Cortex 5.1 与 Pulse 5.1

有什么新变化

最大的变化是时间跨度。两款模型都为跨天、而不是跨分钟的任务训练——重要的事情随之变了序：单次回答漂不漂亮在其次，要紧的是到了周四写总结，它还记着你周一定的规矩。

落到实处，力气都花在了三件不性感的事上：别让最初的指令掉出视野；发现工具调用悄悄失败了；分清“做完了”和“做不动了”。聊天演示里，一件都看不见。

• 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——模型实际被测的，和卡片声称在测的，根本不是一回事。

评测套件重建过了：留出切分、持续污染检查。受影响的结论从卡片里撤掉，而不是偷偷改个说法。 重建后的基准显示的改进小于原数字——这才是我们现在公布的数字。

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

两款模型今天起在 API 和共振应用里可用。钉在上一代的部署照常跑；切换前控制台会先给你一份升级预估，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——宁可听你直说，也别默默绕开我们。