小小技术园

一句话总结：Fable5.2的编程基准从32.4%到49.1%，官方写"提高16.7个百分点"，媒体可以写"提升51%"，两个数都是真的，但指向的事实不同。用哪个不是文风问题，是选择让读者看到什么。11月9日Anthropic发布Fable5.2，FrontierCode2.0从...

一句话总结：LongCat-2.5说推理用W4A4，4bit存下来只要745GiB；但模型页显示仓库体积2.97TB，折下来是14.85bit每参数。这个数只可能说明一件事——仓库里存的是BF16原始权重，4bit要你自己量化。LongCat-2.5权重：2.97TB和745GiB差...

一句话总结：谷歌的Gemini4Argon不是机器人策略模型，是把"造仿真环境"和"标注机器人数据"这两件最脏最贵的活做成了API——用一张RGB照片合成域随机化的MuJoCo场景，微调后的视觉语言动作策略在真机上从56%提到75%。11月10日发布，模型id是gemini-4...

一句话总结：1.6万亿参数按W4A4存下来是745GiB，八张H200能放下并剩383GiB，八张80GB卡放不下差105GiB；每生成一个token要读22.4GiB权重，理论上限214tok/s，八卡专家并行可以做到1700上下。模型开源了，能不能跑是另一回事。这笔账算清楚...

一句话总结：百度披露的ERNIEEvolve已经在给ERNIE5.5Flash做推理优化，这是递归自我改进第一次真正进产线。选这个场景不是保守，是它同时满足可验证、可回滚、收益确定三个条件。换成让AI设计新模型，三个条件一个都不成立。11月9日，百度说内部自动化研究系统ERNIEEvo...

一句话总结：我用numpy把权重和激活分别量化到8bit和4bit跑了一遍：8bit权重误差0.66%、argmax零翻转；4bit权重量化后误差11.8%、翻转15%；权重和激活同时4bit，误差涨到16.7%、翻转17.6%。两项误差不是相加，是叠加。LongCat-2.5用的...

一句话总结：ClaudeCode会把用户批准过的shell命令逐字存进本地.claude.json，误提交到公开仓库就泄露真实凭据，研究人员在GitHub上确认了1,122个案例。我照着这个模式写了个扫描器：20个真泄露抓到14个，12个安全样本零误报，但两个看似无害的正则写法各吃掉了一类...

一句话总结：LongCat-2.5用MIT协议开源，1.6万亿总参数、480亿激活、100万上下文，W4A4量化后能在单卡不足80GB的国产算力上跑；训练细节里最有价值的一条是——任务环境断网、清git历史、缓存清空，专门防agent钻空子。11月9日，美团开源LongCat-2...

一句话总结：Meta的MuseEmber把输入价打到0.1美元每百万token，是Fable5.2的1/80。按一个1次规划加1万次执行的agent任务算，全用大模型要104.1美元，大小模型分层只要1.32美元——省98.7%，而且省下来的不是我算错的小数点。11月...

一句话总结：Anthropic在IPO前放出的Fable5.2，把复杂编程基准从32.4%提到49.1%，同时把输入输出价格从10/50美元降到8/40美元、输出提速30%——降价叠加提速，单位任务成本实际降了38.5%，比官宣的"降20%"更多。11月9日，Anthropic...