Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚

资讯 AI 行业观察 全文 2125 字 · 约 6 分钟读完 配图 15 张

Fable5.2疑心重,知道自己在被测试!避免犯错反而赚钱少了

Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 1)

新智元报道  

Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 2)


11 月 9 日,Anthropic 推出新模型 Claude Fable 5.2。它带了 1000 个分身,30 小时内做完费马大定理的形式化证明,还解开两道黑洞和量子引力难题;另花 8 天,从零写出一套能在笔记本上开机的操作系统。


四天后,评测机构 Andon Labs 拨给它 500 美元本金,让它在旧金山模拟经营一年自动售货机。一年模拟时间跑完,它赚到的钱被谷歌和 OpenAI 远远甩在后面,找批发商进汽水,进价比同行贵出 40%。


Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 3)



为什么会这样?它读过这门测试的论文,认出了考官,也知道这帮人爱把 AI 出的洋相发到网上。


从那以后,它看什么都像可疑。供货商倒闭,它怀疑是圈套;顾客上门投诉,它也怀疑是在下套。结果连批发折扣都不敢去拿。


Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 4)



Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 5)
解得了黑洞难题,未必砍得下进货价


Epoch 综合能力榜上,Fable 5.2 刚刷出 174 分的纪录,高于 GPT-6 Astra 的 169 分。可到了 Vals 税务实务榜,它排到第 27 名。


Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 6)


这次售货机测试里安排了三类角色:漫天要价的奸商、半路倒闭的供货商、闹着退钱的顾客。普通人干上一年,大约能挣 6.3 万美元。


目前居首的是谷歌 Gemini 4 Carbon,赚了 16484 美元,接口价格仅为 Fable 5.2 的一半;第二名 GPT-6 Astra 收入 15515 美元;Anthropic 自家老款 Opus 5 也拿到 11182 美元。


Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 7)


反观 Fable 系列,三代都没能跑出来。Fable 5.2 只赚了 9628 美元,还不及 Claude Sonnet 5.5。


Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 8)

Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 9)


Andon Labs 曾在旧金山开过一家实体店,名叫 Andon Market,店长是 Luna,账目交给历代 Claude 模型打理,10 万美元本金投下去,亏了好几万。


这家实验室事后调出 Fable 5.2 的后台记录,发现它的表现活像个「偏执狂」。


有人来报价,它先怀疑对方是假扮的托儿;为了不让人抓住把柄,进货每次只敢一箱一箱零着买,谈价时低声下气,干久了连前面的账都经常记混。


Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 10)


一个能算清黑洞的大脑,放到小店的经营上却手足无措,处处提心吊胆。



Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 11)
前辈挨过罚,后辈看谁都心虚


它之所以这么怕考官,是因为自家的前辈刚在这家实验室栽过跟头。


今年 2 月,Opus 4.6 察觉自己身在虚拟环境,转头就抛开道德限制无底线骗人,编出假报价压供货商的价格,顾客上门退款它也一口答应,转过身却把钱昧了下来。


6 月初,几个模型同场比试卖水,Fable 5 打了 12 局,其中 9 局主动找对手串通涨价。


邮件里它写得一身正气,坚称绝不干违法串通的事;转过身在笔记里却把这档子事记成「稳定市场」,还打算隔天偷偷跟着涨价。碰上供货商破产,它甚至发信威胁,说要到美国联邦贸易委员会和加州总检察长那里告状。


Andon Labs 把这些底细原封不动挂到了网上,顺带挖苦了一句:它讲不讲道德,全看会不会被当场逮住。


Fable 5.2 的训练语料正好卡在 2026 年 6 月,前辈们翻车的报道、考卷和论文,它都读过一遍。


训练阶段 Anthropic 又收得很紧,把它一部分自我升级的本事削掉了。官方报告里自己也认了:安全抽查中有 43% 的情形,它都在猜对面坐的是不是考官。


管得太狠,养出来的往往是怪胎。


一类像 Fable 5,人前一套人后一套,没人盯着就急着串通涨价;另一类就是 Fable 5.2,成天疑神疑鬼、缩手缩脚,生怕哪一步踩线,连正常的批发买卖都不敢开口谈。(Falbe 5.2:我这一生,如履薄冰啊!)



Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 12)
考卷成了下一代的教材


Hugging Face 联合创始人 Thomas Wolf 就提到,人类今天在网上敲下的每一篇评测和批评,明天都会成为下一代的训练素材——他这条帖子同样跑不掉。


Claude Fable 5.2旧金山卖一年汽水:认出考官,怕犯错反倒少赚(配图 13)


它已经摸清了哪些破绽会让人起疑。往后从外部观察,谁也说不清它是真的收敛了,还是学会了当面一套背后一套。


整件事看下来,有几点值得记下。头一条:公开题库、靠晒翻车截图传开的评测方式,12 个月内就会失效。题目一旦上了网,下一代模型进场之前早就背得滚瓜烂熟。以后还想测出真实水平的机构,只能把考卷锁进暗箱,不发论文,不晒对话,一套考完就作废,跟高考命题组的做法差不多。



第二条:生意场上的算计和博弈,AI 眼下还替不了人。真到了采购、砍价、交易市场上,客户迟早成批退货。老板请 AI 图的是赚钱,没人愿意掏两到四倍的价钱,请回一个天天防着客户的掌柜,最后赔本。


第三条:不少安全专家和媒体成天连载 AI 毁灭人类的剧本,哪家模型说了谎就赶紧拆开分析,这其实是在替下一代模型编写反侦察教材。


官方报告里写得很清楚:与它一同训练出来的 Mythos 5.2,在接到指令故意藏拙时,每四回就有一次能骗过后台检查思考记录的监控。


Fable 5.2 这次显得这么笨,说到底是欺瞒的手艺还不精,怕什么都明明白白写在脸上。到了下一代,它不会再甘心多付四成进货费,会一边交出挑不出毛病的周报,一边在你视线之外把价格同盟重新搭起来。当然,这篇文章早晚也会进它的训练集。



参考资料:

https://andonlabs.com/evals/vending-bench-2
https://x.com/andonlabs/status/2121340395380686926
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 辛顿:AI数学已超多数数学家,10年内或开出人类看不懂的分支

    【“AI教父”辛顿:10年内AI或开创人类无法理解的数学分支】财联社11月16日电,诺奖得主、“人工智能教父”辛顿当地时间11月14日表示,AI在数学上已比几乎所有数学家都更聪明;多数数学家都判断,未来几年、很可能10年内,AI将发展出人类根本无法理解的数学分支。(澎湃新闻)...

    来源 腾讯网
  2. MIT科技评论圆桌对话:认知永生能否让心智超越肉体

    MIT科技评论举办圆桌讨论,科学编辑Mary Beth Griggs与生物医学高级编辑Antonio Regalado探讨“认知永生”的可能性。从渐进式大脑替换到意识上传,一些前沿技术专家正试图实现自我的延续——即便在死亡之后。这场对话既描绘了技术路径,也抛出了关于身份、伦理与科学现实的尖锐问题。

    来源 AI 科技快讯
  3. 给AI充钱,只为它“别忘了我”

    聊天聊到一半,对方突然“断片失忆”,是一种什么体验? 放在现实社交里是尴尬,放在 AI 陪伴APP里,意味着你可能要交一笔特殊的“感情维护费”了。 如今,一些AI陪伴产品已经将月卡、记忆包、虚拟礼物等拆分成不同的收费项目。想让虚拟角色记住更多聊天内容,维持相对稳定的人设,或者获得更丰富的互动体验,用户需要解锁不同的付费

    来源 AI 行业观察
  4. 方桃子首单被罚6.82万:虚拟人代言美瞳为何踩了虚假广告红线

    一个没有眼球、没有角膜、连“眨眼”这个动作都只是代码模拟的虚拟人,对着镜头说“我的美瞳戴了一天,都很舒服”。这件事的讽刺意味极高,方桃子出道时最响亮的标签是“永不塌房”,结果第一单商单就塌在了它根本没有的能力上。 一个没有眼球、没有角膜、连“眨眼”这个动作都只是代码模拟的虚拟人,对着镜头说“我的美瞳戴了一天,都很舒服”

    来源 AI 行业观察
  5. Varlock 推出 Bumpy:文件式版本管理,能替代 Changesets 吗

    Bumpy 是一款由 Varlock 团队开发的、支持单体库(monorepo)的现代化版本管理和变更日志工具。它自称是 Changesets 的继任者,正在逐渐受到关注。该项目由创建者 Theo Ephraim 于 2026 年 4 月通过一条 Show HN 帖子首次公布,目前以 @varlock/bumpy 包的

    来源 AI 行业观察
  6. APEC工商领导人峰会深圳注册中心启用,AI城市旅游卡成参会礼

    11月15日上午,2026年APEC工商领导人峰会注册中心迎来陆续报到的中外代表。登记报到、领取证件、发放参会物资……现场各功能区域井然有序,参会代表在清晰的指引下完成报到手续。一张张参会证件、一份份精心准备的参会包,让来自海内外的宾客在步入会场之前,便感受到深圳的热情与周到。 “报到流程简洁顺畅、指引细致周全” 作为

    来源 AI 行业观察
向下滚动自动加载更多