Claude Fable 5 发布：现场编程测试、成本与安全措施

Matthew Berman 在 2026 年 6 月 9 日开始直播，讨论 Anthropic 刚发布的 Mythos 类模型 Claude Fable 5。他说自己已经使用一周，计划先分享印象，再进行现场测试。可用的自动字幕从 4:49 开始，此前音频未在字幕中呈现。

他试图启动几项编程测试，但在 Claude Code 桌面版模型选择器中找不到 Fable。它出现在其他 Claude 界面中，因此他推迟测试并打开发布公告。后来，一位观众提出的办法似乎让桌面应用选中了 Fable，但他最终发现早期测试回退到了另一个模型。

Berman 解释说，Anthropic 面向公众发布了具有更严格安全措施的 Fable 5，并将 Mythos 5 提供给选定的可信网络安全合作伙伴。Anthropic 后来澄清，两者共享底层模型，但安全措施不同。面向公众的安全措施并不证明所有危险请求都会被拦截，也不意味着合法安全任务一概不可用。

他打开 Anthropic 的基准表，并提醒说数字上的进步并不总是与使用感受一致。他原本也期待看到较新的 Deep Suite 评测，但展示的表格中没有。他尤其想知道这些结果能否反映智能体编程与知识工作的实际表现。

公司表格报告的 SWE-bench Pro 成绩中，Mythos/Fable 两者较高的结果为 80.3%；比较对象 Claude Opus 4.8 为 69.2%，GPT-5.5 为 58.6%。新模型类别在 FrontierCode Diamond 上的成绩为 29.3%。这些是 Anthropic 在特定设置下报告的结果，并非全面优于其他模型的独立证明。

Berman 查看知识工作、视觉、空间推理、工具使用、计算机使用和法律任务的分数。他说，Codex 应用中的 GPT-5.5 在浏览器与计算机操作方面给他的感觉，比表中一些比较所暗示的更强。他的体验和基准衡量的是不同任务，两者单独都无法确定通用排名。

他提到 Humanity’s Last Exam 和 Terminal-Bench 的结果，又回到自己的印象：Fable 感觉与先前模型不同，而且可能异常周全。该表将两个模型合并并报告较高成绩；Anthropic 指出，在 Fable 会回退到其他模型的某些安全敏感任务上，两者差距更大。

Berman 把 10 万亿参数的数字当成既定事实提及。有关已披露细节应查阅 Anthropic 发布材料；视频没有独立证实这一参数量。他说，即便是小请求也常触发对代码库的广泛探索，而在他有限的早期测试中，困难任务似乎也能处理。

Anthropic 表示，其发布时的安全措施刻意采取保守做法，可能拦截无害请求。Berman 报告说，他一周的测试中没有注意到这种误判，但他没有系统地测试。没有观察到失败，并不能据此估计误判率。

发布时，Anthropic 将 Fable 5 和 Mythos 5 的价格列为每百万输入 token 10 美元、每百万输出 token 50 美元。Berman 认为价格很高，建议将普通任务分配给更便宜的模型，把昂贵模型留给要求更高的工作。这些是历史 API 价格，并不保证当前套餐或可用范围。

Anthropic 描述了模型处理更长时间自主工作的能力，并提到 Stripe 的工程迁移案例。Berman 认为这可能是一种权衡：如果节省大量工程时间，即使模型运行成本高也可能值得。Stripe 案例由公司提供，并非适用于所有项目的受控估计。

他形容 Fable 的解释异常密集、技术性强且常常冗长，需要放慢阅读速度。他猜想未来模型可能使用人类难以阅读的更紧凑语言进行交流。这是关于可解释性的假设性担忧，不是模型已经发展出秘密语言的证据。

Berman 讨论了工作强度设置和他称为 Ultra Code 的工作流；他说它可以将许多子任务并行分派给智能体。在一次早期代码库审查中，他观察到一百多个子智能体和快速增长的 token 用量。他建议先使用较低强度，仅在任务需要时提高。

他提到一项 OpenAI 研究讨论，即在困难任务上投入更多推理时计算，并由此认为计算需求可能继续走高。他进一步认为增加 token 没有极限，这属于猜测：结果取决于任务、方法、预算和评测，不能证明性能会无限提升。

发布材料展示了 Fable 通过视觉交互完成 Pokémon FireRed 的例子，以及一个太阳系模拟。Berman 说，精美演示可能难以与其他强模型的成果区分。他更喜欢通过持续的实际使用寻找差异，同时承认在自己的少量样本中还没发现让 Fable 停住的任务。

他提到 Anthropic 声称，内部蛋白质设计专家将药物设计的某些环节加速约十倍；这是公司报告的、有特定范围的研究案例，不是临床结果或药物开发全面加速的证明。他还猜测 Anthropic 延迟发布是为了保留内部优势。这是他的假设，并非已证实的动机。

一位观众建议在 Claude Code 桌面版中手动输入模型名，Berman 相信选择生效后开始几项任务。他评论模型已经开始提出澄清问题，并邀请观众建议测试。后来他在直播中纠正了这些最初桌面任务的模型归属。

他讨论 Anthropic 针对部分敏感用途和疑似模型蒸馏的安全措施，包括发布时将被标记的请求回退到 Opus 4.8。他认为开放权重模型可能落后前沿约一年，这是个人估计，而非全行业的测量结果。安全措施和访问政策可能随时间变化。

Berman 阅读 Anthropic 对 Mythos 类商业流量的数据政策：第一方与第三方界面均需保留 30 天，声明用途与安全相关，且在几乎所有情况下会删除。他将公司的政策声明与对消费者数据的猜测区分开；适用条款取决于产品、账户和当前政策。

他再次提到发布价格，并表示使用过程中模型给人的感觉较慢。他描述了一次代码库审查：模型发现了此前其他模型遗漏的问题，但同时认为代码库总体健康。这是关于他自己项目的个人经验，并非受控比较，也不能证明审查发现了所有问题。

他最主要的抱怨是输出风格：解释又长又密，以至于他反复要求使用更简单的语言，还修改了 Claude 的指令文件。他认为，即使技术输出不错，这也是一个可用性问题。

他还描述了另一个反复出现的挫折：助手先问几个澄清问题，概括答案，再要求批准规格，然后询问智能体策略，最后才开始构建。他说，复杂工作适当澄清是有用的，但反复确认拖慢了工作流。

他还报告说，token 计数器有时长时间缓慢变化，随后在并行工作流中迅速增加。这种界面上的观察不能确定延迟或吞吐量的原因。他将其与反复朝目标工作的循环联系起来，同时提醒并行工作可能消耗大量 token 预算。

Berman 尝试展示第一个由桌面版生成的魔方，却没有看到魔方。他起初怀疑 Fable 失败了，随后一名观众演示：界面可以显示任意模型名称，而会话实际上回退到 Opus 4.8。Berman 纠正了归属：早期结果不能视为 Fable 测试。

他切换到可以选择 Fable 的 Claude Code 命令行界面，请它构建可旋转、打乱并还原的浏览器交互式魔方。他说自己不太熟悉命令行，并在观众帮助下操作界面。

第一个任务以高强度花时间规划，token 计数缓慢增长。他并行启动第二个任务：构建带可调控件的浏览器交互式流体模拟，并选择 Ultra Code。现场演示属于探索性测试，没有对硬件、工作负载或重复次数进行控制。

在尝试检查并行智能体时，Berman 意外中断了流体任务，并继续摸索命令行模式和权限提示。他表示自己尚不能熟练使用界面，也继续排查桌面版未开放的问题。这些中断使得严格的耗时比较无法成立。

命令行中的 Fable 魔方任务完成。他旋转一个面，点击打乱，再按还原；可见演示将魔方恢复到完成状态。一位观众询问还原功能是否只是逆转先前步骤，视频没有解决这个问题，因此演示不能证明它具有通用魔方求解算法。

他以低强度要求模型写一个两句恐怖故事，约四秒后收到简短回答。随后他要求魔方应用增加设置，并另行启动一个类似 SimCity 的浏览器城市建造项目，包含道路、分区、基础设施和预算。他选择更高强度并关注 token 消耗。

一位名叫 Jonah 的同事分享了另行生成的流体沙盒，具有灯光和视觉控件。Berman 称赞这一成果，并说它通过 here.now 分享；该产品是频道赞助商，但没有赞助本场直播。后续演示中还有一位画外参与者短暂回应；视频没有确定此人的完整身份。

更新后的魔方出现了尺寸、旋转速度、打乱、自动旋转和外观等控件。Berman 演示五阶魔方的打乱与还原，并认为可见交互通过测试。他没有确定求解器如何处理任意独立提供的状态。

一位观众给出开放式提示词，要求模型在没有指定主题的情况下用代码制作视频。Berman 预览生成的文件，并播放其中包括音乐的片段，但播放器似乎卡住了。后来一位观众猜测渲染可能尚未完成；直播没有证实最终预期输出的完整内容。

Berman 继续尝试让 Fable 出现在 Claude Code 桌面版中，并指出功能仍在逐步开放。流体任务仍然缓慢，他也想知道动态工作流为何最初没有出现。这些是发布当天的观察，并非对后续可用性的结论。

他又启动两个提示词，要求模型解决 P 与 NP 问题和 Collatz 猜想；两者都是开放问题。他展示这些实验占用了大量账户配额，但这不应被理解为即将出现解答的证据。

流体项目的工作流视图最终显示了并行智能体；Berman 报告有 63 个验证智能体，画面中的工作流还包含六个审查智能体。这说明的是某一次会话的任务分解和 token 用量，并非 Fable 必须使用的固定数量，也不是正确性的衡量标准。

他自己的流体模拟完成了。他调整分辨率、衰减、旋涡和渲染控件，认为结果令人印象深刻。一位画外参与者简短评论了控件。视觉演示证明界面在屏幕上有响应，但不能证明数值模拟经过科学验证。

他让助手通过 here.now 部署模拟；最初链接失败，后来链接可用，他便分享给观众。他再次表达对该产品的喜爱，并说明其与频道的赞助关系。这里的发布是历史直播中的行为，并非要求现在部署任何内容。

对于 P 与 NP 问题，助手明确表示无法解决，并指出该问题仍然开放；它同样没有解决 Collatz 猜想。Clay 数学研究所将 P 与 NP 问题列为未解决问题。Berman 将这些结果视为未解，而不是展示证明。

他感谢观众，并预告另一支 Fable 评测视频。临近结束时，他检查到类似 SimCity 的项目已运行约 22 分钟、使用 10 万 token，但仍未完成。他说之后可能发布，但本场直播没有展示完成结果。

作为后续背景，Anthropic 表示，受美国出口管制影响，它于 6 月 12 日暂停了 Fable 5 和 Mythos 5 的访问；管制解除后恢复访问，并于 2026 年 7 月 1 日重新开放 Fable。因此，直播中描述的发布价格和访问范围应视为历史信息，当前政策可能不同。