Anthropic近日发布了Claude Fable 5,这是其备受关注的Mythos模型系列中首个面向公众开放的版本。那么,Fable究竟能做什么?答案是:能做的事情相当多。
宾夕法尼亚大学知名AI研究学者伊森·莫利克(Ethan Mollick)已经开始深度体验该模型,并表示乐在其中。
在他的测试中,Fable的表现"以显著优势超越了我用过的几乎所有其他公开模型",他在本周二发布的Substack文章中写道。他还补充说,该模型"能够处理多种复杂问题,并产出了一些令人惊叹的成果——它能够持续执行多达十余小时,完成多页规格说明所描述的任务"。
最引人注目的是,莫利克利用Fable创作了多款视频游戏——这位研究者表示,所有游戏均通过在Claude Code中输入"一条初始提示词"生成。
其中一款名为"贪吃蛇"的游戏,顾名思义,玩家扮演一条类似吃豆人风格的蛇,在地图上游走吞食苹果。蛇的移动永不停歇,一旦冲出屏幕边界便宣告失败。游戏画风颇具1980年代街机风格,但和那个年代的许多经典游戏一样,有种让人欲罢不能的魔力。笔者在意识到自己是一名有正式工作的编辑、而非一条嗜好水果的蛇之前,已经玩了相当长的时间。
另一款游戏"地层"(Strata)中,玩家在一片仿佛无边无际的地下隧道网络中穿行,目标是尽可能点亮更多的灯笼。游戏画面类似于降质版的《迷雾之岛》(Myst),视觉效果谈不上出色,但仅凭一条提示词便能生成这样一款游戏,本身已颇具震撼力。
莫利克甚至创作了一款名为"杜伊诺"(Duino)的游戏,灵感来源于德国诗人莱纳·马利亚·里尔克(Rainer Maria Rilke)的著名诗集《杜伊诺哀歌》。这款游戏的动画效果最令人印象深刻——玩家化身为夜色山野中的一个孤独身影——尽管实际玩法较为简单,主要是在行走过程中观看屏幕上浮现的里尔克诗句。
除了生成各类即时游戏,莫利克还使用Fable制作了一张等时线地图——这是一种可视化工具,用于呈现任意两地之间的出行时间。其精确程度与细节表现令人印象深刻。
这背后的意义显而易见。曾经需要整支团队才能完成的软件项目——游戏开发、地图工具、高度复杂的技术规格——如今只需一条提示词便可启动。对于广大"氛围编程"爱好者而言,这无疑是一大喜讯。而对于密切关注AI能力曲线的创业者和运营者来说,这也是一个有力的参考数据点,说明技术能力的下限正在以多快的速度被不断抬高。
Q&A
Q1:Claude Fable 5是什么?它有什么能力?
A:Claude Fable 5是Anthropic发布的Mythos模型系列中首个公开版本。它能够处理多种复杂任务,包括生成视频游戏、制作等时线地图等,甚至可以持续执行十余小时完成多页规格说明所描述的任务,在多个评测中超越了目前大多数公开模型。
Q2:Claude Fable 5生成的游戏质量怎么样?
A:根据AI研究学者伊森·莫利克的测试,Fable通过单条提示词生成了多款风格各异的游戏,包括贪吃蛇、地下探索游戏"地层"以及基于里尔克诗集的"杜伊诺"。这些游戏画面虽不精致,但完全可以运行,且具备一定的可玩性,充分展示了模型在软件生成方面的潜力。
Q3:Claude Fable 5对软件开发行业会有什么影响?
A:Claude Fable 5的出现意味着过去需要整支团队才能完成的软件项目,如今仅凭一条提示词就能快速启动。这对"氛围编程"爱好者是利好消息,同时也说明AI的技术能力下限正在快速提升,对创业者和开发者的工作方式都将产生深远影响。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。