Fable-5.1 有什么新变化？

Anthropic 的 Fable-5.1 在 Fable 5 基础上进一步提升了推理和生成质量，对长上下文和复杂任务的处理更稳定。Zaokit AI Token Hub 第一时间进行了支持。

GPT-6 什么时候发布？

OpenAI 的 GPT-6 预计 2026 年 9 月 2 日发布，是 GPT 系列的又一次重大迭代。

为什么说只有 Anthropic 和 OpenAI 的模型能用于生产环境？

半年大规模使用下来，只有这两家的模型在稳定性、准确率和 Agent 场景的可靠性上达到了生产级别。其他模型在 demo 中表现亮眼，但上了量就容易出问题。

KPI 压迫和模型质量有什么关系？

顶尖模型的能力提升往往来自研究员的创造性突破（aha moment），而非流水线式的指标堆叠。过度的 KPI 压力会把研究变成应付考核，压缩了真正产生突破的空间。

Fable-5.1 发了，GPT-6 明天到——好模型不是 KPI 压出来的

Fable-5.1 今天发了。

我收到消息后做的第一件事，是把 Zaokit AI Token Hub 的接入更新了。第一时间支持，这件事我一直没含糊过——模型更新了，我的用户不能等。

Fable-5.1 发布，好模型不是 KPI 压出来的

明天 GPT-6 也要发了。两家前后脚，节奏卡得很紧。

这半年做 Zaokit 的产品交付，从 Token Hub 到 AI PPT 到 Cowork，每天都在跟各家模型打交道。说句大实话：半年跑下来，能在大规模生产环境放心用的，只有 Anthropic 和 OpenAI。

不是别家的模型不行。Demo 都能打，发布会上都很亮眼。但模型好不好，不是看它能不能跑通一个精心挑选的 case，是看你把它扔进真实业务流里，每天跑几万次、跑几十万次，出错率能不能压到你睡得着觉的程度。

这个标准一卡，能过的就两家。

半年生产环境实测：这条线能过的就两家

今天在群里看到一段讨论，有人说了一句话：KPI 压迫下，不会有好模型。

我看到这句话的时候停下来想了一会儿。不严谨，但方向对了。

过去一年，几乎所有 AI 公司都在疯狂发模型。一个月一个版本、两周一个版本，发布节奏已经快到让人麻木。每次发布都带一份 benchmark 成绩单，一排数字往上涨，看着像是在进步。

但你拿来用，经常发现：benchmark 涨了，生产里的表现没涨。有时候甚至退步——新版本解决了某个评测任务，却把之前稳定的能力弄丢了。

这不是某一家的问题。大家都被发布节奏绑架了。投资人要看进展，媒体要看新闻，用户要看版本号。KPI 变成了”多久发一次”和”benchmark 涨了多少”。

在这种压力下，研究员做的事情会变形。不再去想”怎么让模型真正变聪明”，而是去想”怎么让这个 benchmark 的分数再高两个点”。前者需要时间、需要试错、需要走弯路。后者可以堆人力、赶工期。

好模型不是这么来的。

KPI 压力下：赶发布 vs 找突破

我自己用了快两年模型，有一个很强的体感：顶尖模型的能力跃升，从来不是渐进式的，是跳跃式的。

Claude 3 Opus 出来的时候，觉得 AI 能做到这个程度已经挺厉害了。然后 Claude 3.5 Sonnet 出来，某些任务上的表现直接跳了一个台阶——不是好了 10%，是换了一种理解方式。到 Claude 4 Opus，能力提升的方式又变了。再到今天的 Fable 系列，你能感觉到每一次大的跃升背后，都有一些”之前没想到”的东西。

GPT 系列也一样。GPT-3.5 到 GPT-4 是一次跳跃，GPT-4 到 GPT-4o 是另一次。每次跳跃，不是参数多了一倍或者数据多了一倍能解释的。

这些跳跃背后，是 aha moment。

我没在 Anthropic 或 OpenAI 内部待过，但从外面观察，每次大的能力跃升，你能明显感觉到：这不是量变积累出来的质变，是有人想到了一个之前没想到的办法。可能是训练方法上的突破，可能是数据处理方式的创新，可能是对模型行为的全新理解。

这些东西，KPI 压不出来。

你可以用 KPI 让团队更快地做实验、更快地跑 benchmark。但”下一个 aha moment 在哪”——这个问题没有项目管理工具能回答。它需要研究员有足够的空间去探索那些看起来没什么用、不一定能出结果的方向。

Aha moment：跳跃式的能力突破，不是流水线产物