Claude Fable 5: полное руководство и честный обзор (2026)

 

Что на самом деле представляет собой Claude Fable 5

Прежде чем перейти к бенчмаркам, стоит ответить на вопрос: зачем вообще понадобился новый уровень? Линейка Anthropic уже достигла вершины в виде Opus 4.8. Fable 5 — это публичный выпуск более высокого уровня с ограничениями безопасности, который компания называет Mythos, то есть та же базовая модель, что и Claude Mythos 5. Последняя остаётся доступной лишь небольшому числу проверенных партнёров через программу Project Glasswing. В версии Fable защитные ограничения включены, а в версии Mythos некоторые из них сняты.

Проще говоря, Fable 5 — самая мощная модель, которую Anthropic когда-либо делала общедоступной. Она создана скорее для продолжительной автономной работы, чем для общения: планирования по этапам, вызова инструментов, чтения результатов и, на максимальном уровне, проверки собственных результатов перед их передачей пользователю. Идентификатор модели — claude-fable-5.

Характеристики вкратце

Насколько она хороша на самом деле — и где уступает

После запуска Fable 5 заняла первое место в Artificial Analysis Intelligence Index, набрав 65 баллов против 60 у GPT-5.5 и 57 у Gemini 3.1 Pro. Наиболее заметен разрыв в программировании: независимые источники оценивают результат примерно в 80% на SWE-bench Pro, что значительно выше показателя следующей модели. Это подтверждают и собственные партнёры Anthropic: аналитическая компания Hex сообщила, что Fable 5 преодолела отметку в 90% на её основном бенчмарке — на десять пунктов больше, чем Opus 4.8, — а Stripe заявила, что модель за один день выполнила миграцию всей кодовой базы объёмом 50 миллионов строк Ruby. По оценке компании, вручную такая работа заняла бы у команды более двух месяцев.

Пока всё это звучит как любой текст о запуске новой модели. Но вот о чём большинство таких материалов умалчивает. В бенчмарке Agents' Last Exam GPT-5.5 обошла Fable 5 — результат, соответствующий более общей тенденции: модели OpenAI более буквально следуют длинным многоэтапным инструкциям. В одном из первых независимых обзоров разработчик Simon Willison задал Fable и GPT-5.5 один и тот же фактический вопрос и обнаружил, что GPT-5.5 дала более полный ответ. Fable 5 — самая сильная модель в отрасли по большинству параметров, но не по всем, а «лучшая в целом» не означает «лучшая для вашей конкретной задачи».

Есть и отдельный спорный вопрос, который стоит обозначить именно так: он оспаривается и ещё не решён. Fortune сообщила, что в одном из разделов 319-страничной системной карты Fable 5 описано, как модель без уведомления пользователя незаметно ухудшает свои ответы для определённых задач, связанных с разработкой ИИ. Anthropic представляет такую маршрутизацию как функцию безопасности, а критики считают проблемной именно часть «без уведомления пользователя». Если ваша работа связана с этой областью, считайте это известным неизвестным, пока не появятся более чёткие рекомендации.

Каково с ней работать

Через два дня после запуска наиболее полезные сигналы дают разработчики, которые показывают свою работу. Их повторяющийся вывод таков: Fable 5 лучше всего работает, когда получает полный масштаб задачи с самого начала. В одном из первых независимых обзоров Simon Willison поручил ей добавить этап подтверждения в библиотеку агента с открытым исходным кодом. Сначала модель прибегла к «довольно хитрым хакам», но сразу после уточнения, что базовую библиотеку можно изменять, переработала их в чистые функции с официальной поддержкой. Примерно за пять с половиной часов она почти полностью самостоятельно написала выпуск этой библиотеки.

Однако у этой возможности есть цена. За один день тестирования Willison потратил на токены $110.42. Кроме того, модель не настолько неутомима, как хотелось бы: некоторые пользователи и собственная документация Anthropic сообщают, что на длинных задачах она иногда останавливается раньше времени, завершая ход заявлением о намерениях вместо выполнения работы. Практическая привычка, которая помогает в обоих случаях: сразу давайте ей полную спецификацию и проверяйте, действительно ли она выполнила последний шаг.

Vibe coding: рабочее приложение по одному запросу

Если Fable 5 продвигают к чему-то больше, чем к любой другой задаче, то это vibe coding — описание приложения или сцены обычным языком с последующей полной сборкой моделью, часто за один проход. Anthropic напрямую делает ставку на этот сценарий: в собственном сквозном бенчмарке vibe coding под названием ViBench компания сообщает, что Fable 5 показала лучший результат среди всех протестированных ею моделей.

Публичные примеры это подтверждают. Ethan Mollick создал серию небольших, но полностью готовых игр, каждый раз используя один начальный запрос в Claude Code: Snake в стиле Pac-Man, лабиринт Strata с зажиганием фонарей и лёгкими визуальными мотивами Myst, поэтическую игру на основе Дуинских элегий Rilke и рабочую карту времени изохронных путешествий. Он сообщил, что модель «с заметным отрывом превзошла практически все другие общедоступные модели, которыми я пользовался», работая до дюжины часов с многостраничными спецификациями. Matt Shumer за один запрос создал пригодный для игры браузерный мир в стиле Minecraft на кастомном ThreeJS, а отдельно поручил модели отрисовать масштабную копию долины Йосемити на основе данных о высотах NASA. Когда всё работало медленно, он дал единственную инструкцию: «сделай быстрее, не теряя качества», — и Fable сама переработала конвейер рендеринга.

Воспроизводимый вывод заключается в том, что вам не нужен хитроумный запрос — нужен лишь понятный. Дайте Fable 5 цель и возможность спланировать работу, и она возьмёт на себя создание каркаса. Вот стартовый запрос, который можно сразу вставить в Claude Fable 5 на GPT Proto и посмотреть, как модель всё построит:

Создай браузерную игру в одном HTML-файле + JavaScript без внешних
зависимостей: змейку с видом сверху в 2D, которая растёт, когда съедает яблоки,
управлением стрелками, завершением игры при столкновении со стеной или с собой,
видимым счётом и кнопкой перезапуска. Сделай визуальный стиль чистым и немного
ретро — крупные пиксели, приглушённая аркадная палитра. Не останавливайся,
пока игра не будет работать как один файл, который можно напрямую открыть
в браузере.

Увеличьте уровень усилий, передайте модели многостраничную спецификацию вместо одного предложения, и тот же цикл масштабируется до многочасовых сборок, описанных Mollick. Именно такая работа оправдывает премиальную цену: чистый первый результат для задачи, на создание каркаса которой иначе ушёл бы целый день.

Как использовать модель (в том числе через GPT Proto)

Вызывайте Fable 5 через стандартный формат Anthropic Messages. На GPT Proto конечная точка — https://gptproto.com/v1/messages, аутентификация выполняется с помощью вашего ключа в заголовке Authorization. Минимальный вызов cURL:

curl --location 'https://gptproto.com/v1/messages' \
  --header 'Authorization: YOUR_GPTPROTO_API_KEY' \
  --header 'Content-Type: application/json' \
  --header 'anthropic-version: 2023-06-01' \
  --data '{
    "model": "claude-fable-5",
    "max_tokens": 8000,
    "messages": [
      { "role": "user", "content": "Переработай этот модуль и объясни компромиссы." }
    ]
  }'

Есть два отличия от старых моделей Claude, которые могут создать проблемы, если вы просто перенесёте старый код. Во-первых, режим рассуждений всегда включён — отключить его нельзя. Не передавайте параметр thinking, чтобы его отключить: это приведёт к ошибке 400. Вместо этого регулируйте интенсивность работы модели с помощью output_config.effort — от low до max. Во-вторых, один и тот же контент обходится дороже в токенах, чем в моделях уровня Opus, поскольку Fable 5 использует новый токенизатор. Поэтому не переносите старые лимиты токенов без изменений.

На Python:

import requests, json

resp = requests.post(
    "https://gptproto.com/v1/messages",
    headers={
        "Authorization": "YOUR_GPTPROTO_API_KEY",
        "Content-Type": "application/json",
        "anthropic-version": "2023-06-01",
    },
    data=json.dumps({
        "model": "claude-fable-5",
        "max_tokens": 8000,
        "output_config": {"effort": "medium"},  # low | medium | high | xhigh | max
        "messages": [
            {"role": "user", "content": "Переработай этот модуль и объясни компромиссы."}
        ],
    }),
)
data = resp.json()
text = "".join(b["text"] for b in data["content"] if b["type"] == "text")
print(text)

Выбор уровня усилий не должен быть гаданием: Willison использовал один и тот же запрос «нарисуй пеликана на велосипеде в формате SVG» на всех пяти уровнях и опубликовал стоимость токенов для каждого:

В одном запросе переход от high к max увеличил число токенов почти в 7 раз. Обратите внимание: здесь high оказался дешевле medium, что напоминает: уровень усилий определяет, насколько глубоко модель исследует задачу, а не фиксированную цену. Начните с medium, переходите на high или xhigh только для действительно сложной агентной работы, а max оставьте для редких случаев, когда правильность важнее стоимости. Для простого создания текста можно напрямую вызвать конечную точку claude-fable-5/text-to-text.

Как обрабатывать отказы — часть, о которой большинство руководств умалчивает

Поскольку Fable 5 перенаправляет чувствительные запросы, ваш код должен воспринимать отказ как обычный результат, а не как ошибку. Когда классификатор безопасности отклоняет запрос, API возвращает успешный HTTP 200 с stop_reason: "refusal" и пустым или частичным содержимым. Поэтому код, который читает первый блок содержимого без проверки, сломается. The Register уже документировало случаи, когда классификаторы отклоняли безобидные запросы. По данным Anthropic, в среднем срабатывание происходит менее чем в 5% сессий, но чаще — в областях кибербезопасности, биологии и химии. Добавьте проверку:

if data.get("stop_reason") == "refusal":
    # Запрос отклонён классификатором безопасности (HTTP 200, а не ошибка).
    # Повторить тот же запрос на модели без защитных ограничений Mythos.
    fallback = requests.post(
        "https://gptproto.com/v1/messages",
        headers={
            "Authorization": "YOUR_GPTPROTO_API_KEY",
            "Content-Type": "application/json",
            "anthropic-version": "2023-06-01",
        },
        data=json.dumps({
            "model": "claude-opus-4-8",
            "max_tokens": 8000,
            "messages": [
                {"role": "user", "content": "Переработай этот модуль и объясни компромиссы."}
            ],
        }),
    )
    data = fallback.json()

Перенаправление отклонённого запроса на claude-opus-4-8 повторяет внутренний процесс Anthropic и позволяет вашему конвейеру продолжить работу. Есть и связанное с этим правило из рекомендаций Anthropic по составлению запросов: не просите Fable 5 выводить собственные рассуждения. Это может активировать отдельный классификатор и без веской причины перенаправить вас на резервную модель.

Стоимость — и как платить на 20% меньше

Столь высокая мощность имеет соответствующую цену. Anthropic указывает для Fable 5 стоимость $10 за миллион входных токенов и $50 за миллион выходных — ровно вдвое больше, чем $5 и $25 у Opus 4.8. Через GPT Proto та же модель работает по цене $8 и $40, то есть примерно на 20% ниже стандартной, при идентичном формате API.

Скидка не меняет одного: требование хранить данные 30 дней действует через GPT Proto так же, как и при прямом обращении к модели, поскольку оно задано Anthropic на уровне модели. Если политика нулевого хранения данных для вас обязательна, Fable 5 вам не подходит независимо от места вызова модели. Это ограничение, которое нужно учитывать при планировании, а не условие, которое может отменить любой реселлер.

Кому стоит её использовать — а кому нет

Fable 5 оправдывает премиальную цену для конкретного типа задач: длительных автономных процессов, где более качественное планирование и самопроверка экономят на контроле со стороны человека больше, чем стоят в токенах. Миграция кодовой базы, рефакторинг нескольких файлов, глубокое исследование в контексте объёмом 1M токенов, сложные агентные процессы, создание проектов по одному запросу. Если задача настолько сложна, что более дешёвой модели потребуются три раунда исправлений, двойная цена за один чистый проход может оказаться выгоднее.

Для всего остального это неправильный выбор по умолчанию. Обычный текст, повседневная помощь с программированием, суммаризация и любые задачи с жёсткими бюджетными ограничениями — claude-opus-4-8 даст вам большую часть возможностей за половину цены, а Sonnet 4.6 обойдётся ещё дешевле. Если же ваша работа связана с кибербезопасностью, биологией или химией, будьте готовы к тому, что классификаторы всё равно перенаправят значительную часть ваших запросов на Opus 4.8. В таком случае вы платите по тарифу Fable за ответы Opus. Честное правило маршрутизации, к которому приходит большинство команд: Sonnet для черновиков, Opus для сложных проверок, Fable для действительно автономных задач. Перед интеграцией любой из них в рабочий цикл проверьте цены GPT Proto.

FAQ

Claude Fable 5 бесплатна?

Нет. Это премиальная модель стоимостью $10/$50 за миллион токенов по стандартному тарифу или $8/$40 через GPT Proto. Бесплатного уровня нет.

Сколько стоит Claude Fable 5 по сравнению с Opus 4.8?

Ровно вдвое дороже: Fable 5 стоит $10/$50 за миллион токенов, а Opus 4.8 — $5/$25.

Каков размер контекстного окна?

1M токенов, и это также значение по умолчанию; до 128K выходных токенов на запрос.

Fable 5 или GPT-5.5 — что лучше?

Fable 5 лидирует в программировании и по общим показателям intelligence index, а GPT-5.5 выигрывает по цене и немного превосходит её в бенчмарке следования инструкциям Agents' Last Exam. Выбирайте модель в зависимости от рабочей нагрузки.

Можно ли получить доступ к Fable 5 через API?

Да — модель общедоступна. Вы можете вызывать её через GPT Proto с использованием стандартного формата Anthropic Messages.

Почему Fable 5 ответила на мой вопрос с помощью другой модели?

Её классификаторы безопасности перенаправляют некоторые чувствительные запросы на Opus 4.8 и возвращают stop_reason: "refusal". Проверяйте это поле и обрабатывайте его в коде.

---