资讯

Anthropic 在 Fable 5 和 Mythos 5 的系统卡中披露，为阻止竞争对手利用模型加速自身 AI 研发，他们会悄无声息地限制模型对预训练管道、分布式训练等问题的协助。这类干预不通知用户，也不切换模型，仅影响约 0.03% 的流量。

本文是 Claude Fable 5 的深度测试报告。作者发现 Fable 5 知识量远超 Opus 4.8，能准确列出其开源项目清单；在代码任务中，它自主完成了从 MicroPython 到完整 Python 的沙箱升级，并改进了 Datasette Agent 和 LLM 库的功能。但也指出了其速度慢、价格高、安全护栏频繁触发等问题。

本文介绍了Skynet架构，用Elixir GenServer实现持久化LLM智能体，通过分层记忆系统（短期摘要、中期夜间摘要、长期向量检索）解决上下文遗忘问题。核心机制包括：基于Ebbinghaus曲线的遗忘策略、Hebbian关联追踪、以及基于预测误差的即时反思触发，全部以生物记忆原理为蓝本。

LLM 0.32a3 版本发布，改进了命令行调用大语言模型的体验。Simon Willison 在其博客上发布了这一消息。

本文介绍如何为 AgentsView 中尚未收录的新模型（如 Claude Fable 5）设置自定义价格，通过反向工程配置实现 token 使用的准确成本追踪。

Cognition 的 Devin Desktop、微软的 Rayfin 和 Augment Code 的 Cosmos 在六月初相继发布，分别从团队控制台、企业治理和代理编排三个层面推动编码代理成为团队基础设施。这些工具解决了代理协调、管理和治理问题，但也带来了厂商锁定风险。

ServiceNow构建了包含HR和IT服务场景的语码转换语音数据集，评测7款ASR系统在WER、语义WER和答案错误率三个维度的表现。结果显示语码转换的“成本”因语言对和模型而异，Whisper V3 Turbo因默认翻译而非转录表现垫底。

Anthropic 发布 Fable 5，首款 Mythos 级模型，在 SWE-Bench Pro 等基准测试中表现优异，但免费使用截止 6 月 22 日，之后需使用信用额度。模型内置安全护栏，将敏感请求转交 Opus 4.8，同时要求用户接受 30 天数据留存。

Anthropic 发布 Claude Fable 5，性能全面领先，但为安全设了保守限制。同时推出无限制的 Claude Mythos 5 用于网络安全。定价低于 Mythos Preview。

Anthropic 发布 Claude Fable 5，这是其 Mythos 模型的公开版本，通过 API 和企业计划提供。模型具备严格的安全限制，定价为输入每百万 token 10 美元、输出每百万 50 美元。Anthropic 还推出了 Mythos 5 给已获批的组织，并要求 30 天数据留存以防御新型攻击。

Lindy 全面从 Anthropic 转向 DeepSeek v4，旨在降低推理成本；CEO 表示迁移工作量是预期的 100 倍，但性能提升显著；Lindy 通过美国提供商 Atlas Cloud 托管模型以解决数据主权问题。

本文介绍 GitHub Copilot CLI 自定义 Agent 的概念、创建方式与实际工作流案例，涵盖安全审计、基础设施合规、发布文档、事故响应等场景，并给出选择预置 Agent 或自建 Agent 的建议。

Gemini 3.5 Live Translate 实现接近实时的语音翻译，支持 70+ 语言，保留说话者音调。已在 Google 多个产品中上线，包括开发者预览、企业版 Meet 和 Translate 应用。

Gemma 4 12B 是 Google 最新发布的中型多模态模型，采用无编码器架构，原生支持图像和音频输入，性能接近 26B 版本但内存占用减半，可在 16GB 内存的笔记本上运行，并附带官方 Skills 仓库支持 Agent 开发。

Nextdoor 工程负责人 Cory Dolphin 分享，Codex 让工程师从特定系统专家升级为产品体验的端到端负责人。团队用它调试难以复现的问题，跨平台构建功能，并认为工程瓶颈已不再是开发本身。

每个 Gradio Space 都公开了 agents.md 文件，Agent 可据此自动调用 API。本文将 ideogram-ai/ideogram4 图像生成 Space 与 VAST-AI/TripoSplat 单图转 3D Space 串联，Agent 自主完成了图像生成、3D 重建、坐标修正、文件压缩以及 Three.js 前端部署，展现了模型即模块的新型开发模式。

动态工作流让 Claude 像一支开发团队而非单个 AI 那样工作。实测中，它在 7 分钟内构建了一个 CLI 工具，跑通了 62 个测试，成本约 3-5 美元。相比之下，单智能体花了 10 分 42 秒，成本 2.25 美元，但遇到长任务时上下文窗口会成为瓶颈。动态工作流在小任务上优势不大，但在大规模并行场景下潜力巨大。

企业Agent的瓶颈已经从模型能力转向治理下的构建吞吐量。CrewAI与Snowflake深度集成，提供治理编排模式：Snowflake负责数据层的权限与信任，CrewAI负责Agent的构建与运行时控制，让更多业务人员能在安全边界内构建Agent。