MacTalk
订阅
MacTalk 开通于2012年末，内容起于 Mac 而不止 Mac，内容覆盖了技术、创业、产品和人文思考。文风有趣，又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 9 / 02
最近中国开源模型真是有点杀疯了的感觉。今天看到千问刚发布的后训练模型 Qwen3.8-Max-0902 登上了 Code Arena 榜首，我记忆中这是第一次。 Qwen3.8-Max-0902 2.4T 参数，1M 上下文令牌，为真实世界的复杂性而生。在编码与协作方面进一步后训练之后，Qwen3.8-Max-0902 直接站到了世界前沿。竞争非常激烈，仅中国基模有千问、Kimi、DeepSeek、腾讯混元和 GLM 站在第一梯队。Qwen Kimi 等我之前都写过，混元 Hy 没聊过，因为之前它在 Coding Agent 领域确实差点事，这次混元后来居上了。过去两年，开发者讨论 Coding 模型时，第一排通常是 Claude、GPT，以及后来追上来的 DeepSeek、Kimi 和 GLM。腾讯场景很多，混元却很少成为这类讨论的主角，直到 Hy4 preview 发布。我这周订了腾讯云 Token Plan，在 DSH 里跑 Hy4 preview，做了两个功能特性，可以说又快又好。 Hy4 preview 是一款 770B 总参数、每个 Token 激活 49B 参数的 MoE 模型，上下文长度达到 1M。现在的重点都是长程软件工程、文档型办公和科学研究上，Hy4 全方位提升了 Coding Agent 理解任务、制定计划、调试、验证，以及前端界面的视觉和交互质量。腾讯公布了一组内部盲测：163 名内部专家评估了 203 个真实工程任务，Hy4 preview 平均得分 2.99，略高于 GLM 5.3 的 2.92 和 Kimi K3 的 2.94。与两者相比，Hy4 的胜率分别为 46.8% 和 51.2%。内部测试当参考就好，能不能打，一个是去看 https://arena.ai，另一个就是上手做个功能，是骡子是马，拉出来溜溜。看技术报告，Hy4 preview 的 Agent 协作能力似乎很强，同时管理多个 Codex 会话，根据实验结果调整研究方向，协调它们优化一个小模型的后训练任务，Hy4 作为研究负责人，在 8 项评测上都超过了让 Codex 独立探索的结果。这个我后续准备在 DSH 里用用，正好集成了 Codex Agent，如果可行，倒是个突破。我最近试了好几个 Agent 协作的产品，比如引入 Codex、K3（kimi code）和 GLM5.3（CC），让他们其中之一牵头带着另外两个 Agent 一起干活，效果都很一般，还很耗费 Token。比如 raft.build、Codeg 等，如果 Hy4 在这方面能让其他 Agent 干得又快又好又省钱，那我还是很期待的。腾讯的另一个优势来自产品协同。Hy4 可以和 WorkBuddy 等共同训练和评测，也已进入元宝、腾讯云和 OpenRouter。大厂这个优势明显，真实任务与产品反馈形成的循环很重要，内部循环效率也更高。飞轮一旦形成，会越跑越快。
^__^ • 9 / 02
A 社有点慌，向你投出了 Fable 5.1 和 Mythos 5.1 以前 Anthropic 发模型，还挺扭捏的，跟古代新媳妇上轿似的：新能力先给小范围测试，公告写得像论文，您要是普通付费用户，不好意，等着。这次痛快了，Claude Fable 5.1 发布当天不仅自己的产品可用，而且已经在所有平台上线，AWS、Google Cloud、Azure 一个不落，API 直接用，还降了价。过去半年，国内开源模型突飞猛进，DeepSeek、GLM、Kimi、混元一路猛追，榜单差距以月为单位缩小，现在 Kimi 的 K3 和 Qwen 3.8 Max 在编程领域是和 Opus 5 掰手腕的级别 。闭源阵营再端架子，市场也不会等人啊。A 社这次直接把压箱底的东西摆上了货架。澄清一下，Fable 5.1 和 Mythos 5.1 属于同一代模型，底层能力相近，主要区别在于安全防护和开放策略。Fable 5.1 面向所有用户全面开放，今天就能用，安全防护足足的；Mythos 5.1 只通过可信访问计划提供，主要服务网络安全和生命科学领域的专业团队。 A 社给出的定位是“最先进的编程与知识工作模型”。Agent 编程基准 Terminal-Bench 4.0 拿到 55.8%（Mythos 5.1 为 60.9%），上一代 Fable 5 是 42.0%；科研 Agent 基准 Terminal-Bench-Science 上，52.6% 对 24.7%，直接翻倍。Millennium 的测试里，它找到了内部系统一个罕见崩溃的根因，工程师团队和其他模型数年都没能解释。科研部分最有想象力。Mythos 5.1 设计的蛋白质结合分子，在三个靶点上亲和力比公开竞赛最佳投稿高 10 倍，命中率接近 50%，行业典型水平是 10–15%。Fable 5.1 用 NASA 麦哲伦号 30 多年前的雷达数据，给金星三分之一的表面画出了新高程地图，细节从 10–20 公里级提升到 2–3 公里级。它还把七个开源深度学习模型的推理提速了 2.5 倍，这类活儿通常要性能工程师团队干好几周。在咄咄逼人的竞争面前，A 社的模型价格也算是勉强让了步，命中缓存的 token 降价 75%，至每百万 token 0.25 美元；典型工作负载成本比 Fable 5 低了约 25%，Agent 任务最高省 45%。输入输出价格不变。企业端也有两动作： 1、新的企业前沿防护体系（EFS）把数据存在客户自己的云基础设施里，实现等同零数据留存的隐私；2、网络安全防护误报减少 60%，现在可以用 Fable 5.1 发现软件漏洞，但不能用它开发漏洞利用工具。另外，Anthropic 还加了反蒸馏机制，堵上了通过公开记录思维链蒸馏的手法——这条针对谁，不言自明。是的，窗口期在缩短，无人敢再藏拙，魔盒打开就关不上了。
^__^ • 8 / 29
OpenAI 悍然宣布断供 Cursor 上午翻看 CatReader 时看到一条消息：OpenAI 宣布终止与 Cursor 的合作，因为啥呢？Cursor 被 SpaceX 收购了嘛，不知道是马斯克和奥特曼一直以来的恩怨还是其他安全考虑，咔就断了。这多少有点黑色幽默。按照时间表，Cursor 对 OpenAI 模型的直接访问将在 11 月 12 日结束。OpenAI 把解约归结为“信任问题”，表示无法确信 SpaceX 会依照条款使用其技术，就这么回事。额度充值教父 Tibo 感觉多少有些不好意思，补充了迁移路径，说： - 我们将继续允许使用您自己的 OpenAI API 密钥，并且同样会继续通过我们的 IDE 扩展为 Cursor 提供访问。 - 我们将继续与最广泛的工具和框架合作，其中一些是开源的，但也有许多闭源的。意思是，用户以后可以在 Cursor 中使用自己的 OpenAI API Key ，也可安装 OpenAI 的 IDE 扩展。但没法买了 Cursor 额度直接用 GPT 了，这也是个大损失啊，你得买两份 之前有读者给我评论，说难道不知道 Cursor 的额度里包含着各种顶级模型的访问吗？现在没了。A 社会不会跟进，不好说。模型公司现在身份可多了，啥都想要。它们一边做基础模型，希望能力进入更多工具；一边做 Codex 这类产品，与下游争夺开发者。当合作伙伴被竞争对手收购，模型接口就成了渠道、安全和商业控制权的一部分。今年海外模型公司的动作很分裂。能力弱时，大家欢迎生态，希望尽快进入下游的工具链里；能力变强后，安全、合规和竞争关系，开始来劲了。等对手——比如国内开源模型和 Grok——追上来，又强调开放和开发者选择。今天欢迎所有工具，明天工具站到对手阵营，欢迎词就可能变成终止合作通知，变脸之迅捷，无与伦比。所以呢，开发者也得长点心眼，问题不在于今天要从 GPT 换到哪个模型，咱得保留替换能力，重要工作流要有清晰的数据边界，也要减少对专有接口的依赖，自己多备几家模型才是正道，能够做到迁移技能、上下文和自动化流程，就更好了。我想，这也是开源模型必须承担的责任，能力越来越强了，同时可以为行业保留一条不会被单家公司关闭的通道。开放协议、可替换模型和本地部署能力，共同构成开发者面对商业世界冲击的盾牌。 OpenAI 与 Cursor 分手，谁损失，还不是普通开发者吗。顶级模型公司可以今天结盟、明天解约。开发者只有代码、数据、工作流，以及随时换个车继续蹬的能力，也得有很多条路才行。好在国内开源模型越来越强，我们用顶级 Agent 能力，也越来越不需要海外模型了。