AI自己出題自己練，兩個月狂漲11%，編碼自測反超Opus 4.8
一款代號為 Fable 5.1 的模型近期在開發者社群中掀起熱議，原因在於它採用了一套截然不同的自主學習模式：由 AI 自行出題、自行批改，再針對答錯的弱點反覆練習。最新曝光的測試數據顯示，這款模型在短短兩個月內編碼能力大幅躍進 11%，自測成績更一舉反超目前業界公認的標竿 Opus 4.8，讓許多人開始重新思考 AI 訓練的未來方向。據了解，Fable 5.1 目前正處於灰度測試階段，約在 37 分鐘前才剛對外開放部分用戶體驗。儘管實際表現仍有待更多真實場景驗證，但初步數據已經讓不少開發者感到振奮，尤其它在編碼任務上的進步幅度相當顯著，短時間內便跨越了過往被視為高門檻的效能關卡。
這套訓練機制與傳統依賴人工標註資料的方式截然不同。過去，模型能力的提升往往需要大量人力進行資料清理、標註與校正，過程不僅耗時，也容易受到標註品質的影響。而 Fable 5.1 所採用的自主學習路徑，則是讓模型自己生成編碼題目，並在解題過程中持續驗證答案的正確性，藉由反覆迭代來強化邏輯推理與程式撰寫能力。這種「自己當老師、自己當學生」的閉環訓練方式，被認為是突破高階編碼瓶頸的關鍵。傳統監督式學習往往止步於人類知識的上限，模型很難超越既有資料的框架；但自主對抗式訓練讓模型得以在無限生成的題目中探索未知問題，並透過自我驗證機制確保學習方向不偏離，進而挖掘出更深層的推理能力。
值得注意的是，Fable 5.1 的編碼自測分數不僅較兩個月前的版本大幅成長 11%，更正式超越先前被視為頂標的 Opus 4.8。這項指標的意義在於，它並非單純的參數量堆疊或硬體升級，而是訓練方法論上的根本變革，讓外界看到模型在沒有額外人工介入的情況下，依然能夠持續進化。開發者社群對此反應兩極。一部分人認為，這代表 AI 已經開始具備某種程度的「自我進化」能力，未來有望在更多複雜任務中展現超乎預期的表現；但也有另一派持保留態度，認為自測成績與真實應用場景之間仍存在差距，模型在封閉環境中的高分未必能完全轉化為實際開發工作中的生產力。
不過，即便存在質疑聲音，這項成果已讓業界開始重新審視「自主對抗式訓練」在程式語言理解上的潛力。過去這類方法多半應用於遊戲對弈或策略決策等領域，如今成功遷移到程式碼生成與邏輯推理，代表其適用範圍遠比想像中更廣，也為下一代 AI 模型的進化方向提供了全新想像空間。從技術層面來看，Fable 5.1 的訓練過程相當值得關注。模型會先根據當前能力水準生成一系列編碼題目，這些題目並非隨機產生，而是針對自身較弱的語法結構或演算法類型進行強化；接著，模型嘗試解題，並透過執行結果來驗證答案是否正確，若答錯則記錄錯誤類型，作為下一輪訓練的重點方向。
這種動態調整的學習策略，讓模型能夠在每一次迭代中精準鎖定自己的短板，而不是像傳統訓練那樣平均用力。隨著練習次數增加，模型對程式語言的掌握度會越來越細膩，從基本的語法正確性，逐步進展到演算法效率、邊界條件處理，甚至是程式碼風格的優化。當然，自主學習並非萬能。有專家指出，模型自行生成的題目終究有其侷限性，若缺乏外部多樣化資料的刺激，可能會陷入某種「自我強化」的迴圈，導致能力發展不均。因此，如何將自主訓練與真實世界資料相互結合，將是下一階段的重要課題。儘管如此，Fable 5.1 的出現已經為 AI 訓練領域注入了一股新氣象。
它證明模型不再只是被動接收人類知識的容器，而是能夠主動探索、驗證、修正自身理解的學習主體。這種轉變，或許比單一分數的突破更具深遠意義。目前 Fable 5.1 僅對部分用戶開放體驗，實際效能仍需要更多開發者投入真實專案來驗證。但可以確定的是，這場由「自主學習」掀起的浪潮才剛剛開始，未來是否會有更多模型跟進採用類似機制，並進一步改寫 AI 能力的天花板，值得持續觀察。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.