只让 AI 修一个 Bug，它却可能顺藤摸瓜，把背后一整类潜在问题全部找出来，还主动问你要不要一起解决——据 The Information 最新报道，Anthropic 正在准备这样一款新模型。一名试用过该模型的知情人士称，它在推理和直觉判断上超过了 Anthropic 目前已商用的所有模型，尤其擅长在用户没有明确交代目标的情况下，推断其真正想完成的任务，并提出更完整的解决方案。截至目前，Anthropic 尚未公布这款模型的名称、发布时间与评测成绩，外界只能从零散的爆料中拼凑轮廓。
从"执行指令"到"推断意图"：被曝会"读心"的新模型
The Information 的报道描述了两个颇具代表性的场景。其一是编程：当用户要求修复某个 Bug 时，新模型可能在检查代码的过程中，进一步定位导致该 Bug 的一整类底层问题，并主动询问是否需要一并修复。这恰好击中当前 AI 编程工具的痛点——开发者过去需要反复补充提示词，先让模型修复报错，再要求检查其他文件是否存在类似问题，最后安排回归测试；如果模型能自行建立问题之间的关联，大型代码库中反复出现的同类故障就有望被一次性清除。报道同时提醒，这是试用者用于解释模型能力的假设场景，并未披露相应的实际测试结果。
第二个场景来自投资咨询。按照试用者的说法，传统模型面对"如何投资股票"的问题，大概率会给出市盈率等常见指标和通用建议；而新模型可能跳出常规思路，自行构思预测股票未来表现的创造性算法。这里强调的是模型提出新思路的能力，而非建议本身的有效性——目前没有任何公开证据表明这些算法能在真实投资中取得更好结果。传闻称这款新模型可能属于 Fable 5.5 或 Opus 5.6 家族，但都未获官方确认；它在真实项目中的表现、相比现有 Claude 究竟提升多少，同样缺少公开评测可以验证。
三巨头集体备战：Gemini 4 Carbon 与 GPT-6.1 Terra 都在路上
Anthropic 并非唯一在憋大招的厂商。本月中旬，Google 正式将旗舰模型 Gemini 4 Argon 的开放范围扩大到全球开发者、企业与消费者，此前该模型已率先向部分网络安全防御人员开放，定位是编程、金融、法律、网络安全与科学研究等复杂任务。与此同时，The Information 与 Business Insider 先后披露，Google 已在开发下一代模型，内部代号 Gemini 4 Carbon，并在内部编程平台 Jetski 上向员工开放测试数日；有体验过的员工评价其编程表现"与 Opus 5.5 相当"。Google 员工 Vedant Misra 在社交平台上一句"你听说过递归自我改进（RSI）吗"，更引发外界对 Carbon 技术路线的大胆猜测。
OpenAI 这边，GPT-6.1 Terra 已经出现在微软 Copilot 的评测配置中——有开发者发现微软更新了 18 个评测配置，将裁判模型从 GPT-5.6 Terra 换成了 GPT-6.1 Terra。多方消息称，这款新模型预计在未来几周发布，能力进一步提升的同时，价格将低于 GPT-6.1 Sol。Terra 是 OpenAI 产品线中的中间档，介于 Sol 与 Luna 之间；社区分析认为，此举与 OpenAI 合并 Chat/Work 与 Codex 产品线、统一用量限额的计划密切相关——只有更便宜的模型，才能让记忆这类高消耗功能覆盖全部套餐。过去一个月，OpenAI、Anthropic、谷歌已累计发布超过 12 款新模型，发布节奏丝毫没有放缓的迹象。
老代码撞上新模型：OpenAI 在 COBOL 迁移上跑出 97.9%
在追逐前沿能力的同时，OpenAI 还把目光投向了"古老"的编程语言。官方公布的冷门语言测试显示：在将 COBOL 程序迁移到现代语言的测试中，GPT-6.1 Sol 在低推理档位下即达到 86.6% 的准确率，而上一代 GPT-5.6 Sol 仅有 5.4%；在更高的推理档位下，准确率进一步达到 97.9%，几乎把这项测试"刷穿"。COBOL 绝非博物馆里的陈列品——公开资料称，它支撑着超过 40% 的银行系统、80% 的面对面信用卡交易和 95% 的 ATM 交易；另一门老语言 Fortran 则广泛用于天气预报与核反应堆安全分析。
这些系统已经稳定运行了半个世纪，能维护它们的人类程序员却越来越少。模型一旦跨过"可用"阈值，银行、公用事业背负数十年的技术债就有了新的偿还路径：不是推倒重写，而是让 AI 先读懂、再迁移。这也从侧面解释了为什么"低成本、长上下文"的中间档模型对金融机构格外有吸引力——迁移是长周期、高消耗的工程，推理成本直接决定项目能否规模化推进。
新品密度拉满：MiniMax 认领"太空兔"，Agent 成本战开打
国内厂商的节奏同样密集。MiniMax 更新 M3.1 Flash，并确认此前匿名处理超 200 万亿 Token 的神秘模型"太空兔"（Space Bunny）正是其早期版本；官方称新模型线上推理速度提升近 3 倍，Agent 类任务综合使用成本较前代降低 70%。同一时段里，xAI 的 Grok 在网页与移动端将任务完成速度提升至原来的 3 倍；Perplexity 开源了 Decider v1.2（27B）与 Decider Flash v1.2（4B）两款多模态决策模型；Anthropic 的 Claude Code Review 也正式向 Team 与 Enterprise 计划开放。
把这些发布串起来看，一条主线愈发清晰：价格与交付速度正在成为与跑分并列的竞争维度。DeepSeek 以 MIT 许可开源 V4.1-Flash 权重，用"输出更短"压缩推理阶段的算力消耗；MiniMax 直接把 Agent 综合成本压低七成；OpenAI 筹备中的 Terra 主打性价比，瞄准的正是对推理成本敏感的开发者和企业。对行业而言，模型能不能跑进生产环境，成本曲线和榜单成绩一样有说服力。
花边与热议：AI 反诈、3D 出海与新材料融资
应用与资本面的热度同样不低。反诈领域出现了一个让网友津津乐道的案例：据报道，有 AI 系统主动接听诈骗电话，与骗子周旋约 250 万次，顺便套出约 25 万条诈骗情报，被戏称为"AI 朝阳群众"。创意工具赛道，23 家 AI 3D 出海公司单月订阅收入合计约 8566 万美元——即便通用大模型的图像、视频能力越来越强，消费者依然持续为垂直创意工具付费，这个市场的厚度超出了许多人的预期。
一级市场方面，世界模型赛道再获重注：一位清华特奖得主创业的世界模型公司，成立约 3 个月估值即达数十亿元，红杉、蚂蚁等机构在列。AI for Materials 方向，MATARIA 元材新界宣布完成君联资本领投、小苗朗程跟投的数千万元人民币种子轮融资，计划未来 18 个月推出跨尺度材料模型 V1.0，并在 3 至 5 个行业开展试点。此前，DeepSeek 研究员联手谷歌工程师创立的宏诺伊曼也进入公众视野，其 AnyInt 以智能路由连接模型、智能体与工具，要做"Token 时代的智能电网"，公司已于今年 3 月获得百度战略投资。
后续观察：竞争焦点正从跑分转向意图与成本
近期密集曝光的消息，共同指向一个行业转折：头部厂商的比拼重心，正在从基准测试的分数，转向"能不能懂你"和"跑不跑得起"。意图推断能力决定 Agent 能否在长任务中减少人工干预，推理成本决定 AI 应用能否规模化落地。Anthropic 若真把"读心"做进产品，受到影响的将不只是编程工具，还有客服、数据分析、投研咨询等所有依赖多轮沟通才能推进的工作场景。
当然，现在下结论还为时过早。Anthropic 新模型的全部能力描述来自单一试用者，Carbon 与 Terra 均无公开评测数据，传闻中的型号归属也未经证实。接下来值得盯住的节点很清晰：Anthropic 新模型的正式发布与第三方实测、Carbon 在公开基准上的成绩、Terra 的最终定价，以及 11 月前后 Kimi、GLM、MiniMax 等国产新模型的陆续登场。可以确定的是，大模型竞赛的下一幕，已经提前开场。
暂无评论内容