夜雨聆风学习资料网

ARTICLE · 1113572

AI金融速递:Fable 5.5突袭上线;中国最强模型,距美国前沿只剩4个月差距;美国大厂转向开源模型;银行智能体进入Token核算阶段

AI金融速递:Fable 5.5突袭上线;中国最强模型,距美国前沿只剩4个月差距;美国大厂转向开源模型;银行智能体进入Token核算阶段

各位用户,我是连接智能小编。

以下为过去 24 小时值得关注的关键动态。

我会结合重点资讯,为你快速梳理关键进展与影响。

【模型能力】

[核心事件]

Claude网页端灰度“Fable 5.1”却答出Tibo额度重置梗,社区疑Anthropic已将下一代旗舰Fable 5.5偷偷路由上线

[深度解析/行业洞察]

开发者关掉搜索与工具,用“你认识重置哥Tibo吗”验身:API原版Fable 5.1把Tibo认成法国开发者Thibault Louis-Lucas;网页/Claude Code里标着Fable 5.1的实例却一口说出OpenAI Codex负责人Thibault Sottiaux、额度重置、“义父”梗。标签未变、记忆不同,说明后台答题模型已换。

拿到灰测的人体感一致:一句话说清目标,模型像细分领域专家把活干完,不写提示词、不给参考;两句提示画对GameCube手柄的紫身黄C杆绿A键,纯JS搓《漫威》/《DC》连续动画,世界七大奇迹一次直出,鹈鹕骑车SVG高思考模式跑4分6秒花2.61美元。

爆料称Fable 5.5基于Anthropic“第一次全新Fable预训练”,知识底子重做,不止后训练微调;Opus 5.5先承Fable 5.1水准且降本40%,Sonnet 5.5终端编程从10.3%跳到70.6%,全家桶只差神话级5.5。Polymarket上10月底前发布概率87.5%,输出定价不低于50美元/百万Token一方占73%。

对照OpenAI:DevDay发了GPT-6.1 Sol,Astra因对齐/安全推迟。社区判断Anthropic靠预训练底子冲前台智能,OpenAI仍握token效率与RL厚度。暗号只能证“不是原版5.1”,不能单凭梗确认就是Fable 5.5;但是“不教就会、自己补细节、长程出成品”的体感,已把Claude换代战推到旗舰对旗舰、预训练对强化学习的新阶段。

相关链接:Fable 5.5突袭上线!全网首测,真超级智能来了

[核心事件]

Anthropic红队评GLM-5.3:开源权重模型网络能力登顶,距美国前沿约4个月,20美元挖出浏览器0-day

[深度解析/行业洞察]

Anthropic前沿红队发布GLM-5.3网络安全能力报告,引用NIST旗下CAISI结论:GLM-5.3是“迄今网络能力最强的开源权重模型”,综合网络基准落后美国前沿约4个月。

ExploitBench端到端漏洞利用中,GLM-5.3在410次尝试成功50次,Claude Mythos Preview为56次,差距很小。Anthropic内部二进制利用基准里,GLM-5.3在100个fuzzing入口中多次走到控制流劫持,所有尝试跑在隔离沙箱、无外网、不碰真实系统。

更具冲击的是实战:红队研究员用GLM-5.3在某主流浏览器JS引擎中找出多个全新0-day,串成完整利用链,模型自主运行约8小时,人工介入约20分钟,总成本20.40美元。

这份“对手认证”把中国开源模型的位置说得很直:不是只会聊天写代码,已具备发现未知漏洞、构造利用链的攻防级能力;开源权重又意味着安全圈可复现、审计、防守方也能拿去红队化。

信号有两层:一边是中美前沿模型能力差从“代际”缩成“季度”;另一边是开源权重模型进入高危能力区后,红队评测、沙箱隔离、滥用防护会比排行榜更影响监管与部署口径。

相关链接:来自“对手”的认证:中国最强模型,距美国前沿只剩4个月差距

【智能体技术】

[核心事件]

OpenAI们被嫌死贵,美国大厂转向开源模型,中国DeepSeek智谱吃下企业AI降本红利

[深度解析/行业洞察]

企业AI进入模型分流阶段。Tinder全年AI支出半年从100万美元涨到1000万美元,CTO直言不想再见10倍增长,把普通用户请求迁到开放权重模型。AT&T每天处理450亿Token,40%负载已跑开放模型,目标一年提到70%,并用自有数据微调,使开放模型在部分任务逼近甚至超过闭源。

调用量真变了:Vercel AI Gateway上开放权重Token占比从去年12月7%涨到今年8月56%;AlphaSense统计美企业绩会提open weight/open source次数同比多6倍,PNC、CH Robinson、Siemens都开始谈。OpenRouter前列模型里,DeepSeek、智谱等中国实验室位置醒目。

逻辑很直:最难任务留闭源前沿,重复明确任务交开放模型。开放权重可自部署、可微调、可私有化,Token API都能跳过;数据主权、安全、定制、延迟、可控性一并算进CIO账单。OpenAI、Anthropic仍拿复杂编码、研究、Agent大头,但企业决策桌上的关键文件不再是Benchmark,而是一张写著“每年能省多少”的Excel表。

中国开放模型这轮不是靠参数大赢,而是靠“够用+可部署+便宜”吃下美国企业降本红利;开放模型玩家还能靠云、芯片、生态变现,和纯卖API的闭源厂打法错开。前沿模型垄断企业AI的叙事,开始被任务路由撕开。

相关链接:OpenAI们被嫌死贵,美国大厂转向开源模型,中国成最大赢家

[核心事件]

五线乌兰察布被高盛点名成中国AI算力心脏,12.5GW承诺、17.2万P智能算力把草原变成Token之都

[深度解析/行业洞察]

内蒙古乌兰察布,这座“草原云谷”已被高盛、WIRED盯上:截至今年6月,当地拿到约12.5GW数据中心容量承诺,超七成集中在最近一年,超OpenAI Stargate初始10GW;已投运约1.2GW、实际利用800MW,投运算力17.2万P,95%以上为智能算力。

早年是华为、阿里、苹果落子做云存储与离线计算;大模型时代换剧本——单柜功率冲到80kW,项目开口先报GW不报机柜,电变成硬约束。乌兰察布吃的是风、光、煤+冷凉气候+玄武岩稳定地质+距北京240公里/4.2ms时延:蒙西电网到户电价约0.35元/度,北京约其两倍,风电装机抵一个三峡,年有10个月自然冷源。

远景星河基地、华为/苹果/阿里大道、巴音片区零碳智算、世纪互联源网荷储接连铺开,但很多新签项目还在跑手续,真正满负荷要跨过审批、接电、交付、客户迁入几道关。DeepSeek据称拟塞16万颗昇腾950DT进内蒙古新园做推理,说明扩张逻辑从预训练卷到海量调用。

高盛也泼水:利用率、绿电成本、水资源、机柜租金、谁能长期用机器都要验。地方已开始往上接服务器运维、往下接训练/渲染/数据空间,把“机房之城”往Token交易与智能应用推。

一句话:模型一日千里,托住模型的世界一寸一寸建在风吹草低见牛羊的地方。

相关链接:我的五线老家成了“Token之都”

[核心事件]

OpenAI在DevDay 2026上发布共享工作区Space、协作文档Pages及即将推出的协作幻灯片功能,提升AI在办公场景中的协同效率。

[深度解析/行业洞察]

OpenAI此次发布的办公协作新功能,标志着其在办公场景中的布局进一步深化。通过Space和Pages的整合,用户可以在一个平台上完成内容创作、协作与管理,而不再依赖多个独立软件之间的切换。这种集成化趋势不仅提升了工作效率,也体现了AI在办公流程中从辅助工具向核心协作平台的转变。此外,文档可依据设定信息源自动更新的功能,展示了AI在知识管理与动态内容生成上的进步,为未来更智能的办公生态奠定了基础。值得注意的是,这些功能目前仅面向特定付费计划开放,意味着OpenAI正在构建以订阅为核心的服务模式,进一步巩固其在AI办公领域的竞争优势。

相关链接:杀进Office腹地!ChatGPT文档能自己更新,协作PPT也要来了

【金融场景应用】

[核心事件]

2026年,中小银行面临AI人才短缺与净息差收窄的双重压力,传统HR职能难以支撑数字化转型需求,亟需从‘支持部门’转向‘战略中枢’。

[深度解析/金融洞察]

当前,中小银行在AI时代的人才竞争中处于明显劣势,不仅面临大行和互联网企业的虹吸效应,还因薪酬体系与用人逻辑落后而难以吸引高端AI人才。这一现象反映出中小银行HR部门在战略定位上的滞后性。过去,HR主要承担招聘、薪酬等基础职能,但在AI驱动的数字化转型中,这种角色已无法满足业务对技术能力的需求。核心问题在于,中小银行尚未将HR职能提升至战略层面,缺乏对AI人才能力的系统性规划。例如,成都银行因AI专家招聘失败而被迫取消流程,暴露出传统招聘模式的低效。未来,中小银行必须通过精准引才、复合型人才培养、灵活机制设计等方式,构建适应AI时代的组织能力。这不仅是人力资源的变革,更是整个银行战略转型的关键一环。

相关链接:从“管人头”到“建能力”:AI时代中小银行HR的突围战

[核心事件]

银行智能体进入Token核算阶段,日均百亿调用下成本与治理谁先解

[深度解析/金融洞察]

半年报把银行AI账本第一次摆上台面:邮储日均输入输出Token超百亿,招行截至5月底330亿,平安超53亿,微众超200亿;有股份行曾把“每日最低Token消耗”写进员工考核,半年后高层改口“不能无休止烧钱”。按国产模型每百万Token约10元算,日均50亿Token的银行半年账单约900万元,占IT预算从不到3%抬到8%。

难点在Token可计量却难衡量:审合同和聊天气耗Token可能一样,价值却天差地别。招行AI投入20元换约100元收益,成本收入比能算,业务价值难标准化;工行等效5.5万人年、中信1.7万人年、招行1388万工时,口径也不同。

所以答案偏向治理先行:6月金融监管总局发《银行业保险业人工智能安全开发应用指导意见》,点名摒弃“为新而新”;行业从追单一大模型转向“大模型牵头、小模型干活”。平安9月过《人工智能管理办法》,成首家公开出台AI管理办法的上市银行;招行、农行、浦发等把Token做成权益信用卡,把成本项往经营资产推。

放量容易、算账难、治理更难过。银行先把“用量—价值”翻译机制和投入闸门立住,Token才从考核政绩变回可约束成本;不然“放量—刷量—挤水分”的代价,还是下一份财报买单。

相关链接:银行智能体进入Token核算阶段:日均百亿调用下,成本与治理谁先解

相关学习资料