Claude新模型据称推理增强并能追溯Bug根因

AI模型迭代节奏可能在未来一个月继续加快。近期流出的信息显示，Claude、Gemini和ChatGPT都在准备新版本，其中Claude新模型被内测用户评价为明显跃升，处理Bug时不止修补表面问题，还会尝试定位并解决背后的共性缺陷；Gemini则在测试Carbon版本，而OpenAI的GPT-6.1 Terra也已出现在微软Copilot代码中。

Claude新版本据称在推理、直觉以及理解用户潜在意图和目标方面有所增强。比如用户只要求修复一个Bug时，模型可能进一步判断该问题是否源于某个类别的系统性缺陷，并询问是否需要整体修复，而不是仅修改单点代码。目前尚不能确认该模型最终会命名为Fable还是Opus。

内测反馈还称，新Claude更擅长跳出常见解法，不会总是重复模板化建议。例如面对股票投资问题，它可能提出自建算法来预测未来表现，而非只建议参考市盈率等传统指标。上述能力仍属于早期体验，正式版本和最终表现尚未确定。

谷歌正在测试代号为Gemini 4 Carbon的新模型。此前的Argon在部分编程任务上落后于Claude Opus 5，Carbon则据称实现反超，同时延续了视觉理解优势，尤其适合视频分析和前端页面功能测试，这可能与使用YouTube数据训练有关。Carbon已在谷歌内部编程平台Jetski向员工开放数日，有员工认为其体验接近Opus 5.5，但仍需更多验证。谷歌曾测试Argon、Barium和Carbon等多个Gemini 4版本，最终由Barium-B演变为公开的Argon。员工Vedant Misra提到“递归自我改进”（RSI），外界猜测Carbon或许采用了相关技术，但目前没有确认。

OpenAI方面，GPT-6.1 Terra的踪迹已经出现在微软Copilot代码中。这也意味着此前被认为只是更名版本的6.1 Sol，可能并非Terra，而是一次相对有限的升级。部分讨论认为Terra缺乏亮点，但另一种观点是，它可能承担更实用的成本控制任务，因为OpenAI计划整合ChatGPT的Chat、Work与Codex模式，需要一款价格更低、适合免费用户使用的模型。

OpenAI同时公布了低资源编程语言方向的进展，最新几款GPT模型在FORTRAN和COBOL上的表现得到提升。这些语言仍被银行、公共事业等关键行业广泛使用，但能够维护相关老系统的人类程序员越来越少。COBOL支撑着超过40%的银行系统、80%的面对面信用卡交易和95%的ATM交易，Fortran则用于天气预报及核反应堆安全分析。

在把COBOL程序迁移到其他语言的测试中，GPT-6.1 Sol在低推理档的准确率为86.6%，GPT-5.6 Sol仅为5.4%；提高推理档位后，GPT-6.1 Sol的准确率进一步达到97.9%。国产模型方面，DeepSeek已率先结束沉寂，Kimi、GLM和MiniMax预计也会陆续推出新模型，11月的模型竞争仍将保持活跃。