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
勒庞称若当选总统将不再为乌克兰提供财政援助

勒庞称若当选总统将不再为乌克兰提供财政援助

新华社
2026-11-17 10:30:03
曝河北富豪公子大婚!“刘能”王小利携妻子现场表演节目,婚房为12层独栋别墅,每桌备一瓶茅台一瓶国窖1573

曝河北富豪公子大婚!“刘能”王小利携妻子现场表演节目,婚房为12层独栋别墅,每桌备一瓶茅台一瓶国窖1573

裕丰娱间说
2026-11-17 09:41:57
星链被替换,乌克兰使用HiSKY终端打击俄罗斯,马斯克或失去更多

星链被替换,乌克兰使用HiSKY终端打击俄罗斯,马斯克或失去更多

山河路口
2026-11-16 14:24:17
贝加尔湖的存在,完全打破了人类对湖泊的常规印象。首先最逆天的是它的深度,最大水深1637米,能淹没两座哈利法塔

贝加尔湖的存在,完全打破了人类对湖泊的常规印象。首先最逆天的是它的深度,最大水深1637米,能淹没两座哈利法塔

扶苏聊历史
2026-11-16 17:44:56
国外网红突然流行炫耀中国男友,惊讶他们没体味,为此感到自豪

国外网红突然流行炫耀中国男友,惊讶他们没体味,为此感到自豪

新游戏大妹子
2026-11-17 13:00:28
当每天四五千家个股下跌成为常态,这样的市场关门才是最好的选择

当每天四五千家个股下跌成为常态,这样的市场关门才是最好的选择

说得说不得
2026-10-30 09:37:40
离人民越来越远了

离人民越来越远了

柴差说
2026-11-17 16:31:27
28岁男子抱着刚出生亲弟弟笑不出来,网友:以后孙子和儿子打架咋整?

28岁男子抱着刚出生亲弟弟笑不出来,网友:以后孙子和儿子打架咋整?

东方豪侠
2026-11-17 04:52:10
39岁赵奕欢倒追26岁男嘉宾遭拒,情绪崩溃大哭,男方直言压力太大

39岁赵奕欢倒追26岁男嘉宾遭拒,情绪崩溃大哭,男方直言压力太大

萧狡科普解说
2026-11-17 14:55:25
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
海外,全面封杀!

海外,全面封杀!

君临财富
2026-11-17 15:53:07
上证指数3500点成讨论焦点!不少投资者晒图发帖,评论区情绪悲观:3000点指日可待

上证指数3500点成讨论焦点!不少投资者晒图发帖,评论区情绪悲观:3000点指日可待

火山詩话
2026-11-17 16:49:49
RTX 5080售价暴跌4000元 这只是开始

RTX 5080售价暴跌4000元 这只是开始

Holdon2099游戏世界
2026-11-17 15:44:27
潘蔚现状曝光,孙楠离婚内幕也清楚了,难怪他放着北京不住,偏要搬去农村大院

潘蔚现状曝光,孙楠离婚内幕也清楚了,难怪他放着北京不住,偏要搬去农村大院

辉哥说动漫
2026-11-17 15:00:24
余承东发布新款问界M8:38万元起售,全系预埋L3架构

余承东发布新款问界M8:38万元起售,全系预埋L3架构

量子位ROBO
2026-11-16 15:20:54
湖南一女子3岁走失,40岁成为千万富豪后登台寻亲,不料亲生父母无一人到场:父亲找了她11年直到去世,母亲也病得认不出人……

湖南一女子3岁走失,40岁成为千万富豪后登台寻亲,不料亲生父母无一人到场:父亲找了她11年直到去世,母亲也病得认不出人……

富书
2026-11-17 14:29:17
油价大跌!一夜降温,11月17日全国92,95汽油“2连涨、大涨近8.5毛/升”后降下来,11月已降近0.55元/升后,下次11月26日调价“或大降”!

油价大跌!一夜降温,11月17日全国92,95汽油“2连涨、大涨近8.5毛/升”后降下来,11月已降近0.55元/升后,下次11月26日调价“或大降”!

猪友巴巴
2026-11-17 09:18:13
1943年,共产国际解散后,王明在干什么?

1943年,共产国际解散后,王明在干什么?

容妃
2026-11-17 15:14:18
因长得太漂亮被导演狂追,却因拒绝追求无戏可拍,今搭档胡歌走红

因长得太漂亮被导演狂追,却因拒绝追求无戏可拍,今搭档胡歌走红

大眼妹妹
2026-11-17 11:47:12
重磅官宣:罗伯特帕丁森成为新一任007 定妆照同步放出全引发热议

重磅官宣:罗伯特帕丁森成为新一任007 定妆照同步放出全引发热议

立真娱乐
2026-11-17 09:36:56
2026-11-17 19:28:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16703文章数 67238关注度
往期回顾 全部

科技要闻

硅谷大佬组局,帮黄仁勋杀回来!

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

游戏
亲子
房产
公开课
军事航空

小伙表示连玩7天《GTA6》 这下PS5可惨了

亲子要闻

宝宝气人但是聪明的4个行为

房产要闻

6.6亿!海口卖地!

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版