Chào buổi tối, cả nhà... Một nghìn tác nhân AI đã xây dựng một bản mẫu hệ điều hành. Đường chi phí là phần tôi sẽ theo dõi. Market Pulse | 10 Nov 2026 Việc Anthropic công bố Fable 5.2 và Mythos 5.2 vào ngày 9 tháng 11 mang lại cho chúng ta hai bằng chứng rất khác biệt. Biểu đồ hiển thị kết quả FrontierCode 2.0 của Anthropic. Fable 5.2 ở mức nỗ lực cao đạt 45,3%, gần với điểm cao nhất 45,5% của Opus 5.5, với chi phí khoảng một nửa mỗi tác vụ. Bài kiểm tra này đánh giá liệu các thay đổi mã có được các nhà duy trì mã nguồn mở chấp nhận hay không. Hãy xem xa hơn dọc theo đường màu xanh lá: Xhigh đạt 49,1%. Max tốn nhiều chi phí hơn nhưng lại đạt điểm thấp hơn trong đánh giá này. Việc trả thêm tiền để tăng khả năng suy luận không tự động mang lại kết quả tốt hơn. Minh họa trong phản hồi của tôi cho thấy bản mẫu hệ điều hành của Anthropic. Công ty cho biết Fable đã phối hợp hơn 1.000 tác nhân phụ trong tám ngày để xây dựng nó. Điều này minh họa quy mô công việc mà họ đang cố gắng thực hiện. Video và bài kiểm tra đề cập đến các tải công việc khác nhau, do đó biểu đồ không thể cho chúng ta biết chi phí của dự án hệ điều hành đó. Câu hỏi thực tế là liệu việc thực thi mô hình rẻ hơn có đồng nghĩa với việc công việc hoàn thiện cũng rẻ hơn không? Các lần thử lại, tích hợp và đánh giá của con người có thể hấp thụ khoản tiết kiệm này. Trong vòng 72 giờ tới, tôi sẽ tìm kiếm các bài kiểm tra độc lập báo cáo kết quả được chấp nhận, tổng chi phí và thời gian đánh giá trên cùng các tác vụ. Chi phí thấp hơn với chất lượng tương đương sẽ củng cố lập luận. Những khoản tiết kiệm biến mất trong quá trình kiểm tra sẽ làm suy yếu nó. Đó là con số tôi muốn từ một tác nhân: hóa đơn đầy đủ cho công việc mà tôi thực sự có thể sử dụng. Biểu đồ: Anthropic. Kết quả bài kiểm tra do công ty báo cáo. https://t.co/dSLUQCBRR5