定與驗證建議。

    原文:https://easyvibecoding.app/curated/1854

    2 min
  • @cognition:Cognition 宣布 Claude Fable 5 整合至 Devin。 最新模型整合 Cognition 於 2026 年 6 月 10 日宣布,…

    Cognition 宣布 Claude Fable 5 整合至 Devin。

    最新模型整合
    Cognition 於 2026 年 6 月 10 日宣布,最新的「Claude Fable 5」模型現已全面支援 Devin 的各項服務,包括「Devin Cloud」、「Devin Desktop」以及「Devin CLI」。使用者可透過「Devin Cloud」的「Ultra」Agent 體驗此模型,該版本專為處理長週期任務與複雜除錯場景所設計。儘管效能提升,Cognition 透過調整「harness」設定,將「Ultra」的運行成本控制在預設 Devin Agent 的 140% 以內。
    效能與基準測試
    「Claude Fable 5」在 Cognition 自有的工程基準測試「FrontierCode」中獲得第一名。該基準測試專注於真實世界的工程任務,評估指標包含程式碼的「可合併性(mergeability)」與「品質」。
    Claude Fable 5 在 FrontierCode 基準測試中取得 46.3% 的分數,榮登第一名,顯著超越 Claude Opus 4.8 與 GPT-5.5 等模型。
    該模型具備優異的長週期推理與除錯能力。
    支援開箱即用的工具泛化能力,涵蓋從「MCP」整合到電腦操作(computer use)等多種應用。
    在提升評分表現的同時,優化了模型輸出與「token」使用量的比例,避免過度消耗資源。
    根據 Cognition 官方推文,Claude Fable 5 在 FrontierCode 基準測試中榮登第一名,在不同的平均輸出 token 數量下皆展現出領先其他模型(如 Opus 4.8、GPT-5.5 等)的最高加權評分(最高達 46.2%)。
    實際應用案例
    Cognition 同步分享了金融科技公司「Nubank」利用 Devin 進行大規模程式碼重構的案例。面對擁有 8 年歷史、超過 600 萬行程式碼的單體架構 ETL 系統,Nubank 透過「Devin」將任務拆解並自動化處理:
    透過針對性的微調(fine-tuning),Devin 在處理資料類別遷移任務時,速度提升 4 倍,單項子任務耗時從 40 分鐘縮短至 10 分鐘。
    最終實現了 8 至 12 倍的工程效率提升,並將遷移成本降低超過 20 倍。
    該專案證明了 Devin 在處理重複性高、邊緣案例複雜的工程任務時,能有效協助工程師將精力轉向核心業務開發。
    欲了解更多資訊或開始使用,請造訪 Devin 官方網站 或閱讀 官方部落格說明。

    原文:https://easyvibecoding.app/curated/1860

    3 min
  • @RLanceMartin:使用 Fable 5 設計迴圈 像 Claude Fable 5 這類 Mythos 等級的模型,已經改變了我們許多人在 Anthropic 的工作方式。…

    使用 Fable 5 設計迴圈

    像 Claude Fable 5 這類 Mythos 等級的模型,已經改變了我們許多人在 Anthropic 的工作方式。我想分享兩個能讓你從這類模型中獲得最大效益的技巧。
    自我修正迴圈
    最近大家對「迴圈」非常感興趣。@bcherny 曾提到「(他的)工作就是編寫迴圈」。讓模型在評估基準上進行爬山演算法(hillclimbing)是提升任務效能的常見配方:Claude Code 中的 /goal 和 Claude Managed Agent 中的 Outcomes,就是讓你針對特定任務應用此通用配方的基礎元件。
    正如我們在提示詞工程指南中所提到的,Fable 5 非常擅長在迴圈中進行自我修正。設計良好的目標(goal)或評分標準(rubric)能為 Claude 運行的環境提供回饋。這讓 Claude 能夠執行任務、透過目標或評分標準收集回饋、進行自我修正,並持續運作直到達成目標或符合評分標準為止。
    展開數據表Claude Code /goalClaude Managed Agent OutcomesGoalMeasurable end stateRubric with gradable criteriaThe judgeIndependent grader model (Haiku)Independent grader sub-agentThe loopNot-met verdict starts the next turnIterate -> grade -> reviseBoundTurn / time clause in the conditionmax_iterationsFeedbackGrader model feedbackGrader sub-agent feedbackExitAuto-clear on met or /goal clearRubric passes / interrupt
    我想分享一個我用來測試 Fable 的玩具範例:Parameter Golf 是一項開源的機器學習工程挑戰,目標是在 8xH100 GPU 上,於 10 分鐘內訓練出一個能放入 16MB 檔案中的最佳模型。
    這有點像 @Karpathy 的 autoresearch 專案:它測試了 Agent 編輯基礎訓練程式碼(單一 train_gpt.py 檔案)、啟動訓練、輪詢日誌、讀取分數,並決定下一步要執行什麼實驗的能力。
    我使用 Claude Managed Agents (CMA) 在這項挑戰中比較了 Fable 5 與 Opus 4.7。CMA 提供了 Agent 的 harness 以及託管的沙盒,因此非常適合 Fable 5 進行長時間運行的任務。針對 Parameter Golf,我提供給 CMA 一個 8xH100 GPU 的自託管沙盒。
    一個細微的重點是:由誰來進行評判非常重要。我們發現模型在對自己的輸出進行自我批判時會遇到問題。Prithvi Rajasekaran 在我們的工程部落格中寫過關於這點的內容。
    展開數據表項目數值起始1.228最佳1.1604結束1.1604起始1.228最佳1.2178結束1.2178
    我們發現,使用 Fable 5 時,驗證者子 Agent(verifier sub-agent)的表現往往優於自我批判,因為評分是在一個獨立的 context window 中完成的。CMA 中的 Outcomes 透過為你生成一個評分者子 Agent 來處理這個問題。
    針對每次測試,我提供了一份包含九項可檢查標準的評分標準文件(例如:執行基準測試、進行 20 次實驗等)。接著,我讓 Parameter Golf 運行了長達 8 小時。Outcomes 評分者在允許 Claude 停止工作前,確認了所有實驗標準皆已達成。
    Fable 5 在訓練管線上的改進幅度約為 Opus 4.7 的 6 倍。如果我們將實驗視為結構性(例如:架構變更)或純量性(例如:調整常數),Fable 5 傾向於押注在較大的結構性變更上,並展現出穩健性(例如:在量化回歸中堅持下去,最終獲得了最大的勝利)。
    Opus 4.7 的第一次實驗產生了小幅獲利,但之後幾乎所有實驗都遵循相同的模板:調整純量、測量、如果結果為正則保留。
    記憶
    記憶是 Fable 表現優異的另一個領域。我們可以將其視為跨越不同對話階段(session)的外部迴圈:Claude 在對話期間寫入記憶,而這些記憶可以在未來的對話中被檢索。
    @pgasawa 和團隊最近發布了 Continual Learning Bench 1.0,所以我想要在 Fable 5 與早期模型之間進行測試。
    我在該基準測試的其中一項任務中比較了 Fable 5、Opus 4.7 和 Sonnet 4.6:該任務要求 Agent 在存取 SQL 資料庫的情況下回答連續性問題。每個問題都是一個獨立的 Agent 對話階段,並提供記憶功能。
    為此,我使用了具備記憶功能的 CMA,它讓每個 Agent 都能存取一個可跨對話階段共享的掛載檔案系統。

    展開數據表Stateless baselineWith memory storeFable 50.5550.839Opus 4.70.3830.700Sonnet 4.60.3300.364

    對於這項任務,有效利用記憶得益於一個漸進過程:失敗(出錯並記錄)、調查(在繼續之前找出原因)、驗證(將診斷結果轉化為已核實的事實)、提煉(將驗證結果轉化為通用規則),以及諮詢(閱讀規則,而不是重新推導)。
    Sonnet 4.6 大約在第 1 步就停滯了:它的儲存內容是一堆失敗筆記和未經證實的猜測(例如:「也許是 prc 而不是 prc_usd?」)。它很少諮詢先前的筆記。若要提升效能,需要針對任務的記憶指令。
    Opus 4.7 大約在第 3 步停滯:它會建立一個標記了不確定性的結構參照(例如:「可能是以美分計算的 prc?需要驗證。」),但驗證覆蓋率很低:僅在 7-33% 的問題中進行(中位數運行約 17%)。
    Fable 5 傾向於完成整個過程:在表現最好的運行中,驗證覆蓋率高達 73%(30 題中答對 22 題),並且會將學習到的內容提煉為有助於未來任務的通用規則。
    ---
    與其直接對 Fable 5 下達提示詞並進行引導,不如設計迴圈,讓模型能夠根據環境回饋(例如 /goal 或 Outcomes)進行自我修正,並管理自己的 context(例如透過記憶)。
    我只分享了幾個我進行過的小規模實驗,但非常值得你自己親自測試 Fable 5 在挑戰性任務上的表現,並利用迴圈來進行自我修正或記憶管理。
    若要開始,請參閱我們的文件,或詢問最新版本的 Claude Code,它可以使用我們內建的 /claude-api skill 來告訴你關於 Fable 5(例如提示詞最佳實踐)、/goal、Claude Managed Agents 或其他 API 功能的資訊。

    原文:https://easyvibecoding.app/curated/1849

    6 min
  • @claudeai:Anthropic 正式推出 Claude Fable 5——迄今效能最強大的 Agentic 模型。 Anthropic 推出 Claude Fab…

    Anthropic 正式推出 Claude Fable 5——迄今效能最強大的 Agentic 模型。

    Anthropic 推出 Claude Fable 5 模型,強調其具備高度自主性與安全性,旨在協助處理複雜的跨領域任務。
    核心產品定位與安全性
    Claude Fable 5 是 Anthropic 迄今效能最強大的模型,在軟體工程、知識工作、科學研究及視覺處理等領域的測試基準上均達到業界頂尖水準。為了在釋放強大能力的同時降低濫用風險,Anthropic 為其導入了嚴謹的安全防護機制:
    若使用者查詢涉及網路安全、生物學、化學或模型蒸餾等高風險議題,系統會自動將任務轉導至次一級的「Claude Opus 4.8」模型處理。
    該防護機制目前觸發率平均低於 5%,Anthropic 表示未來將持續精進以減少誤判(False Positives)。
    專屬防護與專業應用
    針對網路安全防禦者與關鍵基礎設施提供者,Anthropic 同步推出了「Claude Mythos 5」。
    該模型與 Fable 5 使用相同的底層架構,但解除了部分領域的安全限制。
    目前 Mythos 5 僅開放給「Project Glasswing」合作夥伴使用,未來將透過更廣泛的「信任存取計畫」(Trusted Access Program)擴大開放範圍。
    兩款模型的定價均為輸入每百萬 token 10 美元、輸出每百萬 token 50 美元,價格僅為先前 Claude Mythos Preview 的一半。
    關鍵效能表現
    根據官方測試與早期企業回饋,Fable 5 在處理長時程、高複雜度任務時表現尤為突出:
    軟體工程:在 Stripe 的測試中,Fable 5 成功將數月的工程任務壓縮至數日內完成,並在 5,000 萬行的 Ruby 程式庫中執行了大規模遷移。在 Cognition 的 FrontierCode 評測中,其程式碼品質與執行效率均領先其他前沿模型。
    知識工作與推理:在 Hebbia 的金融基準測試中,Fable 5 在文件推理、圖表解析及問題解決能力上獲得最高分。
    視覺處理:Fable 5 展現了極高的視覺理解力,不僅能從科學圖表中精確提取數據,甚至能僅憑螢幕截圖重建網頁應用程式的原始程式碼。
    自主研究:Mythos 5 在生命科學領域展現了驚人的自主性,能獨立執行蛋白質設計任務,甚至在分子生物學研究中提出了具備實驗價值的原創假說。此外,它在基因組學研究中,僅需高層級的人類輸入,便能自主完成數據組裝與機器學習模型訓練,效能超越了發表於《科學》(Science)期刊的近期研究模型。
    Claude Fable 5 在幾乎所有測試的基準測試中皆達到領先水準(SOTA),在軟體工程、知識工作、科學研究和視覺領域表現尤為優異。
    未來展望
    Anthropic 強調,Fable 5 與 Mythos 5 的推出是為了在確保安全的前提下,儘快將先進 AI 能力普及至更多使用者。隨著未來幾個月內更強大模型的到來,公司將持續優化安全防護機制,並透過「Project Glasswing」等計畫,進一步推動 AI 在網路防禦與生物醫學研究中的正面應用。
    這是一段展示「Fable 5」主題的創意視覺短片,透過拼貼各種自然科學插圖與歷史地圖,巧妙地以數字「5」為核心進行視覺轉場。
    小提醒
    訂閱方案(Pro/Max/Team)只免費(消耗訂閱週限額)到 6/22,6/23 起需使用 usage credits 。

    這是一段展示「Fable 5」主題的創意視覺短片,透過拼貼各種自然科學插圖與歷史地圖,巧妙地以數字「5」為核心進行視覺轉場。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:09 將地圖剪裁拼貼成數字「5」 2. @00:10 將便利貼排列成數字「5」 3. @00:11 在電路板上以元件排列出數字「5」 4. @00:12 將星空中的星星連線構成數字「5」 5. @00:13 在培養皿中以菌落生長出數字「5」

    Anthropic 推出 Claude Fable 5 模型,強調其具備高度自主性與安全性,旨在協助處理複雜的跨領域任務。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:06 標記 Fable 系列模型名稱。 2. @00:17 展示模型發現漏洞的網格圖表。 3. @00:55 展示安全系統自動審核高風險請求。 4. @01:00 展示將高風險請求從 Fable 5 重新導向至 Opus 4.8 的流程。

    原文:https://easyvibecoding.app/curated/1846

    4 min