Claude Fable 5.2登顶两项评测，百度新模型以代码生成场景

Claude Fable 5.2 拿下两项榜首，但价格不菲

Anthropic 推出的新模型 Claude Fable 5.2，近日在两个重量级智能体评测榜单上均位列第一。

在 Code Arena 的 WebDev（网页开发）测试里，它拿到 1836 分，位居帕累托前沿首位。Agent Arena（智能体竞技场）这边，Claude Fable 5.2 Max 版本实现 30.4% 的净提升，每任务平均成本约 7.3 美元。不过部分复杂任务中，单次调用的最高花费可能到 10.85 美元。

这样的价格，日常轻量级应用用起来并不划算。可放到需要高可靠性、复杂逻辑处理的商业场景，开发者或许乐意为此掏钱。毕竟模型要能一次把代码写对、把流程跑通，省下来的调试时间和人力成本通常更高。

百度文心新模型：用代码“画”出《后室》

百度文心的一个新模型，展示了生成视觉内容的另一条路：不直接产出像素，先写代码，再让代码渲染出画面。

演示视频里，该模型仅凭代码就生成了知名恐怖游戏场景《后室》（The Backrooms），116 秒内切换了 20 种不同视觉风格。这么做的好处是可控性更强。代码本身是结构化的，改改参数就能精准调整光照、材质或视角，不必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。若能真正落地，游戏开发、虚拟场景搭建乃至影视预可视化都会受益。开发者可以直接改代码来迭代场景，不用反复调提示词。

AWS 推出 UAEF：统一智能体评估标准

LangGraph、LangChain、Strands 等智能体框架越出越多，开发者面前多了一道新难题：不同框架下的智能体表现，该怎么比？

AWS 新推出的 UAEF（Universal Agent Evaluation Framework，通用智能体评估框架）就是冲着这个问题来的。这套系统与框架无关，能统一记录各智能体框架的执行日志，并支持闭环评估。说白了，无论你用哪种框架搭建智能体，UAEF 都能记下它干了什么、干得如何，方便日后优化和对比。

对企业级应用而言，这点很关键。智能体一旦接手实际业务任务，可追溯、可量化的评估体系就是刚需。

硬件落地：从酒店洗衣到物流仓储

具身智能（Embodied AI）的商业化在提速，近期有两个案例值得关注。

其一是面向酒店洗衣场景的机器人系统。该系统采用“双脑协同”架构，结合 RSI（远程表面交互？）技术，专门对付毛巾、床单这类柔性物品。柔性物品的抓取和折叠向来是机器人领域的硬骨头，形状不规则、容易变形。具体的交付规模和性能数据目前尚未披露，但这类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。

其二是昆腾动力的物流机器人。该公司称，其机器人已用于跨境称重、体积测量（量方）和物流仓储场景，并拿到客户复购。这说明产品过了初步的市场验证，正进入规模化获客和交付阶段。物流行业里，效率提升直接对应成本节约，能解决实际痛点的机器人自然更容易被接受。

Anthropic IPO 路演透露算力策略

Anthropic 的 IPO 路演视频流出，里面披露了一些此前未公开的经营信息，重点落在算力策略上。

具体细节虽然有限，但 Anthropic 在基础设施投入上的思路可见一斑：模型算法本身要盯，底层算力优势也在大力构建。想观察 AI 公司的长期竞争力，这一点颇有参考价值。大模型时代，算力不只是成本中心，也可能变成竞争壁垒。

其他简讯

• Google DeepMind 发布 AlphaProof Code，用 AI 和数学证明来验证软件是否合乎安全规范。Signal 协议核心的代码级形式化验证，他们四周内就完成了，传统方法可能要数年。
• Google 推出 Gemini Decision 1 和 Decisions API，单次前向计算最多可完成 1000 个封闭集决策问题，适用于是非判断、分类等场景。
• Runway 开源 27B 参数的 MoE 扩散 Transformer 世界动作模型 Praxis-1，采用 Apache 2.0 许可，目标是把视频预训练知识迁移到真实机器人操作上。
• MiniMax 上线开放权重的图像模型 H3 Image，主打用草图或产品图生成跨场景一致的电商广告素材。

整体看，AI 行业正从“拼参数”转向“拼落地”。模型如何控制成本、代码生成的可控性如何，机器人在具体场景里是否好用，都说明技术正在向实际应用靠拢。