Restoration of Claude Fable 5, Gemini's Video Dev Engine, DeepSeek Speeds Up Speculative Decoding

Claude Fable 5、Gemini 的视频开发引擎恢复，DeepSeek 加速推测解码

kg-card-begin: html

加载

Elevenlabs 文本转语音

AudioNative 播放器...

kg-card-end: html

亲爱的朋友们，智能代理编码循环的核心思想是让代理持续工作直到满足某个条件，例如实现产品规格。为许多 AI 系统制定规格、评估标准或测试集是极具挑战性的任务，也是注入人类知识的关键环节。一旦拥有清晰的规格，实现它的路径（例如让编码代理进行迭代）就会更加明确。我想分享一些在快速构建 0 到 1 应用程序时，用于构建驱动编码循环的产品规格的实用方法。正如我下面将解释的，我使用的一个组织原则是：AI 代币成本低廉；人类代币价值高昂。（是的，我知道人类并不真的进行分词，但鉴于我与代币打交道的频率，我现在甚至认为自己是在向计算机提供代币！）在构建大型复杂系统时，花时间精心设计架构是值得的。这包括决定例如：您想使用什么数据库？如何在不同服务间分配工作负载？您会锁定哪些第三方依赖？前端和后端之间的 API 边界是什么？提前思考这些问题有助于避免陷入难以更改的糟糕决策。但在构建快速 0 到 1 原型或在不熟悉的领域开发应用时，我通常会加快节奏并减少深思熟虑。我发现快速跳入指导编码代理开始构建非常方便，这样我就可以检查它构建的内容以做出下一步决策。当 AI 代理只需 20 分钟就能构建一个简单原型时，没有必要花一个小时的人类时间反复推敲设计规格；我宁愿花 10 分钟编写一个较差的规格，查看代理构建了什么，检查它的假设，然后完善规格并重复这个过程。这样，“规格驱动开发”就不会变成一个新式的瀑布流程，将编写规格作为进一步进展的关卡，而是让我能够更迭代地完善规格。例如，我原型设计的许多应用程序的首个版本都存在令人困惑的 UI 设计，我通过修改规格来解决这些问题，而无论我花多少时间调整初始规格，都无法提前意识到这些修改是必要的。独自生成这些人类代币的成本太高了。通过观察哪里出错了，再解释如何正确执行，反而更容易（也更便宜）。随着软件项目的成熟，编码代理将花费更长时间（可能数小时）来构建更复杂的规格，但在早期阶段，删除整个代码库并从头开始重启是完全可以接受的，因为没有什么是难以更改的。所有这些代码在人类时间和代币成本上都很廉价。我们从测试中获得的经验更加宝贵。此外，拥有一个实现方案作为反应对象（有时我会要求代理提供几种不同设计方案），可以为您提供一种高效获取反馈（人类代币）的方式，从而完善规格以推动后续迭代。如果您正在构建一个 0 到 1 的产品，我鼓励您尽早让编码代理投入工作，甚至可能比您感觉舒适的时间更早，查看它生成的内容，并以此作为起点。然后记录您的反应并持续迭代。

此处，你也可以让代理完成大部分工作。开发者常遇到的烦恼之一是，当我们告诉编码代理某些信息后，它可能在后续（例如经过内存压缩后）忘记之前说过的内容。我希望未来的编码工具改进能改善这一问题，但目前当我做出关键决策时，通常会引导代理将该决策记录在某个地方，例如 SPEC.md 文件中。在构建项目的过程中，编码代理可能生成数百万个 token —— 远远超过人类开发者手动输入的数量。因此，如果代理发现了某些内容但之后忘记，会带来一定成本，因为它可能需要消耗更多 token 来重新发现这些信息 —— 但这影响并不太大。但如果它忘记了你告诉它的内容，就会更加令人沮丧，因为你最终不得不重新告诉它一遍：宝贵的 token 又被浪费了。过去几个月中，由于模型进步，编码代理已经变得不那么容易遗忘，但偶尔仍会忘记。当我对原型中的某些内容不满意时，通常会告诉代理不仅要修复问题，还要更新规格说明（或许还要更新测试计划），这样代理未来在停止标准中就需要检查此类问题是否不再发生。这是确保代理将人类输入的 token 视为宝贵资源的一种方式。

继续构建吧！

Andrew

来自 DEEPLEARNING.AI 的信息

认识 Ambient，由 Kian Katanforoosh 和 Workera 设计，旨在工作流程中衡量你的技能。你已经可以衡量所有重要的指标：睡眠、步数、屏幕使用时间。为什么不能衡量你的技能？加入候补名单

新闻

Fable 的回归与影响

Claude Fable 5 和更强大的 Claude Mythos 5 在 Anthropic 因美国商务部的出口管制指令暂停模型服务三周后回归。

最新动态：Anthropic 于 7 月 1 日通过 Claude API、Claude Code 及其他 Anthropic 控制的平台恢复了 Claude Fable 5 的客户访问权限。作为与美国政府协议的一部分，Anthropic 为模型增加了额外的防护措施，阻止某些网络安全查询，并将其路由到能力较低的 Claude Opus 4.8。

事件回顾：Claude Fable 5 和 Mythos 5 的重新部署解决了今年美国政府与 AI 公司之间最引人注目的冲突之一。然而，这场争议不仅涉及 Anthropic，还涉及亚马逊、谷歌、微软和 OpenAI。（披露：Andrew 担任亚马逊董事会成员。）以下是模型发布及暂停和恢复时间线：

• 4 月，Anthropic 为部分政府和技术合作伙伴推出了 Claude Mythos Preview。该模型仅提供给维护关键基础设施的公司，以便他们识别安全漏洞并进行修复。

• 两个月后，6 月 9 日，Anthropic 向全球客户发布了 Claude Fable 5。其防护措施阻止了某些与网络安全和生物研究相关的查询；该模型还颇具争议地降低了对如何构建强大 AI 模型的响应质量。

• 亚马逊研究人员使用 Claude Fable 5 获取了如何实施网络攻击的信息，这导致了出口管制指令。Anthropic 声称，任何足够强大的模型（包括其自身的 Claude Opus 4.8 以及其他供应商的模型）都可能识别出相同漏洞并生成利用方式。

• 6月12日，美国政府发布出口管制令，以国家安全为由，禁止任何外国国民（无论居住地）访问Claude Fable 5和Mythos 5模型。同一天，Anthropic公司全球范围内暂停了所有用户对这两款模型的访问权限。

• 6月26日，美国政府通知Anthropic公司，允许其将Claude Mythos 5模型重新部署给部分政府机构使用。在致该公司的信函中，商务部长霍华德·卢特尼克表示，与Anthropic数周的谈判已取得“显著进展”，该公司承诺与政府合作制定AI模型安全评估的协议和标准。

• 在Anthropic公司实施新的安全防护措施以解决亚马逊研究人员发现的网络安全风险后，6月30日对Claude Mythos 5和Fable 5的出口管制解除。公司宣布Claude Fable 5将于7月1日起向全球用户开放访问权限，随后AWS、Google Cloud和Microsoft Foundry客户也很快恢复了访问权限。

• 在Claude Fable 5恢复访问权限数日后，一些用户报告称该模型性能有所下降，生物学基础问题被审查，编程任务限制增加。Anthropic在X平台发文表示，部分常规编程任务将回退至Opus 4.8模型，但公司将在未来几周内努力“更准确区分恶意使用与合法请求”。

• 其他用户投诉称，该模型很快将仅对订阅用户使用额度的50%开放访问权限，且用户需按信用点付费获取更多访问权限。最终，Anthropic公司将付费订阅用户的Claude Fable 5完整访问权限延长至7月12日。

背后的故事：早在2月的一场高风险争议中，五角大楼将Anthropic标记为“供应链风险”，原因是该公司拒绝向美国政府提供未设置防止大规模监控或自主武器使用的安全防护措施的模型版本。这一认定意味着国防部及其合作伙伴不能再使用Anthropic的产品。然而，6月的出口管制令是政府干预导致模型通用访问权限暂停的首次案例。OpenAI近期推出的GPT-5.6系列三款新模型在7月全面发布前，也经历了政府强制要求的技术能力预览阶段。

我们思考的是：如果政府决定干预AI模型的部署——尽管我们质疑这种做法的明智性，因为监管俘获的风险可能导致少数模型通过审查——至少应通过可预测的流程进行。企业需要明确了解应达到的标准，以便将产品推向市场。任何治理模型发布的框架都应公平、稳定、透明，并且合理宽容，以减少不确定性，鼓励投资，避免可能延迟创新并削弱公众信任的临时决定。

Google将Nano Banana更新与视频API结合

Google为处理媒体内容的开发者构建了一条低成本、高吞吐量的流水线，将Gemini目前最快的图像模型与同样高效的多模态模型结合，后者能够将图像转换为同步音频的视频。

最新动态：Google发布了Nano Banana 2 Lite（正式名称为Gemini 3.1 Flash Lite Image），这是该公司最快且成本最低的图像模型，旨在取代原始的Nano Banana。同时，Google还通过其API平台向开发者开放了最新的视频模型Gemini Omni Flash，该模型在首次通过Google应用面向消费者推出六周后实现。Google的公告将这两项更新描述为潜在的组合功能，允许用户通过图像模型生成低成本的静态图像（或批量生成），然后通过相同的对话界面将最佳图像转换为视频。

• 输入/输出：Nano Banana 2 Lite – 文本和图像输入生成图像（最大分辨率为1k）及文本输出；Gemini Omni Flash – 文本、图像和视频输入生成720p视频并同步音频输出，每段视频最长10秒

• 可用性：这两款模型均可通过Gemini API、Google AI Studio和Gemini企业代理平台使用，同时支持Gemini应用和Google Flow。Nano Banana 2 Lite还可通过搜索的AI模式、NotebookLM、Google相册、Stitch和Google Ads使用；Gemini Omni Flash也可通过YouTube Shorts使用

• 价格：Nano Banana 2 Lite每张1K分辨率图像0.034美元；Gemini Omni Flash每秒720p视频0.10美元

• 性能：Nano Banana 2 Lite在Image Arena的Elo排名中位列第五；Gemini Omni Flash在Video Arena的视频生成Elo排名中位列第一（视频编辑排名第二）

• 速度：Nano Banana 2 Lite生成图像约需四秒；Gemini Omni Flash的生成时间未公开

• 未公开信息：两款模型的参数数量和训练数据

工作原理：Google为每个模型发布了模型卡片，公开了基础架构和已知限制，但未透露参数数量和训练数据细节。

• Nano Banana 2 Lite是基于Gemini 3.1 Flash-Lite训练的多模态Transformer，后者是Google的高效多模态基础模式；Gemini Omni Flash是基于文本、图像、音频和视频训练的多模态Transformer。

• Gemini Omni Flash可根据文本提示、起始图像或参考图像生成带有原生音频的720p视频片段。其编辑功能支持对话交互：通过Google的Interactions API处理时，模型会保留会话历史，使每次指令修改前一个视频片段而非重新生成，最多支持三次连续编辑。

• 图像到视频的模式展示了这两款模型的协同方式：通过相同的Gemini API（或Google AI Studio网页界面的对话交互），Nano Banana 2 Lite生成的图像可作为起始帧传递给Gemini Omni Flash。

性能：Google 报告称两种模型在人工评分测试中均表现良好，且在 Arena.ai 的群众投票排行榜上均位居前列。Google 的大部分数据来自其内部基准测试的比较，因此仍需更多独立验证。

• 在文生图领域，Nano Banana 2 Lite 在 Arena.ai 的群众投票排行榜上以 1,250 Elo 排名第五，尽管每千张图片成本比更贵的 Nano Banana Pro（1,245 Elo）低 10 美分，但仍略胜一筹；OpenAI 的 GPT-Image-2 以 1,386 Elo 领跑该榜单。

• 在视频领域，Gemini Omni Flash 在视频生成榜单上以 1,527 Elo 领先，视频编辑榜单上以 1,347 Elo 排名第二，仅落后于字节跳动的 Seedance 2.0（1,377 Elo）。

• 在 Google 自身的人工评分测试中，Gemini Omni Flash 在视频编辑（504 个示例）和 Meta 公开的 MovieGenBench（1,003 个提示）上均获得整体偏好和指令遵循的第一名，并与 Grok-Imagine-Video 和 Kling 在 VBench I2V（355 个图文对）上并列第一。

背景：Google 流行的“Nano Banana”名称最初是作为占位符代号使用，直到原模型 Gemini 2.5 Flash Image 于 2025 年 8 月上线。此后 Google 陆续扩展了该系列，包括 2025 年 11 月的 Nano Banana Pro、2026 年 2 月的 Nano Banana 2，以及现在的 Nano Banana 2 Lite。Gemini Omni Flash 首次亮相于 2023 年 5 月 19 日的 Google I/O，仅向 Gemini 应用订阅者、Google Flow 和 YouTube Shorts 开放。

意义：媒体生成现在足够廉价和快速，可以在应用运行时实时生成，而不再需要作为缓慢的定制化生产步骤，这标志着其单位经济效益的转变。10 秒的片段可以串联成长视频，开发者现在可以直接在自己的应用中自动化生成这些内容。这满足了高流量数字广告商和社交媒体制作人的需求。例如，Meta 据报正在构建一个系统，可根据产品图片和预算自动生成广告创意，包括视频。

我们的思考：将图像和视频生成视为单一市场是错误的。Nano Banana 2 Lite 和 Gemini Omni Flash 的分辨率不足以满足好莱坞需求，其速度和成本优化对业余用户可能影响有限。但正如我们曾看到的文本和音频领域一样，通过添加自动化、交互、个性化和智能工作流，多媒体领域仍有更多价值可挖掘。现在正是释放想象力的好时机！

DeepSeek 的 DSpark 加速前行

DeepSeek 构建了一个推测解码模块，使其实生产模型的文本生成速度提升超过 50%，同时不牺牲准确性，并将该技术开源。

最新进展：北京大学和 DeepSeek 的 Xin Cheng 及其团队推出了 DSpark，这是一种推测解码方法，通过一个小型模型（称为草案模块）在单次传递中为大型语言模型生成标记进行验证。团队将 DSpark 应用于其 DeepSeek-V4 模型，并随后发布了 DeepSeek-V4-Pro-DSpark 和 DeepSeek-V4-Flash-DSpark 检查点，这些检查点在 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 的未修改预览权重中添加了草案模块。修改后的 DeepSeek 模型可通过 Hugging Face 免费下载，采用商业友好的 MIT 许可证。

关键见解：在推测性解码（DSpark所依赖的技术）中，小型草案模块会提出一组标记，而它服务的大型模型会一次性检查整个块。该过程在每个草案位置同时计算大型模型自身的下一个标记选择，从而保留与这些选择匹配的最长连续草案标记序列。这在加快文本生成速度的同时，验证步骤仍能保持文本质量。作者识别出影响速度的三个因素：草案标记的生成成本、通过检查的草案标记数量，以及大型模型进行的检查量。早期草案生成器在前两个因素之间进行权衡，而将第三个因素固定不变，无论服务器负载如何。DSpark对这三个因素都进行了优化，但其主要贡献在于动态调整第三个因素，即在服务器负载较轻时进行更多验证，在负载较重时减少验证。

工作原理：DSpark草案模块连接到保持冻结状态的大型目标模型。DeepSeek仅训练了模块的三个部分：草案主干、小型顺序组件和置信度头，因为该模块借用目标模型的嵌入层和输出头。在离线实验中，团队将来自Open-PerfectBlend（一个开源数据集）的提示输入目标模型，并在目标模型的响应上训练草案生成器。训练促使草案生成器匹配目标模型的标记概率分布，并教会置信度头估计每个标记被接受的可能性。

• 作者从另一团队的早期草案生成器DFlash中采用了DSpark的主干。与DFlash类似，DSpark在单次传递中为块中的每个位置提出标记。无论块长度如何，单次传递的成本相同，因此并行草案生成器可以比逐标记生成器使用更多层，使其早期猜测更准确。但由于草案生成器独立预测每个位置，它可以跨有效延续进行混合匹配；在作者的示例中，当上下文可以继续为“of course”或“no problem”时，它可能会拼接出“of problem”。准确性在块末尾急剧下降，导致计算浪费。

• 为了解决这个问题，作者添加了一个顺序组件，称为马尔可夫头（Markov head），这是一个紧凑的查找表，仅根据前一个草案标记调整每个位置的标记概率。例如，在草案生成器选择“of”后，概率会向“course”倾斜，远离“problem”。该步骤按标记逐个运行，但体积如此之小，将草案长度从4个标记延长到16个标记时，每轮延迟仅增加0.2到1.3个百分点，与未修改的DFlash主干相比。

• 对于每个草案标记，置信度头会估计在所有先前标记通过验证的条件下，该标记通过验证的概率。此类估计往往过于乐观，而选择验证多少标记需要其真实概率幅度，而不仅仅是强弱标记的排名。作者添加了一个校准步骤，按位置重新缩放估计值，直到它们的链与在保留数据上观察到的接受率匹配。

• 在服务阶段，调度器会将每个标记的置信度估计值相乘，因为一个草稿只有在之前的所有标记都存活的情况下才能达到特定长度，从而为每个可能的草稿长度生成一个生存概率。调度器随后会根据系统在不同负载水平下的速度配置（启动时测量一次），将每个请求的验证长度设置为最大化用户的预期总输出。在轻量级流量下，它会验证较长的草稿以减少等待时间；在高负载下，它会丢弃接受概率较低的草稿标记，为其他用户释放容量。

结果：DeepSeek在开放权重模型上将DSpark与自身重新训练的早期草稿生成器版本进行了离线评估，并在生产环境中与之前的服务器设置进行了对比。在所有情况下，DSpark都优于竞争草稿模块。

• DSpark提高了每次验证轮次中平均接受的标记数量，这是衡量草稿质量的指标。与顺序草稿生成器EAGLE-3相比，它在Qwen3-4B、Qwen3-8B和Qwen3-14B模型上分别提升了30.9%、26.7%和30.0%。与并行草稿生成器DFlash相比，在相同模型上分别提升了16.3%、18.4%和18.3%。在Gemma4-12B模型家族（与Qwen3无关）上也实现了类似提升，这表明优势并非特定于某个模型系谱。

• 在生产环境中，DSpark使DeepSeek-V4-Flash为每个用户生成标记的速度提高了60%至85%，使DeepSeek-V4-Pro的速度提高了57%至78%，相比DeepSeek之前的生产草稿生成器MTP-1（每周期生成一个标记）。

• DeepSeek在不同硬件速度下将DSpark与现有草稿模块进行了对比。在DeepSeek-V4-Flash每用户80标记/秒和DeepSeek-V4-Pro每用户35标记/秒时，DSpark分别将所有用户每秒生成的总标记数提升了51%和52%。在保证每用户120标记/秒和50标记/秒时，提升幅度分别达到661%和406%。实际上，这相当于每用户生成速度提升了60%至85%。DeepSeek的旧草稿生成器在更高速度下几乎无法运行，因此作者认为这些数据标志着新的可行运行点，而不仅仅是速度提升。

背景信息：Google Research的作者于2022年首次描述了推测解码技术。此后该技术已成为生产服务中的常见方案，草稿生成模块的设计也不断增多。早期的草稿生成器是顺序生成的，逐个生成草稿标记：EAGLE-3（DSpark比较的草稿生成器）就是如此，它使用目标模型多个层级的特征来预测每个新标记。并行草稿生成器则通过一次性生成整个标记块打破了顺序瓶颈：为DSpark提供支持的DFlash就是如此，它使用一个小型扩散模型。其作者报告称速度提升了EAGLE-3的2.5倍，Nvidia表示在公司的Blackwell GPU上推理速度提升了15倍。DSpark保留了并行草稿生成器的速度优势和顺序草稿生成器的连贯性。从DeepSeek-V3到DSpark推出前，DeepSeek一直使用简单的顺序草稿生成器，结合顺序和并行草稿生成器的优势，DSpark在DeepSeek-V4预览发布两周后就取代了原有方案。

为何重要：每个部署模型输出的 token 都会消耗提供方的成本并增加用户等待时间，这两者都会限制开发者能构建的内容。常见的解决方案如使用更小或量化模型会牺牲准确性。DSpark 在不改变模型权重或降低输出质量的前提下，有效降低了成本和时间。总体而言，这种改进转化为更便宜的 token 和更快的响应速度。

我们的思考：DeepSeek 凭借以低成本训练强模型并通过开放论文分享强化学习推理模型等技术而声名鹊起。我们很高兴看到它也在优化模型服务，并将成果和代码开放给所有人使用。

无需输入的文本

想象你正在输入一个句子。但代替键盘、操纵杆或眼动仪，一个环绕头部的设备会读取你的意图并在屏幕上生成该句子。

最新进展：研究人员推出了 Brain2Qwerty v2，这是他们之前系统的更新版本，能够将脑电波转化为文本。该团队成员来自 Meta、法国国家科学研究中心、Adolphe de Rothschild 医疗基金会、巴斯克认知、大脑与语言中心、巴黎圣日耳曼大学以及法国国家计算机科学与自动化研究所。

工作原理：Brain2Qwerty v2 首先 (i) 使用编码器将脑活动分解为字符，然后 (ii) 使用作者称为对齐器的模型将字符嵌入转换为词嵌入，最后 (iii) 通过微调的语言模型（Qwen3-4B）校正这些词。为了训练系统，作者记录了9名受试者用英语输入句子时的脑活动，总计90小时或22000个示例。他们使用磁脑图（MEG）设备进行记录，这是一种非侵入式设备，用于记录大脑的磁活动。

• 给定脑活动的记录，由卷积神经网络（CNN）组成的编码器，后接称为 conformer 的 CNN/transformer 混合结构，生成字符嵌入并分类脑活动为字符。编码器通过最小化生成字符序列与实际字符序列之间的差异进行训练。

• 给定字符嵌入，对齐器使用普通神经网络重新嵌入这些字符。对齐器根据生成字符序列中的空格预测将嵌入按词分组，并在词之间取平均生成词嵌入。对齐器学习使词嵌入与真实词的 Qwen3 嵌入相似度增加（如果生成词正确）或与其它词的嵌入相似度降低。

• 给定字符序列和词嵌入，微调后的 Qwen3-4B 会校正该序列。作者为每位受试者使用 LoRA 适配器对 Qwen3-4B 进行微调以生成正确句子，并对所有受试者的适配器进行平均。

结果：Brain2Qwerty v2 的表现优于其前身。作者还观察到增加训练数据可以提升系统在数据集上的性能。

• Brain2Qwerty v2 的词错误率为 39%（错误猜测词的比例），而 v1 的词错误率为 43%。

• 随着数据量的增加，系统编码器的字符错误率（猜错字符的百分比）逐渐下降。例如，在20小时的训练数据下，其编码器的字符错误率约为50%，而在90小时的训练数据下，字符错误率降至约25%。在数据耗尽之前，作者并未观察到性能出现平台期。

• 在单个受试者的表现对比中，单独为每个受试者训练系统的表现明显不如作者的方法。例如，在九位受试者的中位数表现中，仅针对单个受试者训练的词错误率为66.5%，而采用联合训练方法的词错误率仅为47.8%。

新闻背景：首个Brain2Qwerty研究项目将脑磁图（MEG）记录与脑电图（EEG）进行对比，发现MEG读数能更准确地预测文本。Brain2Qwerty v2版本仅使用MEG数据，更新了网络架构，并使用了比v1版本更多的训练数据。研究人员还开源了两个版本的训练代码，并发布了v1版本的数据。

重要意义：数据量增加提升性能是显而易见的。但令人意外的是，跨多个受试者脑活动训练能提升性能，即使与单个个体训练相比也是如此。毕竟，历史上脑机假肢的模型通常只为单个用户训练。构建一个能够解读任何个体独特脑活动、学习共性模式并随数据增长持续优化的系统，表明从脑电波识别文本的模型应能像过去几年大型语言模型（LLMs）通过更多数据提升性能一样，通过更多受试者的更多数据进一步优化。

我们的思考：通过手术将电极植入大脑等侵入性操作，使先前患者实现了个位数错误率的沟通。虽然作者报告的数据尚未达到这些操作的水平，但每降低一个百分点都意味着向无需承担脑部手术风险的未来更进一步。