《Fable 實地指南》——AI新聞綜述
本文概述了Thariq關於Fable模型的演講，涵蓋解綁模型、發現未知、應對情感轉變以及追求卓越。此外，還包括AI新聞：騰訊混元Hy3開源、Agent基準測試、Anthropic的J-Space全局工作區、推理效率、世界模型和語音技術等。
在業界祝賀General Intuition和Shunyu Yao發佈新模型，以及等待GPT-5.6 Sol Ultra之際，人們正爭相在訂閲補貼結束前探索Fable 5的極限。Thariq原本在創作《Fable 實地指南》系列博客，並計劃在重新發布日發表主題演講，他連夜調整整個演講，給出了最及時的建議。演講分為四個部分：
首先，解綁Claude（Unhobbling Claude）：模型的限制往往來自我們——我們設置的“束縛”和提示方式。面對新模型，應移除或改變這些束縛以激發新行為。Thariq以HTML的非凡效果為例，説明過度限制會阻礙模型潛力。
其次，發現未知（Finding your unknowns）：這是解綁的延伸，旨在找到你甚至不知道自己不知道的東西。技巧包括讓Claude進行“盲點檢查”、頭腦風暴“截然不同的設計方向”、深度訪談、使用參考文檔以及保持實現筆記。
第三，應對悲傷（Dealing with Grief）：反思編碼生產力變化帶來的情感衝擊，過去數週的工作現在數小時完成。
第四，追求卓越（Being unreasonable）：要求好、快、便宜的結果，因為Fable更強大，可以更雄心勃勃，不接受權衡。但構建容易，創造價值仍難。
AI新聞回顧：
騰訊混元發佈Hy3，一款295B參數的MoE模型（21B激活），Apache 2.0許可，支持256K上下文，vLLM原生推理。社區反應熱烈，比較GLM-5.2後，開源前沿競爭日益聚焦部署魯棒性。
Agent基準測試方面，AutomationBench-AA評估了657個任務，Claude Fable 5以48.6%領先，但所有模型仍違反業務規則。Artificial Analysis推出六個領域指數，顯示排名因領域而異，成本效率愈發重要。
記憶與檢索成為持久Agent的瓶頸：A-TMA解決“幽靈記憶”，ReContext通過推理時回放內部證據提升長上下文利用。
Anthropic的J-Space研究聲稱在Claude中發現類似全局工作區的結構，可用於可解釋性和安全。儘管“意識”説法引發爭議，研究人員視其為工作記憶機制的有力證據。
推理效率方面，SGLang集成DSpark實現可變長度驗證，DeepSeek-V4-Pro達到383.7 tok/s。Cloudflare推出Workers Cache，OpenAI發佈GPT-Realtime-2.1-mini。
世界模型領域，通用智能與Kyutai推出MIRA，基於5B參數模型實時運行Rocket League 2v2比賽。
語音技術：AssemblyAI發佈Universal-3.5 Pro Realtime，WER 4.1%；Speechify Simba 3.2在語音競技場領先。
文檔管道多模態化：LlamaIndex和LanceDB的多模態檢索管道在ESG報告上達到82%命中率。
熱門推文：Anthropic全局工作區、騰訊Hy3、MIRA、Will Depue的數據收集戰略、John Carmack的內存系統討論。
Reddit方面：LongCat 2.0開源等。