今日精读：Claude 5 Fable 显示 Mythos 级模型可能改变人机协作方式
What it feels like to work with Mythos
Ethan Mollick 记录了自己提前试用首个公开发布的 Mythos 级模型 Claude 5 Fable 的体验。他刻意避开网络安全方向，重点测试学术写作、创意生成、游戏开发和复杂项目执行，结论是 Fable 相比他用过的公开模型有明显跃迁。它能在 Claude Code 中根据模糊提示生成完整游戏，甚至不用外部图像资产，仅靠数学生成视觉元素；在更严肃的 isochrone 地图项目中，它能持续数小时推进任务、做大量研究和小判断，还会调用其他较便宜的 Claude 模型协助收集数据。这封 newsletter 最值得 builder 关注的不是某个 demo，而是“从提示模型到委派系统”的体感变化：用户提出目标，模型开始像一个能自组织工作的执行者。
这篇文章的核心价值在于，它不是单纯比较 benchmark，而是描述一个强 agentic model 在真实工作流中的体感变化。Mollick 试用的 Claude 5 Fable 被称为首个公开发布的 Mythos 级模型，外界讨论多集中在软件安全，但作者因安全护栏限制转而测试其他任务。他发现 Fable 在多个实验里显著超过此前公开模型：既能从一个提示和一次反馈生成复杂的学术社会科学论文，也能完成极端约束下的长篇押韵创作。更有 builder 意义的是代码和产品构建测试：作者让 Fable 在 Claude Code 中用很粗略的需求做游戏，例如“像 Balatro 但基于抛硬币”、有自我意识的贪吃蛇、把《杜伊诺哀歌》转成艺术游戏、以及下潜探索类游戏。由于 Claude 不能生成图片，这些游戏里的艺术和 3D 对象都由代码和数学构造，这说明模型不仅会拼接模板，还能在交互、视觉和规则之间做综合设计。文章后半段更关键：作者要求 Fable 构建一个基于真实数据、能选择城市、综合机场通勤、航班、火车、步行和驾驶的 isochrone 地图。以往模型在这种任务上表现很差，因为它需要大量研究、数据取舍和连续判断；Fable 则能多小时自主执行，并调用其他较便宜的 Claude Sonnet 模型帮助研究旅行时间，片段中提到它最终检索了超过 2200 条具体航班等信息。作者的情绪是“愉快但不安”：愉快在于只需提出目标，系统就能推进；不安在于这意味着 AI 正从回答问题走向承担项目。值得注意的是，邮件正文片段在地图案例处被截断，因此不能进一步确认最终地图质量或完整实现细节，但已有信息足以说明一个重要方向：下一代模型竞争不只是更聪明，而是更能长时间执行、分解任务、调度子模型，并把开放式需求压缩成可交付成果。
它把“模型能力提升”落到了 builder 最关心的真实交付场景：长任务、模糊需求、研究、编码、设计和多步判断。相比普通发布新闻，这篇更能帮助判断 agentic coding 和 AI-native 产品开发的下一阶段。
如果这种能力稳定可用，独立开发者和小团队的项目边界会明显扩大，产品原型、研究型工具和内部系统都可能从“人主导执行”转向“人设定目标并监督”。同时，成本、可控性、数据真实性和质量验收会成为新的工程核心。
- 01Claude 5 Fable 被作者称为他用过的公开模型中明显领先的一类，并能连续数小时执行多页规格任务。
- 02Fable 在 Claude Code 中能从模糊提示生成多个可玩的游戏，且视觉资产由代码和数学生成。
- 03在 isochrone 地图案例中，模型需要综合真实旅行数据、交通方式、设计风格和大量小判断。
- 04模型会调用其他较便宜的 Claude 模型协助研究，体现出“主模型调度子模型”的 agent 工作形态。
- 05作者强调真正的变化不是输出更漂亮，而是用户与 AI 的关系从提示回答变成目标委派。
- 06正文片段在地图案例处截断，最终成品细节不能从输入中确认。
- — 观察 Fable 的优势来自基础模型能力、Claude Code 工具链，还是长时执行与子代理调度的组合。
- — 把 demo 能力迁移到真实业务时，最难的验收点可能是事实准确性、边界条件和错误恢复。
- — 对 builder 来说，未来提示词的重要性可能下降，任务规格、测试、审查和成本控制的重要性会上升。
- — 需要区分“令人惊艳的一次性结果”和“可重复、可上线、可维护的生产能力”。
AI Valley：Apple 与 OpenAI 同周进入关键叙事窗口
AI Valley 聚焦 Apple 与 OpenAI 的一周大新闻：Apple 发布多年最大 Siri 升级，新 Siri 能理解屏幕内容、从消息、邮件、照片和文档中提取上下文，并跨 app 执行动作，同时通过本地设备和 Private Cloud Compute 处理多数请求；OpenAI 则据称以 8500 亿美元以上估值提交 IPO 文件，并计划在上市前重做 ChatGPT，突出 Codex、agent 和企业软件能力。它还提到 OpenAI 宣布进入“第三阶段”。这封邮件的主线是：AI 正从单点聊天产品进入操作系统、超级应用和企业工作流入口的分发竞争。
Apple 掌握设备级分发，OpenAI 掌握 ChatGPT 入口和开发者心智，两者的产品路线会直接影响 AI app、agent 和企业工具的生态位置。
- — Apple 试图把 Siri 从语音助手升级为能读屏、理解个人上下文并跨 app 行动的 AI 层。
- — OpenAI 的 IPO 与 ChatGPT superapp 改版被放在同一叙事中，资本与产品平台化同时推进。
- — 邮件包含 Viktor 赞助内容，未纳入正式摘要重点。
TLDR AI：OpenAI S-1、Siri AI 与小米高速推理模型同日成为焦点
TLDR AI 覆盖了 OpenAI 保密提交 S-1、Apple 发布 Siri AI、小米 MiMo-V2.5-Pro-UltraSpeed 高速推理模型，以及多个工程与研究话题。OpenAI 的文件被解读为保留更早上市选项；Siri AI 被描述为更会话化、深度集成 Apple 平台，并包含 Google 支持的本地 Foundation Models 变化；小米和 TileRT 的 1 万亿参数模型在普通 8-GPU 节点上达到每秒 1000 token，依赖 FP4 量化和 DFlash speculative decoding。深度内容还包括数据库变更分析工作流、AI 对工程速度的实测影响、知识工作 agent、FrontierCode 可合并代码 benchmark，以及 OpenAI 关于“第三阶段”的计划。
这封邮件把资本、平台、模型推理效率、软件工程评估和企业工作流串在一起，适合快速观察 AI 基础设施与应用层的共同变化。
- — OpenAI 保密提交 S-1，但称尚未决定 IPO 时间。
- — MiMo-V2.5-Pro-UltraSpeed 宣称在普通 8-GPU 节点上达到每秒 1000 token。
- — 早期研究显示 AI 对 PR 吞吐的提升多为 10% 到 15%，整体速度仍受评审、规划和测试限制。
TLDR Design：AI 时代的设计重点转向专用体验、原型验证和系统一致性
TLDR Design 关注 AI 与产品设计交叉：Airbnb CEO Brian Chesky 正启动独立 AI lab，强调设计和用户体验，而不是通用聊天机器人，认为未来会有多个面向具体场景的专用 AI 工具；Figma 发布 Check designs，自动对照设计系统检查样式、变量、无障碍、库和 detached component 问题；Slack 设计负责人用 AI 编码做交互原型，在写生产代码前用真实数据分布测试布局算法和最大宽度策略；另有文章总结 AI 让原型速度约提升 4 倍，以及“AI design”已分化为四类工作。整体信号是：AI 正把设计从静态稿推进到可运行、可验证、可系统化的产品实验。
设计团队不只是用 AI 生成界面，而是在用 AI 提前验证真实边界条件、减少生产环境试错，并重新定义 AI 产品设计岗位。
- — Airbnb AI lab 的方向是专用、直觉化、面向具体应用的 AI 体验。
- — Figma Check designs 面向组织和企业计划，提供设计系统不一致的一键修复。
- — AI 辅助交互原型能用真实数据和边界条件验证设计决策。
TLDR Dev：生产级 agent 的关键问题是成本路由、上下文和工作方式重构
TLDR Dev 的 AI 相关重点是 agent token 成本与智能路由：连续循环的 LLM agent 会不断把扩大的上下文窗口发给昂贵前沿模型，导致生产成本失控，因此团队需要把简单任务路由到便宜模型，把复杂推理留给 frontier model。邮件还提到用 Claude 替代 Figma 做高保真交互原型、工程师对 LLM 侵蚀传统调试和领域知识价值的焦虑、开源同步引擎 Zero、前端设计 AI skills、OpenAI 将 ChatGPT 改造成 agent 和 coding superapp，以及 Lathe 用 LLM 生成技术教程。整体是一封偏工程实践的 newsletter：AI-native 开发不只是写代码更快，而是重新安排模型、上下文、工具和人的职责。
agent 真正上线后，成本和上下文质量会快速变成瓶颈，这比 demo 阶段更接近工程团队的现实问题。
- — 智能路由可以把简单任务交给便宜模型，避免所有请求都烧 frontier model。
- — Claude 等工具正在让设计到代码的距离缩短，非工程人员也能做更高保真原型。
- — 工程师职业价值正在从局部调试技巧转向系统判断、上下文管理和验收能力。
TLDR：Apple Core AI 与 loop engineering 显示 AI 正进入系统和开发流程底层
TLDR 主刊覆盖 Apple 的 Siri AI、OpenAI IPO、SpaceX/xAI 卫星芯片、Commonwealth Fusion，以及 developer 相关的 Core AI 与 loop engineering。AI 部分最值得注意的是 Apple 不只更新 Siri，还推出 Core AI 框架，让开发者在 Apple silicon 上构建、运行和部署模型，并通过 Swift API 控制模型专用化、缓存和推理性能。Loop engineering 则提出一个重要范式：开发者不再亲自一轮轮提示 coding agent，而是设计一个会持续提示 agent 的系统，围绕递归目标自动迭代到完成。邮件也提醒该技术仍早期，token 成本和质量监督仍需谨慎。
Apple 的系统级 AI 框架可能影响端侧 AI app 的开发方式；loop engineering 则概括了 coding agent 从工具到流程自动化的下一步。
- — Siri AI 将与 Apple app 深度集成，并使用 Google 的 AI 模型和云能力支持部分功能。
- — Core AI 为 Apple silicon 上的模型部署和推理优化提供 Swift API。
- — Loop engineering 强调设计自动提示 agent 的系统，而不是由人持续提示 agent。
TLDR Product：AI 时代的产品机会在信任、持续投入和 agent 基础设施
TLDR Product 的主线是产品管理和组织能力。它先批评一次性项目预算：软件需求上线后必然变化，只按一次性建设拨款会让长期价值失败。AI 相关观点包括：企业的 AI 战略问题往往不是工具不足，而是缺乏信任、自治和决策权；独立 standalone agent 业务很脆弱，因为前沿实验室可能迅速把功能并入大平台，更强的机会可能是构建帮助 agent 更好工作的工具和基础设施。邮件还覆盖产品定位、工程与 PM 信任、产品自我蚕食等主题。对 AI 产品 builder 来说，它提醒不要只追逐“做一个 agent”，而要判断自己是否拥有平台难以吞并的上下文、流程或基础设施价值。
它把 AI 落到组织和商业策略层面：agent 能否产生价值，取决于信任、预算机制、产品定位和平台风险。
- — 一次性项目预算不适合持续演化的软件产品。
- — AI 战略的核心障碍可能是信任与自治，而非工具采购。
- — 单体 agent 产品容易被大平台吸收，agent 基础设施可能更稳。
The Rundown AI：Siri AI 对普通用户是升级，对前沿模型用户仍显落后
The Rundown AI 用更保留的语气解读 Apple WWDC26 的 Siri AI：对从未深度使用 AI 的 iPhone 用户，读屏、app 上下文和私密的端侧帮助可能让 Siri 第一次变得有用；但对熟悉前沿 LLM 的用户，演示仍像 2024 年水平。邮件列出 Siri AI 的细节：由 Apple 自有模型驱动，并与 Google Gemini 技术协作定制；能理解屏幕内容、照片和消息等 app 上下文并执行系统级 app 动作；有独立 Siri AI app 作为聊天体验和历史对话中心；请求在本地或 Private Cloud Compute 处理，不保存数据；秋季免费更新支持 iPhone 15 Pro 或更新设备，公测下月开始，欧盟和中国首发不可用。它还预告 OpenAI 第三阶段、Claude 与 Granola 工作流、阿根廷 AI 非人公司等内容。
这封邮件提供了与 The Neuron 相反的温度：同样承认 Apple 分发和隐私优势，但更强调与 frontier LLM 体验的差距。
- — Siri AI 能读取屏幕与 app 上下文，并执行系统级动作。
- — 隐私是 Apple 叙事核心：本地或 Private Cloud Compute 处理，不保存数据。
- — The Rundown 认为它对普通用户是升级，但对前沿模型用户偏保守甚至落后。
The Neuron：AI 经济同时受能力时钟和资本时钟驱动
The Neuron 把当天 AI 新闻放在“能力时钟”和“资本时钟”两个框架下：OpenAI 提交保密 S-1 后，又由 Sam Altman 和 Jakub Pachocki 发布“第三阶段”计划，目标包括到 2028 年 3 月构建可控 AI researcher；Gary Marcus 则引用 Wharton/NBER 论文质疑资本开支逻辑，认为 AI 行业生产率需要足够快地提升才能支撑投入；Dwarkesh Patel 的文章则从数据和蒸馏角度给出更乐观的能力延展可能。主文对 Apple WWDC26 更乐观，认为 Siri AI 是把 AI 放进 OS 的重置尝试：理解屏幕、文件、app 和个人上下文，并成为所有 app 的智能层。邮件还提到 Anthropic Mythos 能数小时内利用漏洞、NVIDIA 将韩国作为 AI factory 展示、Kimi Work 推出 300 个桌面 agent、MIT AI 风险研究等。
它把单日新闻提升到宏观判断：AI 不是只有能力增长，也有资本市场兑现压力，两条时间线可能出现错配。
- — OpenAI 的 S-1 与“第三阶段”计划共同强化了资本化和 AGI 叙事。
- — The Neuron 对 Apple 把 AI 做成 OS 层更乐观，认为分发和上下文是关键。
- — 邮件提示 AI 风险、Mythos 安全能力、AI factory 和桌面 agent 都在同一天推进。