# Claude Fable 5：AI 工作系统进入长任务时代 > Claude Fable 5 是什么？Anthropic 2026-06-09 发布的前沿长任务 AI 模型。拆解它的能力、安全分流机制、定价，以及如何把它接进你的 AI 工作流。 - Author: Paul Kuo（郭曜郎） - Date: 2026-06-10 - Pillar: 智能与秩序 / Intelligence & Order - Tags: Claude Fable 5, 长任务代理, 人机协作, 安全分流机制, Vibe Coding, 知识工作重新定价, AI 工作流 - Canonical: https://paulkuo.tw/zh-cn/articles/claude-fable-5-work-system/ - Language: Simplified Chinese (简体中文) - Translation: AI-translated from the zh-Hant (Traditional Chinese) original - Original (zh-Hant): https://paulkuo.tw/articles/claude-fable-5-work-system.md - Site index for LLMs: https://paulkuo.tw/llms.txt --- > **TL;DR** — Claude Fable 5 的意义，不只是模型又升级了一次，而是让已经在运转的 AI 工作流，开始进入长任务代理阶段。Fable 5 和 Mythos 5 能比过去任何 Claude 模型自主执行更长时间的任务，而且任务越长、越复杂，Fable 5 领先其他模型的幅度就越明显。它通过动态安全分流，让一般任务保留完整能力，只在高风险情境下交由 Opus 4.8 处理。真正的分水岭，已不再是有没有使用 AI，而是能不能把 AI 接进自己的工作流，形成一套持续运转、可被管理的生产力系统。
▶ 听摘要
AI 合成语音・作者本人声线克隆
上周发一篇文章时，我同时开着四个 AI 窗口。一个在改前端，一个在跑翻译，一个在同步治理记录，另一个在跟我讨论这段文字该怎么写。我很清楚，我不是在「使用」AI，而是在「调度」一群能力各异的 AI 工作者。那一刻它们在我眼里，已经比较像一种新的生命体，而不是工具：会自己动、自己长，也会彼此踩线。发完文章后我才更明确意识到，我管理的早就不是一个个零散任务，而是一整套会自己运转、偶尔会彼此冲突的工作秩序。 2026 年 6 月 9 日（今天），Anthropic 发布 [Claude Fable 5](https://www.anthropic.com/news/claude-fable-5-mythos-5)。表面看，只是一个新模型版本；但对我这种每天调度 AI、把 AI 接进研究、写作、判断与决策流程的人来说，它是一个信号：原本仍需人工拆解、转接、校正与补位的 AI 工作流，可以再次优化进入下一阶段。Fable 5 让原本已经在运转的 AI 工作系统，变得可更长程运转、更稳定，也更接近真正的自主协作。 ## Claude Fable 5 是什么？ Claude Fable 5 是 Anthropic 在 2026 年 6 月 9 日发布的前沿 AI 模型，主打长任务：它能比过去任何 Claude 模型自主执行更长、更复杂的任务，而且任务越长、越复杂，领先幅度越明显。它和姊妹版 Claude Mythos 5 共享同一个底层模型，差别只在安全护栏：Fable 5 面向一般使用者与企业、配上较严格的安全分类器，Mythos 5 则放宽部分领域的限制，初期只开放给受信任的资安防御者。当系统侦测到资安、生物化学或模型蒸馏这类高风险请求时，它会动态降级、改由较保守的 Claude Opus 4.8 接手，官方数据是超过 95% 的会话完全不触发。定价为每百万输入 token 10 美元、每百万输出 50 美元。 ## Fable 5 真正的看点，为什么是安全分流而不是能力？ 这次值得注意的，不只是模型能力又提升了多少，而是 Anthropic 用两层架构来治理前沿模型能力。一层是面向一般使用者与企业市场的 Claude Fable 5；另一层是能力限制较少、但只开放给受信任资安防御者与关键基础设施的 Claude Mythos 5。两者共享同一个底层模型，差别只在护栏。官方甚至特别解释了命名：Fable 来自拉丁文 fabula，意思是「被讲述之事」，跟希腊文的 Mythos 同源。用两个近义字命名同一个底层模型，其实是在把一件事讲清楚：差别主要在安全护栏，不在底层能力。 这个分层设计，反映的是前沿 AI 已经不能只用一般产品逻辑来理解。当模型能力进入资安、生物化学、软件工程与长任务自主执行的层级，它就不再只是一般消费性科技产品，而是具备现实世界影响力的生产工具。同一种能力，可以帮防御者修补漏洞，也可能降低攻击者的门槛；可以加速药物与生命科学研究，也可能触及高风险的双重用途问题。 所以 Fable 5 最值得观察的，是它的安全分流机制。过去很多模型一旦为了安全变保守，常常连一般使用者都觉得能力缩水。Fable 5 走的是另一条路：平常任务尽量保留完整能力，只有当系统侦测到资安、生物化学或模型蒸馏这类高风险请求时，才改由较保守的 Claude Opus 4.8 回应，而且会通知使用者。官方数据是超过 95% 的会话完全不会触发这种回退，在那些会话里，Fable 5 的表现等同于 Mythos 5。 这代表 AI 公司正在试一种新的治理逻辑：不是把整个模型变笨，而是在高风险情境里做动态降级。我自己很能理解这套设计背后的取舍。对一个靠 AI 工作的人来说，最怕的不是模型有底线，而是模型为了守底线变得处处绑手绑脚。如果降级真的能被限缩在不到 5% 的会话里，意思是多数日常工作仍然可以踩在最强的那一档能力上，而不是为了少数高风险情境，牺牲整体使用体验。 ## 为什么说这是 AI 产业成熟化的开始？ 这背后其实是 AI 产业成熟化的起点。当模型只是聊天工具，大家比的是回答自然不自然、速度快不快、价格便不便宜。但当模型开始能执行长任务、理解大型代码库、整理复杂文件、参与金融分析、协助法律审阅，竞争的标准就换了。 这个标准会换到什么程度？Anthropic 公布的早期测试里，Stripe 用 Fable 5 在一个五千万行的 Ruby 代码库做了一次全库迁移，原本一整个团队手做要两个多月的工作，模型一天完成。这已经不是「补几行代码」的等级，而是开始承接一整段工作链条。 ![Claude Fable 5／Mythos 5 与其他前沿模型的能力对照表](/images/articles/claude-fable-5-benchmark.png) *Claude Fable 5／Mythos 5 与 Opus 4.8、GPT-5.5、Gemini 3.1 Pro 等模型的 benchmark 对照。从 SWE-Bench Pro 的 agentic coding 到 GDPval 知识工作，Fable 5 几乎全面领先，而且任务越长、越复杂，领先幅度越明显。（来源：[Anthropic 官方公告](https://www.anthropic.com/news/claude-fable-5-mythos-5)）* 于是企业问的问题也变了。未来他们不会只问「这个模型会不会回答」，而会问「它能不能接进我的工作流？能不能稳定完成任务？能不能省下人力成本？能不能跑出可衡量的 ROI？」这套提问，我在 [DataIQ 欧洲百大报告的导读](/zh-cn/articles/end-of-ai-theatrics/) 里写过：2026 年董事会检验 AI 的标准，正在从愿景转向证据。Fable 5 则把这个转向再往前推了一步。 ## 软件开发：从补代码走向任务交付 在软件开发上，Fable 5 指向的是一个更深的变化。过去的大模型常常可以完成单点任务，却容易在完整项目里遗忘需求、产生模块冲突，或修一个 bug 又制造另一个 bug。长周期代理能力的进步，代表模型开始能承接更完整的链条：理解目标、拆解任务、执行、测试、修正，最后接近可交付成果。 这不代表所有工程师都会被取代，但一定会重新分层。只会根据明确需求写代码的人，空间会被压缩；能定义问题、设计架构、理解产品、管理 AI agent、判断成果质量的人，杠杆会被放大。未来真正稀缺的，不只是会写代码的人，而是能把商业问题翻译成可执行系统的人。 但这里也藏着一个更尖锐的结构性矛盾。初级工作被 AI 接走之后，原本「初级工程师做几年、累积判断力、升上资深架构师」这条养成管线就断了。可是能定义问题、设计系统、判断成果质量的高阶能力，过去往往正是从这些初级任务里磨出来的。当底层阶梯被抽掉，未来的高级架构师要从哪里长出来，这不是个人努力的问题，是整个产业要回答的系统问题。 我对这件事有很深的体感，因为我自己并不是软件工程师。我 [12 天写了 23,000 行代码](/zh-cn/articles/super-individual-case-study/) 的时候，不会用 Terminal，也没写过一行 Python。我做出多语系网站、社群自动化与辩论引擎，靠的不是传统编程能力，而是把需求拆清楚、把质量标准订明白，然后判断 AI 交出来的东西到底能不能用。那次经验让我很早就相信一件事：当写代码的成本趋近于零，[真正稀缺的是知道该写什么的判断力](/zh-cn/articles/code-is-cheap-vibe-coding-to-claws/)。Fable 5 把这个趋势的时间表往前推了。 这不只是我一个外行人的体感。Boris Cherny，Claude Code 的创始人和负责人，在 [Threads 上写道](https://www.threads.com/@boris_cherny/post/DZYSQmIkq0I)，Fable 是他用过第一个如此「有条理而精准」的模型：会自己测量、加 log，验证真的修好了才宣布成功，而且「Claude Code 的提示词里没有任何一句叫它这样做，这纯粹是它性格的一部分」。他甚至说 Fable 让 Claude 从写代码的代理，升格成一起打造产品的「思考与设计伙伴」，因此他更敢把最复杂的工作交给它。一个 Anthropic 自己的工程师，描述 Fable 正在做的，恰好就是我这套系统一直在要求的纪律：验完才算完。但他那句「更敢交出去」，反而把问题逼得更尖。当模型连自我验证都做得比人勤，人该守住的，是哪一层的判断权？ ![Boris Cherny 在 Threads 上谈 Claude Fable 5 的判断力、品味与 debug 纪律](/images/articles/boris-cherny-threads-1.png) *Boris Cherny 的原帖：Fable 从写代码代理升格为一起打造产品的「思考与设计伙伴」，debug 时会自己测量、加 log、验证真的修好了才宣布成功。（来源：[Threads @boris_cherny](https://www.threads.com/@boris_cherny/post/DZYSQmIkq0I)）* ## 对创业者来说，这是更大的改变与机遇 过去一个人想做 SaaS 产品，往往卡在前端、后端、数据库、部署、测试、设计、维运这一整排复合门槛。Fable 5 这类长任务模型如果持续成熟，会让独立开发者和小团队的执行力大幅提高。未来创业的起点，不再是「先找齐团队再开发」，而是「先用 AI 做出产品、验证需求、跑出用户，再决定是否扩张」。投资人看的，也会逐渐从团队履历，移到创办人是否具备调度 AI 工作系统的能力。 这也是 vibe coding 会演化的地方。早期的 vibe coding 是靠直觉跟 AI 边聊边改，快速做出可以运作的产品。但当模型有了更强的长任务能力，vibe coding 会变成一种新的产品开发方式：人提供方向、品味、约束与判断，AI 负责实作、测试、修正、迭代。当功能生产变便宜，决定胜负的就不再是「能不能做出来」，而是「做出来的东西有没有用、好不好用、有没有差异、能不能形成商业闭环」。 ## 不只软件业：知识工作正在被重新定价 这个变化不会只停在软件业。法律、金融、顾问、研究、数据分析、合规审查，这些高度依赖文件阅读、数据整理、初步判断与流程执行的行业，都会面临重新定价。大量初级知识工作过去的价值，在于「人可以花时间读、整理、比对、归纳」。但当 AI 可以长时间、不疲倦地做这些事，人的价值就必须上移到判断、审核、整合、风险承担与最终决策。 Anthropic 公布的早期反馈里，有法律科技公司提到，旗下律师在盲测中发现 Fable 5 的合约红线标注，每次都追平或胜过他们现用的模型；也有金融分析平台认为，它是目前测过最强的「金融优先」模型。这些都不是对聊天机器人的评语，而是对生产工具的评语。 我把这件事写成过一个更尖锐的说法：[人天已死](/zh-cn/articles/beyond-man-days/)。当 40 分钟的认知投入能产出 15 人天的工作量，企业还在用出席率衡量绩效，那套度量衡本身就过时了。Fable 5 不会让这个问题消失，只会让它更快摊到每个产业面前，逼企业重新思考什么才是真正的工作价值。 ## 定价：理性定价期的开始 这也是为什么 Fable 5 的定价值得关注。每百万输入 token 10 美元、每百万输出 token 50 美元，看起来贵，但对企业来说，如果它能完成原本一个小团队数天甚至数周的工作，成本结构就完全不同。 低价包月吃到饱的模式，本来就很难长期支撑前沿模型的真实成本。一个会自己拆任务、反复执行、测试与修正的长任务代理，跑一轮消耗的 token，可能是一般聊天的好几十倍。当每个使用者的消耗从聊天等级跳到代理等级，靠低价包月无限使用前沿算力，从成本结构上看，本来就不可能长期成立。Fable 5 的定价不是贪婪，是这个产业诚实地承认：顶级算力是有成本的。AI 产业正在从补贴抢用户的圈地阶段，进入更接近生产力工具的理性定价阶段。 订阅方案的安排也透露了同一件事。6/9 到 6/22，Fable 5 包含在 Pro、Max、Team 与席次制 Enterprise 方案里不另外收费；6/23 起会从这些方案移除，之后使用要动用 usage credits；等容量足够，官方计划尽快把它加回订阅方案。API 与用量制 Enterprise 则是即日起完整开放。这不只是订阅制与用量制之间的切换，而是一个算力供需仍然紧张的市场，开始诚实把成本摊开来讲。 > **📊 关键数据** > - **定价**：每百万输入 token 10 美元、输出 50 美元（Anthropic 官方，不到 Claude Mythos Preview 一半） > - **安全回退触发率**：低于 5% 的会话（超过 95% 不触发，官方数据） > - **软件工程实例**：五千万行 Ruby 代码库全库迁移，团队两个多月的工作压缩到一天（Stripe 早期测试） > - **订阅时程**：6/9–6/22 含于 Pro／Max／Team／席次制 Enterprise，6/23 起改用 usage credits ## 真正的差别：你把 AI 放在工作流的哪一层？ 我早期也曾把 AI 当成更快的搜索与整理工具，丢一句、等一句、要它立刻给答案。后来才慢慢意识到，真正的差别不在答案速度，而在工作流设计。Fable 5 这类模型，真正适合的是目标驱动，而不是单点指令驱动。你给它任务目标、成功标准与限制条件，让它先提问、先规划，再执行、再回报；这比较像是在带一个团队，而不是操作一个工具。我愈来愈觉得，AI 使用能力的差距，不只是会不会问问题，而是能不能管理一组虚拟工作者。 同一个模型，不同人打开它看到的东西不一样。把它放在聊天框里，它就是一个更聪明的聊天框；把它接进流程、稳定产出，它就开始接近一套虚拟劳动力系统。差别不在模型，在使用方式，而这个差别会放大到好几个量级。 我把这套东西做成了一个具体的系统。我用 [Chat、Cowork、Codex、Code 四个 AI 窗口加上我自己，跑一套五方议事的治理工程](/zh-cn/articles/governance-harness-engineering/)：协作宪法五条、pre-commit 的 governance-lint、端点契约测试，每一层制度都是从真实事故里长出来的。我也分析过 [为什么四个窗口会比一个聪明](/zh-cn/articles/multi-model-cognitive-collaboration/)：它们各有不同的认知能力和结构性盲点，互相补位反而比单一更强的模型更稳。 这套系统的重点不在炫技，而在于它逼我面对事实：当我开始调度多个能长时间自主执行的 AI，我管理的已经不是任务，而是秩序。Fable 5 把每一个窗口能承接的工作量级往上抬，也意味着这套秩序需要更强的设计、治理与校正能力。我自己的体会很简单：工作者能力越强，越需要管理。 ## 不要过度浪漫化：风险边界仍然在 这一切不该被过度浪漫化。Fable 5 的安全机制不是完美答案。分类器可能误判，也可能被绕过；资安与生物科技这些领域本身就是双重用途，恶意使用者也可能把任务拆成许多看似无害的小步骤。Anthropic 自己也说，目前护栏刻意调得偏严，可能会误伤一些无害请求；它也坦言，要完全杜绝「通用越狱」几乎不可能，真正的目标是让攻击变得更慢、更贵，并在被大规模利用前先被发现。 这点连团队内部也不避讳。Boris Cherny 在同一串帖子里直说，团队正在调整分类器的误判，「数量不少」，目标是让 Fable 少一点 fallback 到 Opus 4.8、用起来更顺，但前提是维持安全。换句话说，护栏偏严不是外界的猜测，是官方与第一线工程师都承认的现状。这也提醒我们，把高风险请求交给 Fable 时，偶尔被挡下来不是故障，是设计。 ![Boris Cherny 在 Threads 上说明 Fable 5 的 classifier 误判与保守策略](/images/articles/boris-cherny-threads-2.png) *同一串帖子后段：团队正在调整 classifier 的误判（「数量不少」），刻意保守是为了确保发布安全，之后会在维持安全的前提下逐步改善体验。（来源：[Threads @boris_cherny](https://www.threads.com/@boris_cherny/post/DZYSQmIkq0I)）* 它选择把 Mythos 5 限制在受信任计划里，某种程度上就是承认：前沿 AI 的开放，不可能只靠产品设计，还需要制度、信任网络与治理框架。这跟我自己的体会一致。我那套五方议事系统最大的教训，从来不是哪个模型不够强，而是 [当 AI 与自动化开始介入需求、数据、画面与测试，每个组件看似都在正确运作，最后却可能一起制造出一个没有人单独预期到的反作用力](/zh-cn/articles/automation-bites-back/)。对我来说，工具能力越强，我反而越在意：判断权有没有留在人手上。 ## 结语：当 AI 变强，人的判断权更不能外包，人的品味更重要 所以我对 Claude Fable 5 的看法是：它不是单纯的模型升级，而是 AI 工作型态的一个转折点。我愈来愈觉得，未来职场不是简单的「AI 取代人类」，而是「会用 AI 组织工作的人，取代只会完成局部任务的人」。真正的分水岭，不再是有没有使用 AI，而是有没有能力把 AI 接进自己的工作流，变成一套可持续运转的生产系统。这也是 [AI 与人类秩序](/zh-cn/topics/ai/) 这个主题里，我一直在追问自己的事。 我这半年最大的转变，不是多学了几个工具按钮，而是把力气移到三件事上：把目标定清楚、把质量判准流程建立起来、把资源整合起来，最后扛下决策。这不是成功学，是我每天跟多 AI 窗口打交道，踩过无数坑，被现实一次次逼出来的重心转移。 Fable 5 不会在一夜之间改变所有行业。企业导入仍然会卡在数据权限、合规、安全、质量控管、流程重整与成本管理。但方向已经很清楚：AI 已经从「能不能做」走进「如何规模化地做」。 回到我开头那四个窗口。它们现在更强了。问题从来不是它们会不会做，而是我还握着多少判断权。这个问题，迟早会轮到每一个用 AI 工作的人。 --- **参考来源**：Anthropic, [Claude Fable 5 and Claude Mythos 5](https://www.anthropic.com/news/claude-fable-5-mythos-5)（官方公告，2026-06-09）。本文数据与机制描述均以此公告为准。