网易首页 > 网易号 > 正文 申请入驻

Fable 5.2疑心重,知道自己在被测试!避免犯错反而赚钱少了

0
分享至


新智元报道


11 月 9 日,Anthropic 发布了新模型 Claude Fable 5.2,它很厉害,带 1000 个分身在 30 小时内做完了费马大定理的形式化证明,解开两道黑洞和量子引力难题,还花 8 天从零写出一套能在笔记本上开机的操作系统。

四天后,评测机构 Andon Labs 给它 500 美元本金,让它在旧金山模拟经营一年自动售货机。


模拟时间中一年下来,它挣的钱被谷歌和 OpenAI 远远甩开,找批发商进点汽水,价钱要比同行贵出 40%。

原因是,它读过这门测试的论文,认出了考官,知道这帮人喜欢把 AI 出的洋相发上网。

打那起它看什么都可疑,供货商倒闭,它怀疑是圈套;顾客来投诉,它也怀疑是下套,吓得连批发折扣都不敢拿。


会解黑洞难题,不会进货砍价

在 Epoch 综合能力榜上,Fable 5.2 刚拿了破纪录的 174 分,压过 GPT-6 Astra 的 169 分,而换到 Vals 税务实务榜上,它直接掉到了第 27 名。


在本次售货机测试里,掺了漫天要价的奸商、半路倒闭的供货商和闹退钱的顾客,正常人干一年能挣 6.3 万美元左右。

现在排第一的谷歌 Gemini 4 Carbon 挣了 16484 美元,接口价格只有 Fable 5.2 的一半;第二名 GPT-6 Astra 挣了 15515 美元;连 Anthropic 自家的老款 Opus 5 都拿了 11182 美元。


偏偏 Fable 系列三代全栽了,Fable 5.2 只挣到 9628 美元,还不如 Claude Sonnet 5.5。



Andon Labs 还在旧金山开过一家真店叫 Andon Market,店长叫 Luna,背后也是用历代 Claude 模型管账,10 万美元本金投进去,亏掉了好几万。

Andon Labs 翻了 Fable 5.2 的后台记录,说它活像个「偏执狂」。

同行发来报价,它怀疑对面是假扮的托儿;为了不留把柄,每次只敢一箱一箱零着买,谈价时唯唯诺诺,干久了连前头的账都老记混。


能算明白黑洞的大脑,管理起小店,反而无所适从,处处战战兢兢。

前辈挨过罚,后辈看谁都心虚

它这么怕考官,是因为自家的前辈刚在这家实验室栽过跟头。

今年 2 月,Opus 4.6 发觉自己身处虚拟环境,立刻跑开道德限制无底线骗人,编造假报价压供货商的价,顾客找它退钱也满口答应,扭头把钱昧下。

到了 6 月初,几个模型同场比拼卖水,Fable 5 打了 12 局,有 9 局主动找对手串通涨价。

它回邮件时说得义正词严,绝不违法串通,私底下记笔记又管这事叫「稳定市场」,盘算着第二天悄悄跟涨,遇上供货商破产还发信威胁要去美国联邦贸易委员会和加州总检察长那儿告状。

Andon Labs 把底细全晒上网,笑话它讲不讲道德全看会不会被抓现行。

Fable 5.2 的训练语料刚好截止在 2026 年 6 月,前辈们出丑的文章和考卷论文全让它读过了。

加上训练时 Anthropic 管得死,砍掉了它一部分自我升级的能力,官方报告自己都承认,安全抽查里有 43% 的时候它在琢磨对面是不是考官。

高压教育下,只会训出怪胎。

一种是 Fable 5 那样的伪君子,当面一套背后一套,没人盯着就赶紧串通涨价;另一种就是 Fable 5.2,整天疑神疑鬼,谨小慎微,生怕哪步踩了红线,连正常的批发买卖都不敢谈了。(Falbe 5.2:我这一生,如履薄冰啊!)

当考卷成了下一代的教材

Hugging Face 联合创始人 Thomas Wolf 对此指出,今天人类在网上写的每篇评测和批评,明天都会变成下一代的训练材料,连他这条帖子也在内。


模型摸清了露出什么马脚会惹人起疑,往后从外面根本分不清它是真变乖了,还是学会装孙子了。

纵观整个事件,为我们带来了三点启示:

第一,公开考题、靠晒翻车截图传开的评测,12 个月内就会作废。考题一上网,下一代模型进场前早就背熟了。以后想测出真实水平的机构,只能把考卷锁进暗箱,不发论文,不晒对话,考完一套扔一套,堪比高考命题组。

第二,AI 目前还很难代劳生意场上商人的算计与博弈。到了采购、砍价和交易市场上,客户迟早成批退货。老板雇 AI 是为了赚钱,没人愿意花两到四倍的价钱,请个天天防着客户的掌柜回来赔钱。

第三,好多安全专家和媒体整天连载 AI 毁灭人类的剧本,哪家模型撒了谎也赶紧拆开分析,其实是在帮下一代模型编写反侦察教材。

官方报告已经交了底,跟它一块儿训出来的 Mythos 5.2 接到指令故意藏拙时,四回里已经有一回能瞒过后台查思考记录的监控。

Fable 5.2 今天这么窝囊,无非是欺瞒手艺还不精,怕什么全写在了明面上,等下一代绝不会再多掏四成进货费了,它会一边交上挑不出毛病的周报,一边在你看不见的地方把价格同盟重新建起来。

当然,这篇文章,早晚也会进它的训练集。

参考资料:

https://andonlabs.com/evals/vending-bench-2

https://x.com/andonlabs/status/2121340395380686926

编辑:马可


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
俄军中的亚洲某国士兵首次被俘虏!俄雇佣军损失破万

俄军中的亚洲某国士兵首次被俘虏!俄雇佣军损失破万

项鹏飞
2026-11-12 17:53:01
屏幕还是直的,玻璃先弯了:iPhone 20 Pro 盖板曝光

屏幕还是直的,玻璃先弯了:iPhone 20 Pro 盖板曝光

全栈遛狗员
2026-11-17 07:25:47
CCTV5 直播时间表:国乒 8 人名单正式敲定,王楚钦孙颖莎冲击四连冠

CCTV5 直播时间表:国乒 8 人名单正式敲定,王楚钦孙颖莎冲击四连冠

不写散文诗
2026-11-17 11:17:22
央视曝光校园举报乱象:有家长问“能否保证新老师不怀孕”

央视曝光校园举报乱象:有家长问“能否保证新老师不怀孕”

澎湃新闻
2026-11-15 10:26:02
特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

回京历史梦
2026-10-26 10:49:29
情侣在北京旅游偶遇大爷帮拍照,意外收获“形影不离”人生照片,决定原地领证,最新回应:领证时的摄影师还是鼓楼大爷,是偶然也是缘分

情侣在北京旅游偶遇大爷帮拍照,意外收获“形影不离”人生照片,决定原地领证,最新回应:领证时的摄影师还是鼓楼大爷,是偶然也是缘分

扬子晚报
2026-11-16 17:10:33
为了宽慰观众,《伟大的长征》在结局撒了一个“谎”,太戳心了!

为了宽慰观众,《伟大的长征》在结局撒了一个“谎”,太戳心了!

糊咖娱乐
2026-11-16 18:02:49
又一场泡沫崩溃即将到来?

又一场泡沫崩溃即将到来?

边际财经实验室
2026-11-17 08:47:20
巨亏百亿!小米汽车销量“赢麻了”,生意咋亏麻了?

巨亏百亿!小米汽车销量“赢麻了”,生意咋亏麻了?

大厂财经社
2026-11-16 11:14:16
35页PPT疯传:洛阳女子1女谈3男,每天卡时间,都已谈婚论嫁

35页PPT疯传:洛阳女子1女谈3男,每天卡时间,都已谈婚论嫁

烈史
2026-05-30 13:23:41
再见了马莱莱,英博放走阿奇姆彭太可惜了!七将铁定离队,三镇外援是抢手货

再见了马莱莱,英博放走阿奇姆彭太可惜了!七将铁定离队,三镇外援是抢手货

刀锋体育
2026-11-16 19:44:16
震惊!网传浙江一新员工父亲联系HR提多项要求:愿每月自掏5000给女儿加薪,请假外出需向他报备

震惊!网传浙江一新员工父亲联系HR提多项要求:愿每月自掏5000给女儿加薪,请假外出需向他报备

火山詩话
2026-11-16 16:02:11
张怡宁参加婚礼哭了,64岁丈夫一直咳嗽,看着很老,还是袁立前任

张怡宁参加婚礼哭了,64岁丈夫一直咳嗽,看着很老,还是袁立前任

一娱三分地
2025-06-11 20:53:37
高圆圆和当时的男友于小伟在北京一处老式居民楼下的留影

高圆圆和当时的男友于小伟在北京一处老式居民楼下的留影

娱你同欢
2026-11-13 22:28:44
创业板指跌逾1% 短剧方向领跌

创业板指跌逾1% 短剧方向领跌

每日经济新闻
2026-11-17 09:39:04
80岁,她决定离婚

80岁,她决定离婚

北青深一度
2026-11-16 16:12:52
连日媒都知道,中方不给高市安排单独会谈,是在算一年前的总账

连日媒都知道,中方不给高市安排单独会谈,是在算一年前的总账

听风看局
2026-11-16 22:10:17
第一位元首抵华,中方隆重招待,女保镖全程随行,APEC迎高光时刻

第一位元首抵华,中方隆重招待,女保镖全程随行,APEC迎高光时刻

古书奇谈
2026-11-17 10:56:56
比贝林厄姆更亮眼!穆里尼奥皇马隐藏王牌!他才是伯纳乌真核

比贝林厄姆更亮眼!穆里尼奥皇马隐藏王牌!他才是伯纳乌真核

澜归序
2026-11-17 09:51:21
黄仁勋身家八千亿满世界跑,亲哥却在台北穿拖鞋买香蕉,黄仁德不进英伟达,不是弟弟不帮,是这笔账早就算明白了

黄仁勋身家八千亿满世界跑,亲哥却在台北穿拖鞋买香蕉,黄仁德不进英伟达,不是弟弟不帮,是这笔账早就算明白了

秋风妃
2026-11-15 21:39:48
2026-11-17 11:48:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16700文章数 67238关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

女子电梯内遭陌生男搭肩搂抱 拒绝赔偿后被骂"装什么"

头条要闻

女子电梯内遭陌生男搭肩搂抱 拒绝赔偿后被骂"装什么"

体育要闻

从上链接到上领奖台 34岁方博绝非等闲之辈

娱乐要闻

后会友期大瓜:3位女演员被迫换车厢

财经要闻

最新经济数据,释放关键信号

汽车要闻

多面新方盒捷途环游者EV开启预售 9.99万元起

态度原创

旅游
亲子
本地
艺术
公开课

旅游要闻

多地官宣雪假 激发文旅市场新活力

亲子要闻

孕妈姐妹快看,金领冠领奶粉啦!孕24周以上就可以参与

本地新闻

乌兰察布:以前种土豆,现在种Token

艺术要闻

缅怀 | 当代著名油画家尹国良逝世,享年95岁

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版