
一个月内三家前沿模型落子,开发方式将如何改变?
一个月内,OpenAI、Anthropic、智谱先后落子。热闹之外,真正值得工程师关心的是:当模型能连续跑几个小时不掉线,我们的开发方式会变成什么样?本文先讲清新闻与三家模型的差异,再谈范式迁移,最后落到两个可用的工程答案。
先看新闻:一个月内,三家前沿模型接连落子
GPT - 5.6(OpenAI):6月26日以限量预览形式亮相,应美国政府要求分阶段放开 ---- 商务部下属的AI标准与创新中心(CAISI)为此做了追加测试;7月9日起全量开放,覆盖ChatGPT、Codex与API。它一次给了三档:Luna(主打速度)、Terra(日常均衡)、Sol(最强,另有Sol Ultra)。同期OpenAI还发布了ChatGPT Work与GPT - Live语音模型。
Claude Fable 5(Anthropic):6月9日发布,是Anthropic把「Mythos级」能力做安全化之后、面向公众开放的最强模型。官方口径是在软件工程、知识工作、视觉、科研等几乎所有测试基准上达到SOTA,尤其强调长程自治 ---- 能在无人干预下持续执行编码与知识工作,并读懂PDF里内嵌的图表。同源的Mythos 5则解除了部分限制。
但Fable 5的这一个月并不平静。6月12日,美国政府对Fable 5与Mythos 5施加出口管制 ---- 导火索是亚马逊的研究人员报告了一种绕过安全护栏的提示手法,可诱导模型识别出一批软件漏洞。由于管制要求限制外国公民访问,而Anthropic「没有可靠手段实时核验用户国籍」,公司直接暂停了所有用户的访问。直到6月30日管制解除,7月1日才恢复全球访问,前后停用约19天。重新上线时,Anthropic训练了一个新的安全分类器,对该越狱手法的拦截率超过99%,被拦截的请求转由Opus 4.8应答。
GLM - 5.2(智谱):6月13日上线,6月17日以MIT协议开源权重(HuggingFace / ModelScope可下载)。延续744B MoE稀疏架构与动态稀疏注意力(DSA),主打真正可用的1M无损上下文、128K输出,以及双思考模式。
一个闭源做分档、一个闭源做长程、一个直接开源权重。三条路线,指向的却是同一件事。
三个模型,三种答案
先说一句很重要的免责:三家公布的成绩取自不同基准 ---- GPT - 5.6的数字来自TerminalBench 2.1,GLM - 5.2的数字来自FrontierSWE / SWE - Marathon。口径不一,不能直接横向比较。任何选型,最终都得拿自己的业务用例做实测。
在同一把尺子(TerminalBench 2.1)上可比的部分是:GPT - 5.6 Sol拿到88.8,Sol Ultra 91.9,略胜与Fable 5同源的Mythos 5(88.0);Terra 84.3、Luna 82.5。而GLM - 5.2在FrontierSWE上距Opus 4.8约1个百分点,前端方向的Code Arena位居全球前列。
结论不是「谁赢了」,而是三点共性:
- 模型开始分档。Sol / Terra / Luna,Fable / Mythos,GLM的快思考 / 深思考 ---- 三家都放弃了「一个模型打天下」。
- 长程自治成为主战场。大家比拼的不再是「一问一答答得漂不漂亮」,而是能不能连续跑几小时不跑偏。
- 工具与协议在收敛。MCP已是事实标准,函数调用、结构化输出、上下文缓存成为标配。
还有第四点,它不那么「技术」,却更致命:监管,已经成为前沿模型发布节奏的一部分。
把三条线索并排看就很清楚:Fable 5因出口管制全球停用19天;GPT - 5.6应政府要求分阶段放开,商务部下属的CAISI为此追加测试;而以MIT协议开源权重的GLM - 5.2,不受这类中断影响 ---- 权重下载下来就是你自己的。
对个人用户,这是「今天用不了明天再说」。对把Agent接进生产链路的企业,这是一次实打实的供应链事故:你的合同审核跑到一半,上游模型没了。
开发的新范式:人的工作在向上迁移
如果模型能自己跑几个小时,人该干什么?答案是:人的工作在向上迁移。这条路径已经走过四段 ----
- 提示工程(Prompt Engineering):优化「单次问法」,人把一句话写好。
- 上下文工程(Context Engineering):优化「喂什么信息」,人来组织知识与检索。
- 脚手架工程(Harness Engineering):优化「工具、环境、反馈回路」,人来定义工具与验收。
- 循环工程(Loop Engineering):优化「自主迭代与收敛」,人来定义约束与门禁。
注意GLM - 5.2那个「1M无损上下文」的意义:当窗口足够大且不衰减,过去大量手工的上下文裁剪、切分、重排工作,价值在下降;而「给它什么工具、怎么验收、跑偏了谁兜底」的价值在急剧上升。
换句话说:模型越强,瓶颈就越不在「模型答得对不对」,而在谁给它工具、谁验收、谁兜底。这正是Harness / Loop工程的战场,也是基础设施的战场。
新范式的第一道工程题:多模型异构与分档路由
模型分档一旦成为共识,企业侧立刻多出一道题:这次任务该走哪一档?旗舰档贵而强,轻量档便宜而快。把「选哪一档」交给随手改的配置文件,等于把成本和质量都交给运气。它应该是一个可路由、可降级、可算账的工程决策。
而Fable 5那19天,把另一件事也钉死了:主备切换不能是PPT上的一行字。当上游模型可能因为一纸管制在一夜之间消失,「换一家继续跑」必须是一条经过演练的、真实可用的路径 ---- 最好还有一条开源权重的兜底线,那是唯一不会被谁一句话关掉的选项。
这里的工程难点,远比「加个if - else」复杂:
- 主备切换:跨厂商切备,不能只换个baseUrl ---- 每个节点的能力、工具调用格式都要重新适配。
- 多Key池:同一模型的多组Key必须各自展开独立熔断链,一把Key被限流,不该拖垮其他Key。
- 熔断与探活:`key - fatal`类错误应当单次即禁用该Key,再靠心跳探活自动恢复。
- 成本归因:Token要按租户 / 工作区落账,否则「AI花了多少钱」永远是一笔糊涂账。
这套能力,MateClaw(开源)与太一企业版都已内置。
MateClaw:开源的Agent运行时底座
MateClaw(开源龙虾)是一个Apache 2.0协议的开源AI Agent平台,用Spring Boot + Vue 3构建,定位是「你的第二大脑」,也是上文那套基础设施的开源实现:
- 多厂商韧性:14+ LLM提供商(OpenAI、Anthropic、DashScope、DeepSeek等)自动故障转移与健康路由。
- MCP协议:原生支持,工具生态即插即用。
- Skills & Memory & Dream:技能、记忆,以及每晚把短期记忆蒸馏进长期的Dream机制。
- 数字员工:ReAct推理 + Plan - and - Execute编排,配工作流引擎。
- LLM Wiki:知识消化,带页级引用溯源与`[[wikilinks]]`。
- 多渠道触达:Web控制台、桌面端(Electron)、网页挂件,以及8+ IM平台(Slack、Teams、钉钉、飞书、微信、Discord、Telegram等)。
- 治理雏形:RBAC、审批门禁、审计留痕、运行时可见性。
对个人开发者与中小团队,MateClaw免费自建,足以把「长程自治」跑起来。
太一企业版:把开源底座,加固成可交付的企业能力
但当这套东西要进国央企与中大型企业的生产环境,问题就换了一批:多租户怎么隔离?密钥谁托管?信创怎么过?成本算谁的?出了事查得到吗?
太一企业版(基于mate - hive智能体引擎)就是补这一层的。
- 双轴租户隔离:`TenantScope × WorkspaceScope`,读过滤 / 写盖戳「声明一次、处处复用」。
- 凭据托管:多Key池 + 密钥台账(哈希存储、一次性展示),真实Key不下发。
- 三大编排引擎:workflow(确定性编排)/ team(多智能体协作)/ loop(迭代精炼)。
- 渠道统一管道:飞书 / 企微 / 微信收敛进同一条虚拟线程保序管道,幂等、重试、死信。
- 运行台账与成本归因:`runId`全链路贯穿,Token按租户 / 工作区落账。
- 信创国密合规 * 就绪探针 * 评测门禁。
- 开箱即用的场景包:合同审核、招投标评标、问数Chat - BI、公文写作、制度问答、报告生成、IT运维等。
一句话概括两者关系:MateClaw让Agent跑起来,太一企业版让它在企业里跑得稳、算得清、查得到。
结语
GPT - 5.6的三档分级、Fable 5的长程自治、GLM - 5.2的1M上下文与MIT开源 ---- 三件事放在一起看,传递的信号高度一致:模型的能力边界正在快速外推,而价值的重心,正从「模型」转移到「模型之上的工程」。
这不是说模型不重要。恰恰相反:正因为模型足够强了,谁能把它稳定、安全、经济地用起来,谁才拿得到红利。
而Fable 5停用的那19天提醒我们:「每天都能用」本身就是一种能力。强大的模型负责把事情做对,可靠的基础设施负责让这件事每天都能做对 ---- 哪怕上游换了一家。
太一企业版现已开放商业咨询与私有化部署合作,欢迎联系我们获取方案与演示。
304



被折叠的 条评论
为什么被折叠?



