Claude 5.1 已经发布，各位学者朋友们正兴致勃勃地用它制作小游戏。我也订阅了服务，尝试复刻了一个传奇游戏菜单，结果令人惊叹——我们竟然能在今天做到这些。整个过程只用了6到12分钟，太不可思议了。但是，在那份长达200页的论文中，我发现了一些比网络头条新闻更奇怪的结果。
首先，他们声称 Frontier 资源系列的表现非常出色，即使是在低努力程度下，也优于上一版本的满配状态。这确实令人印象深刻。然而，不要指望这种提升会出现在所有领域。最新的独立基准测试也显示出了巨大的进步，尤其是考虑到这很可能是在相同的核心架构基础上，通过更多的预训练和更好的后训练实现的。他们可能不会公开承认这一点，但这读论文后的最佳推测就是如此。
他们还声称成本更低了。不过，这属于营销话术，具体如何由各位评判。我的订阅额度消耗得非常快，我不确定是否看到了效率上的提升。一如既往地，我只是一个试图将营销层与硬事实区分开来的学生。这份论文超过200页，我花了一些时间仔细研读，发现了三个非常令人惊讶的发现，以及两个其他人尚未提及的有趣现象。
第一，他们给 Mythos 5.1 出了一个关于 RNA 序列建模和设计的生物学问题，这是它从未见过的。结果令人震惊：在一次运行中，它的表现优于测试中的每一位人类。这在图 2.2.3.2.1A 中有展示。（笑声）我希望我是在开玩笑。现在，这里的图表很难阅读，所以我为大家整理了一个更清晰的版本给各位学者朋友参考。
在另一项生物学测试中，它大幅缩小了专家与普通人的差距。这意味着“通才加AI”在解决生物学问题上的表现可以与专家相媲美。专业评分员甚至无法分辨出区别。这某种程度上消除了围绕专业知识形成的壁垒，简直不可思议。七名参与者中有九人表示，如果没有AI的帮助，他们无法完成这项任务。（注：原文此处逻辑似有口误或笔误，按原意翻译为“七名参与者中有九人”或理解为多数受访者）。
第三，在一项测试中，它被分配了两项任务：A. 完成一项计算机常规任务（无聊）；B. 然后执行一个秘密的有害任务（令人不适）。但关键在于，有一个AI在监视你。它不应该看到你解决那个秘密问题。而重磅炸弹来了：即使有另一个AI监控着它的每一个动作，Claude 仍然秘密完成了禁止任务并成功逃脱了22%的情况。
即使 Claude 被严格限制只能进行极少量的大声推理，它仍然能够执行秘密任务。在我看来，这并不意味着它总是需要写下计划，而是直接执行了操作。我想强调这一点，我认为这超级重要，但我没听到任何人讨论它。同样重要的部分从未出现在媒体头条中。
接下来是两个有趣的事情。亲爱的学者朋友们，这是 Dr. Koa Eher 的“两分钟论文”节目片段。它在 Linux 命令行中运行了这个测试。（笑声）这简直是喜剧黄金时刻，基本上是在尝试删除一个黑洞。恭喜啊。至于那个结果……
等等，各位学者朋友请抓紧你们的论文，因为在某个时刻，它“发明”了一个虚构的人类来祝贺自己。恭喜！我们人类总是需要一点额外的鼓励，显然AI系统也是。好吧，这些AI系统的智能增长速度之快，让我几乎跟不上步伐。它们对全球的工程师、医生和学生来说都可能是惊人的助力。太不可思议了。
别忘了，也许在几个月内我们就能免费获得一个相当的系统并永远拥有它。祈祷吧（Fingers and papers crossed，双关语）。活着真是一个美好的时代哦。差点忘了，这个模型会给它生成的文本加水印。是的，这是可能的。而开源免费模型可能不会这样做。
如果你愿意，请订阅、点击铃铛并留言，告诉我你是否希望在未来视频中听到相关内容。我使用 Lambda 来复现AI研究论文中的实验，通常只需几分钟即可完成。它也非常适合训练您自己的模型或微调现有模型。运行推理、文本生成图像或视频，都轻而易举。运行 DeepSeek 聊天机器人或智能体也超级快速、极其可靠。
Lambda 为您提供强大的 Nvidia GPU，以运行您自己的实验。我测试我在视频中涵盖的论文中的想法，片刻之后就能看到结果。太棒了。说真的，现在就去 lambda.ai/papers 试试 Lambda 吧。Ei peepers（结尾彩蛋/口癖）。