跳至正文
  1. One Useful Thing78

    Ethan Mollick 測試 Claude Fable 5.2 於程式設計、商業與研究領域,稱其幾乎達到 AGI

    在涵蓋硬體改造、商業規劃、人文課程建構、學術研究及一個 450 個世界的 3D 傳送門專案等任務上,並依其定義——在多數電腦化智力任務上能與大多數人類專家匹敵——判定它幾乎達到 AGI。

    推薦理由:Ethan Mollick 對 Claude Fable 5.2 的實測顯示其在程式設計、商業與研究方面具備強大的通用能力,同時也暴露出它在判斷自身工作是否足夠好這方面持續存在的落差。

  1. One Useful Thing78

    Ethan Mollick 評測 Claude 5 Fable,首個公開發布的 Mythos 級模型

    Ethan Mollick 測試了 Claude 5 Fable,這是首個向公眾發布的 Mythos 級模型,發現它的表現大幅超越他用過的所有其他公開模型,能針對多頁規格連續運行長達十幾個小時。在一次 Claude Code 工作階段中,它透過啟動更便宜的 Claude Sonnet 代理來研究超過 2,200 個航班、鐵路時刻表和道路速度,建構出一張互動式等時線地圖;在另一次工作階段中,它工作了九個半小時,產出名為 Concord 的軟體,用於校準人類與 AI 的判斷。

    推薦理由:這是對 Mythos 級模型的早期實測記述,展示了長達數小時的自主代理運行如何將人類角色從操控轉變為委託成果。

已經到底了