2026年11月10日8 条来自 8 位 builder

AI构建者摘要

真正在做 AI 的人今天说了什么。一页读完，约 2 分钟。

今天的焦点是 Claude Fable 5.2。首批用户正在测试它能把复杂的创作和编程项目推进到什么程度。与此同时，一次对 AI 评测的深入探讨提醒我们：agent 的成果即使看起来很完善，也可能藏着错误，在高风险工作中无法使用。

Claude

Claude Fable 5.2 面向付费用户开放，Claude Mythos 可申请使用

Claude Fable 5.2 今天起面向所有付费方案开放。从事有益于社会的网络安全或生物医学研究的机构，可以申请使用 Claude Mythos 5.2。Anthropic 还表示，Fable 5.2 找出了一种用于排除量子引力候选理论的方法的确切适用边界。

x.com/claudeai/status/2119899492778398163 x.com/claudeai/status/2119899491310432269 x.com/claudeai/status/2119899488995131439

#products
#research

Dan Shipper

Every CEO

Fable 5.2 能完成有挑战性的项目，但成本也得算进去

Dan Shipper 的团队用 Fable 5.2 做出了定制视频编辑器，把孩子的玩具变成赛车游戏，还根据研究资料制作了一部纪录片。他建议交给它一项有明确完成标准的大任务，并留出时间检验成果。问题在于，它速度慢、消耗的 token 多，所以日常写作或简短的编程问答，他会选其他模型。

x.com/danshipper/status/2119871917104455924 x.com/danshipper/status/2119869228207546638 x.com/danshipper/status/2119868362838663650

#products
#coding

播客

Latent Space

Handshake 的基准测试揭示 AI agent 代价高昂的短板

Handshake AI 表示，在其生命科学基准测试中，即使是前沿模型，准确率也只有 50% 或更低；在模拟金融任务中，agent 的得分低于 20%。一个银行业务 agent 生成了看似可信的电子表格，却错误处理了一条税务规则，导致估值出错，而且没有提示任何不确定性。正如一位银行家所说：“对了 95%，就等于错了 100%。”Handshake 认为，要让人信任这些 agent，必须先用真实任务、专家评分和有害行为测试来评估它们。

youtube.com/@LatentSpacePod

#evals
#agents
#safety

Guillermo Rauch

Vercel CEO

Vercel 正在为其 MCP 加入事件订阅功能

Guillermo Rauch 表示，MCP Events 补上了协议中的一处空白：agent 可以订阅稍后发生的事件，例如部署成功，而不用反复检查。Vercel 正在为自己的 MCP 加入这项支持。Rauch 还认为，新模型能协调的并行任务越来越多，已经超出单台计算机的承载能力，因此云端沙盒会越来越有用。

x.com/rauchg/status/2119891138450755670 x.com/rauchg/status/2119878364794372162