我對 Claude Fable 5 的第一個判斷維持不變：它不是「更強一點的 Opus」，也不是應該全天開著的預設聊天模型，而是 Anthropic 為長時間、自主、非同步工作準備的高階執行層。這次改版用官方發布說明與 prompting 指南重新檢視這個判斷：什麼工作值得交給它、成本與安全邊界在哪裡，以及實際部署要調整什麼。
定位：什麼工作值得 Fable 5
官方對 Fable 5 的定位很明確：專攻以往「過於複雜、冗長或模糊」的問題，工作單位是 hours 到 weeks 的 end-to-end 任務，而不是單輪問答。指南同時提醒，只用簡單任務去測試它，會系統性低估它的能力——這對評測方法論是個直接警告。Anthropic 稱它的自主工作時間長於以往任何 Claude 模型，可以跨數百萬 tokens 維持專注，並用自己工作過程中寫下的筆記改進後續輸出。
effort 是能力、延遲與成本的主要控制桿：多數任務預設 high，capability-sensitive 的工作用 xhigh，routine 工作降到 medium 或 low。值得注意的官方說法是：低 effort 的 Fable 5 常常勝過前代模型的 xhigh。這代表分工邏輯不該是「Fable 只做最難的事」，而是「同一個模型用不同 effort 覆蓋不同層級的工作」。
| effort | 我的使用時機 |
|---|---|
| xhigh | capability-sensitive 的長鏈任務，例如全庫 migration 的規劃與執行 |
| high | 預設值；需要自主規劃與反覆驗證的專案 |
| medium | 有清楚框架、路徑大致確定的 routine 工作 |
| low | 高頻、輕量、成本敏感的批次處理 |
官方證據：長任務能走多遠
Stripe 的案例最直接：5,000 萬行的 Ruby codebase，Fable 5 在一天內完成全庫 migration，而官方估計人工需要一個團隊兩個月以上。Cognition 的 FrontierCode 評測則顯示 Fable 5 在 medium effort 就拿到 frontier models 中的最高分，同一份發布也描述它比過去的 Claude 更省 tokens。
在 coding 之外，genomics 案例展示了長度上限：Mythos 5 超過一週大致自主工作，處理橫跨 138 個物種、數百萬顆細胞的 single-cell 資料，而且使用的模型比 Science 期刊發表的模型小 100 倍卻更強。遊戲環境的證據則指向記憶：在 Slay the Spire 中，persistent file-based memory 讓表現進步為 Opus 4.8 的三倍，抵達 final act 的次數也多三倍。
一位匿名早期客戶（官方引述，身分未公開）的數據點同樣值得參考：在 frontier physics research 上以約三分之一的 reasoning tokens 達到最強表現，36 小時的成果接近 GPT-5.5 跑四天。這是單一樣本，但它與「低 effort 勝過前代 xhigh」互相印證。
成本與安全邊界
定價是每百萬 tokens 10 美元輸入、50 美元輸出，不到 Claude Mythos Preview 的一半。真正該算的是完成一件事的總成本：一天對兩個月、36 小時對四天，這種時間壓縮才是價值所在，也是判斷「貴不貴」的正確分母。
安全面有三層。第一，classifiers 涵蓋 cybersecurity、biology/chemistry 與 distillation，平均少於 5% 的 sessions 觸發；觸發時自動改由 Claude Opus 4.8 處理並告知使用者，而超過 95% 的 sessions 完全沒有 fallback，效能實質等同 Mythos 5。第二，官方明言 Fable 5 不用於 offensive cybersecurity 與 biology/life sciences，API 端要正確處理 stop_reason: "refusal"。第三，Mythos 5 是同一個底層、部分防護解除的版本，初期經與美國政府合作的專案管道部署——這是理解 Fable/Mythos 雙軌設計的關鍵背景。
紅隊與治理側：bug bounty 累計逾 1,000 小時沒有出現 universal jailbreak，英國 AI 安全研究機構的初期測試有部分進展；自動化 alignment 評估中 misaligned behavior 偏低、與 Opus 4.8 相當。資料治理上，Mythos-class 全流量有 30 天保留期（第一方與第三方皆然）、不用於訓練、幾乎都在 30 天後刪除——對處理客戶程式碼或敏感資料的團隊，這是上線前必須確認的架構限制。
部署建議：時間參數與 subagents
最容易忽略的是工程調整。Fable 5 預設 turns 更長：高 effort 的單一請求可能跑數分鐘，autonomous runs 以小時計。遷移時要調整 timeouts 與 streaming 設定，scheduled jobs 也要重新估算執行窗口。subagents 方面，parallel subagents 比以往更容易 dispatch，orchestrator 與 subagents 以非同步溝通，長駐 subagents 可以靠 cache reads 省時省成本——官方明確建議保留長駐 subagent，而不是每次重建。
另外，classifiers 涵蓋領域之外的 bug-finding recall 明顯高於 Opus 4.8，包括跨 codebase 與 repo history 的搜尋。這讓它在部署前 audit 有明確價值，但我不會因此移除人工 review：recall 高不等於 precision 夠。
我會怎樣安排
發文當時的取得方式：Fable 5 已全面開放（API 名稱 claude-fable-5），Mythos 5 限政府合作計畫的 partners 與即將加入的 biology 研究者；訂閱免費用到 6 月 22 日，6 月 23 日起需 usage credits。這個時間窗在本文更新時已過，但雙軌定位不變。
我的分工維持原判斷：routine 工作交給便宜模型或低 effort，深度但邊界清楚的工作用 medium 或 high，真正「人類要先讀半天 repo 才能動手」的問題才開 xhigh 全自主。交辦前先寫清楚 outcome、不可違反的限制、測試方式與 stop rule；subagents 只用在能真正拆成獨立工作流的任務。結論不變：Fable 5 的價值是把過去需要人類不斷接手的長任務，推進到可以整段交付。它是一位成本很高、但能獨立工作的 senior operator。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。