Anthropic 披露 Claude Fable 5.2:以 Python 模擬物理筆觸繪圖,RoboDojo 跑分達 64.9%
不依賴擴散架構,模型以多達 70 萬道無法撤銷的筆觸作畫;實體機械手臂測試中,微操控與速度落後 GPT-6 Astra。
The Decoder單一來源
33 則值得知道的變化
不依賴擴散架構,模型以多達 70 萬道無法撤銷的筆觸作畫;實體機械手臂測試中,微操控與速度落後 GPT-6 Astra。
該平台已在海外部署逾五千台攝影機,累積破百萬小時影像,並結合微調自 NVIDIA Cosmos 的模型為動作標註時間戳記。
每 133 毫秒將語音與文字整合至單一位置,捨棄離散 token 改採 64 維連續特徵與單步採樣,並支援參考音訊自訂音色。
輕量版採用 32×32×4 空時壓縮支援 720p 24 fps 生成,工作流程整合 Qwen 文字與 SigLIP 視覺編碼器。
新版本緩解自回歸續寫的誤差累積以維持長影片身分一致,並修正嘴部過度誇張及唇色過紅問題,同時提供端到端推論管線加速。
全系列包含基礎、微調與視覺多模態版本並提供 GGUF 格式,其中 15B MoE 活躍參數為 3.9B,採 Apache-2.0 釋出。