本文目錄

2026 年 10 月至 11 月期間,全球頭部實驗室密集釋放了一批具有標誌意義的新模型:Anthropic 推出了強調長程推理與工程自治的 Claude Fable 5.2(及定向授權版 Mythos 5.2),Google 沿元素週期表序列先後上線了 Gemini 4 Argon、Gemini 4 Carbon 與面向高頻智能體工作流的 Gemini 4 Hydrogen,字節跳動則更新了原生影片生成模型 Seedance 2.5 及其高速版本。把這幾條產品線放在同一張技術坐標系裡審視,可以觀察到過去兩年行業普遍預設的三條直覺正在被改寫:第一,代碼模型開始直接接管 2D 動畫與 3D 場景生成,影片模型是否走了彎路;第二,通用推理模型為何能在機械人控制與電路板設計上跨界擊穿垂直模型;第三,擁有最龐大互聯網與影片語料的 Google,為何在靜態事實知識榜上反被 Anthropic 超越。

生成範式的左右腦分工:程序化代碼骨架與原生像素渲染

Claude Fable 5.2 與 Claude Motion 展示出僅憑提示詞即可生成高質量演示動畫與 3D 短片的能力後,不少創作者開始質疑專門訓練擴散類影片模型(如 Seedance 2.5 或 Veo)的必要性。事實上,兩者在底層屬於完全不同的技術路線,各自統治著互不重疊的能力象限。

以 Claude 為代表的程序化生成路徑,本質上是「寫代碼驅動確定性渲染引擎」。面對產品介面演示、數據看板動畫或技術科普影片,模型在後台編寫 Remotion、Manim 或矢量動畫代碼並匯出影片;面對複雜 3D 鏡頭,Fable 5.2 則直接生成 Blender Python 腳本,自主完成建模、材質、布光、多機位運鏡切換與晝夜環境光變化。這條路線的核心優勢在於確定性與可編輯性——畫面中的文字和數字不會出現亂碼,時間軸、配色或攝像機坐標隨時可以按行精準修改,無需像傳統影片生成那樣反覆抽卡重繪。

然而,代碼可以窮舉邏輯與幾何拓撲,卻無法用幾百行腳本憑空寫出真實物理世界的高維連續細節。如果要求模型生成一個「演員在黃昏飄雪中回頭、眼眶微紅、髮絲被微風吹過臉頰並帶著嘆息說出台詞」的鏡頭,在沒有預先製作好的超寫實數字人資產與動作捕捉數據時,純粹靠代碼生成的只能是幾何感明顯的風格化模型。而 Seedance 2.5 這類原生影片大模型從海量視聽數據中學習時空潛空間分布,支援 30 秒連續敘事、多達 50 個多模態參考素材以及原生音畫同步,能夠直接端到端擬合皮膚肌理、微表情牽動與風雪流體光影。

因此,原生影片模型並未走彎路,但市場分工正在發生明確遷移:所有強邏輯、強文字、強結構的演示類與動態圖表影片正快速被代碼模型接管;而在複雜影視與工業內容管線中,更合理的演進方向是「左腦搭骨架、右腦做渲染」——由代碼模型充當總導演與技術美術(TA),先構建精確的 3D 空間布局、物理遮擋與運鏡軌跡,再交由原生影片模型作為神經渲染器(Neural Renderer)賦予寫實質感與聲音表現。

圖 2 程序化代碼生成(左腦)與原生潛空間影片模型(右腦)的工程邊界與融合路徑
圖 2 程序化代碼生成(左腦)與原生潛空間影片模型(右腦)的工程邊界與融合路徑

圖片來源:DigIntoAI 根據 Claude Fable 5.2 工程演示與 Seedance 2.5 官方技術規格整理製作。

通用基座的苦澀的教訓:從代碼工具到天級工程軍團

Claude Fable 5.2 之所以在發布後引發關於「苦澀的教訓」(The Bitter Lesson)的廣泛討論,是因為它證明了當通用基座的符號推理深度、空間理解與工具調用跨越臨界點後,代碼會成為操控各類工程軟件的通用介面,從而跨界衝擊多個垂直領域。

跨界擊穿機械人與硬體工程基準:在機械人操作評測 RoboDojo Sim 上,Fable 5.2 的得分從上一代 Fable 5.1 的 27.6% 躍升至 64.9%,大幅領先 Claude Opus 5.5(39.4%)與 GPT-6 Astra(29.8%),並在真機測試中實現了零樣本機械臂操作與連續 62 步的物理接觸糾偏。在硬體工程基準 BenchCAD 2.1 上,其得分達到 83.5 分(Opus 5.5 為 65.3 分),並在獨立電路板設計測試中自主完成了元器件選型、原理圖、自動布線與 3D 外殼建模,打樣成品無需人工修改即可通電運行。

時間尺度從小時級躍遷至天級與千級子代理協同:傳統前沿模型在連續運行數小時後容易陷入死循環或停留在半成品階段,而 Fable 5.2 展現出多日級(Days-long)持續推進與千級子代理並行編排能力。公開披露的極限案例包括調度 1,000 個智能體協同運行 30 小時完成費馬大定理的 Lean 形式化證明(Opus 5.5 在 18 小時完成 26% 後停滯),以及千級智能體連續運行 8 天構建包含驅動、儲存與視窗系統的完整操作系統原型。在安全工程側,早期測試機構也披露其可在單次會話中構建並形式化驗證包含超過 3,500 條機器檢查證明的虛擬化隔離層。

自適應思考帶來的算力效率曲線變化:預設常駐的自適應思考機制使 Fable 5.2 在低(Low)或中(Medium)思考投入下,就能在部分高難度推理與圖表理解基準上以不到 Opus 5.5 十分之一的單任務成本追平甚至反超對手滿血檔位表現;而在開啟最高思考強度(Xhigh / Max)並賦予長執行週期時,則進一步拉開了複雜工程交付的上限。

圖 1 2026 年 11 月前沿大模型三條技術路線、公開基準得分與定價定位對照
圖 1 2026 年 11 月前沿大模型三條技術路線、公開基準得分與定價定位對照

圖片來源:DigIntoAI 根據 Anthropic、Google DeepMind 官方公告及 Artificial Analysis 公開數據整理製作。

知識範式的去靜態化:推理合成 vs. 外掛百萬上下文記憶體

另一項反直覺的現象出現在世界知識評測中。根據 Artificial Analysis 公布的 AA-Omniscience 事實知識基準數據,2026 年 10 月底發布的 Gemini 4 Carbon 曾憑藉谷歌深厚的數據積累以 53.5% 的得分登頂榜首,但隨後就被 Claude Fable 5.2 以 66.8%(Max 檔淨分 67)大幅反超。表面上看谷歌掌握著全網最豐富的網頁、學術與影片資源,為何靜態參數知識分卻低於 Anthropic?

評測細節揭示了靜態記憶的邊際收益遞減規律:當 Gemini 4 Carbon 把事實問答準確率推高至頂尖水平時,其在未知長尾知識上的幻覺率從 Gemini 4 Argon 的 4% 上升到了 11%(AA-Omniscience v1.1 淨分榜中 Carbon Medium 幻覺率為 4%,而更高覆蓋檔位則出現明顯波動)。單純把冷門網頁資訊烤進模型權重不僅訓練成本高昂,還容易誘發模型在模糊邊界強行搶答。

面對這一瓶頸,Anthropic 與 Google 走出了兩條截然不同的破局路徑。Anthropic 選擇的是「深度推理合成路線」——不單純依賴死記硬背,而是依靠嚴密的邏輯鏈條在推理時動態推導並補全高階專業知識,代價是較高的單 Token 價格(Fable 5.2 標準 API 定價為每百萬輸入 8 美元、輸出 40 美元,快速模式為 16 美元與 80 美元)。

Google 則選擇了「稀疏高效架構 + 外掛動態記憶體路線」。從 Gemini 4 Argon 模型卡披露的資訊來看,Gemini 4 全系採用大規模稀疏混合專家(Sparse MoE)架構,每次推理僅激活極小比例參數。這使得 Gemini 4 Carbon 標準定價僅為每百萬輸入 4 美元、輸出 20 美元(推廣期低至 2 美元與 10 美元),而 11 月 12 日發布的 Gemini 4 Hydrogen 更是壓低至 1.50 美元與 7.50 美元,並直接接入全球 Google Search 底層。在多模態知識代理基準 MKA 上,Carbon 質量位列第二的同時平均任務成本僅為榜首的六分之一;而在 256K 至 100 萬 Token 的 GraphWalks 超長上下文推理評測中,Carbon 拿下了 96.2% 的高分。換言之,Google 放棄了把整個互聯網硬塞進靜態權重,而是用 100 萬 Token 無損吞吐加上即時搜索引擎,把互聯網變成了隨取隨用的外掛記憶體。

邊界說明與待實測項

在參考上述分析進行技術選型時,需要明確區分已驗證基準與行業推演的邊界:

關於後續超大參數旗艦的推測屬於行業研判:目前 Google 公布的 Gemini 4 型號(Hydrogen 1 號元素、Carbon 6 號元素、Argon 18 號元素)均位於元素週期表前三週期,結合其定價與延遲定位,Carbon 實際上承擔的是主力 Pro 生態位。業界普遍推測 Google 實驗室仍在打磨對應更重元素的 Ultra 級旗艦,但截至 2026 年 11 月 13 日,Google 官方尚未公布任何比 Carbon 更大的 Gemini 4 型號名稱或參數規模。

混合渲染管線與跨模型基準仍待獨立實測:文中引用的 AA-Omniscience、RoboDojo Sim、BenchCAD 2.1 與 GraphWalks 分數均來自各實驗室技術報告與 Artificial Analysis 公開榜單,各家評測時的思考強度配置(如 Medium 與 Max 檔位)存在差異。此外,「代碼模型生成 3D 白模骨架 + 原生影片模型進行神經渲染」的混合工作流目前仍處於早期工程探索階段,其真實跨幀一致性與生產成本賬本尚待我們後續在獨立測試環境中實測驗證。