Fable 5.2 领跑本周模型发布，但成本影响选择

Nvidia 董事会正在调查有关 CEO Jensen Huang 成为外国情报行动目标的报道；Huang 此前承认了一段婚外关系。我讨论了此事可能对公司造成的影响，并认为需要通过调查弄清事实。

Claude Fable 5.2 和 Gemini 4 Carbon 相继发布。独立基准结果显示 Fable 领先，但我自己的使用体验中感受到的质量差距比综合分数显示的更大。

Artificial Analysis 指数将多个 Fable 版本排在前列，Carbon 紧随其后。我质疑这个基准是否反映了我在决策、假设和执行任务时看到的差异。

成本会改变选择：Fable 5.2 很昂贵，而 Carbon 每项基准任务的成本低得多。即使我自己偏爱 Fable，也并非每项工作都需要能力最强的模型。

我查看了知识工作、自动化和编程测试中的个别例外。实际使用这些模型让我越来越不相信单一的一组分数能够概括它们的差异。

我描述了自己眼中 Anthropic 在编程模型需求、收入、数据和算力之间形成的循环，并推测前代模型如何帮助构建后继模型。对尚未发布模型的判断只是我的推测。

我认为 Carbon 有用且相对便宜，虽然在我的测试中更偏爱 Fable。一个例子是外观类似 Excel 的浏览器表格应用。

模型报告称，表格演示约花费三个智能体小时，实际经过约一小时四十分钟，消耗 2600 万令牌。这些数字来自模型自己的报告。

在一个 Fall Guys 风格的游戏中，我看到穿模、碰撞和物理效果问题，不过结果仍优于我试过的某些模型。另一个例子是鲁布·戈德堡式动画。

接下来是开放权重模型，首先是 LongCat 2.5：我报告其总参数量为 1.6 万亿、活跃参数量为 480 亿，并支持多模态。模型规模使多数人难以在本地运行。

Recursive Intelligence 的 Ripple 65B 预览版是一个较小的稠密模型。我引用其报告的 Terminal-Bench 2.1 分数和百万令牌上下文，同时指出它比较的是开放权重模型。

Thinking Machines 的 Inkling 2 Small 是另一款紧凑的开放权重模型。我展示了城市建造游戏、Python 电脑模拟器等示例，以及它与更大 DeepSeek 模型的对比。

Meta 的 Muse Ember 面向较小模型的工作负载。我对比画面中它与 Claude Haiku、GPT-6 Luna 的成本和成绩，并建议用更强的模型规划、较便宜的模型执行委派任务。

OpenAI 的 GPT Image 2.6 加入动态图生成并提高图像生成速度，提供侧重质量和速度的版本。我展示了价格，也表示不确定其输入计费如何运作。

我介绍 Gemini Omni 1.2 Flash，称它的视频生成速度更快、成本更低，支持更长片段和对话式编辑；随后展示据称由字节跳动 Seedream 5.5 生成的例子。

我讨论的介绍称，Cognition 的 SWE 2 Flash 基于 Inkling Small，面向高效编程工作。我再次建议，在需要节省配额时考虑用较小模型处理委派任务。

MiniMax H3 Image 被介绍为开放权重图像模型。我提到完整下载和较小量化版本的体积，最后再次说明自己偏爱 Fable 5.2。