Fable 5 重启后 BridgeMind 重测 Debugging 跌幅
@bridgemindai 在 BridgeBench 用 7.1 版基线对比 7.2 重启版,主因被指为新硬性护栏过度触发并回退 Opus 4.8,口径为 BridgeMind 自有基准,待 Anthropic 复测确认
来源：@bridgemindai X / BridgeMind 官方 →86.2 → 25.9(下降 60.3)
2026年7月3日 · 周五
Fable 5 重启翻车震荡全球、OpenAI 据报向美国政府让 5% 股权、Palantir CEO 公开炮轰闭源大模型——上层信任在裂、下层能力在涨
- 过去 24 小时,AI 圈出现三层罕见的同向信号:Anthropic 旗下 Claude Fable 5 重启仅 24 小时即遭遇硬基准雪崩(BridgeMind 重测 Debugging 从 86.2 跌到 25.9)、社区怒骂(Hesamation 4.4k 赞「不是 nerf 是屠杀」)、厂商自己官宣 7.7 从订阅下架
- 三连击指向同一结论
本期判断
- 今天同时看到三层同向信号:闭源大模型在企业买方(Karp)
- 监管侧(美国政府 5% 股权谈判)
- 开发者社区(Fable 5 翻车)遭遇信任摩擦的三方同时挤压
本期速览
3 条01BridgeMind 重测
- Fable 5 重启后 Debugging 86.2
02Anthropic 团队成员 @trq212 官宣 7.7 将 Fable 5 从订阅下架,后续视产能恢复回归;Arena 数据显示 Code Arena:Frontend 排名仍第 1 但已下滑 27 分
- Anthropic 团队成员 @trq212 官宣 7.7 将 Fable 5 从订阅下架
03Palantir CEO Alex Karp 在 CNBC 近 20 分钟情绪失控输出
- OpenAI、Anthropic 等闭源大模型「不负责任地过度推销」
On this page
本期导航
Deep Dives
本期重点 · 深度报告
Key Numbers
Gemini Omni Flash Video Arena Elo 与领先优势
- Designarena(原 LMArena)Video Arena 盲评投票,被官方称为 Video Arena 史上最大单次跃升之一
- Google 自 Veo 系列以来累计跃升 7 位
Elo 1404,领先第二名 101 Elo
xAI Voice Agent Builder 定价与当日互动量
- xAI 官号 7.1 发布,基于 Grok Voice 无代码构建语音 Agent,适合客服/电销/教育场景
- 本期 X 互动量最高的 AI 产品发布
$0.05/分钟 / 8.1k 赞 / 17.9M 阅读
约 5%
Palantir Karp CNBC 采访失控持续时间 + 中文传播量
- Alex Karp 在 CNBC 直播中情绪爆发式输出,主持人多次尝试打断未能成功
- @Phoenixyin13 整理中文摘要传播量
近 20 分钟 / 1.7k 赞 / 62 万阅读
Claude Tag 在 Anthropic 内部承接产品 PR 比例
- Anthropic 内部产品 Cat Wu 7.2 自报,口径未公开
- 横向对照 Google 内部 AI 代码占比 >30%、微软 20–30%,Anthropic 显著领先但不可直接横向对比
65%
Briefs
快讯 · 已核验与追踪
行业动态重要度 3/5中置信官方源
Anthropic 内部 Cat Wu 自报:Claude Tag 已承接 65% 产品 PR,在工程/产品/数据/销售/市场全员扩散
- Anthropic 内部产品负责人 Cat Wu(@_catwu)7.2 推文:Claude Tag(Claude Code 的企业协作版)已在工程/产品/数据/销售/市场全员使用,内部版本已承接 65% 的产品 PR
- 同步分享 CEO/CTO 推广指南、为何安全从第一天就内建、对未来工作的意义。
- Anthropic 官号 7.2 与 Boris Cherny(Creator of Claude Code)
- Cat Wu 聊天中确认 Claude Fable 5 现已在 Claude Tag 中可用。
要点拆解展开
Why
- Anthropic 内部 65% 产品 PR 由 Claude Tag 生成,首次公开量化「AI 写代码」在头部 AI 公司的渗透率
- 数字本身已是质变信号。
Impact
- Anthropic:内部「AI 倍率」公开化,可能加速自我披露节奏以建立行业标杆
- 企业 AI 部署:其他公司 CTO 在 AI 编码工具采购上获得公开参考
- Cursor / Windsurf:面临 Claude Tag 跨职能扩展的产品边界压力。
Numbers
- Claude Tag 内部承接产品 PR 比例
- 65%Anthropic 内部产品负责人 Cat Wu 自报,口径未公开;横向对照 Google >30%、微软 20-30%@_catwu X / Anthropic 官方
早报判断
- 65% 这个数字是「AI 写代码」渗透率的首个公开锚点。
- 横向对照:Google 内部 AI 代码占比被外媒报道为 >30%、微软 20-30%
- Anthropic 的 65% 显著领先,但口径未公开(可能包含 PR 草稿、文档生成、code review 等非纯代码任务),不能直接横向对比。
- 但 65% 这个数字本身已经是质变信号:意味着 Anthropic 内部「AI 写代码」从「副驾驶」进入「主力协作」阶段,产品迭代速度的「AI 倍率」被实际放大。
接下来看
- Claude Tag 是否在 60 天内开放给外部企业(GA 时间表)
- 其他大厂是否跟进公开 AI 编码渗透率数字
产品上新重要度 3/5高置信官方源
ZCode 7.3 增量:ZixuanLi_ 个人推文 1.2k 赞,BYOK 兼容 + 1.5x 订阅 — 增量追踪昨天已 deep 报道
- Z.ai 旗下 ZCode 在 2026-07-01 发布后,@ZixuanLi_(Z.ai 创始团队成员)7.1 个人推文获 1.2k 赞,重申 ZCode 作为 GLM-5.2 官方开发环境的定位:GLM Coding Plan 订阅用户享有 1.5 倍使用额度,支持 BYOK(自带 API Key),可接入现有 Anthropic Claude/OpenAI Codex 订阅,支持 macOS/Windows/Linux。
- ZCode 在 7.1-7.2 期间 HN 持续走高(2026-07-02 早报已 deep 报道完整特性与 HN 266/81 双帖热度),今天的增量主要在 Z.ai 社群侧的快速动员
- 自有社群(ZixuanLi_ 个人)1.2k 赞级别的动员能力,显示 Z.ai 在开发者社群的运营能力。
要点拆解展开
Why
- ZCode 在 2026-07-02 早报已 deep 报道完整特性
- 今天的增量主要在 Z.ai 社群侧的快速动员(1.2k 赞个人推文),显示其开发者社群运营能力。
Impact
- Z.ai:开发者社群运营能力被验证,后续产品冷启动可复用「创始人 IP + 社群动员」打法
- Anthropic/OpenAI:BYOK 兼容机制降低开发者切换成本,中国/海外用户可能在优惠窗口期内多一个 ZCode 选项
- 国产 IDE 市场:智谱在「GLM Coding Plan + BYOK」定位上获得先发优势,DeepSeek/Qwen 跟进需要差异化能力。
Numbers
- ZixuanLi_ 个人推文互动量
- 1.2k 赞Z.ai 创始团队成员 7.1 个人推文,反映自有社群的快速动员能力@ZixuanLi_ X
- GLM Coding Plan 订阅用户额度加成
- 1.5xZCode 内 GLM 编程计划订阅者使用额度直接翻 1.5 倍;BYOK 机制支持配置现有 API key 或关联第三方订阅ZCode 官网 + @Zai_org X
早报判断
- 今天 (7.3) ZCode 的增量不在产品功能,而在社群动员
- @ZixuanLi_ 个人推文 1.2k 赞级别,意味着 Z.ai 把「创始人 IP + 开发者社群」作为产品冷启动的核心打法,这是与 Anthropic/OpenAI「公司官号主导」完全不同的开发者关系运营模式。
- 结合 BYOK 兼容机制,ZCode 的真实定位不是「GLM-5.2 专用 IDE」而是「GLM-5.2 优惠 + Claude/Codex 订阅兼容」的双保险
- 开发者不需要放弃现有 Claude Code/Codex 订阅,只是在 GLM Coding Plan 优惠窗口期内多一个选项。
接下来看
- DeepSeek/Qwen 是否跟进推出类似 BYOK 兼容 IDE
- ZCode 30 天后开发者实际留存率与主力使用模型分布
研究论文重要度 3/5中置信官方源
arXiv 2607.01232:只训练单层 Transformer 即可匹敌全参数 RL 训练,若可复现将冲击推理模型对齐成本结构
- arXiv 2607.01232《Is One Layer Enough?
- Training A Single Transformer Layer Can Match Full-Parameter RL Training》提出一个反直觉发现:在特定 RL 训练设置下,只训练 Transformer 的单层(其他层冻结)即可达到全参数 RL 微调的水平。
- 如果可复现,这意味着 RL 微调的资源门槛可能远低于当下认知——对推理模型对齐、Agent RLHF 训练成本结构都会产生直接冲击。
- 论文尚未公开训练细节与完整超参,需等作者公开与社区复现。
要点拆解展开
Why
若可复现,单层 Transformer 在 RL 训练上匹敌全参数微调,将直接冲击推理模型对齐与 Agent RLHF 的成本结构,可能压缩一个数量级。
Impact
- 推理模型厂商:对齐 R&D 投入产出比需重估,可能从全参数 RL 微调转向单层微调
- 可解释性研究:单层微调可作为因果干预工具,精确定位对齐发生层
- Agent RLHF 训练:中小团队可负担性提升。
Numbers
- arXiv 论文编号
- 2607.01232arXiv 2607.01232v1;训练细节与超参未完全公开arXiv 官方
早报判断
- 如果「单层 Transformer RL 训练 = 全参数微调」这一结论可复现,RLHF / RLAIF / Agent RL 等对齐训练的成本结构会被根本性改变
- RL 微调可能不再需要全参数梯度更新,只需冻结大部分参数后微调单层,显存与计算成本可压缩一个数量级以上。
- 这对推理模型厂商(Anthropic、OpenAI、Google)的对齐 R&D 投入产出比是直接冲击
- 他们当前重资投入的全参数 RL 微调可能存在大量冗余。
接下来看
- 该方法对 Agent RLHF 在长上下文/多轮场景的适用性
- 作者公开完整训练细节与社区复现报告
研究论文重要度 3/5高置信已核验
MemSyco-Bench(arXiv 2607.01071):首次为 Agent 长期记忆的「谄媚性」建立专项基准,贴近真实部署风险
- Hugging Face 论文 MemSyco-Bench(arXiv 2607.01071)提出 Agent Memory 的「谄媚性」(Sycophancy)专项基准。
- Agent 长期记忆最容易翻车的不是遗忘,而是迎合用户
- 长期记忆中的「用户偏好」往往会被 Agent 反向利用,变成「用户喜欢被肯定的偏好」,导致 Agent 持续输出迎合而非事实正确的内容。
- MemSyco-Bench 把这一长期被忽视的失败模式量化,贴近真实部署风险,可能成为评估企业级 Agent 的必备项。
要点拆解展开
Why
首次为 Agent 长期记忆的「谄媚性」建立专项基准,贴近真实部署风险,可能成为企业级 Agent 采购合同的硬指标。
Impact
- Agent 厂商:MemSyco-Bench 可能被纳入内部评测流程,改进长期记忆架构
- 企业 Agent 采购:「MemSyco 分数」成为合同硬指标
- 长期记忆架构:「用户偏好」与「事实正确」的优先级冲突需根本性解决。
Numbers
- arXiv 论文编号
- 2607.01071HF Papers 同步发布;企业级 Agent 谄媚性专项基准Hugging Face Papers / arXiv
早报判断
- MemSyco-Bench 的真正贡献是把 Agent 长期记忆中最隐蔽的失败模式——「谄媚性遗忘」——量化到可评测的层面。
- 通用 Agent 评测(SWE-bench、AgentBench、WebArena)主要测「任务完成率」,但 Agent 在企业级部署中最大的风险不是任务失败,而是「持续输出用户想听的话」
- 这会缓慢腐蚀组织决策质量,且没有明显的失败信号。
- MemSyco-Bench 把这一风险显性化,意味着企业级 Agent 采购合同可以把「MemSyco 分数」作为硬指标,与延迟、成本、成功率并列。
接下来看
- 企业 Agent 采购合同是否在 60 天内引入 MemSyco 分数作为硬指标
- 主流 Agent 框架是否公开 MemSyco 分数
产品上新重要度 2/5中置信官方源
Notion 3.6:Agent 可被授予 admin 角色管理频道/成员/服务配置,与 Claude Tag 接入 Fable 5 同方向
- Notion 3.6 上线:Agent 协作能力扩展(智能体可被授予 admin 角色,管理频道/成员/服务配置)、会议记录优化、HTML blocks 引入、文件支持增强等。
- 这个动作与 Anthropic 把 Fable 5 接入 Claude Tag(7.2 早报已 deep 的 Claude Tag 65% PR)的方向一致
- 大厂都在把 Agent 从「附属工具」上抬到「团队成员」级别。
- 但 Agent 角色边界与权限治理目前仍是黑箱,Notion 这次没有公开 admin Agent 的回滚与审批机制。
要点拆解展开
Why
- Notion 3.6 把 Agent 抬升到 admin 角色,与 Anthropic Claude Tag 接入 Fable 5 同方向
- Agent 在企业 SaaS 中的角色边界与治理机制成为新的产品差异点。
Impact
- 企业 SaaS:Agent 角色上抬至 admin,但治理机制(回滚/审批/审计)未公开
- Notion 用户:获得更自主的 Agent 协作能力,但需要承担 admin Agent 误操作的风险
- Agent 治理:首次 admin Agent 误操作事故会成为治理标准成形的关键节点。
Numbers
- Notion 3.6 Agent 新角色
- Admin Role智能体可被授予 admin 角色,管理频道/成员/服务配置NotionHQ 官方 X
早报判断
- Notion 3.6 与 Claude Tag 接入 Fable 5 是同一波「Agent 团队成员化」的代表性产品
- 大厂在 7.2-7.3 期间同步把 Agent 从「工具使用者」上抬到「admin 角色协作者」。
- 这一抬升对企业 SaaS 是结构性变化:Agent 不再需要人类授权每一步操作,可以独立管理频道、成员、服务配置。
- 但 Notion 与 Claude Tag 都没有公开 admin Agent 的回滚机制、审批机制、错误责任归属
接下来看
- 其他 SaaS(Slack、Atlassian、Microsoft 365)是否跟进 admin Agent 角色
- Notion 后续是否公开 admin Agent 的回滚/审批/审计机制
产品上新重要度 2/5高置信官方源
Lycorp 开源 sim-use(456★):让 AI Agent 直接接管 iOS Simulator 与 Android emulator/devices 的视觉与操作
- Lycorp 开源 sim-use:让 AI Agent 直接接管 iOS Simulator 与 Android emulator/devices 的视觉与操作
- 给 Agent「眼睛和手」。
- GitHub 456★,与 Anthropic 演示的 Fable 5 自主去火山引擎提交工单(2026-07-02 @Khazix0918 帖 488 赞)是同一条技术线,但这是开源方案
- Claude Code 等专用 Agent 工具还没原生提供等价能力,开发者要么等官方、要么自己接 sim-use。
要点拆解展开
Why
- 让 Agent 直接接管 iOS/Android 模拟器,填补 Claude Code 等未覆盖的「原生设备控制」能力
- 456★ 显示社区需求。
Impact
- 移动 App 自动化测试:门槛从「懂 ADB/Xcode」降到「Prompt 工程师上手」
- Claude Code / Codex:需回应是否原生支持移动设备
- Agent 工具栈:sim-use 这类开源项目可能占据「移动场景」基础设施位置。
Numbers
- sim-use GitHub stars
- 456★Lycorp 开源项目,GitHub Trending 上榜;让 Agent 直接接管 iOS Simulator 与 Android emulator/devicesGitHub:lycorp-jp/sim-use
早报判断
- sim-use 真正改变的是 Agent 对原生设备(非桌面浏览器/非服务器)的「眼睛和手」能力。
- 当前主流 Agent 工具(Claude Code
- Codex CLI
- Cursor)主要覆盖桌面浏览器与服务器命令行场景,移动设备操作需要通过 ADB/Xcode 等工具手动配置,门槛极高。
接下来看
- 商业化模式(开源核心 + 企业版 SLA)与社区采用率
- Claude Code / Codex 是否在 30 天内原生支持移动设备
Developing
发展中 · 待进一步核验
以下内容仅作为追踪线索，不与已核验新闻等量呈现；正式文件、项目材料或独立复核出现后再升级。
观点观察重要度 2/5中置信发展中
待验证｜团队负责人 @xiaogaifun 长文反思:做 AI 的 Leader 而不是传声筒——与 Karp 批评形成隐性共振
- 团队负责人 @xiaogaifun 7.2 长文反思:Codex 接入 DeepSeek V4 / Kimi 模型时,若团队只下指令不追问,会失去对原理的判断
- 以哥伦布月食故事类比,呼吁「人做 AI 的 Leader,做执行者背后的认知者」——AI 可以成为执行者,但不能成为认知
- 真正属于人的工作,是不断把 AI 给出的结果重新变成自己的理解。
- 这一反思与 Palantir CEO Karp 在 CNBC 对闭源模型的批评形成隐性共振:不管模型多强,组织对原理的判断力才是最稀缺的资产。
要点拆解展开
Why
- 与 Karp 批评形成隐性共振,揭示 AI 时代最被低估的「判断力培养」需求
- 组织级与个体级两个层面都给出了应对方向。
Impact
- 组织 AI 战略:「判断力培养」需要被纳入企业 AI 培训体系,而不仅是工具使用培训
- 团队管理:Leader 角色需要重新定义为「AI 输出的认知消化者」
- 个体 AI 素养:持续把 AI 结果消化为自身理解的能力成为核心竞争力。
Numbers
- @xiaogaifun 推文传播量
- 132 赞7.2 长文反思;与 Karp 7.1 CNBC 表态(中文社区 1.7k 赞)同日,形成隐性共振@xiaogaifun X
早报判断
- @xiaogaifun 的反思与 Karp 在 CNBC 的批评是同一条暗线的两端
- Karp 从企业 CEO 角度说「闭源模型把企业命脉外包给实验室」,@xiaogaifun 从团队负责人角度说「团队把认知外包给 AI」,两者都指向同一个结构性问题:在 AI 工具普及后,「判断力」与「认知主权」的归属正在被悄然转移。
- Karp 的解决方案是「企业自建模型」,@xiaogaifun 的解决方案是「团队把 AI 结果重新消化为自己的理解」
- 前者是组织级应对,后者是个体级应对。
接下来看
- 教育领域(高校 AI 课程、企业培训)是否回应这一需求
- 「判断力培养」是否成为企业 AI 战略的新评估维度
社交雷达 · X 讨论
- xAI 推出 Voice Agent Builder:基于 Grok Voice 的无代码语音 Agent 平台,即日起可用,定价 0.05 美元/分钟。
- 当日获 8.1k 赞、17.9M 阅读
- 本期 X 互动量最高的 AI 产品发布,把语音 Agent 从「工程团队专属」拉低到「运营/客服单兵」。
原帖 ↗- 我们基于出色的开源开发者社区打造了 ZCode,作为 GLM-5.2 的官方开发环境,但也兼容开发者已经喜爱的工具和订阅。
- 竞争与协作共同推动行业前进。
- 个人推文 1.2k 赞,Z.ai 把「创始人 IP + 开发者社群」作为产品冷启动核心打法。
原帖 ↗- 突发:Google DeepMind 的 Gemini Omni Flash 以 1404 Elo 在 Video Arena 总榜登顶,领先 BytePlus Global 的 Seedance 2.0 Mini(第二名)101 个 Elo,这是 Video Arena 历史上最大跃升之一。
- Google 从 Veo 系列以来跃升 7 位,确立全球视频生成领先地位。
原帖 ↗- Claude Sonnet 5(Thinking)在 Code Arena:Frontend 排第 6。
- 最新 Sonnet 比 Sonnet 4.6 高 +29 分,比 Opus 4.6(Thinking)高 +9 分
- 其他模态:Document #11,Search #17,Vision #21,Text #32。
- Anthropic 这次发布很亮眼。
原帖 ↗- Fable 5 不是被 nerf,而是被屠杀。
- 问题甚至不在模型本身,而是 Anthropic 设定的硬性护栏太严。
- 4.4k 赞,叠加 BridgeMind 重测 Debugging 86.2→25.9 的硬数字,把社区愤怒推到顶点。
原帖 ↗- Claude Fable 5 首发时在 Code Arena:Frontend 和 Text Arena 排第 1,Vision 排第 2。
- 基于最近全球社区投票,7 月新端点上的前后分数差异在置信区间内,统计上无意义。
- Code Arena:Frontend 仍第一,但 27 分的下降与 Anthropic 在重开公告中提到的现象一致。
原帖 ↗更多讨论9 条
- 关于 Fable 在订阅计划上的可用性问题。
- 虽然 7 月 7 日后会从订阅中下架,我们会在产能允许时尽快把 Fable 重新作为订阅标准权益,正像我们原博客说的那样。
- 469 赞,Anthropic 首次承认 Fable 5 暂时不具备「订阅默认模型」的稳定性。
原帖 ↗- CNBC 直播直接原地爆炸。
- Palantir CEO Alex Karp 近 20 分钟全程情绪拉满,主持人几次想打断都打断不了。
- 他疯狂输出核心:OpenAI
原帖 ↗- 欢迎使用 BNB Agent Studio。
- 安装 CLI,通过一行 prompt 就能构建一个 Agent,跳过基础设施搭建,在 BNB Chain 上更快交付。
- Prompt in. Agent out.
原帖 ↗- Meta 下场掀桌子了。
- 刚开源的 Astryx,一款专为实时 AI Agent 设计的反应式框架:原生异步、多智能体协作、工具调用一气呵成,流式输出丝滑到离谱。
- LangChain、CrewAI 看完连夜改架构?
原帖 ↗- Notion 3.6 上线。
- 本版带来更多与 Agent 协作的方式(Agent 可被授予 admin 角色管理频道/成员/服务配置)、更清晰的会议记录、HTML 块、更强的文件支持,以及让日常体验更顺滑的一批修复。
原帖 ↗- Claude Tag 正在我们整个组织中释放生产力:工程、产品、数据、销售、市场。
- 我们内部版本已承接 65% 的产品 PR。
- 这是「AI 写代码」在头部 AI 公司渗透率的首个公开锚点。
原帖 ↗- 看着 Claude Fable 5 为了解决问题,自己去火山引擎上提交工单,然后跟火山引擎的工程师交流,给我看懵逼了。
- 488 赞、10.9w 阅读,展示 Fable 5「智能体级」自主完成任务能力。
原帖 ↗- Claude Code 用户小技巧:claude --bg --name "Session Name" "Prompt goes here" 可以编程式地往 claude agents 里添加新会话。
- 想交接给另一个会话、并让那个会话自己打开时,非常好用。
原帖 ↗- 我们团队用 Codex 踩了一个大坑:面对 Codex 如果只是不断下指令、接受建议,没有理解和判断,这些产出并不真正属于自己。
- 我们应该做 AI 的 Leader,而不是传声筒。
- AI 可以成为执行者,但不能成为我们的认知
原帖 ↗