The result signals that controllable camera movement, not raw visual quality alone, is emerging as the competitive battleground for video models. Teams producing ads, film previz or game cinematics should shortlist Atlas for shots that demand precise pans, dollies and tracking. Head-to-head comparisons against rivals like Runway and Sora on the Rapidata leaderboard give buyers a human-judged reference point beyond vendor demos.
ARC Prize 官方放出了 Claude Fable 5.2 的成绩单，ARC-AGI-3 标准测试拿下 81.2% 的最高分，比 adapter 模式低 16.5 个百分点这个细节特别有意思。做抽象推理评测或者选模型对比的团队可以仔细看这组数据。
Matt Shumer 放出 Fable 5.2 的演示，一条提示词就生成了带渲染和空间数据结构的体素引擎，还附了能直接玩的链接。做开发的朋友可以去试试看它生成的代码质量到底如何，跟 Cursor 或 Claude 写代码的能力对比一下。
Meta 这次发了个小模型 Muse Ember，专给 agent 打杂用，价格和 Claude Haiku 5.5 持平但每道题花费只有它的三分之一。写代码它比 Haiku 强，改代码合入项目反而弱一点，还有个亮点是几乎不瞎编。给 agent 做主从搭配的开发者值得对比一下各家小模型的实测账单。
The benchmark gap over Haiku 5.5 and GPT-6 Luna is modest in points but wide in cost per completed task, which matters most for teams running high-volume codegen. Developers building website or app scaffolding pipelines can test Ember against Haiku on their own workloads to validate the claimed 2x cost advantage at equal API rates. Volume API buyers should watch whether actual task-level cost, not sticker pricing, becomes the new battleground for small coding models.
编程评测分数超过了 GPT-6 Astra 和 Gemini 4 Carbon，价格还降了两成，写代码的同学可以直接在 Claude Code 里手动切换试试。Pro 用户 16 号前用 Fable 不额外扣钱，别忘了去设置里领那次额度重置。
Meta 把 Muse Ember 挂上了 OpenRouter，文本、图片、视频、音频都能吃进去，专门帮主力模型干杂活、让主模型专心思考。用 OpenRouter 的话一个 API 就能试，做多模态流水线的朋友可以留意。
一个模型把远程办公基准拉到对手两倍，还顺手做了费马大定理的形式化。做机器人仿真或者长任务的团队该看看 Fable 5.2，关心安全的可以对比 Mythos 系列三代模型的沙箱逃逸率。
bindsuri reddy 实测了 Anthropic 刚出的 Fable 5.2，结论很直接：LiveBench 微超 Astra 拿了第一，但单任务成本高得离谱，max 模式直接不可用。如果你在纠结要不要升级订阅或换 API，这篇第一手评测能帮你省一笔钱。
Anthropic 工程师拿 Claude Fable 5.2 干了件硬核事：1000 多个子智能体连跑 8 天，写出一个能开机、有内核和窗口系统的 OS 原型。做智能体编排的人应该看看这个案例，比一般 coding demo 能说明规模上限在哪。不过消息来自推特，先当参考。
Meta 用 Muse Wonder Full 训练新模型 Muse Ember，价格只有 Claude Haiku 5.5 的约三分之一，基准分数还打平。做批量任务、成本敏感的开发者和企业可以对比一下再选模型。
模型边听边看边说，你说话时它能读取你的表情，还能用眼神暗示想插话。比 OpenAI 纯语音模式多了视频和表情输出，做数字人客服或虚拟主播的开发者可以留意这个方向。
同一底座配两套安全策略，这个思路挺新鲜，想要更严格审查还是更宽松输出可以按场景选。速度提三成、价格降两成，跑生产环境 API 的开发者能直接省成本，写代码的也值得跑跑看。
Anthropic 一次放了两条线的升级版，Fable 和 Mythos 都到 5.2。如果你在用 Claude 写代码或跑智能体，这版更快也更能扛复杂任务，可以先试试和 5.1 的差距。
费马大定理证明被 1000 个智能体形式化这事挺离谱的，而且 Fable 5.2 用一半成本追平了 Opus 5.5 的成绩。做编程和科研的可以看看这组基准数据。
Anthropic 一次放出了两个新模型，主打编码、推理和视觉三块能力的提升，适合拿去做复杂工程项目的伙伴。和上一代比多了 vision 这条线，具体强多少还得看跑分，关注 Claude 系列的可以先盯一下官方文档。
Meta 这个 Muse Ember 单任务成本只要 3 美分，同样的 API 定价下比 Haiku 和 Luna 省一半以上，还能跨应用跑智能体工作流。如果你的 agent 要批量跑代码任务，这份成本对比表很值得算一算。
同一个模型拆成两个名字卖，Fable 带防护、Mythos 走审核才能拿。做网络安全或生物医学研究的团队可以关注申请通道，普通用户拿到的其实是阉了防护开关的版本。
Anthropic 的新版 Claude Fable 5.2 今天就能用了，付费用户直接升级，API 价格还降了两成，输出 token 从 50 美元降到 40。做智能体或长文生成的朋友成本会明显省一截，可以先把基准测试跑一遍再决定切不切。
AWS 定价页泄了 Anthropic 两个新模型的名字和价格，输入 8 刀输出 40 刀每百万 token，比 GPT-5.2 和 Gemini 3 Pro 都贵。版本号从传闻的 5.5 变成 5.2，升级幅度可能比预期小。用 Bedrock 的企业开发者可以留意。
AirCaps 发了个会标注「这句话是谁说的」的语音转写模型，VoiceArena 排第一，比 ElevenLabs、AssemblyAI 这些老牌选手错误率还低 41%。难得的是评测代码和数据配方全开源，能自己复现。做会议纪要类产品或者做语音评测的可以盯一下。
LMArena 把智能体榜单加了个 Pareto 前沿视图，一眼看出哪些 agent 在性能和成本之间最划算。选型时不想只看总排名的话，这个视角挺实用，做 agent 的开发者可以去看看自己用的模型在不在前沿上。
The interesting shift here is that small-model competition is now argued in cost-per-task terms rather than benchmark leaderboards, a framing that maps directly onto procurement decisions. Teams running high-volume workloads like classification, extraction, and batch processing should re-run their cost baselines against Haiku before renewing API commitments. The luna comparison also hints at a tiered small-model lineup that deserves watching as pricing details surface.
A 17x price cut for near-flagship intelligence reshapes the cost math for token-heavy workloads like coding agents and batch processing. Teams building on Muse models can swap Muse Ember into API calls or Muse Code to cut spend without a full quality drop. Buyers comparing against other small-model tiers now have a new price-performance benchmark to weigh.
字节这次把多轮编辑做到了 100 次不崩细节，还支持透明背景导出，做电商图和设计素材的人会很实用。对比 GPT Image 2.5 和 Nano Banana 2.1，字节的评测里它在文字准确度上占了上风，不过成绩是自己测的，建议上手试试再下结论。
Meta 的新模型在编程和 agent 基准上超过了 Claude Haiku 5.5 和 GPT-6 Luna，成本只有 Haiku 的三分之一，还原生支持音频视频多模态。做智能体应用、想压成本的开发者可以直接对比试试。
A frontier lab shipping its smallest model explicitly for agent execution signals that the agent runtime layer, not just raw capability, is now a competitive front. Teams building multi-step tool-calling workflows should evaluate Muse Ember's latency, price and 1M-token context against OpenAI and Google's small reasoning models before locking in a stack. Pricing and availability details were not in the announcement, so benchmarking on your own workloads is the practical next step.
Meta 把新模型 Muse Ember 直接搬上了自家 API，输入每百万 tokens 只要 0.1 美元。比起自己下权重部署，托管 API 省事不少。做应用的开发者可以对比下这个价和 OpenAI、Anthropic 的报价再决定。
The meaningful signal is that Meta is competing on per-task economics rather than benchmark leadership, which could pressure Anthropic and OpenAI pricing for high-volume agent fleets. Teams running multi-step agents with many tool calls should re-benchmark their pipelines against Muse Ember once independent evaluations confirm the Artificial Analysis numbers. Pricing details and API availability will decide whether it displaces Haiku-class models in production.
The notable shift is that a US open-weights contender is now nearly matching Chinese leaders like Kimi K3 and DeepSeek on agentic tasks while costing 70% less per task. Teams evaluating open models for self-hosted agents or fine-tuning pipelines should benchmark it against Kimi K3 (Max) and DeepSeek-V4.1-Flash once weights land. It is already usable on Tinker today, so early adopters can fine-tune and test before the full release.
World Labs 的 Atlas 在 RapidataAI 的镜头运动评测里拿了第一，19 个模型、600 条提示词、51 万多次人类投票投出来的。做视频生成或世界模型的团队可以看看这份榜单，了解自己在镜头控制上和头部差多少。
The claim that matters is the all-reasoning-settings cost framing: Scale is pricing against the Haiku/Luna tier on total agent cost, not peak quality. Teams operating high-volume agent pipelines, background workers or API routers should benchmark Muse Ember against their current small model on real task mixtures before committing. Cost-per-intelligence comparisons in this tier change vendor choices quickly, so hands-on evaluation beats marketing numbers.
Meta 这次把 agent 执行模型的输入价格压到了 0.1 美元每百万 token，比 Anthropic 的 Haiku 和 Luna 便宜不少。跑多步智能体任务的话，成本差异会随调用次数放大，正在做 agent 项目的开发者可以先测测它的实际执行能力再决定是否迁移。
百度这套系统能自己改代码、跑实验，验证有效才保留，已经把 NanoChat 和 NanoGPT Speedrun 的公开纪录刷掉了，还顺带提速了 ERNIE-5.5-Flash 推理。做过训练优化的朋友会知道手工调这些有多费时间，可以看看它的闭环思路。
Meta 出了个小模型 Muse Ember，说是能打平 Claude 5.5 Haiku，还便宜。做应用的开发者可以拿它跑跑批量任务和代码补全，省 API 开销。目前只是官方口径，建议自己测一下再决定要不要替换现有方案。
Meta 这次的思路很明确：知识面窄没关系，把幻觉率砍半、把成本压到 $0.14 一任务，专攻自动化执行。在 Terminal-Bench 上它反超 Haiku 5.5，自家的 Muse Code 里更是领先 Claude Code 和 Codex。跑批量任务的团队可以重点看看。
Boston Dynamics 把轮子装到人形机器人 Atlas 上跑强化学习控制器，测试真实执行器和边缘计算的极限。比起纯双足演示，这种花式折腾更能暴露 RL 控制器落地时的实际问题，做机器人控制的开发者可以看看他们的实验细节。
NaceAI 的 Drex Max 不生成文字，直接吐概率，183ms 完成一次决策，比 Claude Opus 5.5 的 3.5 秒快近 20 倍。做需要大量高频决策的智能体的开发者可以关注，延迟敏感场景里这差距是实打实的。
这周可能一口气看到 Gemini、GPT-6.2 Sol 和 Qwen 4 的更新，节奏比平时密集很多。不过帖子里全是未证实的泄露说法，连截图都没有，建议当瓜吃，等官方公告再下判断。
朋友转发的 Google 内部模型 Krypton 爆料，输出片段看着挺惊艳，作者甚至拿"递归自我改进"来形容。不过全是社媒泄露，没有官方确认，看看图个新鲜就行，别当真消息传。
Only the latest 2000 items are listed; for older ones see the daily archive
