Rohan Paul@rohanpaul_ai

50

Rohan Paul: @claudeai Fantastic. In one 50-million-line Ruby codebase, Fable 5 finished a migration in one day that would have taken...

如果技术公司能用更便宜的模型处理相同AI工作负载且不影响质量，这将意味着AI经济性的巨大转变。

Nathan Lambert@natolambert

63

Mercor: Claude Fable 5 takes #1 on APEX-SWE: 65.5% Pass@1 overall. It scores ~18pp higher than Opus 4.8. We tested @claudeai Fab...

宝玉@dotey

77

Anthropic同日推出两款模型：Fable 5面向所有用户，配备安全分类器（检测攻击/生化武器/蒸馏时降级至Opus 4.8，超95%对话不触发）；Mythos 5仅限Project Glasswing合作伙伴。Fable 5能力超越以往：Stripe在5000万行Ruby代码库完成全库迁移（原需两月团队→一天）；FrontierCode测试获最高分；仅基础视觉接口通关宝可梦火红版；蛋白质设计加速约10倍；基因组学中自主工作一周多，训练出超越Science论文的模型。API定价输入$10/百万token、输出$50。订阅用户6月22日前免费。所有Mythos级别模型流量强制保留30天（仅安全监控）。

Claude: Introducing Claude Fable 5: a Mythos-class model that we've made safe for general use. Its capabilities exceed those of ...

Chubby♨️@kimmonismus

73

据推文透露，Claude 5 Fable（代号Fable）在几乎所有AI能力基准测试上达到SOTA，尤其在软件工程、知识工作、视觉、科学研究中表现优异。任务越长越复杂，其领先幅度越大；token效率高于以往Claude模型，能在百万token长任务中保持专注并自我优化输出。相比上一代Mythos有显著提升。实际案例：Stripe报告称Fable将数月工程压缩至数天，在5000万行Ruby代码库中一天完成代码库迁移（原需团队两月以上手工操作）。

Chubby♨️: Claude 5 Fable Benchmarks! Holy moly, significant jump even to Mythos

Anthropic 发布 Claude Fable 5，称其为迄今广泛可用的最强模型。该模型在软件工程、知识工作与视觉任务中表现突出，且随着任务变长、变复杂，领先优势进一步扩大。Fable 5 是 Anthropic 首次大规模发布的 Mythos 类 AI 模型，此前该公司因该类模型在网络安全任务中能力过强、风险过高而未公开。此次发布得益于新增的安全措施，可在特定高风险领域阻止模型生成响应。

Rohan Paul@rohanpaul_ai

69

Anthropic 今日发布 Mythos 的公开版本，代号“Fable”。其成本约为 Opus 的两倍，低于此前预览版 5 倍 Opus 的定价。Fable 配备严格安全限制，在网络安全方面比 Project Glasswing 合作伙伴的受限预览版更保守，且在长时间、多步骤任务及智能体式工作流上表现更强。Mythos 预览版于 2026 年 4 月推出，是当时最强前沿模型，尤其擅长编程、推理和网络安全（含发现零日漏洞）；因安全问题未公开，仅限 Project Glasswing 合作伙伴用于防御性网络安全，目前已报告发现数千个重大漏洞。

苹果表示，部分 AI 模型运行在谷歌云服务器上，但谷歌无法以任何方式访问数据，从而确保用户隐私不受影响。

Kimi.ai@Kimi_Moonshot

63

Kimi 利用 Agent Swarm 系统并行协调300个子智能体，分析战术、球员状态、伤病、赛程、天气、赔率等因素，预测2026年美加墨世界杯全部104场比赛，并发布每轮赛前预测和赛后回顾。模型层融合了 Elo/FIFA 强度、Poisson 进球分布、xG/xT 指标、蒙特卡洛模拟等方法。预测结果显示西班牙和法国为头号热门，但德国夺冠概率可能被市场低估：模型基线估计约11.0%，校准估计约11.3%，而部分市场隐含概率仅约7.4%，正向偏差约+3.6个百分点。该判断基于多分析链交叉验证，可能源于对德国近两届小组出局的近因偏差以及纳格尔斯曼高位压迫体系与穆西亚拉/维尔茨新创造轴的复苏信号。

Rohan Paul@rohanpaul_ai

64

一篇论文系统研究了Transformer注意力中QKV投影的必要性，发现Key和Value可共享同一投影（Q-K=V变体），仅增加3.1%的困惑度，便将KV cache削减50%，大幅降低推理内存。最佳变体保留Query独立，使注意力保持方向性。与GQA和MQA结合时，可分别实现87.5%和96.9%的cache缩减。弱变体Q=K-V因导致因果注意力过于对称且无cache节省而无效。

大语言模型用于生成科学假设，但常见进化搜索因过度优化导致多样性坍塌。本文将假设搜索建模为采样问题，目标是在固定验证预算下高效产出多样且高质量的候选假设。受并行回火算法启发，提出一种进化框架，在多个温度水平同时搜索，并通过跨温度信息交换增强探索而不破坏收敛。在分子发现、方程发现和算法发现三个领域，该方法在同等验证预算下同时提升了假设质量与多样性，且候选假设在更昂贵的下游计算验证中仍保持鲁棒。

歸藏(guizang.ai)@op7418

63

MiMo推出V2.5 Pro UltraSpeed超高速模型版本，每秒输出超1000 Token，号称全球首个达此速度的万亿参数模型。实测显示：复杂3D小游戏TPS 804 Token/s（峰值810），首次响应4.71秒；官网3D动画峰值1426 Token/s，首次响应0.83秒，32秒输出25624 Token（1000行代码）；另一复杂官网3D效果TPS 1136，首次响应4.5秒。相比此前超高速推理方案常见能力下降，MiMo未出现此类迹象。该模型主要面向效率要求极高的ToB客户，在Agent和Sub-Agent并发场景下效率提升明显。

SwiftVR 提出流式一步生成式视频恢复框架，采用无掩码移位窗口自注意力和轻量级恢复感知自编码器，消除二次空间注意力与大型视频自编码器的延迟及内存瓶颈。模型仅用标准密集 SDPA 调用，无需重训练或自定义内核即可部署至消费级 GPU。在单张 H100 上，2560×1440 分辨率达 31 FPS，3840×2160 达 14 FPS，而扩散 VR 基线在 4K 已超出内存。在 RTX 5090 上，1080p 达 26 FPS，为首个实现消费级 GPU 实时 1080p 流媒体的生成式视频恢复模型。

光学推理（Optical Reasoning）提出将图像作为语言和多模态任务的独立推理媒介，包含基于印刷字体与基于图形两种变体，分别优化视觉布局和图文结构化组织。在数学、科学及交错模态推理基准上，光学推理匹配甚至超越传统文本推理，同时语言任务减少推理token 28.57%，多模态任务减少16%，token效率达到文本推理的1.96倍，证明图像能高效编码推理过程并提供统一的视觉推理画布。

小米与TileRT联合推出MiMo-V2.5-Pro的UltraSpeed模式，在1万亿参数模型上首次达到超1000 tokens/s输出速度。UltraSpeed API同步上线，定价为原版的3倍，输出速度提升约10倍。由于资源有限，采取申请制限时开放，通过用户可在2026年6月9日至6月23日23:59接入API体验，并获限时免费Chat。试用规则：每账号每日最多成功进入队列10次，单次会话上限30分钟，空闲超5分钟自动释放资源。

SkeMex 是一种部署后自进化框架，通过技能记忆提升医学智能体的临床交互推理能力，无需更新模型权重。它将历史交互轨迹蒸馏为结构化技能（可复用流程知识），组成跨通用、任务特定及行动级的多分支仓库。利用环境反馈估计上下文效用，指导价值感知检索与仓库治理，形成“读取—写入—评估—治理”闭环生命周期。实验表明，在多种临床任务中，SkeMex 在离线和在线设置下均优于代表记忆型智能体，且能跨模型骨干泛化并实现可转移技能记忆。

Noam Brown@polynoamial

74

Noam Brown指出，LLM基准性能日益依赖测试时计算，当前标准评估因忽略推理预算而低估模型能力。以GPT-5.5与GPT-5.4为例：控制测试时计算后，5.5表现远超5.4。Karpathy的自动化实验和AISecurityInst的网络评估均显示，即使消耗超1亿token，强模型性能仍持续提升。Brown建议改用性能-测试时计算曲线评估，安全评估也应计入推理预算，如Gemini 3 Deep Think发布时未配套风险说明，关键在于业界未统一考虑测试时计算。

FlashMemory-DeepSeek-V4（FM-DS-V4）提出Lookahead Sparse Attention（LSA）推理范式，基于DeepSeek-V4架构构建神经记忆索引器，主动预测未来上下文需求，仅保留查询关键KV块。采用解耦训练策略，索引器作为独立双编码器训练，无需加载主干模型。在LongBench-v2、LongMemEval、RULER等长上下文基准上，平均物理KV缓存压缩至全上下文基线的13.5%，下游精度平均提升0.6%；在500K极端长度下，物理KV开销减少超过90%，且不损害主干模型的核心推理能力。

长上下文语言模型推理受KV缓存内存瓶颈制约。现有压缩方法或大幅降低质量，或耗时耗算力。本文通过架构搜索和从头预训练，在350B tokens上持续预训练了0.6B编码器、4B解码器的模型家族，支持1:4、1:8、1:16压缩比，命名为Latent Context Language Models (LCLMs)。该家族在通用任务性能、压缩速度和峰值内存上提升了帕累托前沿，并能作为长时程智能体的高效骨干，快速扫描压缩后的长上下文并按需展开相关片段。

Kimi 通过「Agent 集群」同时调度 300 个子 Agent，从战术、球员、伤病等维度并行分析 104 场世界杯赛事，并公开预测与复盘。模型综合采用 Elo/FIFA 强度模型、Poisson 与 Dixon-Coles 进球分布模型、xG/xT 指标体系、Monte Carlo 模拟等。分析发现德国队夺冠概率被市场低估：基准约 11.0%，校准后约 11.3%，而部分市场隐含概率仅约 7.4%，存在约 +3.6 个百分点的正向偏离。同时推出总奖池 1 万亿 Token 的竞猜活动，并发布 Kimi Work——面向知识工作者的通用型本地 Agent，集成了建站、PPT 等专业 Skills 及 Kimi WebBridge。

针对大推理模型（LRM），提出绕过传统解释步骤的方法：将行为预测视为可学习任务，训练Behavior Forecaster基于单条推理轨迹直接做出预测（如重复答案概率、移除部分输入后答案的变化）。训练数据通过查询LRM自动生成，无需人工标注，推理仅需单次前向传播。在三个推理数据集上，该预测器表现优于作为朴素读者读取相同轨迹的GPT-5.4和Claude Opus-4.6，且推理成本远低于它们。端到端微调骨干网络并从目标LRM初始化是实现高性能的必要条件。

针对token级采样易产生冗余轨迹、嵌入级随机噪声破坏语义一致性的问题，N-GRPO将语义邻居混合（Semantic Neighbor Mixing）机制集成到GRPO框架中。该方法通过混合锚点token及其最近语义邻居的嵌入构造输入表示，在注入多样性的同时保持局部语义流形。在DeepSeek-R1-Distill-Qwen系列不同规模模型上的实验表明，N-GRPO在数学推理基准上持续优于强基线，并在分布外任务上展现稳健泛化能力。

ComBench是一个面向奥林匹克级组合数学的基准，包含100个人工标注的竞赛级别问题，分为分析型（侧重严谨数学论证）和构造型（需要明确构造及正确性证明）。评估结合评分指南的证明评分与确定性构造验证，揭示证明质量与构造有效性的差异。前沿模型在该基准上远未饱和：最强模型整体平均分65.4%，Best@4达75.3%。Kimi-K2.6在分析型证明评分上落后于GPT-5.5，但在构造型Best@4上反超；存在性和构造类问题对所有代表性模型始终最难。

三星电子副董事长全永铉昨日与英伟达CEO黄仁勋会面后透露，双方正商讨下一代Groq LPU系列AI加速器芯片的合作。三星晶圆代工已是Groq 3 (LP30) LPU芯片的4nm合同制造伙伴。英伟达后续规划Rubin世代的LP35 LPU和Feynman世代的LP40 LPU。台积电此前也表示正与客户合作开发下一代LPU。

Ethan Mollick@emollick

63

Yekyung Kim: From op-eds in newspapers to NeurIPS position papers, AI is increasingly shaping long-form public discourse. Its argumen...

小米与 TileRT 联合发布 MiMo-V2.5-Pro UltraSpeed 模式，在通用 GPU 上突破万亿参数模型生成速度 1000 tokens/s。API 同步上线，定价为原版 3 倍，输出速度提升约 10 倍，采取申请制限时开放（6 月 9 日至 23 日）。通过审核用户可获两周免费 Chat 体验，每日最多队列 10 次，单会话上限 30 分钟，空闲超 5 分钟自动释放资源。

小米MiMo团队与TileRT合作发布MiMo-V2.5-Pro-UltraSpeed服务模式，专为MiMo-V2.5-Pro模型设计。该方案在单个8-GPU消费级节点上，实现了1万亿参数模型超过1000 tokens/s的解码速度。