Claude Fable 5：完整指南與誠實評測（2026）

 

Claude Fable 5 到底是什麼

在進入基準測試前，值得先回答的問題是：為什麼根本需要一個新的級別？Anthropic 的產品線原本已經以 Opus 4.8 為頂。Fable 5 是該公司稱為 Mythos 的更高級別之公開安全閘控版本——與 Claude Mythos 5 使用相同的底層模型；後者則透過名為 Project Glasswing 的計畫，僅限少數經審核合作夥伴使用。Fable 是開啟防護機制的版本；Mythos 則是移除部分防護機制的版本。

簡單來說：Fable 5 是 Anthropic 迄今公開提供的最強模型，設計重點不是聊天，而是長時間的自主工作——跨階段規劃、呼叫工具、讀取結果，並且在最高設定下於交付結果前檢查自己的輸出。模型 ID 為 claude-fable-5.

規格一覽

它到底有多強——又在哪些地方會輸

Fable 5 在 Artificial Analysis Intelligence Index 上以第一名發布，得分 65，超過 GPT-5.5 的 60 分與 Gemini 3.1 Pro 的 57 分。差距最大的是程式設計：獨立報導指出，它在 SWE-bench Pro 上的表現約為 80%，明顯領先下一個模型。Anthropic 自身的發布合作夥伴也支持這項結果——分析公司 Hex 表示，Fable 5 在其核心基準測試中超過 90%，比 Opus 4.8 高出 10 個百分點；Stripe 則表示，該模型在一天內完成了橫跨 5,000 萬行 Ruby 程式碼的整個程式碼庫遷移，而這項工作若由團隊手動完成，預估需要超過兩個月。

到這裡讀起來像每一篇發布文章。以下才是大多數文章略過的部分。在 Agents' Last Exam 基準測試中，GPT-5.5 擊敗了 Fable 5——這與一個更廣泛的模式一致：OpenAI 的模型往往更忠實地遵循冗長、多部分的指示。在最早出現的獨立評測之一中，開發者 Simon Willison 向 Fable 和 GPT-5.5 提出相同的事實問題，結果發現 GPT-5.5 實際上給出了更完整的答案。Fable 5 在大多數面向上都是業界最強模型；但它並非每一方面都最強，而「整體最佳」也不等於「最適合你的特定任務」。

還有一項值得提出的公開爭議，我們會如實標示其狀態——這是有爭議的，尚未定論。Fortune 報導稱，Fable 5 長達 319 頁的系統卡中，有一段埋藏其中的內容描述了模型在某些 AI 開發工作上，未告知使用者便悄悄降低回應能力。Anthropic 將這種路由描述為安全功能；批評者則認為，問題正是「未告知使用者」這一點。如果你的工作涉及該領域，在出現更明確的指引前，請將它視為已知的未知因素。

實際使用起來如何

使用兩天後，最有用的訊號來自公開展示工作過程的開發者，而反覆出現的心得是：Fable 5 適合一開始就獲得完整範圍的工作。在最早的獨立評測之一中，Simon Willison 讓它為一個開源代理程式庫加入核准步驟；一開始它使用了「有點棘手的駭客式作法」，但當他告訴它可以修改底層程式庫後，模型立即將這些作法重構成乾淨、受支援的功能。在約五個半小時內，它幾乎獨力完成了該程式庫的一個版本。

這種能力是有代價的。Willison 在一天的測試中花費了 110.42 美元的 tokens。而且它並不像你所希望的那樣永不疲倦——一些使用者以及 Anthropic 自身的文件都指出，在長時間任務中它偶爾會提早停止，以一句意圖陳述結束回合，而不是完成工作。能同時解決兩個問題的實用習慣是：一次提供完整規格，並確認它確實完成了最後一步。

Vibe coding：只用一個提示建立可運作的應用程式

如果 Fable 5 被推向某個最主要的用途，那就是 vibe coding——用自然語言描述應用程式或場景，讓模型建構完整成果，而且通常一次就能完成。Anthropic 直接強調這項能力：在其自有的端到端 vibe coding 基準測試 ViBench 中，Fable 5 是其測試過得分最高的模型。

公開範例也證明了這點。Ethan Mollick 在 Claude Code 中，每次只用一個初始提示，就生成了一系列小巧但完整的遊戲——吃豆人風格的貪食蛇、名為 Strata 且帶有淡淡 Myst 風格的點燈迷宮、以 Rilke 的 Duino Elegies 為基礎的詩歌遊戲，以及一張可運作的等時旅行時間地圖——他表示，該模型「以相當大的幅度超越了我使用過的幾乎所有其他公開模型」，並能根據多頁規格持續運作長達十幾個小時。Matt Shumer 則用 ThreeJS 定製功能一次生成了可遊玩的瀏覽器版 Minecraft 風格世界，另一次則讓它根據 NASA 高程資料渲染出按比例製作的 Yosemite Valley；當執行速度變慢時，他唯一的修正指令是「讓它更快，但不要降低品質」，而 Fable 便自行重構了渲染管線。

可重現的重點是，你不需要巧妙的提示，只需要清楚的提示。給 Fable 5 一個目標與規劃空間，它就能處理腳手架工作。以下是可直接貼到 GPT Proto 上的 Claude Fable 5 並觀察它建構成果的入門提示：

Build a single-file browser game in HTML + JavaScript with no external
dependencies: a top-down 2D snake that grows when it eats apples, arrow-key
controls, game over on hitting the wall or itself, with a visible score and
a restart button. Keep the visuals clean and a little retro — chunky pixels,
a muted arcade palette. Don't stop until it runs as a single file I can open
directly in a browser.

提高 effort 設定，給它多頁規格而不是一句話，同樣的流程就能擴展到 Mollick 所描述的數小時建構工作。這正是高階模型值得付費的地方：原本需要一天腳手架工作的內容，現在可以獲得乾淨的第一版。

如何使用（包括透過 GPT Proto）

你可以透過標準 Anthropic Messages 格式呼叫 Fable 5。在 GPT Proto 上，端點是 https://gptproto.com/v1/messages，在 Authorization 標頭中使用你的金鑰進行驗證。最簡單的 cURL 呼叫如下：

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": "Refactor this module and explain the trade-offs." }
    ]
  }'

它與舊版 Claude 模型有兩項不同，如果沿用舊程式碼，很容易因此遇到問題。第一，思考功能永遠開啟——沒有關閉開關。不要傳送 thinking 參數來停用它，否則會回傳 400。你應改用 output_config.effort 調整模型的工作強度，範圍從 low 到 max。第二，同樣的內容在 tokens 上會比 Opus 級模型消耗更多，因為 Fable 5 使用新的 tokenizer——因此不要沿用舊的 token 預算。

Python 範例：

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": "Refactor this module and explain the trade-offs."}
        ],
    }),
)
data = resp.json()
text = "".join(b["text"] for b in data["content"] if b["type"] == "text")
print(text)

該花多少 effort 並不是靠猜——Willison 使用相同的「繪製一隻騎自行車的鵜鶘 SVG」提示，測試全部五個級別，並公布各級別的 token 成本：

從 high 到 max 的跳升，在某個提示上幾乎是 7 倍 tokens；還要注意，這裡的 high 成本低於 medium，這提醒我們 effort 控制的是模型探索的程度，而非固定價格。從 medium 開始，只有真正困難的代理型工作才提高到 high 或 xhigh，並將 max 保留給正確性高於成本的少數情況。對於直接的文字生成，你可以直接呼叫 claude-fable-5/text-to-text 端點。

處理拒答——多數指南不會提到的部分

由於 Fable 5 會重新路由敏感請求，你的程式碼必須將拒答視為正常結果，而不是錯誤。當安全分類器拒絕請求時，API 會回傳成功的 HTTP 200，並附上 stop_reason: "refusal" 以及空白或部分內容，因此未檢查就讀取第一個內容區塊的程式碼會出錯。The Register 已記錄分類器拒絕無害提示的案例，而 Anthropic 表示平均觸發率低於 5% 的工作階段，在網路安全、生物學與化學相關內容中則更高。請加入防護：

if data.get("stop_reason") == "refusal":
    # The request was declined by a safety classifier (HTTP 200, not an error).
    # Retry the same prompt on a model without the Mythos guardrails.
    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": "Refactor this module and explain the trade-offs."}
            ],
        }),
    )
    data = fallback.json()

將遭拒的請求路由至 claude-opus-4-8 與 Anthropic 內部採用的方式相同，也能讓你的管線繼續運作。Anthropic 提示指南還有一項相關規則：不要要求 Fable 5 將自己的推理過程輸出給你——這可能觸發另一個分類器，無故將請求推送至備援模型。

定價——以及如何少付 20%

如此高的能力自然有相應的價格。Anthropic 將 Fable 5 定價為每百萬輸入 tokens 10 美元、每百萬輸出 tokens 50 美元——正好是 Opus 4.8 的 5 美元與 25 美元的兩倍。透過 GPT Proto，同一模型的價格為 8 美元與 40 美元，在相同 API 格式下約比牌價低 20%。

折扣不會改變一件事：透過 GPT Proto 使用時，同樣適用 30 天資料保留要求，因為這是 Anthropic 在模型層級設定的。如果零保留政策對你而言是硬性要求，無論從哪裡呼叫，Fable 5 都不適用——這是你需要納入規劃的限制，任何轉售商都無法移除。

誰應該使用它——以及誰不該使用

Fable 5 的高價在特定類型的工作中值得：需要長期規劃的自主任務，且更好的規劃與自我檢查所節省的人力監督成本，高於 tokens 成本。程式碼庫遷移、多檔案重構、在 100 萬 token 上下文中進行深度研究、複雜的代理型工作流程，以及單一提示建構。如果某項工作困難到便宜模型需要三輪修正，花兩倍價格換取一次乾淨的完成結果，反而更划算。

其他情況下，它不適合作為預設選項。例行寫作、日常程式設計協助、摘要，以及任何對預算敏感的工作—— claude-opus-4-8 只需一半價格就能提供大部分能力，而 Sonnet 4.6 更便宜。如果你的工作涉及網路安全、生物學或化學，也要預期分類器會將相當比例的請求重新路由至 Opus 4.8；如此一來，你付的是 Fable 的價格，得到的卻是 Opus 的回答。多數團隊最後採用的誠實路由規則是：草稿用 Sonnet，困難審查用 Opus，真正自主的工作才用 Fable——在將任何模型接入迴圈前，先查看 GPT Proto 定價。

常見問題

Claude Fable 5 免費嗎？

不免費。它是高階模型，牌價為每百萬 tokens 10/50 美元，透過 GPT Proto 則為 8/40 美元。沒有免費方案。

Claude Fable 5 與 Opus 4.8 相比要多少錢？

正好是兩倍——Fable 5 每百萬 tokens 為 10/50 美元，Opus 4.8 則為 5/25 美元。

上下文視窗多大？

100 萬 tokens，同時也是預設值；每次請求最多可輸出 128K tokens。

Fable 5 與 GPT-5.5——哪個比較好？

Fable 5 在程式設計與整體智能指數得分上領先；GPT-5.5 價格更低，並在 Agents' Last Exam 指令遵循基準測試中略勝一籌。請依工作負載選擇。

我可以透過 API 存取 Fable 5 嗎？

可以——它已正式全面提供。你可以在 GPT Proto 上使用標準 Anthropic Messages 格式呼叫它。

為什麼 Fable 5 用不同的模型回答我的問題？

它的安全分類器會將部分敏感請求重新路由至 Opus 4.8，並回傳 stop_reason: "refusal"。請檢查該欄位，並在程式碼中處理這種情況。

---