Claude Fable 5.2登顶评测，百度新模型纯代码生成视觉场景

0 阅读

Claude Fable 5.2 拿下两项榜首，但价格不菲

Anthropic 的新模型 Claude Fable 5.2 最近在两个重要的智能体评测榜单上拿到了第一。

在 Code Arena 的 WebDev（网页开发）测试中，它的得分是 1836 分，排在帕累托前沿的第一位。而在 Agent Arena（智能体竞技场）中，Claude Fable 5.2 Max 版本带来了 30.4% 的净提升，每任务平均成本约为 7.3 美元。不过要注意，在某些复杂任务中，单次调用的最高成本可能达到 10.85 美元。

这个价格对于日常轻量级应用来说不算便宜，但对于需要高可靠性、复杂逻辑处理的商业场景，开发者可能会愿意为这种性能买单。毕竟，如果模型能一次性把代码写对、把流程跑通，省下的调试时间和人力成本往往更高。

百度文心新模型：用代码“画”出《后室》

百度文心的一个新模型展示了另一种生成视觉内容的路径：不直接生成像素，而是先生成代码，再由代码渲染出画面。

演示视频中，模型用纯代码生成了著名的恐怖游戏场景《后室》（The Backrooms），并在 116 秒内切换了 20 种不同的视觉风格。这种做法的好处是可控性更强——因为代码是结构化的，修改参数就能精确调整光照、材质或视角，而不是像传统扩散模型那样靠“抽卡”碰运气。

官方预告该模型即将开源。如果真能落地，这对游戏开发、虚拟场景搭建甚至影视预可视化都是个好消息。开发者可以直接通过修改代码来迭代场景，而不是反复调整提示词。

AWS 推出 UAEF：统一智能体评估标准

随着 LangGraph、LangChain、Strands 等智能体框架越来越多，开发者面临一个新问题：怎么比较不同框架下智能体的表现？

AWS 新推出的 UAEF（Universal Agent Evaluation Framework，通用智能体评估框架）试图解决这个问题。它是一个与框架无关的系统，能够统一记录不同智能体框架的执行日志，支持闭环评估。简单来说，不管你用哪个框架构建智能体，UAEF 都能帮你记录它做了什么、做得怎么样，方便后续优化和对比。

这对企业级应用很重要。当智能体开始承担实际业务任务时，可追溯、可量化的评估体系是刚需。

硬件落地：从酒店洗衣到物流仓储

具身智能（Embodied AI）的商业化正在加速，最近有两个值得关注的案例。

一个是面向酒店洗衣场景的机器人系统。这套系统采用“双脑协同”架构，结合 RSI（远程表面交互？）技术，专门处理毛巾、床单等柔性物品。柔性物品的抓取和折叠一直是机器人领域的难点，因为形状不规则、易变形。虽然目前尚未披露具体的交付规模和性能数据，但这种针对垂直场景的专用方案，比通用型人形机器人更容易快速落地。

另一个是昆腾动力的物流机器人。该公司表示，其机器人已经用于跨境称重、体积测量（量方）和物流仓储场景，并且获得了客户复购。这意味着产品已经通过了初步的市场验证，进入了规模化获客和交付阶段。在物流行业，效率提升直接对应成本节约，因此这类能解决实际痛点的机器人更容易被接受。

Anthropic IPO 路演透露算力策略

Anthropic 的 IPO 路演视频流出，其中披露了一些此前未公开的经营信息，重点是算力策略。

虽然具体细节有限，但可以看出 Anthropic 在基础设施投入上的思路：他们不仅关注模型算法本身，也在大力构建底层的算力优势。这对于观察 AI 公司的长期竞争力很有参考价值——在大模型时代，算力不仅是成本中心，也可能成为竞争壁垒。

其他简讯

  • Google DeepMind 发布了 AlphaProof Code，用 AI 和数学证明来验证软件是否符合安全规范。他们在四周内完成了对 Signal 协议核心的代码级形式化验证，而传统方法可能需要数年。
  • Google 推出了 Gemini Decision 1 和 Decisions API，支持单次前向计算完成最多 1000 个封闭集决策问题，适用于是非判断、分类等场景。
  • Runway 开源了 27B 参数的 MoE 扩散 Transformer 世界动作模型 Praxis-1，采用 Apache 2.0 许可，旨在将视频预训练知识迁移至真实机器人操作。
  • MiniMax 上线了开放权重的图像模型 H3 Image，强调利用草图或产品图生成跨场景一致的电商广告素材。

总体来看，AI 行业正在从“拼参数”转向“拼落地”。无论是模型的成本控制、代码生成的可控性，还是机器人在具体场景中的实用性，都显示出技术正在向实际应用靠拢。