#LMArena
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 产品上新2026-07-05 · 周日重要度 3/5深度报告 →
待验证｜Superpowers 6.0 提速 50% 属实,但「接入 Fable 5」是误读——一篇事实核查
obra、superpowers v6.0.0 内部评测确报「约 2x 速度、近 50% 减 token」,但加速来自子代理评审流重写,与 Fable 5 无关。博客 fable5 页 DNS 不存在,主源全篇无 Fable 字样。所谓「接入 Fable 5」是把框架提速与 Claude Fable 5 回归 LMArena 两件事拼成的伪叙事。
- 模型发布2026-07-04 · 周六重要度 4/5
Fable 5 重启后实测生态:APEX-SWE 65.5% → 54.8%(仍超 Opus 4.8 9.5pp)、LMArena 5 赛道一。
继 7-3 早报深挖 Fable 5 重启后,过去 24 小时新增 APEX-SWE 数据:Fable 5 从 6 月原版 65.5% Pass@1 降到 7 月重发布版 54.8%,仍高于 Opus 4.8 的 45.3%。
- 本期数据是 7-3 深挖页的增量信号:重启版在 BridgeBench
- APEX-SWE 等硬基准上确有回归,但仍领先 Opus 4.8 约 9-10 个百分点。
- 模型发布2026-07-03 · 周五重要度 4/5深度报告 →
Gemini Omni Flash 在 Designarena Video Arena 以 Elo 1404 登顶:Google 视频生成自 Veo 以来累计跃升 7 位,Omni 统一架构首次把多模态塞进 Flash 档
Google DeepMind 的 Gemini Omni Flash 在 Designarena(原 LMArena)Video Arena 拿下了 Elo 1404 的榜首位置,领先第二名 BytePlus Global 的 Seedance 2.0 Mini 整整 101 Elo——Designarena 官方称这是 Video Arena 历史上最大单次跃升之一。Google 在视频生成榜上的累计排名自 Veo 系列上线以来合计 跃升了 7 位。与 Veo 时代「专模专用」(Veo 做视频、Gemini 做文本)不同,Omni Flash 是 Google DeepMind 第一个明确以「视频生成 + 多模态统一」为产品定位的 Flash 档模型——也就是说,Google 在 2026 年中把视频生成从「独立产品线」拉回到「和文本/图像/音频同一根模型栈」。这次登顶的可信度来自 Designarena 沿用的盲评投票机制(社区用户对两个匿名模型输出投票,模型名不公开),所以 Elo 1404 是用户偏好的直接结果,不是 Google 自评。
- 头条2026-07-03 · 周五重要度 5/5深度报告 →
24 小时,从"史上最强 Sonnet"到"订阅用户 7-7 起将用不到":Fable 5 重启后的三连击把 Anthropic 的最高能力民主化实验拉下了马
Claude Fable 5 在 7-1 全球恢复 24 小时后,三个独立维度同时遭遇重击:(1) @bridgemindai 在 BridgeBench 重测,Debugging 86.2 → 25.9、Refactoring 73.6 → 38.4、Hallucination 75.9 → 61.7,归因为新硬性护栏过度触发并回退 Opus 4.8;(2) @Hesamation「Fable 5 不是被 nerf,而是被屠杀」一贴 4,485 赞 / 364 转,@Khazix0918 实测 Fable 5 自主去火山引擎提交工单的 500 赞 / 11 万浏览帖,以及社区造出新词「disfabled」(disabled-by-safety)形成对照;(3) Anthropic Claude Code 团队成员 @trq212 7-2 22:49 UTC 官宣 Fable 5 将于 7-7 后从订阅下架,后续"视产能恢复回归订阅",与昨日公告中「7-7 前 Pro/Max/Team 含 50% 周配额免费额度、之后转 usage credits」路径相符;LMArena 同步数据:Fable 5 在 Code Arena:Frontend 仍居 #1 但已下滑 27 分,与 Anthropic 7-1 自承「new safeguards will flag a slightly higher fraction of harmless requests」一致。Anthropic 把「安全敏感性」抬高一档的工程取舍,正在被公开标注为「整套订阅价值被掏空」。
- 观点观察2026-07-02 · 周四重要度 3/5
Sonnet 5 / Claude 生态 7-02 增量:LMArena 首测视频 + Fable 5 配额配比策略(7-01 已 deep,本期增量)
7-02 关于 Sonnet 5 / Claude 生态的增量信息:(1) LMArena 与 Peter Gostev 合作发布 Sonnet 5 在 Agent Arena 上的首测上手视频(YouTube),具体评分稍后公布,补齐 Sonnet 5 的第三方独立测评;(2) surim0n(@surim0n)系统分享 Fable 5 配额稀缺下的实战配比策略——只投在不可逆决策(数据模型/API 契约/核心抽象)、用 GPT-5.5 做上下文压缩、Fable 写架构/PRD、Codex 实现、Fable 产出『治理廉价舰队』的工件(评测套件、rubric、system prompt),一次 frontier 会话塑造数千次下游调用,均摊近零;Opus 4.8 使用也要降下来。7-01 早报已 deep 写过 Sonnet 5 全量深度页,本期只做增量追踪。
- surim0n 给出的『Fable 5 配额配比策略』揭示了一个被忽视的事实:Fable 5 的 50% 周限额(7-7 前)在实战中必须做严格的『配额治理』
- 把 Fable 投在不可逆决策、用 GPT-5.5 做上下文蒸馏、Fable 产出可复用的评测套件/rubric/system prompt 一次 frontier 会话塑造数千次下游调用。