Cortex 5.1 与 Pulse 5.1

有什么新变化

头条变化是时长。两款模型都为跨越数天而非分钟的任务做了训练与调优——这改变了重要性的排序： 重要的不再是单个回答的质量，而是到了周四写总结的时候，模型是否还记得你周一给它的约束。

实践中，这意味着我们把大部分精力花在三个不性感的问题上——让原始指令始终在视野内、 察觉工具调用已经悄悄失败、区分"完成了"和"没辙了"。这些没有一条会在聊天演示里露面。

• Cortex 5.1 面向含糊的简报与长程智能体任务。更慢、更贵，在"自信的错误代价更高"的时候才值得选。
• Pulse 5.1 是默认之选。承接大部分生产流量，也是每个新能力上线时我们最先调优的模型。
• 两者共享一百万 token 上下文窗口、同一套工具协议与同一份拒绝政策，切换只需改一行。

一笔我们欠你的更正

系统卡的早期草稿曾报告：拒绝基准较上一代提升 9 个百分点。那个数字是错的。 评测切分被训练数据污染，模型被测的并不是卡片声称在测的东西。

评测套件已用留出切分与持续污染检查重建；受影响的结论已从卡片中撤回，而非悄悄改写。 重建后的基准显示的改进小于原数字——这才是我们现在报告的数。

评测

发布门槛现覆盖工具滥用与多天任务中的指令漂移，外加网络提升、生物风险与压力下拒绝行为的常设套件。 结果都在系统卡里——包括两款模型没有超越前代的那几项。

可用性

两款模型今日起在 API 与 共振 应用中可用。固定在上一代的既有部署照常运行； 控制台会在切换前给出升级预估，支出上限原样沿用。

如果模型没能完成你的任务，那是有用的信息。我们宁愿听到它，也不愿你悄悄绕开我们。