Claude Fable 5、Nemotron 3 Ultra、DiffusionGemma引领AI模型性能新突破

要点速览

1. Claude Fable 5展现全栈能力：一天迁移5000万行代码，绘制复杂3D图形，性能超越GPT 5.5且价格更低，已面向Pro和Max用户开放。— 来源：1 2
2. NVIDIA与Trajectory Labs后训练Nemotron 3 Ultra在法律基准上实现通过率从0%到5.8%，持保留任务通过率提升至95%，成本仅为同级模型的1/8至1/50。— 来源：1
3. Google DeepMind发布DiffusionGemma，并行生成256 token，速度比Gemma 4快4倍，NVIDIA提供全栈支持。— 来源：1 2
4. xAI Grok Voice在EVA-Bench达帕累托前沿，价格远低于竞争系统；Grok Build插件市场进入Beta。— 来源：1 2
5. Anthropic CEO发文呼吁加速AI政策制定，并启动Claude Corps奖学金培训1000人。— 来源：1 2
6. PoeticHQ获5000万美元融资，准确率99%+；Runway与狮门影业合作开发原创IP。— 来源：1 2

一、模型与性能突破

1. Claude Fable 5在Computer中面向Pro和Max用户开放（1）。据实测，该模型一天内从Stripe迁移5000万行代码（人类需2个月），绘制复杂3D图形（如Boeing 747、超过5000个物体的太空模拟），优化交互网络评估器性能10倍于GPT 5.5，且价格与GPT 5.5相近，比GPT 5.5 Pro便宜6倍（2）。此外，其在生成文档、幻灯片、网站等像素级完美内容方面被认为是自o3以来AI质量的最大进步，包括生成McKinsey风格报告、SpaceX IPO草案、像素级还原Pokemon游戏等（3）。
2. NVIDIA与Trajectory Labs合作后训练的Nemotron 3 Ultra在法律领域达到前沿性能。在Legal Agent Benchmark上，全部通过率从0%提升至5.8%，介于Sonnet 4.6（4.2%）和Opus 4.6（6.6%）之间；持保留任务通过率从约70%提升至约95%，运行成本仅为Sonnet 4.6和Opus 4.6的1/8到1/50（1）。
3. Google DeepMind发布DiffusionGemma，一种文本扩散模型，每步并行生成256个token，在DGX Spark上达到150+ TPS，单张H100上达1000+ TPS。速度比Gemma 4模型快4倍（1）。NVIDIA从首日起提供BF16和NVFP4 checkpoint、免费GPU加速端点以及FP8精度的vLLM支持（2）。
4. xAI的Grok Voice在EVA-Bench评估中达到帕累托前沿，准确率和用户体验均优于同级系统，且价格远低于竞争对手。同时，Grok Build插件市场进入Beta版，支持从终端使用MongoDB、Vercel、Sentry等插件进行开发（1 2）。
5. PoeticHQ——一个执行复杂多步骤任务的AI系统，准确率99%以上，令牌消耗比代理少10倍，已获5000万美元融资，应用于AIG、SoFi、Chime等企业（1）。

二、行业合作与商业动态

1. Anthropic CEO Dario Amodei发布新文章《Policy on the AI Exponential》，指出AI发展远超政策制定流程，并推出三项新倡议以缩小差距（1）。同时启动Claude Corps全国奖学金项目，为早期职业人员匹配美国非营利组织，培训1000人使用Claude并支付报酬以推动其使命（2）。
2. Runway与狮门影业深化合作，包括联合开发原创IP；2026年Runway AI电影节纽约首映门票已售罄（1 2）。
3. xAI的模型被用于eToro的Agent Tori，结合实时数据帮助消费者分析市场情绪（1）。
4. NVIDIA与Gcore和Orange Business合作，使用NVIDIA Dynamo实现大规模分布式AI推理（1）。此外，NVIDIA Vera CPUs将变革金融服务业，NYSE正利用Vera CPU加速扩展容量并优化延迟，构建高性能、弹性且AI就绪的市场基础设施（2）。NVIDIA还获得OpenAI颁发的Industry AI Acceleration Award（3）。

三、关键观点与争议

1. Yann LeCun强烈批评以“安全”为名的审查模型，强调开源必须赢得模型和接口层，否则封闭源码将导致监控经济。他讽刺苹果、Gmail、特斯拉等以安全名义限制竞争的行为，并批评Anthropic悄悄降低Claude性能，认为这种不透明干预伤害独立研究人员和初创企业（1 2 3）。他还提出AGI是生物幻觉，应转向超级适应智能（SAI），专注于极端专业化（4）。
2. Ethan Mollick提出“换更便宜的模型省钱”是误区，更优做法是采用层级模型架构，用智能模型协调和审计廉价模型（1）。他认为Anthropic对Mythos级模型的滥用有真实担忧并设置了过度防护，但未能成功向外界解释和说服人们（2）。他对Anthropic回滚Fable防护栏政策表示赞同（3）。
3. swyx引用Sarah Guo的“模型实验室vs代理实验室”框架，认为这是理解当前AI价值实际所在的最清晰方式之一（1 2）。他还记录了Satya Nadella对微软AI战略的重新定义：从单一模型转向生态系统，强调评估作为IP、代理痕迹可成为资产负债表资产，以及行业需要赢得社区信任才能继续扩建数据中心（3）。