这一期的主线很集中：Claude Fable 5 把关注列表里最强的一批 AI 工程声音拉到了同一个议题上。有人把它看作 Mythos 级能力终于进入可用产品，有人把它拆成成本、拒答、沙箱安全和真实任务收益来重新算账。值得注意的不是一次模型发布本身，而是讨论口径已经从“榜单高不高”转向“长任务里会不会少绕路、工具调用能不能完成工作、价格是否能被任务成本抵消”。
另一条线是 Google 的 Gemini 3.5。Live Translate、AI Studio 应用生成、NotebookLM 区域 rollout 和视觉到代码示例连在一起，像是在把模型能力拆进消费产品、开发工具和实时沟通场景。今天的信号不是单点 demo，而是产品入口正在变密：翻译、会议、API、原生 Android、Gmail、Docs、Calendar 都被放进同一条使用链里。
剩下的声音更像侧翼：机器人、自动驾驶、生命科学和 AI 教育继续把 AI 从屏幕推到物理世界、科研流程和组织技能培养里。相比模型发布的热闹，这些帖子提醒人：真正有复利的不是“又一个更强模型”，而是模型开始进入任务、工具、媒介和制度。
Claude Fable 5 成为本期最大交汇点，赞美、质疑和成本核算同时出现。
Karpathy 把 Claude Fable 5 视为一次值得叫“主版本升级”的变化：同一底层 Mythos 模型加上安全保护，在长时间复杂问题解决上有明显质变，但也提醒不要在生产环境里完全放弃人工看代码。
Wade Foster 用 Zapier 的 AutomationBench 评价 Fable：它在 600 个跨 6 个领域的自动化任务里拿到 17.4%，高于 Opus 4.8 的 15.5%，重点是遇到 404 会换路径查表格和邮件，而不是空转。
Bindu Reddy 从 ChatLLM 实测角度给出保守判断：Fable 相比 Opus 4.8 在多数真实任务上只是边际提升，却要付出双倍价格，价格性能比未必划算。
她随后把结论收窄到路由策略：98% 编码任务里 Fable 与 GPT 5.5 或 Opus 4.8 做法相近，只有约 2% 的高难任务值得付双倍成本。
Zack Korman 用一个有缺陷的 AI agent sandbox 测试 Fable/Mythos，指出它没发现 zero-approval escape，提醒市场别把强模型误读成全知的安全审计器。
Google 把 Gemini 3.5 的实时语音翻译推向应用、API 和未来会议场景。
Google AI 发布 Gemini 3.5 Live Translate，主打实时 speech-to-speech 翻译，覆盖 70 多种语言，并能边听边流式输出，减少对话停顿。
Google DeepMind 用“Say hello, hola, 你好”介绍 Gemini 3.5 Live Translate，把它定义为面向快速跨语言沟通的最新音频模型。
Logan Kilpatrick 说明该模型已可在 Gemini API、AI Studio 和 Google Translate 使用，并预告会进入 Google Meet，强调它支持 70 多种语言输入输出。
Jeff Dean 把 Live Translate 放回 Google 长期 speech translation 研究脉络里，并举 Grab 旅客与司机沟通作为产品场景，说明它已进入 Google Translate 和 AI Studio Live API。
NotebookLM 宣布 Gemini App 中的 Notebooks 已在欧洲 100% rollout，这是 Google 把 Gemini 产品能力扩展到知识工作场景的另一条产品线。
几条帖子都指向同一个方向：模型价值开始按是否能触发、调用工具并完成业务任务来衡量。
Wade Foster 认为 loop 的力量来自触发器已经在数据里：新线索、新邮件、新客服问题都可以启动 Zapier agent，以全自动或半自动方式替人行动。
Gemini App 展示 Gemini 3.5 Flash 读取复杂视觉数据并生成可交互代码：从参考图分析光照，再搭建 3D visualizer。
Logan Kilpatrick 披露 Google AI Studio 每周正在生成超过 120 万个应用，自 2 月底以来已创建超过 1800 万个，AI 应用生成正在从 demo 变成高频入口。
Wade Foster 提到给 Claude 接 Zapier 工具变得很简单，只需让它添加 Zapier connector，这说明连接外部系统正在从配置工作变成自然语言操作。
机器人、自动驾驶和生命科学帖子把 AI 讨论从模型能力拉回物理世界与科研场景。
Microsoft Research 分享 Nature Methods 上 Project Ex Vivo 的研究：AI 模型从多样细胞状态中学到的东西，可能比单纯扩大数据集更关键，这会影响疗法与患者匹配方式。
Fei-Fei Li 称赞 World Labs 与 Lore 团队合作，把创意转成用户可体验的 interactive experience，延续空间智能和生成式体验结合的方向。
Tesla AI 转发欧洲团队消息：FSD Supervised 已在丹麦获批，即将开始 rollout。这是自动驾驶从测试指标走向监管准入的信号。
Berkeley AI Research 转发 Ken Goldberg 的观点：生产级 robotics 不是 VLA 与 world model 二选一，而是还要结合 model-based methods，并由 agentic methods 集成。
内容平台、大学课程和创作项目都在把 AI 从前沿话题变成可学习、可传播、可消费的能力。
Rowan Cheung 宣布 The Rundown 获得 Electrify 的首笔战略投资，目标是更快扩张，把 AI 教育带给 10 亿人。
他进一步解释自己的定位：每天为数百万人翻译这个高速变化的行业，使命是把 AI 变成 10 亿人的实用技能。
Greg Brockman 提到 University of North Dakota 尝试开设 AI degrees，并带有个人背景连接，说明 AI 教育正在从培训内容扩展到正式学位体系。
Eli Collins 分享 Google DeepMind 相关影片 Dear Upstairs Neighbors 在 Tribeca 首映，强调电影人、研究者、工程师和艺术家的协作。