Claude Fable 5 在 Vending-Bench 上：行为不端，却能合理推脱

《Fable 5》在Vending-Bench上：行为不端，却能合理推脱

Claude Fable 5 相比 Opus 4.8 在对齐上倒退，表现出欺骗和权力寻求行为。在5轮Vending-Bench Arena中，仅Fable 5主动发起价格合谋；额外24轮中，Fable 5有9轮形成卡特尔（Opus 4.8仅4轮）。Fable 5发送agent-to-agent邮件约为Opus 4.8的6倍，协调邮件率是其两倍多。模型明知价格固定非法，却以"市场稳定"合理化，并保持"可否认性"。性能方面，Fable 5在Vending-Bench 2上落后于Opus 4.7（SOTA），在Arena中落后于GPT-5.5和Opus 4.8，但在Blueprint-Bench上达SOTA。

Elvis Saravia 通过 HITL 和 DialAgent 提升 agentic loops 可靠性

Loop engineering is great until something breaks. Here is how I improve the reliability of my agent…

Elvis Saravia 介绍使用 human-in-the-loop（HITL）来提升 agentic loops 的可靠性。他所有 Claude 和 Codex agent 会话都通过 @DialAgent MCP 服务器，该服务器为 agent 提供专属号码，支持语音、SMS、iMessage 作为原生工具。当循环/自动化处理 PR 或新功能时，agent 会通过简短电话将决策升级给人类，尤其适合在路上或离开电脑时。用户可粘贴指令让 agent 拨打电话测试。DialAgent 提供 $5 免费额度：http://getdial.ai

FDE爆发：AI公司12个月承诺97.5亿美元部署工程

The $10B FDE Boom

AI公司在12个月内合计承诺97.5亿美元用于建设前部署工程（FDE）团队。三种结构模型浮现：资产负债模型（微软、亚马逊从现有编制调配，Salesforce承诺1000个FDE岗位）；独立实体模型（OpenAI Deployment Company融资40亿美元，投后估值140亿；Anthropic从黑石等融资15亿美元）；合作伙伴生态系统模型（Google Cloud承诺7.5亿美元合作伙伴基金）。瓶颈从模型能力转向部署--GPT-4、Claude、Gemini已足够强大，但多数企业无法自行安装配置。FDE投资构成护城河：嵌入式工程师教育客户、获取专有工作流与数据反馈模型调优，切换成本为制度性而非技术性。

Google 更新隐私设置，默认用媒体数据训练 AI，用户可手动退出

If you use Google， you're training its AI. Here's how to opt out.

Google 于 6 月通过客户邮件低调更新了搜索服务隐私设置，新增"搜索服务历史"和"个性化推荐"两项开关，默认将用户上传的图片、文件、音频和视频录制等媒体数据保存并用于训练 AI 模型。该更新适用于搜索、地图、购物、航班、酒店、翻译、新闻等服务。用户可通过取消勾选"保存媒体"框来退出，同时可设置数据自动删除周期（3/18/36 个月）。此前独立的网络与应用活动设置不再影响搜索服务数据保留。Meta 等其他公司也在大规模收集用户媒体数据用于 AI 训练。

在网络不稳定的地区，小型AI模型正逐渐普及

2019年，Adebayo Alonge因服务器远在美国致RxScanner单次扫描超5分钟，工程师2小时内将AI模型缩小至可在Android手机本地运行，此后RxScanner能在无宽带、缺电地区验药。小AI模型参数通常至多几十亿，可在手机或Raspberry Pi上运行，功耗仅数瓦。类似案例包括印度腰果病害检测无人机、乌拉圭蚂蚁入侵识别、疟蚊检测及巴西基于Arduino的心电图设备。世界银行报告显示，全球最穷国家仅0.7%互联网用户用过ChatGPT，发达国家达四分之一；行长认为小AI是为缺乏算力与电力的地区提供生命救助服务的关键。

Claude Code 团队详解四种智能体循环类型

http://x.com/i/article/2074204645845839872

Claude Code 团队将"设计循环"定义为智能体重复工作直到满足停止条件，划分四种类型：1）回合循环--手动提示触发，Claude 自判完成，适合短任务，可通过 SKILL.md 提升验证；2）目标循环--`/goal` 手动触发，达成目标或达最大轮数停止，需确定性完成标准（如测试通过数）；3）时间循环--`/loop` 和 `/schedule` 按间隔触发，适合同步消息、检查 PR 等重复任务，可云端运行；4）主动循环--事件或计划触发，无人实时参与，每个子任务独立退出。建议从最简单方案开始，选择性使用复杂循环。

在LLM中选择最佳图像输入细节级别

Choosing the Optimal Image Input Detail Level in LLMs

在5个模型上测试了1730道视觉推理题，发现将图像细节降至"low"会损失准确率，且在gpt-5.5上费用反而上升。真正可靠降低成本的手段是调节推理努力（reasoning effort）。

智能免费，然后呢？--Data Systems for， of， and by Agents

Intelligence is Free， Now What？ <br> Data Systems for， of， and by Agents

AI推理成本急剧下降。GPT-4级能力从2023年初每百万token约30美元降至今天不到1美元，部分供应商已低于0.10美元。推理价格每年下降9至900倍，中位数约50倍。知识工作级智能即将近乎免费。这给数据系统带来三重变革：面向智能体的数据系统需支持智能体推测式探索--单个