马斯克vs唐杰:中国大模型何时追上Claude Fable 5?
01两种预判立场的碰撞
02Fable基准与国内进展
Claude Fable 5于2026年6月9日由Anthropic正式发布,其核心突破在于SWE-Bench Pro编程基准得分达80.3%,远超GPT-5.5的58.6%和Gemini 3.1 Pro的54.2%。该模型专为长时、复杂任务设计,支持100万Token上下文,并在Stripe实测中完成5000万行Ruby代码库迁移,耗时仅数天。同期,中国头部大模型厂商密集迭代:阿里于5月20日发布Qwen3.7-Max,在Terminal Bench 2.0-Terminus得分69.7,超越Claude Opus 4.6;智谱AI的GLM-5.1在2026年3月27日发布,SWE-Bench Pro得分为48.0%至59%区间;DeepSeek V4-Pro API版本在SWE-Bench Verified得分达80.6%,但Pro版本得分约76%。整体上,国产模型在部分专项评测中逼近或局部超越海外闭源旗舰,但在Fable 5所定义的“长期自主智能体”综合能力上尚未有公开对标数据。3567
03分歧背后的技术参照系
双方分歧实质源于对“Fable级别”的界定差异。马斯克所指更接近Fable 5在真实企业级场景中的全流程闭环交付能力,如独立完成跨文件依赖的代码重构、持续数小时的自主实验规划与纠错。而唐杰的“无需久等”可能基于国产模型在单项指标上的快速逼近——例如Qwen3.7-Max已在GPQA Diamond、Terminal Bench等测试中超越Claude Opus 4.6,且中国模型周调用量已于5月初达7.94万亿Token,为美国模型的两倍以上。此外,斯坦福HAI 2026 Index报告显示,中美顶尖模型平均性能差距已缩小至2.7%,但该数据未涵盖Fable 5这类6月新发布的前沿模型。因此,分歧反映了评估维度的不同:一方强调系统级工程落地,另一方侧重基准测试追赶速度。8593
04对行业与用户的即时意义
当前文章无评论,是时候发表评论了