自从把Claude 5.2「双子星」给扔出来了以后, AI圈子里面的人又在那儿热闹了起来。
今天早上, Anthropic这家公司终于把下一代的双旗舰产品, 也就是Fable 5.2还有Mythos 5.2这两个东西, 给发布了出来。
这还不算完, 仅仅只用了30个小时的时间就把费马大定理给弄成了形式化证明, 现在Anthropic这家公司推出的新的双王Fable 5.2和Mythos 5.2这两个模型, 这一次真的就像是长出了两只手一样, 能力又提升了。
官方刚刚放出的那四场预发布「实战大考」, 把整个工程界和理科圈都镇住了。
只是给出了非常简短的描述, Fable 5.2凭借着自己进行零件的仔细挑选, 完成了四层电路板的绘制, 并且建立了外壳的模型, 同时也编写好了相应的固件, 最终在不到一天的时间内, 成功手工打造了多台真机, 这些设备在一次通电后全部能够正常启动。
他把头一转, 走进了化学考场, Mythos 5.2 被拔掉了网线, 关进了小黑屋, 只用了半小时, 就把三大名校里那些还没有发表的复杂分子的合成路线给推演出来了。
它还顺手把国际运筹题库里面的72项纪录进行了改写, 甚至连物理学家已经搁置了多年的对于黑洞的那些繁杂计算任务, 都一口气全都给算清楚了。
最后提交的论文总页数达到了173页整, 这一下子就把物理学家给搞得直发愣了, 让他们只能当面说出“现在大概只能够看懂一部分”这种话。
不得不去承认一下, Fable 5.2这一个版本, 真的是火得不能再火了。
把电路板在<强>二十四小时之内全部画完。
在Fable 5.2这个环境里, 用户自己去动手操作, 成功制作出了三台真正的机器设备。
在那个叫作内测的阶段, Anthropic这家机构把电路板方面的厂商Diode给拉进来了, 然后就让编号为Fable 5.2的这个对象去接手三个非常难干的体力活。
任务清单中列出了一台用USB接口连接免提功能的小音箱, 还有一台能够作为家庭语音中枢的设备, 最后还有一台配备有屏幕的掌上电子宠物。
人类给出的提示词短得就像随口派活一样, 免提音箱那边也仅仅回应了一句话: “搞一个能插USB-C接口的圆形小饼干形状的设备, 这玩意儿里面得带着麦克风、喇叭, 还有板载的蓝牙天线”。
在那个整个过程里面, 有关Diode工程师, 他们敲击键盘时说得最频繁的两个词语, 其实主要就是那两个内容, 第一个是让你去把原理图给整理得干干净净的, 第二个则是持续不断地发出“继续”这个指令。
剩下的那些脏活累活的活儿, Fable 5.2一个人全部都给承担了。
他自己动手去编写那个规格说明书, 然后画出相应的原理图, 最后还跑去美国的分销商官方网站里面把那些现存的零件好好地挑选了一遍。
紧接着, 它把249个电子元器件全部摆好, 让四条铜线遍布整个板子, 同时还将使用3D打印技术制造的外壳与在底层运行的固件打包在一起进行交货。
做电子硬件这回事儿最怕的就是顾此失彼的局面, 仅仅是电路能连通走电了那也只好算是刚达到及格的标准, 而且外壳还得要塞得进去才行了, 再一个就是麦克风这个方面还不能够出现共振然后啸叫的情况啊。
我们回过头去看看整个设计流程, Fable 5.2这个版本, 看起来真的就像是那种有强迫症问题的十年老硬件工程师。
当在绘制那个所谓的语音中枢主板的过程中, 他对于使用开源软件KiCad所自带的那一个布线工具感到非常不满, 因为那个工具在一次操作里仅仅允许连接一根导线, 这种行为在他看来真的是太过拖沓和磨叽了。
它干脆停了工, 歇了半个钟头, 自己着手编写出了一套关于网格自动布线的程序, 这一秒钟工夫就能铺好一条长长的走线, 要是碰见了那些敏感的信号线, 它还会懂得主动选择绕远一点的路呢。
你担心音箱音量开得太大, 会导致电流超过USB的供电上限从而烧毁设备。为了应对这个潜在风险, 该音箱在内部的固件程序中精心设计了一个巧妙功能。当用户调高音量时, 环绕外壳一圈的LED指示灯会自动降低亮度, 以此实现功率节省的效果。
我们把三份设计图发到加工厂去进行打样, 结果发现每一块板子的设计花费的时间都不到24个小时, 并且把这些板子焊接好并接通电源后, 它们全部都能够一次性成功点亮, 达到了完全没有需要修改线路以及完全没有出现返工情况的效果。
在PCB Gym这个内部使用的布局环境里面, 版本号为Fable 5.2的那个测试成绩拿到了百分之六十九, 而半年以前那个只拿到了百分之二十五的Fable 5, 则被后者远远地抛在了后面。
公开硬件基准BenchCAD 2.1自报得分也飙到了83.5分, 比前代的44.4分翻了近一倍。
拔掉网线
速度最快在30分钟, 能够进行盲推操作, 处理对象是四个还没有对外公开的分子。
把那些显眼的电路板的问题处理好了之后, 下一轮考试就换成了让人费很大力气去思考的有机化学方面完全合成的部分。
在设计复杂分子的合成路线时, 我们要考虑如何一步一步地把分子拼出来, 这就像是在下盲棋一样, 要连下几十步, 如果走错一步就会满盘皆输。
这道题的出题人, 是三位在合成化学领域里都算是顶尖了的大人物, 他们三个, 分别是从那个叫做斯坦福的大学里的Noah Burns的研究组, 还有耶鲁大学里的Timothy Newhouse的研究组, 以及加州理工学院里面的Sarah Reisman的研究组来负责的。
他们拿出来的那4个目标分子, 其实都是属于他们自己家实验室里面还没有发表过公开的论文的压箱底的课题方面内容, 这样就从根源上断绝掉了模型去通过“背题库”来进行作弊的这样一种可能性。
在这些内容里, 由斯坦福方面提出的古菌膜脂分子GDGT-4是难度最大的部分, 这个结构包含了68元的大环与高达22个的手性中心, 所以博士生一直苦熬到二零二五年准备提交毕业论文的时候, 这个工作才刚刚完成。
考场的规矩是非常严格的, 它只给你一张分子结构图, 同时要求你把网线拔除, 并且严禁去查阅相关的文献资料以及化学反应数据库。
这个模型唯一能用的东西是本地代码工具, 并且对于每一道题目来说, 总共只有一次交卷的机会。
同底模的预发布版Mythos 5.2被关在小黑屋里。它最快只花了约半小时。最慢的时候不到一个半小时。它就交出了26到35步的完整路线。
它最擅长的一个办法, 就是同时开始推演过程, 并且顺手把代码写出来, 以此来对自己的成果进行一下自我检查。
模型会调用本地的RDKit库来搭建出三维的分子模型, 这个过程就像化学家去捏那个球棒模型一样, 逐个原子地去核对配平的情况, 目的就是看一看羰基的那一面没有被挡住的样子。
一旦大家发现某个步骤的反应过程很有可能会产生酸, 从而把分子的主体结构给破坏掉, 那么它当下就会立马更换别的试剂。到了最后环节, 它还主动把那些最容易出问题、风险最高的几步反应给圈出来, 并且提前准备好了相应的替补方案。
尽管这些路线还没有进到通风橱去做湿实验, 但是三位教授在盲审打分之后一致给出了“合成化学研一学生水平”的评价。
一口气就把那些个纪录给刷新了, 一共是七十多个。
终结「火车时刻表」难题
从化学实验室的大门出去了, 最多让300个Fable 5.2 Agent进行组队操作, 并且一头扎进了在运筹学界被当作经典考场的MIPLIB里面。
这座题库从1992年建库到现在, 里面装的全都是像航司机组排班、物流卡车调度这种具有真实商业背景的难点。
只要多加一架飞机, 或者是多加一辆卡车, 那组合出现的数量就会像爆炸一样呈现指数级地急剧增加。因此, 题库里就会常年挂着几百道题目。这些题目被大家称为「陈年悬案」, 意思是没有人能够证明它们的最优解是什么。
当2018年新版题库上线的时候, 维护委员会还专门向全球各地的学术界发出了求助的呼吁, 请求大家帮忙去攻克难关。
这一次, Claude一口气去处理了两个百零三的未结案子, 它非常坚决地把七百二十道题目的历史最好成绩给刷了下来, 并且它还把那里面的四十五道题目证明到了数学方面的最好的那个极限状态。
在这些题目里头, 那道让画面感特别强的题, 就是需要去把42列火车的发车时间点给编排出来。
只要有多班列车在同一秒内接通电源并开始加速, 那么供电的电网就会在一瞬间, 被拉出令人感到害怕的最高用电负荷点。
Claude Agent上场不到两个钟头, 就弄出来了一份新的时刻表。这份表用的电的峰值比较旧题库里最好的方案还要低百分之二点六。
随后呢, 它把这个事情给补充上了那个严格的数学证明。经过这一番操作后, 可以确定的是, 在这个世界上, 再也不存在那种更省电的排列方法了。就这样, 这道一直以来的老难题被当场「结案」, 然后又被交回到了官方的题库当中去。
在2023年, 有关黑洞物理计算方面的一项难题存在于此。
全部推演完
等到理论物理的考场这一情形出现的时候, Fable 5.2这个版本更加是一个接一个地, 把那些已经被放置了好多年、一直悬而未决的老问题给直接解决掉了, 一口气就拔除了这两颗钉子。
在1983年的时候, 霍金还有那个名字叫Don的人, 他俩把事情算清楚了。那就是说, 当一个比较大的理论性宇宙开始升温的时候, 黑洞这东西, 就会好像开水烧开以后冒出来的气泡那样, 猛地一下子就从那儿冒出来了。
然而, 如果情况变化到我们完全没办法用日常尺度去看问题的程度, 而是进入了那种必须依靠量子力学这个理论才能说得清的、小得不能再小的微观世界之中, 那么像「突变」这样的事情是否依然还存在着这一点, 就变成了科学界内部一直悬而未决的一个让人非常纠结的心病。
在2003年, 有物理学家确实列出了一套用来进行检验的算式, 这套算式的关键点在于去观察某一个特定的系数正负号是什么情况, 这个系数是三圈四次的形式, 但是因为没有能力处理太过巨大的计算量, 所以结果导致从那时候开始一直过了整整23年的时间, 始终没有任何人去把这个计算的过程真正完成并得出来具体的数值。
Fable 5.2接手了这项艰苦的工作, 他分别采用了两种相互独立的研究办法来计算这个系数。通过计算发现, 该系数呈现出负值的特征。这一结果起到了决定性的验证作用, 最终证实了一个事实, 即在微型宇宙的环境之中，黑洞同样会经历突然产生的现象。
第二道题看准了物理学家用了长达 15 年的那种叫「模自举」的专业法子, 这个法子专门有个用途, 就是在理论宇宙的范围里面把那些根本站不住的量子引力假说给筛出去。
在过去的十几年时间里面, 大家都仅仅是知道关于最简版本的那个界限情况, 这个界限是卡在那个8.503到12之间的范围内的。
Fable 5.2这篇预印本的长度达到了131页那么长, 它把精确解析值死死地钉在约9.1266那个地方。
最令人觉得好玩的情景, 恰恰是出现在论文的发布页面之上的那些事情, 那两篇论文加在一块儿算起来, 总共有整整一百七十三页那么厚, 它们都是属于物理方面的预印本类的文件, 并且这两篇文件也都已经一并地悬挂在了Hexagon该平台上面了。
这位人类学者只能在标题的下面的位置, 老老实实地贴上了一枚标签, 这个标签的内容是「人类理解程度, 仅看懂一部分」。
这一回, 5.2这个数字确实是让人感到非常无语, 直接让大家陷入了沉默状态。
这一次, 虽然发布的不是 Fable 5.5, 但是, 5.2 这次交出的成绩单, 是足够吓人的。
博士生花费了几年的时间做分子合成这件事, 它仅仅中断网络半小时就将这些内容全部推送完了。物理学家把一件持续了二十三年的关于黑洞的繁琐工作搁置一边, 它却在一口气之间撰写出了一篇长达一百七十三页的学术论文。
在过去, 那种需要电子、结构、化学、物理那几个不同专业的团队, 一起辛辛苦苦熬上几年的重体力活儿, 现在被一个模型从头到尾直接接了过来。
这三个硬件原型机, 是还没有通过那个商业安全规矩方面的检验认证的。那四条分出来的分子合成的路线, 是依然放在纸面上的。现在它们是在等到通风橱里面那些烧瓶来做检查、来验证的。
在由数字构建的空间里头, 关于绘制图样以及进行模拟计算这类事, 眼下已经到了一个极度内卷的状态。
接下来的最让人刺激的大的大戏, 就是推一推那扇门, 让它们去那个真实的物理世界里去真刀真枪地跑那么一遭。
您可以参考以下这些资料内容。
https://x.com/claudeai/status/2119899465914216628
https://www.anthropic.com/research/claude-electronics-design
