Anthropic 自估研发加速 1.88 倍未达阈值遭质疑不透明
Anthropic 在 RSP 评估中披露，Claude Mythos 5.2 在自主性威胁模型 2（自动化研发）上尚不能完全替代其研究人员，自估 AI 研发加速为 1.88 倍，未触及 2x 阈值。但 Zvi 揪出其 95% 置信区间上限达 2.28 倍，质疑「加速不到 2 倍」的表述口径与发布时机；peterwildeford 也批评该判定缺乏透明度。
2026-11-10 ~ 2026-11-11 · 3 条相关
- 第 1 集:Claude Fable/Mythos 5.2 爆料刷屏，官方未证实疑点重重(2026-11-10,21 条)
- 第 2 集:Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2(2026-11-10,86 条)
- 第 3 集:千个 Fable 5.2 智能体 30 小时形式化费马大定理(2026-11-10,25 条)
- 第 4 集:Shumer 评测 Fable 5.2：史上最强但护栏过严(2026-11-10,3 条)
- 第 5 集:Claude Fable 5.2 发布首日：单条 prompt 生成完整游戏与 3D 短片(2026-11-10,27 条)
- 第 6 集:Berman 实测 Claude Fable 5.2：连做 9 个项目，称「解决了软件」(2026-11-10,8 条)
- 第 7 集:Anthropic 限时开放 Claude Fable 5.2，Pro 用户可试用至 11 月 16 日(2026-11-10,3 条)
- 第 8 集:Claude Fable 5.2 登顶 LiveBench，成本表现引争议(2026-11-10,3 条)
- 第 9 集:Fable 5.2 获好评：大型开放任务胜过 Opus 5.5(2026-11-10,2 条)
- 第 10 集:Claude Fable 5.2 上线 Perplexity，WANDR 基准刷新纪录(2026-11-10,3 条)
- 第 11 集:Matthew Berman耗千亿token实测，称Fable 5.2为地表最强模型(2026-11-10,3 条)
- 第 12 集:Claude Fable 5.2 刷新 ARC-AGI-3 最高分(2026-11-10,2 条)
- 第 13 集:Anthropic 核心代码库超九成合并改动由 Claude 编写(2026-11-10,2 条)
- 第 14 集:Anthropic 展示 Claude Fable 5.2 端到端设计三台可用电子设备(2026-11-10,10 条)
- 第 15 集:Claude Fable 5.2 以 65 分登顶 AA 智能指数(2026-11-10,13 条)
- 第 16 集:METR 文件证实 Fable 5.2 即 Model 3,Anthropic 或握更强模型(2026-11-10,4 条)
- 第 17 集:Anthropic 自估研发加速 1.88 倍未达阈值遭质疑不透明(2026-11-10,3 条)
- 第 18 集:Fable 5.2 暂未登陆 Claude Code,模型列表仍停留在 5.1(2026-11-10,2 条)
- 第 19 集:Claude Fable 5.2 创 ECI 174 分新纪录(2026-11-10,5 条)
- 第 20 集:Claude Fable 5.2 登顶 WebDev Arena，提速降价双管齐下(2026-11-10,2 条)
- Anthropic自估AI研发加速1.88倍逼近2x阈值，判定被质疑不透明 — scottleibrand · 2026-11-10
- Anthropic 称新模型自动化研发加速能力未达 RSP 阈值,Zvi 质疑时机 — TheZvi · 2026-11-10
- Anthropic报告称加速不足2倍,Zvi揪出置信区间上限达2.28x — TheZvi · 2026-11-11