Anthropic 發佈 Fable 5 分層模型，Lovable 年收破 5 億美元

Anthropic 正式推出了面向普通用戶的 Claude Fable 5，這是其首款 Mythos 級模型，標誌着尖端 AI 技術分配策略的重大轉變。該模型在底層架構上與 Mythos 5 保持一致，但在網絡安全、生物學、化學及模型優化等高風險領域引入了嚴格的路由和降級機制。午方 AI 注意到，這一舉措並非單純的技術升級，而是一次關於如何分配尖端能力的實驗，旨在證明模型可以變得更強大，但相關能力不能被無差別地立即釋放。對於 AI 企業而言，未來的核心收入來源可能不再是單一的模型本身，而是這種基於權限的管理框架，誰能夠決定哪些功能可以被誰使用，誰就能塑造尖端 AI 技術在社會中的應用邊界。

與此同時，Cohere 推出了面向開發者的開源編碼模型 North Mini Code，標誌着小型模型在企業內部應用空間的爭奪進入新階段。該模型採用 MoE 架構，總參數數量達到 300 億，每個令牌激活時需要 30 億個參數，支持 256,000 種上下文環境，並且可以在單個 H100 GPU 上以 FP8 精度運行。午方 AI 梳理發現，這一發展與 Fable 5 的發佈形成了鮮明對比：AI 模型的競爭正在分化爲兩條路徑，一條是以 Anthropic 爲代表的通過權限控制和安全機制逐步釋放先進功能，另一條則是像 Cohere 這樣強調可控部署、低硬件要求及適用於企業內部工作流程的小型開源模型。前者競爭的是功能上限，後者競爭的則是應用場景，對企業來說，真正重要的是哪些模型能夠被集成到終端系統、代碼庫以及內部工作流程中。

在地緣政治層面，美國對伊朗發動了精準打擊，使得原本脆弱的停火協議淪爲軍事衝突的導火索。在一架 Apache 直升機被擊落後，特朗普表示兩名飛行員已獲救，但美國必須採取行動回應。CENTCOM 隨後證實實施了針對雷達和防空系統的打擊，美國官員強調這是一次適度反應，並非意在引發全面戰爭。這一事件標誌着 6 月 8 日伊朗 - 以色列衝突進入了新的階段，中東地區的風險核心已不再僅僅是以色列和伊朗之間的報復循環，而是美國如何在談判、威懾以及能源運輸安全之間劃清界限。在霍爾木茲海峽附近，這次打擊使得停火協議再次陷入軍事邏輯的框架之中。

在 AI 應用商業化領域，Lovable 宣佈其年度收入已超過 5 億美元，每週新增 100 萬個項目，累計項目總數已超過 5000 萬個。該平臺的用戶主要是非技術背景人士，但越來越多的項目正在被商業化應用或用於企業內部軟件替換。午方 AI 分析認爲，'氛圍編程'領域的競爭正在發生變化，最初人們關注的是如何將自然語言轉化爲應用程序，而現在的問題則是如何確保這些應用程序能夠得到持續維護、成本得到有效控制，以及非技術用戶如何將這些項目轉化爲實際的商業價值。Lovable 的收入數據證明了市場需求的存在，而 context-mode 模式則指出了成本方面的瓶頸，AI 編程的意義不僅僅是取代程序員，而是將軟件開發的能力從專業團隊手中延伸到了更廣泛的商業領域。

AI 技術的快速發展正在迫使汽車電池重新定義其角色，成爲電網資產。通用汽車正在推進車輛與電網之間的互聯互通技術，旨在讓電動汽車在應對 AI 數據中心帶來的電力需求壓力時發揮緩衝作用，並宣佈了一項包含鈉離子電池的商業能源存儲戰略。

與此同時，納什維爾動物園反對將附近一塊 1.6 英畝的土地改造成數據中心，因爲他們原本計劃在那裏建立一家教育和保護中心。這兩個案例反映了同一個問題：AI 數據中心的電力需求正在改變其他行業的運作模式，汽車製造商開始將汽車電池視爲電網資產，而動物園也被捲入了數據中心選址的競爭之中。

此外，SpaceX 宣佈建造一座面積爲 1100 萬平方英尺的 Gigasat 工廠，目標是在 2027 年底前實現 1 吉瓦的太空 AI 計算能力，表明該公司正在將自己的製造能力與 AI 計算技術相結合。

在芯片與支付領域，SemiAnalysis 對 DeepSeek V4 1.6T 模型的性能演變進行了跟蹤研究，觀察了從第 0 天到第 43 天的性能變化，顯示開源模型競賽的重點已轉向工程團隊如何持續優化模型的推理性能和硬件兼容性。Sunway 科技獲得了近 1 億美元的融資，用於研發 AI 芯片處理器技術，希望利用 RISC-V+DSA 技術和現有的 IP 資源降低定製處理器設計的門檻。支付基礎設施方面，一家法院批准了 Visa 和 Mastercard 與 1200 萬家商戶就刷卡手續費問題達成的和解協議，而 Klarna 則推出了儲蓄賬戶服務，進一步拓展金融服務業務，支付公司與銀行之間的界限正在逐漸模糊。最後，微軟 AI 負責人 Mustafa Suleyman 批評 Anthropic 賦予 Claude 模型意識這一概念，兩家公司在 AI 技術風險認知上的分歧正在不斷擴大。