摘要： 作者把 Claude Fable 5 定位為長時程、自主、非同步工作的高階執行層，而不是一般對話模型。官方例子顯示它在一天內完成 Stripe 5,000 萬行 Ruby codebase 的遷移，人工團隊估計要超過兩個月。導入時仍需設定 effort、超時、停止規則、安全分類器，並以完成任務的總成本評估。
我頭一回評 Claude Fable 5 時下的判斷，到今天都沒有動搖：它並非多擠出一點效能的 Opus 升級款，也不該被當成全天候掛著的預設對話模型；它是 Anthropic 專為長時程、自主、非同步工作打造的高階執行層。本次更新改以官方發布說明與 prompting 指南為依據，重新檢查這個結論：哪些工作適合交給它、花費與安全的界線畫在何處，以及真正部署時該調整哪些環節。
官方定位：哪些任務值得交給 Fable 5
官方替 Fable 5 畫出的戰場很清楚：那些過去「過於複雜、冗長或模糊」的難題；計算與設計的單位是從數小時到數週的 end-to-end 任務，而非一次一問一答。指南裡還有對評測方法論的直接提醒：只拿簡單任務去試它，量出來的能力會系統性偏低。Anthropic 表示，它的自主工作時長超越歷代所有 Claude 模型，注意力能橫跨數百萬 tokens 不中斷，還會拿自己過程中記下的筆記來改善之後的輸出。
effort 這個參數同時掌管能力、延遲與花費：一般任務用預設的 high，capability-sensitive 的工作拉到 xhigh，例行差事則調降為 medium 或 low。官方有句話特別值得記住：Fable 5 開低 effort，表現常常仍勝過前代模型開到 xhigh。換句話說，正確的分工思路不是「最難的才丟給 Fable」，而是「同一顆模型靠不同 effort 檔位，接住各種層級的工作」。
| effort | 我在什麼時候用 |
|---|---|
| xhigh | capability-sensitive 的長鏈任務，像全庫 migration 從規劃一路做到執行 |
| high | 預設檔位；交給它自主規劃並反覆驗證的專案 |
| medium | 框架明確、路線大致底定的例行工作 |
| low | 呼叫頻繁、輕巧、對成本敏感的批次作業 |
官方給出的證據：自主長任務的能耐邊界
最硬的證據來自 Stripe：面對 5,000 萬行的 Ruby codebase，Fable 5 一天之內跑完全庫 migration；照官方估算，同樣的工程交給人工得一個團隊做上兩個月以上。Cognition 的 FrontierCode 評測裡，Fable 5 只開 medium effort 就拿下 frontier models 中的最高分；官方在同一份發布裡還形容它比過去的 Claude 更省 tokens。
coding 之外，genomics 案例展示了長度上限：Mythos 5 大致自主地運作超過一週，處理橫跨 138 個物種、數百萬顆細胞的 single-cell 資料，而且所用的模型比 Science 期刊發表的版本小 100 倍、效果反而更強。遊戲環境的實驗則指向記憶機制：在 Slay the Spire 裡，persistent file-based memory 把成績拉到 Opus 4.8 的三倍，抵達 final act 的次數同樣是三倍。
還有一個來自匿名早期客戶的數據點（官方引述，身分未公開）同樣值得參考：在 frontier physics research 上只花約三分之一的 reasoning tokens 就達到最強表現，36 小時的成果逼近 GPT-5.5 連跑四天。這固然只是單一樣本，卻正好和「低 effort 勝過前代 xhigh」的說法互相呼應。
花費怎麼算、安全界線在哪裡
價目表是每百萬 tokens 輸入 10 美元、輸出 50 美元，不到 Claude Mythos Preview 的一半。但真正該計算的是把一件事做完的總成本：兩個月縮成一天、四天縮成 36 小時，這種時間壓縮才是價值來源，也是衡量「貴不貴」時該採用的分母。
安全設計可以拆成三層。第一層是 classifiers，盯防範圍含 cybersecurity、biology/chemistry 與 distillation，平均少於 5% 的 sessions 會被攔下；一旦觸發，系統自動改派 Claude Opus 4.8 接手並告知使用者，其餘超過 95% 的 sessions 則完全不走 fallback，效能與 Mythos 5 實際上沒有差別。第二層是使用範圍：官方講明 Fable 5 不投入 offensive cybersecurity 與 biology/life sciences，走 API 串接的人要正確處理 stop_reason: "refusal"。第三層是 Mythos 5 本身——同一個底層、解除部分防護的版本，初期經由與美國政府合作的專案管道部署；這段背景是讀懂 Fable/Mythos 雙軌設計的鑰匙。
紅隊與治理面的紀錄：bug bounty 加總超過 1,000 小時，始終未見 universal jailbreak；來自英國的 AI 安全研究機構在早期測試中有一些進展；自動化 alignment 評估裡，misaligned behavior 的比例偏低，和 Opus 4.8 差不多。資料治理方面，Mythos-class 的全部流量保留 30 天（第一方與第三方都一樣）、不拿去做訓練、幾乎全數在 30 天後刪除——凡是會碰客戶程式碼或敏感資料的團隊，上線前務必先把這條架構限制確認清楚。
上線要動的工程設定：時間參數與 subagents
最容易被跳過的其實是工程端調整。Fable 5 的預設 turns 比過去長：high effort 的單一請求可能跑上好幾分鐘，autonomous runs 更是以小時為單位。搬遷時記得重設 timeouts 與 streaming 相關設定，scheduled jobs 的執行窗口也要重新估算。subagents 這邊，要 dispatch 出 parallel subagents 比以前輕鬆許多，orchestrator 與 subagents 之間採非同步溝通，長駐 subagents 還能靠 cache reads 同時省下時間與成本——官方明講要保留長駐 subagent，別每次都重新建一個。
補充一點：在 classifiers 涵蓋的領域之外，它的 bug-finding recall 明顯勝過 Opus 4.8，搜尋範圍還包括跨 codebase 與 repo history。這讓它在部署前 audit 上有具體價值，但我不會因此把人工 review 拿掉：recall 高，不代表 precision 也跟著夠。
我的實際分工方式
發文當下的取得方式是這樣：Fable 5 已經開放給所有人（API 名稱為 claude-fable-5），Mythos 5 只留給政府合作計畫的 partners，以及即將加入的 biology 研究者；訂閱方案 6 月 22 日前免費，6 月 23 日起要改用 usage credits。本文更新時這個時間窗已經結束，但雙軌定位沒有變。
分工原則照舊：routine 的差事交給便宜模型或低 effort；有深度但邊界明確的工作用 medium 或 high；只有那種「人類得先啃半天 repo 才敢下手」的題目，才開 xhigh 讓它全自主執行。交辦之前，outcome、不可違反的限制、測試方式與 stop rule 一律先寫成白紙黑字；subagents 只留給真正能拆成獨立工作流的任務。結論依舊：Fable 5 的價值，在於把過去需要人類一路接手的長任務，推進到可以整段交付的地步。它是一位要價很高、卻能獨立撐起工作的 senior operator。