Fable 5 的杀手锏不是写新代码，是迁移、重构、收拾烂摊子

作者 | Tina

“用了一天，有点失望。”

Claude Fable 5 发布后的第一批反馈里，这句话很能代表一种情绪：它当然更强，也当然更贵，但我们更期待的是那种让人拍桌子的 aha moment。一个已经被反复抬高预期的开发者，很容易在新模型面前产生这种落差：就这？而且这么贵？

但这种失望，可能也恰好说明了现在 Fable 5 的杀手锏场景，或许不是日常写代码。

1 榜单背书：发布一天，Fable 5 登顶

Anthropic 遮遮掩掩两个月的“神话” Mythos，终于在 6 月 10 日发布了。这一次，它把自家有史以来最强悍的大模型旗舰拆成了两个版本：Claude Fable 5 与 Claude Mythos 5。

按照 Claude 官方的说法，Fable 5 是一个“Mythos-class model”，也就是 Mythos 级别模型，但已经被处理到足够安全，可以面向普通用户开放。官方还强调，这是 Anthropic 迄今为止向公众开放过的最强模型，能力超过此前任何一个面向大众可用的 Claude 模型。

Claude 官方还补充说：“在几乎所有测试基准上都达到了 SOTA，尤其在软件工程、知识工作、科学研究和视觉方面表现突出。任务越长越复杂，Fable 5 领先其他模型的幅度就越大。”

翻译成人话就是：这代模型不是用来聊天的，是用来干长活、干重活的。

昨天发布，今天就有第三方榜单跟进，Fable 5 很快拿到了它该有的排面。

Arena.ai 最新的榜单中，Fable 5 一举登顶。

这份榜单把模型的智能体表现拆成五个维度来看。Fable 5 最突出的地方，恰恰落在其中两个最接近真实使用体验的指标上：一个是“用户确认任务完成率”，达到 18.2%；另一个是“好评与投诉比”，达到 30.6%。

用 Arena.ai 的话说，Fable 5 在这两项指标上“以前所未有的优势领先于 Opus-4.8 和 GPT-5.5。”

这两个指标比单纯的跑分更值得注意，因为衡量的是在真实任务中，模型到底能不能把活干完，以及用户是否认可它交付出来的结果。

再看单项能力，Fable 5 也登上了 Code Arena 和 Text Arena 两个榜单第一。尤其是在编码相关评测中，它在前端对决中取得了 72% 的胜率，并最终拉开了 98 分的分差。

但榜单归榜单，真实使用里还有另一种声音：“用了一天，一个 aha moment 都没用出来”。如果 Fable 5 只被当作一个日常写代码的助手，它很可能永远不会让人觉得值回票价。既然如此，最该看的就不是跑分，而是有没有真正让人觉得值的案例。

2 一个更苛刻的场景出现了

有人直接把一个拖了几个月都不想碰的重构任务扔给了 Fable 5，要求它一次性搞定。更狠的是，这个仓库连测试都没有。对方只留下一句话：“这才是真正的测评。”

这种极端场景指向的，显然不是日常写代码，而是软件工程里那些真正的硬骨头：长期拖延的重构、没人敢轻易动的旧仓库、缺少测试保护的遗留系统，以及一旦改错就可能牵出一串问题的复杂依赖。

虽然有不满意的地方，但他的评价是“比任何模型更接近目标”。

官方给出的第一个典型案例，也是这个路数：Stripe 在一个 5000 万行 Ruby 代码库中完成全库迁移。这个工作如果让工程团队手动推进，原本要两个多月，而 Fable 5 只用了一天。

Anthropic 还在官方介绍中声称 Fable 5 的 token 使用效率也高于以往的 Claude 模型：在 Cognition 的 FrontierCode 评测中，Fable 5 即便只以中等推理强度运行，也在前沿模型中取得了最高分。FrontierCode 用来测试模型能否完成高难度编码任务，同时达到高质量生产级代码库的标准。

另一个案例来自一位偏后端的开发者。

他提到，像他这样更偏后端的人，最近不得不认真学习什么才是好的前端代码。原因是前端更容易被 vibe code，因为效果直接可见，界面能跑起来，代码质量却可能更快滑坡，回归问题也更容易进入结构不好的代码库。React 看起来容易上手，但真正写好它，需要很深的心智模型。

这一次，他把 Fable 5 用在了团队里最老、最乱的一段 React 代码上，做了一次 +5000/-5000 级别的重构，理顺了很多纠缠在一起的东西。

他的目标很简单：把代码清理干净，然后看在更少引导的情况下，Fable 5 自己会怎么做。

一开始，他让 Fable 5 重构 $sessionId 页面和根组件，直到它足够干净，并且控制在 500 行以内。随后，他又让它重构 $taskId 页面和根组件，同样要求干净，并控制在 500 行以内。

接下来，他连续用了几次非常短的提示词：“make it cleaner”，也就是“让它更干净”。

也就是说，他不是一开始就给出完整重构规范，而是先用“clean”“cleaner”这种模糊目标，观察 Fable 5 的默认取向。

整个过程持续了大约两个小时。他一边浏览 diff，一边每隔大约 20 分钟排入更多消息，直到最后，队列里一直保持大约 5 到 7 条指令。

在这个过程中，Fable 5 确实理顺了不少东西。他的总体评价是满意，“总体来说，我非常满意，之后还会继续这样用，也会把它用到技术栈的更多部分。”

而且从目前结果看，这个 diff 似乎没有引入回归问题，但他还在结合手动测试和浏览器自动化继续验证。

不过，他也提到，Fable 5 做出的决定里，他大概认可 80%。另一些决定让代码变得更复杂。

比如，Fable 5 引入了 React Context，隐藏了复杂性，但让程序更难推理。它还做了一些看起来聪明的处理，比如用展开语法减少总行数，但并没有真正减少或简化底层数据结构。

后面，他开始给出更明确的方向，例如移除不必要的 useEffect、减少 prop drilling，以及调整状态管理方式。随着重构推进，他不断根据 diff 补充新的要求，让 Fable 5 朝着自己认可的代码结构继续演化。最后，他还让 Fable 5 生成了一份可视化的重构说明，用层级结构展示整个改造过程，方便后续阅读和审查。

有开发者对此评论说：“同意。今天我用它做了一些重构，虽然过程中需要手动引导，但最终效果非常好。”

从零开始的能力

除了重构，也有人把 Fable 5 拿来测试从零生成应用的能力。

一位开发者说，他衡量新模型的一个标准，是看它能多准确地复刻自己日常使用的应用和软件。于是，在过去大约 20 个小时里，他不断给 Fable 5 扔提示词，想看看它从零开始到底能做到什么程度。

结果是，Fable 5 做出了 Figma、Screen Studio、Obsidian 和 Notion 的高完成度克隆版本，视觉上几乎可以做到逐像素接近。他的感受是，这次能力提升带来的跃迁感，类似于 Opus 4.5 相比更早模型的那一跳。

更有意思的是，这些 demo 并不依赖复杂的提示工程。提示词可以很基础，但信息量很大，把需求、风格、目标以及各种细节一次性塞进去，然后看 Fable 5 如何拆解、规划并执行。有人问他，做这些测试任务时，是不是有一套更复杂的 setup，还是简单说一句“clone Notion”。他的回答是，提示词基础到有点不好意思，但确实有效。

比如他让 Fable 5 做 Notion 克隆时，提示大意是：构建一个 Notion 的克隆版，不要问我任何问题，尽你所能把它做得尽可能好，并且在每个维度上都尽量接近 Notion，尤其是设计。

这个 Notion demo 大约 30 分钟一次生成完成，用的是 Fable 加 Devin。

https://x.com/dabit3/status/2064732712389227005

这类案例也指向了“个人软件”的趋势：无论是做一个熟悉工具的轻量替代品，还是改造现有工作流，门槛都在快速降低。他认为，很难再说个人软件时代还没有到来，而且接下来只会变得更容易、更快、更好、更便宜。

3 贵，也是真的贵

如果说前面的案例证明了 Fable 5 的能力，那么另一边，早期用户最集中的抱怨也很明确：它确实更强，但也确实更贵、更容易烧穿额度。

Fable 5 现在面向 Claude Pro、Max、Team 以及按席位计费的企业订阅用户开放，也可以通过 API、Microsoft Foundry、Amazon Bedrock 和 AWS 上的 Claude Platform 使用。按照 Anthropic 的定价，Fable 5 的 API 价格是每百万输入 token 10 美元、每百万输出 token 50 美元。

更麻烦的是，当前这套使用方式并不会一直持续。6 月 22 日之后，用户访问 Fable 5 需要消耗 usage credits。Anthropic 给出的解释是容量限制。换句话说，这不是一个可以随便拿来狂跑的模型，至少在当前阶段，它的成本和额度都会很快变成体验的一部分。

社区里的早期反馈也基本围绕这个矛盾展开：它更好，但烧得太快。

有人在 Hacker News 上说，Fable 5 在 high 档位下的结果，明显好过 Opus 4.8 的 xhigh 档位。他的体感是，Fable 5 更聪明，虽然更贵，但效率也更高，还能找到一些 Opus 没发现的 bug。Reddit 上也有人表达了类似看法，认为 Opus 4.7 和 4.8 里一些负面特征，在 Fable 5 上要么消失了，要么被控制住了。

真正让用户不爽的，是它的消耗速度。

在社区论坛里，一个正在形成的共识是：Fable 5 的可用窗口可能非常短。即便是被它能力惊艳到的用户，也承认它烧额度的速度很快。有 Max20 计划用户说，自己看着使用量几乎以每分钟 2% 的速度上涨；作为对比，同样类型的工作，他过去用 Opus 4.8 从来没有接近过额度上限。

类似反馈还有不少。有人说，几分钟内，自己的 5x Max 账号从 0% 直接涨到 43%；也有人说，45 分钟就烧完了整个 20x Max 计划；还有人说，第一次测试 prompt 的五小时会话，就消耗掉了每周 Max 额度的 20%。

这也回到了开头那种“没有 aha moment”的落差：如果把 Fable 5 当成一个日常 coding assistant，它可能很难让所有人立刻觉得惊艳；但如果把它放进长程任务、复杂重构、代码迁移和个人软件生成这些场景里，很多反馈就能解释得通。

Fable 5 越强，越不该被拿去做低价值的小修小补。它真正适合的，是那些值得花钱、值得烧额度，也值得让模型长时间跑下去的问题。

https://x.com/roerohan/status/2064795304306901399

https://x.com/dexhorthy/status/2064747631885398231

https://www.reddit.com/r/ClaudeAI/comments/1u1cvkc/fable_5_is_insanely_good_but_watch_your_usage_i/

会议推荐

AICon 上海站 Keynote 嘉宾已集齐！来自复旦、清华、蚂蚁、阿里云等高校知名教授与顶尖专家集结！从多模态、大模型落地与 Token 服务维度，拆解大模型从 “会回答” 到 “能执行” 的技术拐点。9 折倒计时最后一周，现在报名立减 580。