今天这期 AIWatch 早报围绕「product、开放权重、MiniMax」展开，先用一段导语把当天主线收束起来，再按今日头条、推荐精选和补充速览逐条介绍。聚焦 4 · 关注 1 · 跟进 0。
如果只有 20 分钟，先读：Anthropic 发布 Claude Fable 5 模型，在复杂长任务与软件工程上达到 SOTA，并内置更强安全防护 → Google 本周发布 Gemma 4 12B 端侧多模态模型、Nano Banana 2/Pro 企业智能体平台、Co-Scientist 科研多智能体系统及 Magenta RealTime 2 实时音乐模型 → MiniMax 开源高性能 MSA kernel 库，并预告 M3 模型权重将于本周五发布。
今天的主线不是孤立新闻，而是「product、开放权重、MiniMax」在不同层面的同步推进。
正文内容概括Anthropic 发布 Claude Fable 5 模型，其与 Mythos 基于相同底层架构，但内置了更强的安全防护。该模型在几乎所有基准测试上达到 SOTA，尤其在软件工程、知识工作和复杂长任务中优势显著，任务越复杂领先幅度越大。对开发者而言，这意味着可交付更具野心的长周期编程与科研任务，但需注意其发布初期的安全防护机制可能过于敏感，且模型仍存在一定特性需要磨合。 核心观点： 1. Claude Fable 5 与 Mythos 共享底层模型，仅增加额外安全防护机制。 2. 模型在软件工程、知识工作、科学研究和视觉等基准上达到 SOTA，且任务越长越复杂领先优势越大。 3. 发布初期安全防护配置过于敏感（trigger happy），后续有望调优。
核心观点提炼高信息密度，值得细读
正文内容概括Google 本周密集发布多款 AI 产品。Gemma 4 12B 作为统一的 encoder-free 多模态模型，支持笔记本端完全离线运行，并通过 Quantization-Aware Training (QAT) 降低内存占用；Nano Banana 2 与 Nano Banana Pro 企业智能体平台正式商用；Co-Scientist 科研多智能体系统可生成并优化科学假设；Magenta RealTime 2 开放权重实时音乐模型支持 MIDI 与手势交互。对开发者而言，端侧部署与企业智能体工具链得到显著增强。 核心观点： 1. Gemma 4 12B 采用 encoder-free 架构，支持笔记本完全离线运行多模态任务。 2. Gemma 4 及其 drafters 经 Quantization-Aware Training (QAT) 优化，可降低内存需求并最大化端侧性能。 3. Magenta RealTime 2 为开放权重实时音乐模型，支持通过 MIDI 键盘、文本提示和手势进行演奏交互。
核心观点提炼重磅首发或硬核洞察
正文内容概括MiniMax 宣布开源高性能 MSA kernel 库，并预告 M3 模型权重将于本周五发布。MSA 库为稀疏注意力提供底层高性能实现，开发者可通过 GitHub 获取代码与论文。此举降低了稀疏注意力优化门槛，同时 M3 开放权重将让研究者能够本地部署该模型进行后续研究与开发。
核心观点提炼高信息密度，值得细读
正文内容概括xAI 发布 Grok Voice Think Fast 1.0 语音 API，在 EVA-Bench 评测中达到帕累托前沿，没有任何系统能在不牺牲体验时取得更高准确性，反之亦然。其具备类人时机、语调与温暖感，且定价仅为竞争对手的一小部分。开发者可在语音智能体场景中，以显著降低的成本获得无需权衡准确度与体验的商用语音交互能力。 核心观点： 1. Grok Voice Think Fast 1.0 在 EVA-Bench 达帕累托前沿，无系统能在不牺牲体验时击败其准确性，反之亦然。 2. Grok Voice Think Fast 1.0 定价为竞争对手一个 fraction，并提供类人时机、语调和温暖感。
核心观点提炼高信息密度，值得细读
正文内容概括MiniMax 发布 MaxProof 框架，将 Generative-Verifier RL 与 Evolutionary Search 相结合以提升 Test-time Scaling 能力，使其 M3 模型在数学证明任务上超越 human gold-medal threshold。该工作涵盖基座模型优化、验证器对齐、细化能力构建及测试时扩展框架设计，形成完整的数学证明技术路径，为复杂推理与形式化验证的规模化扩展提供了可复现的范式。 核心观点： 1. MaxProof 框架采用 Generative-Verifier RL 与 Evolutionary Search 实现 Test-time Scaling。 2. M3 在数学证明任务上超越 human gold-medal threshold。 3. 技术路径涵盖基座模型优化、验证器对齐、细化能力构建与测试时扩展框架设计四个环节。
核心观点提炼高信息密度，值得细读
本节暂无内容。
摘要由 LLM 生成，请以原文为准。