Claude Fable 5 解析：Mythos 級首個公開模型，把 Opus 推下王座

※ 本文圖片暫未隨 Blogger 上傳，請參考 GitHub repo 或本地 vault。

Anthropic 在 2026 年 6 月 9 日丟了一顆炸彈：他們把內部代號 Mythos 的最強模型，套上一層安全分類器，命名為 Claude Fable 5 釋出給所有 Pro / Max / 企業用戶。同一天，沒有安全分類器的 Mythos 5 也在 Project Glasswing 計畫下開放給少數網安防禦廠商。

如果你跟我一樣天天泡在 Claude Code 上，這次發布的訊號很清楚：Opus 不再是頂端。Anthropic 開了新的命名線，把模型階層拉成「Mythos > Opus > Sonnet > Haiku」。Fable 5 是這條新線的公開版本，model ID 直接寫 claude-fable-5，跟 claude-opus-4-8 並列在 API 上。

這篇文章來自我做完一輪深度研究後的整理。資料來源涵蓋 Anthropic 官方公告 、Claude Platform 技術文件 、AWS Bedrock 公告 、Vellum 完整 benchmark 拆解 、TechCrunch 與 WIRED 的批判性報導。

下面講 Fable 5 真正的差異、真正的優勢、以及它真正不適合的場景。

不是 Opus 的後繼，是新階層

很多人看到 Fable 5 的第一反應是「啊不就 Opus 4.9」。錯。

Anthropic 這次刻意換了命名線，是因為這個模型的能力已經明顯不在 Opus 的等級上。Mythos 是內部代號，它在年初就在企業 preview 階段震驚了美國政府部門——NBC News 的報導 直接用「spooked the government」這種字眼，因為 Mythos 在 ExploitBench 的裸跑成績拿到 78%，是 Opus 4.8 的接近兩倍。換句話說，Mythos 找漏洞、做利用，已經到了「不能隨便給人」的程度。

要先講清楚一件事避免誤會：這 78% 是 Mythos 5 的數字，不是 Fable 5 的數字。Fable 5 因為有網安分類器，碰到 ExploitBench 這類請求會直接 fallback，本身在這個 benchmark 上得到的是接近 0 分。後面 benchmark 表會把 Mythos 5 跟 Fable 5 分欄列出來，讀的時候要注意分清楚。

Anthropic 自己也意識到這個問題，所以做了一個折衷：把 Mythos 包上三層分類器，讓它在網安、生化、模型蒸餾這三個高風險方向會自動拒答並 fallback 到 Opus 4.8——這就是 Fable 5。底層相同，外殼不同。

       Anthropic 模型階層（2026-06 之後）
       ─────────────────────────────────
              ┌─────────────────┐
              │   Mythos 5      │  ← Project Glasswing 限定
              │   (原始能力)    │
              └─────────────────┘
                      ↓ 套上 safety classifiers
              ┌─────────────────┐
              │   Fable 5       │  ← 公開可用
              │   (高風險 fallback) │
              └─────────────────┘
                      ↓ 高風險拒答時回退
              ┌─────────────────┐
              │   Opus 4.8      │
              └─────────────────┘
                      ↓
              ┌─────────────────┐
              │   Sonnet 4.6    │
              └─────────────────┘
                      ↓
              ┌─────────────────┐
              │   Haiku 4.5     │
              └─────────────────┘

所以「Fable 5 跟 Opus 4.8 比較」這個問題本身是錯的——它們是兩個層級，同層才該比能力，跨層只能比成本對價值。比較合理的問法是「你願不願意為了多一個層級的能力，付兩倍的 token 錢」。

規格表：1M context、128k output、$10/$50

這是發布當天最容易被忽略但影響最大的部分。先看官方數字：

項目Claude Fable 5Claude Opus 4.8Claude Sonnet 4.6
Context window1,000,000 tokens1M1M
Max output128,000 tokens較低較低
Input 價格$10 / M$5 / M低於 Opus（依官方為準）
Output 價格$50 / M$25 / M低於 Opus（依官方為準）
Prompt cache 折扣90%90%90%
強制資料保留30 天可零保留可零保留
Adaptive thinking永遠開啟可關閉可關閉
Raw chain-of-thought永不返回可返回可返回
高風險 fallback自動回退 Opus 4.8無無

這張表有幾條藏在數字背後的事我要拆出來講：

128k output 才是真正的解放。過去 Opus 寫長文常常被 8k 輸出限制卡住，要靠續寫工程才能跑完一份大文件。Fable 5 直接給你 128k 一次寫完——重構整個 module、寫完整本技術文件、產生大型測試套件，都不用切片了。

強制 30 天資料保留。這條對部分金融、法律、政府客戶是硬傷。Anthropic 把 Fable 5 列為「Covered Models」，無法選擇 zero data retention。如果你的合規要求是「不能讓模型廠商保留任何 prompt」，那就只能繼續用 Opus 4.8 或 Sonnet 4.6。

永不返回 raw chain-of-thought。這是反工程的設計——Anthropic 在文件裡寫得很白：要避免被競爭對手蒸餾。thinking.display 預設是 "omitted"，你最多只能拿到 summarized thinking，原始的推理過程拿不到。對需要做模型行為審計的用戶來說是個痛點。

Adaptive thinking 強制啟用。thinking: {"type": "disabled"} 直接不支援。你只能用 effort 參數控制深度。這代表每次呼叫都會花一些 thinking token，最低成本就是它的 baseline，不像 Sonnet 那樣可以完全跑直球。

Benchmark 屠榜：SWE-Bench Pro 領先 11 分

Anthropic 公開的對比表幾乎是把市場上所有對手按在地上摩擦。我把 Vellum 、Digital Applied 、TrueFoundry 三邊的數字交叉整理出來：

BenchmarkFable 5Mythos 5Opus 4.8GPT-5.5Gemini 3.1 Pro
SWE-Bench Pro80.3%77.8%69.2%58.6%54.2%
SWE-Bench Verified95.0%––––
FrontierCode Diamond29.3%–13.4%5.7%–
Terminal-Bench 2.188.0%––83.4%–
OSWorld-Verified85.0%––78.7%–
GDPval-AA（知識工作）1932––1769–
Legal Agent13.3%––2.1%0.0%
GraphWalks（長上下文）68.1%––45.4%–
空間推理38.6%–14.5%––
GDP.pdf（視覺）29.8%–22.5%24.9%16.7%
ExploitBench–78.0%40.0%34.0%–
BioMysteryBench–46.1%40.0%––

這些數字裡最值得拆出來看的是這幾條：

SWE-Bench Pro 80.3%。這是 agentic coding 的硬指標，過去這個 benchmark 上 70% 就已經是 SOTA，Fable 5 直接拉到 80。對熟悉 Claude Code 的人來說，這代表「一次成功率」會大幅改善——少 review、少 retry、少 rollback。

FrontierCode Diamond 29.3% vs GPT-5.5 的 5.7%。落差五倍。這個 benchmark 模擬的是 production-grade codebase 的困難重構任務，Fable 5 在 medium effort 就已經贏，max effort 拉開更兇。

Legal Agent 13.3%。乍看是個低分，但 Gemini 3.1 Pro 在這個 benchmark 是 0.0%，GPT-5.5 才 2.1%。法律推理需要多步驟長鏈推理 + 嚴格的事實對齊，Fable 5 在這個維度幾乎是斷層領先。

值得提醒一件事：Anthropic 自己在 model card 裡承認 ，Mythos 在 SWE Pro 上有「答案被記憶」的疑慮。第三方獨立驗證還需要幾週。要等 BenchLM 、Vals AI 這些獨立評測站把分數穩定下來才能下定論。

真正的突破：多日 unattended agent

Benchmark 數字漂亮，但真正讓我會掏錢付雙倍價格的，是另一件事：Fable 5 可以無人值守跑好幾天的 agent 任務。

Anthropic 在產品頁 直接用了一句很狠的話描述差別：「Opus 停止提問，Fable 5 繼續尋找」。在 Anthropic 官方公告 的客戶案例裡，這不是行銷話術：

  • Stripe（Anthropic 官方公告引述）：用 Fable 5 遷移 5,000 萬行 Ruby codebase，原本估 2 個月，數天完成
  • Slay the Spire 測試（Anthropic 官方公告引述）：開啟 memory tool 後，效能比 Opus 4.8 高 3 倍
  • Anthropic 自家：讓 Fable 5 去 review Opus 4.8 寫好的 PR，「一次性修掉多個 Opus 漏掉的設計缺陷」

這背後是幾個工程設計同時發力：

# 在 Claude Code 或 Claude SDK 裡使用 Fable 5
from anthropic import Anthropic

client = Anthropic()

response = client.messages.create(
    model="claude-fable-5",
    max_tokens=128000,
    extra_headers={
        "task-budgets-2026-03-13": "true",
        "context-management-2025-06-27": "true",
    },
    tools=[
        {"type": "memory_20250818", "name": "memory"},
    ],
    messages=[{
        "role": "user",
        "content": "重構整個 auth module，從 OAuth1 遷移到 OAuth2.1，"
                   "保留所有現有 API 行為，跑完整套整合測試。"
    }],
)

幾個新工具一起用，才是 Fable 5 的真實型態：

  1. Memory tool：跨會話保留狀態，agent 接著上次的進度繼續
  2. Context editing：自動清掉舊的 tool result，避免 1M context 被工具輸出塞爆
  3. Compaction：模型自己壓縮上下文，繼續往前推任務
  4. Task budgets：給 agent 一個成本上限，自己決定要不要繼續

這些東西組合起來，意思是「你下班，Fable 5 接手，明天早上看結果」這件事終於有了可行性。Anthropic 自己的內部測試說，最長能跑到「數天」量級的單一任務。夭壽，這就是一直以來大家在喊的 autonomous agent，現在真的有人做出來了。

三層 safeguards 與 fallback 機制

但 Mythos 級能力太強也是真的會出事，所以 Fable 5 帶了三層分類器：

  1. 網路安全：阻擋漏洞發現、漏洞利用、agent-driven hacking
  2. 生物化學：阻擋 bioweapon、毒理合成等請求
  3. 蒸餾防護：阻擋大規模能力提取，特別針對授權國家以外的 mass extraction 行為

被擋住的時候會發生什麼？API 不會回錯誤，而是回一個 HTTP 200 的成功回應，但 stop_reason 被設為 "refusal"，並且告訴你是哪個分類器拒絕的。

你的程式碼可以這樣處理：

response = client.messages.create(
    model="claude-fable-5",
    fallbacks=["claude-opus-4-8"],
    messages=[...],
)

if response.stop_reason == "refusal":
    print(f"Refused by: {response.refused_by}")

使用上有幾個眉角：

  • refused 不收費：被擋下來、還沒產出任何 output 的請求，Anthropic 不算錢
  • Fallback credit：如果你 retry 到別的模型，prompt cache 的成本會 refund
  • 客戶端 fallback：除了 server-side 的 fallbacks 參數，Anthropic 也提供 SDK middleware（TS / Python / Go / Java / C#）讓你在任何平台做客戶端 retry
  • Bug bounty 紀錄：Anthropic 公布 ，外部紅隊測試 1000+ 小時沒有找到 universal jailbreak

WIRED 與 BBC 的報導都強調一件事：Anthropic 在發布 Fable 5 的前幾天才剛發出「AI 已經變得過於危險」的官方警告。這個發布時機顯然不是巧合——Anthropic 在強調自己有能力把危險模型套上殼釋出，是對監管機關喊話的姿態。

開發者選型建議：何時用 Fable 5？

從 6/9 發布到現在，我整理了一個實戰判斷表：

場景推薦模型理由
大規模 codebase 遷移、重構Fable 5SWE-Bench Pro 領先 11 分，128k output 一次寫完
多日 unattended agentFable 5memory tool + context editing + compaction 是組合拳
PR 終審、Code reviewFable 5能抓到 Opus 漏掉的設計缺陷
PDF / 圖表 / 視覺密集任務Fable 5GDP.pdf 29.8% vs GPT-5.5 24.9%
法律 / 多步驟合規推理Fable 5Legal Agent 領先 6 倍以上
即時對話、聊天機器人Sonnet 4.6延遲低、價格較便宜
高量批次處理Haiku 4.5成本與速度王者
需 zero data retention 的合規場景Opus 4.8 / Sonnet 4.6Fable 5 強制 30 天保留
需要看到原始 chain-of-thoughtOpus 4.8Fable 5 永不返回 raw thinking
預算敏感、短任務Opus 4.8 或 Sonnet 4.6Fable 5 是 Opus 兩倍價格

實務上我會這樣分流：

  • 主對話用 Sonnet 4.6（速度、成本平衡）
  • 長任務 / 重要 review 用 Fable 5（一次到位，少 retry）
  • 批次 / 預處理用 Haiku 4.5（單價最低）
  • 設定 fallbacks: ["claude-opus-4-8"]，讓系統處理高風險拒答

順帶提一個技術細節：Anthropic 在文件裡有專門的 Prompting Claude Fable 5 指南 ，prompt 寫法跟舊模型有差異。長上下文的 structure、reasoning instruction 的下法都跟 Opus 不一樣。要榨出 Fable 5 全部實力，舊 prompt 不能直接複製貼過來。

寫在最後：這代表什麼？

把這次發布放在更大的圖裡看，有兩件事值得記住。

第一，Anthropic 正式把命名線拆成兩條：Mythos / Fable 走「危險但強大」，Opus / Sonnet / Haiku 繼續走「平衡實用」。未來會看到 Fable 6、Mythos 6，跟 Opus 5、Sonnet 5 並行。同代不同線。

第二，agent 開始有 unit economics 了。Fable 5 雖然單價是 Opus 兩倍，但因為迴合數變少、retry 變少、需要人工 review 的時間變少，總擁有成本反而可能下降。Stripe 的「2 個月變數天」如果為真，那個成本曲線完全不一樣。

不過要冷靜看：發布才一天，第三方獨立驗證還沒跑完，benchmark 的 contamination 疑慮也還在。我會建議先在非關鍵專案上跑一週看看實際效果，特別是試試看 memory tool + context editing + 128k output 這套組合，再決定要不要把生產任務遷上去。

對開發者來說，這個月底前該做的事情有兩件：

  1. 把 Claude Code 升上來，在本地專案試 claude-fable-5 處理一個原本要花你一整天的任務
  2. 檢查現有 production agent，看哪些長程任務適合上 Fable 5，順手把 fallbacks 參數加上去

順帶吐槽一句，Anthropic 在「發出 AI 警告 + 幾天後丟最強模型」這套操作上，玩得越來越熟練了。靠杯，這明顯是雙重訊號：一邊告訴監管機構「看吧我們很小心」，一邊告訴市場「但我們手上有真貨」。對開發者來說無所謂，能用就好。

延伸閱讀

於
標籤： , , , ,

沒有留言:

張貼留言

訂閱： 張貼留言 (Atom)

TTS 文字轉語音完全指南：技術原理、聲音克隆與 2026 選型實戰

前陣子我在測 Qwen3-TTS，官方技術報告寫著首包延遲 97ms，聽起來就是為即時對話而生的。結果我照官方範例跑起來，按下生成、等了整整 10 秒才聽到第一個字。乾，差了一百倍。 這不是我環境爛，而是 TTS 這個領域的日常：論文數字、行銷頁數字、你實際跑出來的數字，是三個...

  • 燒錄 Arduino mini Pro 燒錄
        Arduino Mini Pro 算是Uno的縮小板，使用上也沒太大變化，可以注意的是，市面上可能分為有幾個版本16Mhz、8Mhz就連電壓也會有5V、3.3V，但我這邊使用的是5V-16Mhz，工作於3.3V的時候也是可以正常工作，    該有的...
  • Arduino 課本可能沒教的事(1)
    　　相信有用過Arduino的人都會知道，在一個開發板上的IO腳，有分為"數位腳"、"類比輸入"，也就是板子上場看到的數字0～13與A0~A5，在比較常見的教材中，往往很少提到A0~A5腳位的使用方式，正常都是說明，如何在上面接上...
  • Arduino 整串封包接收處理
    由於Serial所Read 的值都只有一個byte， 要讀取整筆封包還要再自己寫， 所以稍微寫了一下，將"#"當作起始字，"$"當作結尾字， 並且將之間的資料存於Databuf中， 有需要的時候再Send "!...
  • 第一次如何使用Arduino
    Arduino在台灣已經有一陣子了，對於有再接觸程式設計的人應該都不陌生，然而對於不是程式設計，或者是不是電子電機相關科目的，也不會太難以上手。 由於Arduino本身官方由提供許多librarie，與網路上有豐富的資源，使其上手的門檻相對的降低許多，新手要取得硬體設備也不是...
  • SI4432 搭配Arduino
            前陣子從購入兩片si4432模組，拿來搭配arduino使用，傳輸效果算是相當不錯，訊號從1樓可以打到5F，由於已經作成模組化了，使用上也不會太困難，但需要同時接收/發射，所提供的範例是不夠用的。         Arduino&si4432連接方法，...