Anthropic发布超大参数模型Mythos，开辟新的Scaling Law路径

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。

刚刚有个大消息，Anthropic发布了新一代旗舰模型Mythos，参数规模直接干到8到10万亿。大家知道这什么概念吗？GPT-4.5才约4万亿参数，Mythos直接是它的5倍以上，这参数规模提升确实有点夸张。 更值得关注的是，这次他们用了新的训练思路——用复杂coding任务的输出作为训练数据，形成循环训练。说白了，这就是一条全新的Scaling Law路径，而且初步看似乎看不到上限。 这对市场意味着什么？海外那边，模型提供商肯定要往更高质量数据和更新架构方向卷了。对我们国内来说，国产模型可触达的能力空间和市值空间都会进一步打开，算力需求这块大概率要继续往上走。