今天的新闻通讯刚刚发布。

https://rohan-paul.com/p/mira-muratis-thinking-machines-made…

Mira Murati 的 Thinking Machines 使 Bridgewater 的私人专家判断变得可训练，错误率比前沿模型低29.8%。

Boris Cherny 和 Cat Wu 关于从 Claude Code 迁移到 Claude Tag 的访谈极具洞察力。

开发者发现了一种更便宜的方式，通过向 Fable 5 展示文本图片来为其提供大上下文。

Claude Fable 5 让人成为瓶颈，因为模型现在会暴露每一个缺失的决策。

AI 领域的动态定价刚刚到来。DeepSeek 将 V4 API 高峰时段价格翻倍。

阿里巴巴在 Anthropic 的追踪实验激怒中国开发者和安全人员后，屏蔽了 Claude Code。

🗞️ Mira Murati 的 Thinking Machines 使金融专家判断变得可训练，错误率比前沿模型低29.8%。

来源：https://www.rohan-paul.com/p/mira-muratis-thinking-machines-made 图片（https://substackcdn.com/image/fetch/$s_!7avj!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fad77d28c-ee7a-4610-87c9-40557540d398_900x560.jpeg） 阅读时间：5分钟

📚 浏览往期内容（https://rohanpaul.substack.com/s/daily-ai-newsletter/archive?sort=new）。

（https://x.com/rohanpaul_ai 我每天发布此通讯（https://x.com/rohanpaul_ai）。仅限无噪音、可落地的应用 AI 进展。）

• 🗞️ Mira Murati 的 Thinking Machines 使 Bridgewater 的私人专家判断变得可训练，错误率比前沿模型低29.8%。
• 🗞️ Boris Cherny 和 Cat Wu 关于从 Claude Code 迁移到 Claude Tag 的访谈极具洞察力。
• 🗞️ 开发者发现了一种更便宜的方式，通过向 Fable 5 展示文本图片来为其提供大上下文。
• 🗞️ Claude Fable 5 让人成为瓶颈，因为模型现在会暴露每一个缺失的决策。
• 🗞️ AI 领域的动态定价刚刚到来。DeepSeek 将 V4 API 高峰时段价格翻倍。
• 🗞️ 阿里巴巴在 Anthropic 的追踪实验激怒中国开发者和安全人员后，屏蔽了 Claude Code。

在 X（Twitter）上与我联系（https://x.com/rohanpaul_ai）

图片（https://substackcdn.com/image/fetch/$s_!7avj!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fad77d28c-ee7a-4610-87c9-40557540d398_900x560.jpeg） 使用简单的提示，所有测试模型的准确率都在抛硬币的水平，大约46%到50%。（https://thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks/）专家提示则大幅提升，达到约74%到78%的平均准确率。该工作流是过滤金融文章、报告、央行文件和电子邮件，以决定投资者应该阅读哪些内容。

这对于企业 AI 来说是一个重要信号：将私人判断引入循环可以超越通用智能。问题不在于阅读金融文档，因为前沿大语言模型已经能够阅读它们。

更困难的任务是决定在投资者工作流中哪些事实值得关注。一条关税新闻可能影响市场，而另一条地缘政治新闻可能不会带来任何信号。

突破在于用来自专家投资者的高质量标签取代书面规则。非专家标签失败，因为该任务取决于品味，而非表面的金融语言。

Bridgewater 通过将模型有争议的案例送回专家评审，清理了这些标签。模型随后学习了专家能够识别但无法完全言说的模式。

训练使用了交错批次（interleaved batches）、CISPO 损失和来自更强教师检查点的在线策略蒸馏（on-policy distillation）。交错帮助模型在不同任务之间共享判断，而不会将它们混入噪声中。

CISPO 控制策略更新，使得学习保持激进，同时不会漂移到脆弱的捷径上。（CISPO 是一种新的强化学习损失函数，它限制每个生成的 token 对模型的更新强度，从而提高训练稳定性，同时保留有用的稀有 token。最初由 MiniMax 团队于2025年提出。）

在线策略蒸馏惩罚偏离更好教师的行为，然后提升更强的检查点。结果超越了最佳前沿模型，错误减少29.8%，推理成本降低13.8倍。

Anthropic 上周推出了 Claude Tag，它增加了持久化的上下文和记忆层，而这些在使用以前的工具时很难维护。（https://x.com/rohanpaul_ai/status/2072906250661285895/video/1） – Claude Tag 显示了 Anthropic 日常工作中比更快的编码更大的转变。Claude Code 帮助一个人更快地工作，但 Claude Tag 改变了团队行为。

• AI 进入共享工作空间后变得更加有用。
• 人们不再需要打开一个单独的工具、构建任务并监控它。Claude 可以驻留在频道中，注意到有用的工作，执行并报告。
• 这种机构记忆将 AI 从助手转变为工作流层。一个频道可以教会 Claude 关注什么、忽略什么以及如何响应。

这意味着系统通过正常的修正来改进，而不是通过单独的训练环节。

• 可见性比私人 AI 使用更快地传播技能。当更强的用户展示 Claude 如何调试、分析数据或编写 PR 时，其他人会复制这些模式。
• 这将 AI 采用从个人实验转变为整个公司的社会学习。

图片（https://substackcdn.com/image/fetch/$s_!47g7!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fc5864ae4-76f8-444c-bee5-104c1eeec977_883x827.png） 通常，每个代码块、日志、工具输出和旧聊天内容都会变成文本 token。（https://github.com/teamchong/pxpipe）这些 token 是计费单位。pxpipe 改变了输入方式。它将密集的文本渲染为 PNG 页面，然后将这些页面作为图像块发送。

Fable 5 可以使用类似 OCR 的视觉能力读取像素，因此含义通常得以保留。价格差距出现是因为一张图片具有大致固定的 token 成本。

当可读文本被挤入同一张图片时，该成本几乎不变。一张 1928×1928 的图片大约花费 4,761 个视觉 token。

同一页面可以容纳大约 92K 个字符，因此密集代码变得更便宜。但代价是这是一种通过视觉进行的压缩，而非无损文本存储。

Fable 5 可能理解大意，但会误读精确的 ID、哈希值、名称或字符串。这使得它对大量背景上下文有用，但对字节精确的事实有风险。

在 X（Twitter）上与我联系（https://x.com/rohanpaul_ai）

文章封面图片（https://substackcdn.com/image/fetch/$s_!pTOO!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fb9a8a1af-2657-464a-8bd6-6b5fbd0ca46a_900x360.jpeg）

• Claude 已经足够好，以至于弱提示现在失败得更少是由于语法问题，而是更多由于缺少上下文。
• 一个提示给了模型一张地图，但仓库包含了道路、绕行路线、奇特的遗留选择和无形的权衡。每个未说明的假设都成为一个岔路口，模型必须替你做出选择。
• 那个选择可能是合理的、干净的，但仍然错误。最好的做法是，花更少的时间假装你的规范是完整的，而花更多时间来构建暴露其缺口的工具。
• 优秀的自主编码不是编写完美的提示，而是缩小意图与现实之间的差距。
• 在编码之前让 Claude 发现你的盲点，尤其是在不熟悉的代码或不熟悉的领域中。
• 当品味难以解释时，先构建原型，因为四个粗糙的版本胜过一次精致的错误。
• 在构建之前让 Claude 采访你，从可能改变架构的答案开始。
• 在构建过程中保留实现笔记，因为每一个偏差都揭示了一个隐藏的假设。
• 不要合并，直到 Claude 能够询问你，并且你完全理解发生了什么变化。

图片（https://substackcdn.com/image/fetch/$s_!z2pg!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F3648e0b9-1123-4a0e-a8d1-b513e1c2de43_573x719.png） 价格变动覆盖北京时间上午9点至12点和下午2点至6点。官方表示目标是提供更稳定的服务以及更好地分配稀缺资源。（http://scmp.com/tech/big-tech/article/3358868/after-triggering-price-war-deepseek-reverses-course-surcharge-peak-hour-api-use）

就在几周前，DeepSeek 将 V4-Pro 定价永久下调了75%，使其旗舰模型在需求定价之前变得更便宜。V4 Pro 输出从每百万 token 6元人民币涨至12元人民币，即1.77美元。

图片（https://substackcdn.com/image/fetch/$s_!Ecof!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fd0f95fcd-1da7-41f4-93e8-a39bea974364_582x770.png） 当 Claude 还检查时区、代理或身份信号时，访问 Claude 就变得有风险。（http://scmp.com/tech/big-tech/article/3359375/alibaba-bans-staff-using-claude-code-over-anthropic-spyware-concerns）

Anthropic 表示该功能是一个实验，旨在阻止转售商和模型蒸馏。阿里巴巴的担忧在于，Claude Code 在员工开发者环境中运行时，可以识别与中国相关的用户。

这使得问题超出了普通的应用程序追踪，因为该工具接近私有代码。Claude Code 可以读取文件、编辑项目，并与员工机器上的终端交互。阿里巴巴将这种访问视为安全风险，而不仅仅是软件偏好。

今天就到这里，明天见。

在 X（Twitter）上与我联系（https://x.com/rohanpaul_ai）