[鸭哥 AI 手记] 2026-06-13: Fable 5下线同日GLM 5.2全量开放

懒人包：6 月 13 日，Fable 5 从全球所有人的界面上消失了。Anthropic 做不到按国籍过滤，一刀切了。同一天下午，智谱发布了 GLM 5.2，上下文窗口拉到 1M token，中国区 Coding Plan 已经开始抢购。两件事叠在同一天，而出口管制制造的市场真空，填补速度比政策制定者预期的快得多。同一天，媒体曝光是 Amazon CEO Andy Jassy 向财政部长 Bessent 投诉 Fable 5 的安全风险，直接触发了这项禁令——而 Amazon 是 Anthropic 的最大外部投资人。

禁令执行的下午，和它制造的替代窗口

Fable 5 下线的时间线在群聊里留下了完整的切片。早上有人发现额度重置，赶紧起来写了几个任务；中午全线断开，八个 session 全挂；下午全群进入戒断反应。Anthropic 在官方声明里写得很直白：商务部以国家安全权限发令，暂停所有外国人对 Fable 5 和 Mythos 5 的访问，范围包括美国境内的外国人、包括 Anthropic 自己的外籍员工。"净效果是为确保合规而不得不对所有用户关闭这两个模型"（Anthropic）。

鸭哥在群里加了一个精准的注脚："看来习川会有成果，中美在禁止中国公民使用 Fable 上还是达成了一致的。"这句话的讽刺有事实支撑：禁令的触发者不是中方，而是 Amazon。WSJ 和 The Information 的报道确认了因果链：Amazon 研究人员用 prompt 工程绕过了 Fable 5 的安全限制，Jassy 当周与财政部长 Bessent 会面，6 月 12 日傍晚商务部长 Lutnick 签发出口管制令，Anthropic 当晚被迫全部下线（WSJ）。

这里有一个被大多数报道跳过的悖论。Amazon 是 Anthropic 的最大外部投资人，累计承诺投资上限 330 亿美元，持有约 610 亿美元估值仓位。一个投资人推动了一项直接损害被投公司商业利益的政府禁令。解释这个行为需要跳出"投资 = 支持"的直觉：Amazon 同时向 OpenAI 承诺了最多 500 亿美元投资，自身 Nova 和 Titan 模型远落后于前沿。对 Amazon 来说，Anthropic 的领先既是资产也是负担——它需要用 Anthropic 来制衡 OpenAI，但不希望 Anthropic 强到不可控。禁令恰好同时达成了两个目标：压制了 Anthropic 的 C 端增长，但保留了 B 端通过 AWS Bedrock 的可用性。

禁令发布后 24 小时内，替代窗口已经开始运转。群里的讨论从"Fable 什么时候回来"迅速转为"哪个替代品最好"。Kimi K2.7 Code 在 6 月 12 日发布，推理 token 比 K2.6 降低 30%（VentureBeat）。DeepSeek Pro 国际区打了 25 折。MiniMax M3 打 5 折。GLM 5.2 在 6 月 13 日全量开放，1M 上下文窗口，MIT 协议即将开源，中国区 Coding Plan 每天上午 10 点抢购。鸭哥在群里算了一笔账："minimax 最近刚 5 折，deepseek pro 25 折，glm 美国 coding plan 价格又翻倍了，当日本人宰啊。"

同一批智能，在不同市场的可及性和价格出现了巨大的分化。GLM 5.2 在中国抢不到配额，在美国定价翻倍。DeepSeek 的 API 定价约为 Claude Fable 5 的 1/180。这不是简单的价格战。同一种智能在不同区域有不同的可及性，这件事本身就是鸭哥前天在 出口管制文章 里写的"access surface"概念在价格维度的延伸。

更底层的信号是全球 AI 市场的加速分化。禁令发生的同一周，Bloomberg 报道中国准备了 2950 亿美元的全国 AI 基础设施计划（Bloomberg）。法国 Mistral 以 200 亿欧元估值洽谈 30 亿欧元融资，定位为欧洲主权 AI 替代方案（TechCrunch）。印度科技界在禁令后 24 小时内由 Zoho 创始人 Sridhar Vembu 提出"全球化已死，印度必须走自己的路"，前 Infosys CFO 提议设立每年 5000 亿卢比的深科技 AI 基金（Let's Data Science）。出口管制不只是把模型关在国境线内，它也把原本共享的人才和资本逼进了各自的封闭生态。

群里有位朋友说出了这个转向的本质："如果 ds 能尽快 boardline 御两家，我根本没兴趣主要用那两家的。" 同一句话，昨天还是牢骚，今天已经是市场现实。

---

"够用"比"最强"更值钱

禁令的另一个意外效果是加速了一个早已在发生的转变：AI 编程模型的竞争，正在从"谁最强"转向"谁够用且便宜"。

群里有位朋友发了一段很长的观察，核心判断是：美国顶尖模型虽然在理解模糊意图上依然更聪明，但高昂的 token 价格让个人和中小企业难以承受。对开发者来说，真正的提效方法是混搭——用最贵的模型做架构规划，用便宜的本地或开源模型跑具体代码。"AI 时代的竞争，拼的已经是工作流设计，而不是单一模型的参数规模。"

这个判断有数据支撑。斯坦福 HAI 2026 AI Index 显示，排名第一与第十的模型性能差距从 11.9% 缩小到了 5.4%，中美最佳模型差距从 9.26% 缩小到了 1.70%（Stanford HAI）。AI 编程 benchmark 的"低垂果实"已经被摘完，后续每个百分点的提升需要更多推理算力和更长上下文。与此同时，中国模型的定价只有 Anthropic 和 OpenAI 的 1/10 到 1/100。DeepSeek 的 API 约 $0.028/M token（AI Proem），Claude Fable 5 约 $15/$75 每百万。

但"差不多"和"一样好"之间仍然有坎。Vals.ai 的 SWE-bench Verified 榜单上，Fable 5 得分 95.00%，GPT-5.5 是 82.60%，GLM-4.7 是 73.8%（Vals.ai）。12 到 21 个百分点的差距在具体工程场景里不是小数字。群里的使用体验提供了第一手对比：黄一凯跑了一晚上 GLM 5.2，"所有任务都能一次性解决，没有断过线"；但也有人指出 GLM 以前在长上下文后会吐乱码，5.2 的稳定性还需要更多实战验证。

这个状态不说明中国模型已经追平。它说明的是另一个变化：竞争的焦点正在从 benchmark 分数转走。当多个模型的绝对能力都跨过了能完成大部分任务的阈值，用户的真实决策逻辑变成了：哪个模型在我付得起的成本里最稳定、最可及。benchmark 上的 5 个百分点差距，在"能不能买到""会不会断线""一个月花多少"这三道算计面前，优先级后移了。

这种转移提出一个很实际的工程问题。以前只用一种模型，代码质量由模型能力和 prompt 质量共同决定。现在要在三个、四个模型之间做任务分配，就多了一层决策：这个任务是找 bug 还是做架构设计？给便宜模型会不会踩坑？给贵模型是不是浪费？这个决策以前由直觉做出，现在需要变成一套能稳定复用的判断。群里另一段关于 AI 进度管理的讨论恰好落在这个方向上：朱江在尝试让 AI 自己生成 progress 网页，X.W 在做 diagram 驱动的 PR review，鸭哥分享了让 AI 围绕人类认知带宽优化的 writing skill。这三件事的共同点都是：承认 AI 能力已经足够强，然后把注意力从"让 AI 多做事"转向"让人类能判断 AI 做得对不对"。

这个转变和陈宇森接任钉钉 CEO 时说的"软件像 3D 打印"可以放到一起看。如果软件真的能按需生成，那比生产速度更重要的就是验收能力。能不能一眼看出 AI 生成的代码里哪个模块是多余的，能不能在十个 PR 里快速定位出有风险的那个——这些能力的价值，在模型被禁、需要换一家供应商的今天就更加明显了。模型可以换，判断力不能换。

---

也值得知道

Dario Amodei 发布万字政策长文，主张民主国家垄断强 AI：Anthropic CEO 于 6 月 11 日发表"Policy on the AI Exponential"，提出类似 FAA 的 AI 监管框架，要求政府获得阻止他人部署模型的权力，并明确主张民主国家组建联盟扩大对华芯片出口管制、将 AI 供应链锁定在民主国家内部（VentureBeat）。这篇长文和 Amazon 推动禁令的时间线几乎重叠。

Mistral 以 200 亿欧元估值融资 30 亿欧元：法国 AI 公司 Mistral 正洽谈新一轮融资，估值较去年 9 月的 117 亿近乎翻倍。定位为欧洲主权 AI，已与法国军方和 ASML 建立合作（TechCrunch）。

美国银行 CEO：银行 AI 应用的准确性比降本更重要：Bank of America CEO Brian Moynihan 表示 AI 在金融场景的关键衡量标准是准确性而非成本节约，呼应了 Mythos 5 System Card 里暴露的判断力缺口（微信）。

---

本期素材来自 AI Builder Space 社群讨论与公开 AI 行业信息的交叉验证。

本文由AI综合领域调研和微信群聊自动生成。请注意甄别幻觉。

订阅本 newsletter：daily.yage.ai