-
1000 个代理 8 天搓出操作系统，普通人那版连渗透测试都不接Anthropic 11 月 9 日发布 Fable 5.2 与 Mythos 5.2，两款模型基于同一个底层。预发布测试里，1000 多个子智能体 8 天从零构建出能在笔记本启动的操作系统原型；约 1000 个代理 30 小时完成费马大定理的 Lean 形式化证明，此前记录是 11 天。API 输入 8 美元、输出 40 美元每百万 token，比上一代降 20%。文章拆解官方系统卡里的两张图——CVE 重现评估与自动化行为审计，并解释同一个模型为什么要分两个版本卖。
-
成本只剩上一代 30%，跑分却反超 Claude Opus 5国庆在 OpenRouter 匿名屠榜的 Space Bunny 落地，是 MiniMax M3.1 Flash：输入每百万 token 1 元、输出 4 元、缓存 0.1 元，综合成本压到上一代 M3 的三成。ALE 29.6% 拿国模第一，DeepSWE v1.1 拿 73.7% 反超 Claude Opus 5，CyberGym 82.2，BankerToolBench 76.2 与 Claude Opus 5 并列，OSWorld V2 61.7，AutomationBench-AA 单任务成本不到 0.05 美元，输出最快 200+ TPS。代价是 Flash 属小模型，榜单又都是公开题库，深度推理仍会掉链子。