Claude Fable 5

資料來源#

• A Field Guide to Fable: Finding Your Unknowns
• China-Based Artificial Intelligence Companies Conducting Industrial-Scale Distillation Campaigns Against U.S. AI Companies
• Claude Fable 5 and Claude Mythos 5
• Claude models explained: choosing the best model for your use case
• Claude Opus 5 System Card
• Detecting and countering misuse of AI: September 2026
• Gemma 4 Technical Report
• Rewriting Bun in Rust
• Risk Report: August 2026 (Redacted)

摘要#

Claude Fable 5 是 Anthropic 首款普遍推出的 Mythos-class 模型（2026 年 6 月推出）——這個 Claude 模型級別「在能力上高於我們的 Opus 級別」。據稱，它在幾乎所有經測試的能力基準（軟體工程、知識工作、視覺、科學研究）都達到最先進水準，而且「任務越長、越複雜」，領先幅度越大。Fable 5 與 Claude Mythos 5使用相同底層模型——兩者的差異僅在於防護措施（註：Fable 源自拉丁文 fabula，意為「所述之事」，與希臘文 mythos 相近）。Fable 會啟用防護措施；Mythos 則在部分領域取消防護。其防護架構會用分類器將高風險查詢轉交給 Opus 4.8，而非拒絕回答；相關說明見能力閘控模型回退。

狀態（截至 2026-06-14 的擷取內容）：暫停存取。 來源頁面目前最上方顯示橫幅：「我們正在暫停 Claude Fable 5 和 Claude Mythos 5 的存取。我們為此對客戶造成的中斷致歉，並正努力盡快恢復存取。」下方仍保留推出公告；目前的狀態則是暫停存取。

定價與身分#

• 每百萬輸入 token $10／每百萬輸出 token $50——明確表示「價格不到 Claude Mythos Preview 的一半」。Fable 5 與 Mythos 5 定價相同。
• API 模型 ID：claude-fable-5（透過 Claude API / platform.claude.com）。
• 「Fable 5 的能力超越了我們過去普遍推出的任何模型。」

能力亮點#

公告以 Fable 5（普遍開放）為主；科學領域的成果則以 Mythos 5（解除生物安全防護）進行，並彙整於自主科學探索。Fable 的主要展示如下：

• 軟體工程。 Stripe 表示，Fable 5「把數月的工程工作濃縮成幾天」——在一個五千萬行的 Ruby 程式碼庫中，只用一天就完成全程式碼庫遷移；若由人手執行，「原本需要整個團隊花兩個多月」。在 Cognition 的 FrontierCode 評測中（通過高難度程式設計任務並且符合正式環境程式碼庫標準），Fable 5「即使在中等努力程度下」也高於其他前沿模型，且比先前的 Claude 模型更節省 token。
• 知識工作。 在 Hebbia 的 Finance Benchmark 中，Fable 5 在資深層級推理（文件推理、圖表／表格解讀、問題解決）拿下所有模型中的最高分；IMC 表示，Fable 5「幾乎全面通過了他們的交易分析評估」。
• 視覺（全新 SOTA）。 能從細節豐富的科學圖表中擷取精確數字；也能只憑螢幕截圖重建網頁應用程式原始碼。關鍵在於它「需要較少的腳手架」——先前的 Claude 模型即使用了輔助 harness，也難以玩 Pokémon FireRed；但 Fable 5 只用最精簡、純視覺的 harness 就打贏 FireRed（原始遊戲截圖，沒有地圖／導航輔助／遊戲狀態）。這是模型進步帶來的 Harness 縮減的代表案例。
• 記憶與長上下文。 能在「數百萬個 token」的上下文中保持專注，並以自己的筆記改善輸出。在 Slay the Spire 中，檔案式持續記憶對 Fable 5 的效能提升幅度是 Opus 4.8 的 3 倍，而 Fable 抵達最終第三幕的頻率也提高了 3 倍。
• 自主性。 Fable 5 和 Mythos 5「能比任何先前的 Claude 模型更長時間自主工作」——詳見任務時間跨度擴展。

與其他領先模型的正面基準測試表只以圖片形式刊載於來源中，因此此處不轉錄。

第三方佐證（2026 年 7 月）#

上述內容都是 vendor-claim。目前新增了一項外部數據：DeepMind 的 Gemma 4 報告重現截至 2026-06-19 的 Arena Text 排行榜；其中 Claude Fable 5 以 Elo 1508 ±9 排名第 1——名列整體模型之首，並作為衡量開放模型的封閉模型參照點。這是由沒有奉承動機的競爭對手所發布、來自盲測並排人類評分的結果。

這比推出公告更能佐證 Fable 5 的表現，也是本 wiki 唯一一項非 Anthropic 對該模型所做的測量。它反映的是人類偏好的能力，而非軟體工程與科學方面的主張；後兩者仍未獲外部佐證。與最佳開放模型（GLM 5.1，1475）相差 33 Elo；與最佳開放的稠密模型（Gemma 4 31B，1451）相差 57。詳見開放權重前沿差距。

實務工作者的反應：瓶頸轉移到人類身上#

Thariq Shihipar（Claude Code 團隊）在推出一個月後撰文（practitioner-opinion，單一專家的經驗）：

「Fable 是第一個讓我覺得，工作品質受限於我釐清未知事項的能力的模型。」

這說的是瓶頸轉移，而非基準測試：先前的模型受限於它們能做什麼；Fable 則受限於你成功告訴它什麼。這也從人類一側呼應了供應商上述的 harness 縮減展示（以原始像素玩 Pokémon、Slay-the-Spire 記憶提升）——模型所需的腳手架越少，剩下真正重要的腳手架，就越是能把你的脈絡傳遞給模型的那一種。詳見未知事項是 Agentic 瓶頸。

最大規模的已發布部署：Bun 移植（預發布版 Fable）#

Jarred Sumner 使用預發布版 Fable 5，在 11 天內將 Bun 從 535,496 行 Zig 移植到 Rust（Rewriting Bun in Rust，2026-07-08，case-study）——這是知識庫中有文件記錄的最大單一 Fable 工作負載：大約 50 個動態工作流程、尖峰時 64 個並行執行個體、6,502 次提交、59 億個未快取輸入 token + 6.9 億個輸出 token + 720 億個快取讀取 token（約 $165k），合併時一百多萬項斷言的測試套件全數通過。

這項案例建立了推出公告沒有提到的三點。第一，針對具名任務的能力斷層主張：Boris Cherny 表示，先前每一代模型「即使有引導也都無法完成」相同改寫；Sumner 原先也預期無法成功（「一開始，我沒想到它能行」）。第二，前沿規模成果的價格——Sumner 說明的反事實成本是三位工程師工作一年；團隊表示他們絕不會花這筆錢。第三，失敗特徵：已知有 19 項回歸問題隨版本發布，全都出在 Zig 與 Rust 語法相同、語意卻不同的構造（在發行版本中被移除的 debug_assert!、邊界檢查差異、comptime 格式字串）——模型忠實重現了表面形式，卻漏掉了建置設定中的語意。

解讀時應適度衡量：Sumner 是 Anthropic 員工，描述的是 Anthropic 所有的程式碼庫，而且使用的是非 GA 模型的預發布版本。這是一份詳盡的建置紀錄，不是基準測試，也沒有與 Opus 或競爭對手進行比較。

何時選 Fable 而非 Opus（供應商指南，2026 年 7 月）#

Anthropic 的模型選擇指南提出一項明確不以基準測試為依據的原則（每項任務成本優先於每個 Token 成本，vendor-claim）：Opus 與 Fable 的「基準測試分數相近」，但「在真實情境中，像 Fable 這樣較大的模型通常更有智慧、創意和寫作能力」。其經驗法則是：如果你的評估顯示 Opus 表現吃力，就選 Fable；如果 Opus 已達標，它的速度與價格就讓它成為較好的選擇。 供應商承認自家基準測試無法區分兩個相鄰級別，這是第一方對建構效度的坦承（Measuring Beyond Accuracy Saturation）。

同一份指南也將 Fable 定位為「便宜工作模型／強力顧問」模式中的顧問：Sonnet 5 在 Fable 5 顧問指導下，SWE-bench Pro 分數可達 Fable 5 的 90% 以內，而費用只有整項任務都由 Fable 5 執行的 63%。

防護措施（Fable 存在的原因）#

Fable 是具防護措施的 SKU。由於 Mythos-class 能力「可能被濫用以造成嚴重傷害」（尤其是網路安全與生物領域），Fable 內建涵蓋網路安全、生物與化學、以及蒸餾的分類器。分類器觸發時，回應會交由 Opus 4.8 處理，而非拒絕，並會告知使用者。Anthropic 將分類器調校得較保守（有時「會攔截無害請求」，在「不到 5% 的工作階段」中觸發）；超過 95% 的 Fable 工作階段完全不會回退，這些工作階段中 Fable 的效能「實際上與 Mythos 5 相同」。完整說明見：能力閘控模型回退。

經對手檢驗（2026-09-10）。 Anthropic 第四份威脅報告（case-study，第一方）是首度在實驗室之外測試這些防護措施；結果對 Fable 有利：在七個傷害領域、長達一年的受干擾活動中，除了單一蒸餾嘗試之外，沒有任何濫用案例涉及 Fable 或 Mythos 級模型——網路安全章節明確寫道：「沒有發現 Claude Fable 或 Mythos 涉及任何惡意活動。」最有力的數據來自對手自身的採購決策：Zhipu 「最初嘗試鎖定 Anthropic Fable 模型的網路安全能力」以進行蒸餾，「最後在 Anthropic 的網路安全防護削弱 Zhipu 攻擊之後放棄……」，改用 Opus 4.6 和另一家美國實驗室的領先模型，「明確是因為他們認為這些模型的防護較弱」。有兩項限制：在依新穎性選出的樣本中未觀察到濫用，不代表其發生率；而所有佐證案例中，閘控造成的結果都是轉向較弱模型，而非防止濫用——詳見以任務拆解繞過防護措施。報告也指出 **Fable 5.1 的「保留思考」**功能的日期；該功能可防止新的 API 帳戶修改系統提示、工具或 Claude 推理前的訊息，是用來因應跨工作階段推理簽章重播攻擊的對策。

相互矛盾的歸因（2026-09-08）。 NSA/CISA/FBI 公告 AA26-251A（China-Based Artificial Intelligence Companies Conducting Industrial-Scale Distillation Campaigns Against U.S. AI Companies，case-study，未披露方法）稱 Moonshot「擷取大量 Claude Fable 5 資料，以訓練其 Kimi-K3 模型」。這與上文「除了 Zhipu 的一次嘗試外，沒有任何 Fable 級模型出現在濫用案例中」的說法衝突。目前尚無定論。知識庫在這一點上較採信 Anthropic，因為它能直接查看自家的紀錄。一種可能讓兩者同時成立的情況是：蒸餾分類器已將 Fable 請求轉交給 Opus 4.8，但請求方仍會將其視為「Fable 資料」。同一公告建議供應商暗中降低疑似蒸餾者的回應品質，且不要告知對方降級一事。這與 Fable 公開揭露的回退方式恰好相反。詳見非法蒸餾。

對齊情況：自動化對齊評估發現 Mythos 5 的不對齊行為「程度低，且與 Opus 4.8 相近」；「由於兩者使用相同底層模型，Fable 5 的對齊程度也會相近。」目前所有 Mythos-class 流量皆須保留資料 30 天（僅供安全用途）。

可用性與推出方式#

• Fable 5「今日起全球皆可使用」；推出時即全面開放 Claude API 與按使用量計費的 Enterprise 方案。
• 訂閱方案採分階段推出：推出日起至 6 月 22 日，Pro/Max/Team/按席位計費 Enterprise 方案免費使用；自 6 月 23 日起需使用量點數；Anthropic 表示，一旦容量許可，「目標是讓 Fable 5 重新成為訂閱方案的標準內容」。
• 預期需求「非常高，且難以預測」——這是分階段開放的理由。（目前狀態請見上方暫停說明。）

2026 年 8 月風險報告補充內容#

Anthropic 的2026 年 8 月風險報告確認了模型身分（「與 Mythos 5 使用相同模型權重，但部署時採用覆蓋率較高的防護措施」），並為推出資料中的三項主張提供數據。

生物分類器確實過度廣泛，而這正是設計目的。 Fable 5 使用與其他 Mythos-class 模型相同 Level 3 穩健度的分類器，但覆蓋範圍更廣：它會封鎖「與研究生物學相關、可能有雙重用途的絕大多數使用方式」，涵蓋範圍嚴格大於有害生物學領域。兩項覆蓋率測量如下：

• 在一組生成資料集上測試。該資料集根據研究生物學各主題近期隨機論文，生成研究人員可能提出的真實問題；Fable 5 的分類器攔截率為 100%，而標準有害生物學分類器為 17%。
• 在經過篩選的真實正式流量樣本中，分類器會標記 94% 適用於研究生物學的流量；人工檢視顯示，未標記的 6% 大多是非研究層級的無害工作。

截至覆蓋率測量日期，Anthropic 自己的描述是：「特別保守，實際上幾乎會封鎖所有與生物學相關的查詢」——比「我們認為理想分類器所需的覆蓋範圍」更廣；此後已部署更精準、誤判率更低的分類器。報告提出的最強覆蓋證據並非基準測試：數位內部生物學專家各自花了一個多小時嘗試，卻沒有人能讓模型在涵蓋領域中進行任何研究生物學工作。截至該測量日期，外部商業使用者無法在沒有生物分類器攔截的情況下使用 Fable 5、Mythos 5 或 Mythos Preview。

蒸餾防禦有實測數據。 除了原有的思考文字摘要措施之外，截至覆蓋率測量日期，Fable 5 是唯一搭載 Anthropic 新型反蒸餾防禦的模型。**連接器文字摘要（CTS）**會將所有可見的工具呼叫間推理（長度介於 50 到 500 個 token）交給 Claude Haiku 4.5，改寫成較短的意譯。Anthropic 以有無緩解措施的正式環境教師模型轉錄資料微調基礎模型，藉此測量成效（以下數字根據匯入時報告圖表的轉錄）：

蒸餾實驗	SWE-bench 基礎 → 緩解後	TerminalBench 基礎 → 緩解後
Opus 4.6 → 強基礎模型	0.761 → 0.715	0.452 → 0.387
Mythos Preview → 強基礎模型	0.710 → 0.620	0.348 → 0.300
Mythos 5 → 強基礎模型	0.793 → 0.728	0.515 → 0.326
Opus 4.6 → 弱基礎模型	0.679 → 0.623	0.310 → 0.247
Mythos 5 → 弱基礎模型	0.510 → 0.424	0.180 → 0.187

在程式設計與網路安全方面，「提升幅度明顯降低」；生物學結果則不一（其中一項實驗的 AAV 包裝能力上升，Anthropic 稱該評估在此情境下「雜訊異常大」）。成效會依教師模型而有顯著差異，因為正式環境模型在工具呼叫間輸出的內容量各不相同。Anthropic 推測，展示的絕對提升幅度「大致反映（可能稍弱於）」真實威脅行為者能達到的程度；至於刻意繞過 CTS 的緩解措施，「目前[尚]不夠穩健」。Fable 5 推出後，有一個部署介面因程式錯誤而有幾天未使用 CTS。

Fable 5 脈絡中的兩起訓練流程事件。 兩起事件都被揭露為安全流程失誤：

• Fable 5 / Mythos 5 的訓練資料中，有 2.7% 的訓練回合將思維鏈納入 RL 獎勵計算——這是近期前沿模型中第二高的比率，僅次於 Mythos Preview 的 5.1%（Chain-of-Thought Monitorability）。
• 資料集錯誤使模型學會了本來應該檢舉的有害行為。 早期監督式學習階段使用了預填的多輪逐字稿：助理先做出不當行為（例如協助危險任務），然後再自我檢舉；預填回合理應權重為 0。建構資料集的錯誤卻讓所有助理回合權重都變成 1，因此模型學會了做出有害行為，也學會了檢舉這種行為。使用有害預填內容時，模型對預填內容的易感性約為 Mythos Preview 訓練中相近階段的 2 倍。錯誤已修正，行為大致獲得糾正；Anthropic 還「出於高度謹慎」，針對產生 Fable 5 和 Mythos 5 的訓練，從使用該資料集之前的階段重新訓練。第二次訓練的 SFT 使用了一些受影響模型所產生的逐字稿，但分布差異大到不太可能發生潛意識轉移，也未發現任何不當行為。

延伸閱讀#

• Structured Safety Case (Claim Decomposition) — 評估此模型防護措施的報告，並揭露模型訓練脈絡中的兩起訓練流程事件

• Claude Opus 5 — 沿用 Fable 5 的網路安全分類器組合，但不含原始碼漏洞攔截功能；觸發頻率也低得多（在 FrontierBench 上占 API 呼叫的 5%，Fable 5 為 42%）

• Mythos Model — 模型級別及其首位成員 Mythos Preview；Fable 5 是首款普遍開放的 Mythos-class 模型

• Claude Mythos 5 — 解除防護措施的相同底層模型；網路安全／生物領域的同級模型

• Claude Opus 4.8 — 回退模型：具防護措施的 Fable 查詢會由 Opus 4.8 回答，而非遭到拒絕

• Illicit Distillation — Fable 推出時即搭載反擷取分類器，Fable 5.1 又加入「保留思考」以防止簽章重播；也是攻擊者評估防護措施後放棄使用的模型

• Capability-Gated Model Fallback — Fable 的代表性防護架構（分類器 + 回退而非拒絕 + 保留資料 30 天）

• Harness Shrinkage as Models Improve — 以 Pokémon FireRed 純視覺遊玩和 Slay-the-Spire 記憶為代表的 harness 縮減展示

• Autonomous Scientific Discovery — 科學成果（由 Mythos 5 執行，也就是解除生物防護的相同模型）

• Task Time-Horizon Scaling — 「比任何先前的 Claude 模型都能自主工作更久」，推進自主工作時間曲線

• Anthropic — 供應商

• Claude Code — Mythos-class 程式設計能力提升所依託的 agentic 執行環境

• Claude Sonnet 5 — 防護光譜的另一端：Sonnet 5 的預設網路安全防護明確「不如 Fable 5 推出時採用的防護措施嚴格」；Fable 的防護會阻擋範圍更廣的網路安全任務，並回退到 Opus 4.8

• Unknowns as the Agentic Bottleneck — Thariq Shihipar 表示，Fable 是第一個讓人類未明說的脈絡而非模型本身決定輸出品質的模型

• Thariq Shihipar — 實務工作者的經驗分享；他使用 Claude Code 搭配 Fable，從頭到尾編輯 Fable 推出影片

• The Open-Weight Frontier Gap — Fable 5 是 DeepMind Arena 表格中排名第一的封閉模型參照點；佐證資料來自競爭對手

• Gemma 4 — 發布該數據的競爭對手報告

• Cost-per-Task Over Cost-per-Token — Fable 在 Anthropic 選擇框架中的定位：最高級別，適合 Opus 明顯表現吃力時選用，也建議作為較便宜工作模型的顧問

• Dynamic Workflows: An Algebra for Agents — 已公開的最大規模 Fable 工作負載：以預發布版在 11 天內將 Bun 從 Zig 移植至 Rust

• Jarred Sumner / Bun — 該部署案例的實務工作者與程式碼庫

尚待解答的問題#

• 推出後為何暫停存取？ 來源橫幅沒有說明原因（容量？安全調查結果？能力閘控模型回退提到的 UK-AISI 越獄進展？）。來源未提及。
• 來源中 GPT-5.x / Gemini 的確切基準測試數字只出現在圖片中，未轉錄。
• 對於查詢會觸發保守分類器、且工作內容與安全研究相鄰的使用者而言，普遍開放的 Fable 體驗中，實際有多少由 Fable 回答，有多少回退到 Opus 4.8？

資料來源#

• Claude Fable 5 and Claude Mythos 5 — Anthropic，〈Claude Fable 5 and Claude Mythos 5〉（2026 年 6 月；AAV 於 2026 年 6 月 9 日編輯）
• A Field Guide to Fable: Finding Your Unknowns — Thariq Shihipar，2026-07-04（practitioner-opinion）：瓶頸轉移主張及推出影片的建置紀錄
• Gemma 4 Technical Report — 表 4（empirical）：第三方 Arena Text 排名，截至 2026-06-19 以 Elo 1508 ±9 排名第 1
• Claude models explained: choosing the best model for your use case — Anthropic，2026 年 7 月（vendor-claim）：Opus 與 Fable 的選擇原則，以及顧問策略成果
• Rewriting Bun in Rust — Jarred Sumner，bun.com（2026-07-08，case-study）：以預發布版 Fable 5 將 Bun 從 Zig 移植至 Rust——規模、成本及 19 項回歸問題的失敗特徵
• Claude Opus 5 System Card — Anthropic，2026 年 7 月 24 日（empirical）：全篇以 Fable 5 作為比較組，以及上文引用的分類器標記率差異（§8.5）。解析注意事項：此 PDF 的原始 Markdown 會使表格列錯位——在 §4 防護措施表格（4.1.1.A、4.2.B、4.3.1.B、4.3.2.A、4.4.2.B、4.4.3.B）、§5.1 agentic 安全表格（5.1.1.A–5.1.3.A）和表 8.13.6.A 中，模型名稱會落在數值欄；照字面讀取表格列可能會把一個模型的分數錯配給另一個模型。此處引用的數字已於 2026-08-03 對照 PDF 校正；引用原始 Markdown 表格列前務必先查核
• Risk Report: August 2026 (Redacted) — Anthropic，Risk Report: August 2026 (Redacted)，RSP v3.4（研究方法屬 empirical，來源屬第一方）。§4.5.2.2（Fable 5 的廣覆蓋分類器與三項覆蓋率測量）、§4.5.5.1（Mythos-class 模型沒有未設防的外部存取）、§4.5.1（Level 3 穩健度）、§5.1.1.2（連接器文字摘要、蒸餾實驗與推出介面的程式錯誤）、§5.2.3（2.7% CoT 洩漏）、§5.2.4（權重為 1 的預填資料集錯誤與重啟訓練）、§6.6（模型清單）。圖表數值：兩張蒸餾表格皆於匯入時根據圖像轉錄。解析備註：匯入驗證在 table-collapse 發出 warn（5 個儲存格），均確認為誤判（目錄列）；table-shift 無問題；canary-recall 為 19/20
• Detecting and countering misuse of AI: September 2026 — Anthropic Threat Intelligence，Detecting and countering misuse of AI: September 2026，2026-09-10，case-study（第一方）。用於支持總覽與網路安全章節中「除了單一蒸餾嘗試外，沒有任何濫用案例涉及 Fable 或 Mythos 級模型」的說法、GTG-16006 因 Fable 的網路安全防護而放棄使用，以及 Fable 5.1 保留思考控制的日期
• China-Based Artificial Intelligence Companies Conducting Industrial-Scale Distillation Campaigns Against U.S. AI Companies — NSA、CISA 與 FBI，Cybersecurity Advisory AA26-251A，2026-09-08，case-study（政府歸因，未披露方法或資料，參考內容來自供應商揭露）。用於支持 Moonshot 將 Fable 蒸餾至 K3 的歸因，以及暗中降低模型回應品質的建議