Anthropic 昨天（6 月 9 日）发布了 Claude Fable 5，同时发布的还有面向安全机构的 Mythos 5。这不是一次普通的模型升级——他们把 Mythos 级别的能力装上了安全限制，向所有开发者开放了。

Fable 5 是目前 Anthropic 公开可用的最强模型。几乎所有基准测试 SOTA——软件工程、知识工作、视觉、科研，四个维度全面领先。和之前 Claude 模型比，任务越长越复杂，优势越大。定价 $10/百万输入 token，$50/百万输出 token，不到 Mythos Preview 的一半。

Mythos 5 和 Fable 5 同一个底层模型，但在某些领域解除了安全限制，通过 Project Glasswing 提供给网络安全防御团队。Anthropic 说 Mythos 5 拥有"全球最强的网络安全能力"。

这篇文章从开发者角度聊聊：Fable 5 到底强在哪，安全限制意味着什么，以及怎么把 Claude Code 用好。

软件工程：从月到天

最让人兴奋的数据来自 Stripe。早期测试中，Fable 5 对一个 5000 万行 Ruby 代码库做了一次跨仓库迁移——一天完成，按人工估算需要整个团队两个多月。

这不是 demo 级别的小项目——是真实生产代码库上的重构。

Cursor CEO Michael Truell："Fable 5 是 CursorBench 上的 SOTA 模型。它打开了一整类此前模型无法企及的长周期问题。"

GitHub CPO Mario Rodriguez 说得更远："它指向了一个开发者可以把越来越宏大的工作交给 Agent，并信任整个软件生命周期产出的未来。"

Cognition（Devin 的开发者）Scott Wu 给了 FrontierCode 最高分——"擅长长周期推理，开箱即用泛化到不熟悉的工具。"

Replit CTO Fabian Hedin："一年前需要一百个 prompt 的应用，现在它一次完成。"

几个具体信号：

第一，Fable 5 不是靠堆算力拿分的。在 Cognition FrontierCode 中等算力预算下就拿了最高分，比之前的模型更 token-efficient。这意味着不仅更强，还更便宜地强。

第二，长周期自主执行是真正的跨越。Bolt CEO："最高算力下 Fable 5 会反思和验证自己的工作——这是让高度自主操作成为可能的关键。"Canva CTO："在更少的轮次内完成更强的工程能力，处理复杂多 Agent 工作流。"

第三，它能理解意图而不只是指令。"理解构建者的意图，而不是他们打出的字"——这点我在实测中体会最深。以前的模型你需要精确描述每一步，Fable 5 更像一个能理解大方向的高级工程师。

Hebbia 的测试也印证了这一点：Fable 5 是第一个在他们的核心分析基准上突破 90% 的模型，比 Opus 高了 10 个点。"在最困难的问题上，它表现出强大的判断力和对细微差别的关注。"

IMC 的反馈："Fable 5 几乎全面通过了我们的交易分析评估——事实查询、概念推理、根因分析、期望值分析。全是高分。"

在知识工作领域，Fable 5 在 Hebbia 金融基准测试中得分最高，文档推理、图表解读、问题解决全面大幅领先。

另一个有意思的数据来自法律领域。Anthropic 的客户反馈，在盲审中 Fable 5 的法律文档修订质量匹配甚至超过了他们当前使用的模型。这不只是编程——任何需要深度阅读、理解和修改复杂文档的工作，Fable 5 都在逼近甚至超越人类专家的水平。

在实际使用中，Fable 5 的 token 效率是最容易被忽略的优势。Cognition 的评测里，中等算力预算下就超越了全算力的其他模型。这意味着你在 Claude Code 里跑一个长任务，不仅结果更好，消耗的 API 额度也更少——单次任务成本可能比 Opus 4.8 还低。

安全枷锁：5% 的代价

Fable 5 最特别的地方不是能力，而是发布方式：把 Mythos 级模型关进安全笼子再放出来。

Anthropic 给它套上了安全限制：某些查询会被重定向到次强模型 Opus 4.8 回答。官方说触发率约 5%，坦承"为了快速安全地发布，保守地调整了限制——有时会误拦无害请求"。

这就是 HN 上那篇《If Claude Fable stops helping you, you'll never know》吐槽的点：你永远分不清它是真帮不了还是被拦住了。

我理解这个设计。Mythos 级别的模型在网络安全等领域有真实风险。站在开发者角度，当你让 Fable 5 处理一个复杂任务，中途突然收到 Opus 4.8 级别的回复，体验确实割裂。

不过实际用下来，这个 5% 在我这是偏低的。下午大约 20 个会话，没有一次触发。可能我的任务类型不在审查范围。对大多数日常开发任务，你大概率感觉不到限制的存在。

如果你需要完整能力——比如做安全研究——Mythos 5 通过 Project Glasswing 可用，目前只对部分机构开放，后续会扩展可信访问计划。

三个跨越：视觉、记忆、科学推理

视觉理解。Fable 5 不需要辅助工具，纯靠原始游戏截图玩通了 Pokémon FireRed。之前的 Claude 模型需要一个复杂的 harness 提供地图、导航、游戏状态信息才能玩。这背后是真实的视觉推理能力：从复杂科学图表提取精确数据，仅凭截图重建 web app 源代码。对于需要做 UI 逆向、设计稿转代码、无障碍测试的开发者来说，这个能力会直接改变工作流。Anthropic 还展示了一个更夸张的例子：Fable 5 从零搭建了一个完整的太阳系模拟器——从物理学第一性原理推导行星轨道运动，用代码实现并用它预测日食。全程没有参考代码，只有物理公式和视觉推理。

长期记忆。在数百万 token 上下文中保持专注，且利用自己写的笔记改进输出。玩《Slay the Spire》时给它持久化文件内存，性能提升是 Opus 4.8 的三倍，通关最终幕的概率也是三倍。在编程场景下这意味着它能记住整个项目上下文，不会在长任务中途失忆。对于维护大型代码库的开发者来说，这意味着你可以把一个跨多个文件的特性开发交给它，不用担心它在第 50 个文件时忘了第 1 个文件的设计意图。Fable 5 还在 Factorio（即时策略工厂建造游戏）中自主建造了一个自动化工厂，展示了在复杂、持续决策环境中的规划能力。

科学推理。这个离多数开发者较远，但值得提：Mythos 5 产生了首个持续输出新颖科学假设的能力。双盲对比中科学家 80% 的时间更偏好 Mythos 的分子生物学假设。它自主组装了 138 个物种的数百万单细胞数据，训练的自定义 ML 模型比《Science》近期论文更好，参数少 100 倍。其中一个假设已被独立实验室证实。在药物设计方面，Mythos 5 将某些流程加速约 10 倍，14 个蛋白靶点中有 9 个产出了强候选药物，正在跟进研究。

Claude Code 怎么用才不浪费

模型越来越强，但 Claude Code 的体验取决于你怎么配置它。

AGENTS.md 比以往任何时候都重要。Fable 5 能处理更长周期任务，但它需要你的项目上下文。一份好的 AGENTS.md 应该告诉模型三件事：

代码规范——命名惯例、格式化规则、lint 配置。
项目结构——目录布局、模块职责、依赖关系。
测试策略——框架选择、覆盖率要求、运行方式。

举个例子。我的一个 TypeScript 项目里，AGENTS.md 约 40 行，包含了 ESLint 规则清单、Vitest 测试命令、monorepo 的 workspaces 边界、以及"函数超过 50 行必须拆"这类团队约定。Fable 5 用这些上下文后，产出的代码在第一次审查时就接近可合并状态，不再需要来回纠正格式和结构问题。

MCP server 是必要的补充。模型再强也不能直接访问数据库、文件系统、CI/CD。至少配置这几个核心 MCP：

文件系统操作——读项目文件、写输出到正确位置。
Git 操作——查看 diff、创建分支、提交代码。
终端执行——运行测试套件、构建命令、lint 检查。
技术栈特定工具——数据库 schema 查询、API 文档检索、包管理器操作。

社区有句话说得对——"别再裸用 Claude Code 了"。没有 AGENTS.md 和 MCP 的 Claude Code，就像一个天才工程师被关在没有网络的房间，只能靠 prompt 描述猜测你的项目长什么样。

一个具体的 Loop Engineering 工作流：我把 Claude Code 配置成"先读 AGENTS.md → 读相关代码 → 提方案 → 等我确认 → 执行 → 跑测试 → 自查结果"的循环。每一步都写入持久化笔记，这样即使任务被打断或者安全限制触发、模型切回 Opus 4.8，上下文也不会丢。Fable 5 在利用笔记方面比 Opus 强三倍——这不是理论数字，是实测出来的差距。

任务拆分仍然需要人来做。Fable 5 擅长执行清晰目标的深度任务。把一个模糊需求拆成几个独立可验证的子任务，这个能力比模型本身更重要。我的习惯：需求出来后花 10 分钟拆成 3-5 个 checkpoints，每个有明确成功标准，然后逐个交给模型。

竞争格局：谁在追赶

这次发布让 Claude 在几个关键维度稳住了领先。FrontierCode 评测中 Fable 5 在中等算力下就超越了其他前沿模型。在 Hebbia 金融基准上也是独一档的表现。Cognition 的 Scott Wu 说得很直接："最高分。"

GPT-5.5 在某些任务上仍需要更长的推理时间才能达到类似水平——有客户反馈 Fable 5 用三分之一的推理 token 就接近了 GPT-5.5 四天的产出。物理学前沿研究场景下的对比尤其明显。

但竞争远没结束。OpenAI 申请 IPO 的消息今天也在发酵，Anthropic IPO 前的"秀肌肉"意图明显。两家都在抢开发者生态——Cursor、GitHub、Replit、Bolt 的测试反馈全被放进了 Anthropic 官方公告，这不是偶然。

对开发者来说，竞争是好事。模型更强、更便宜、生态更丰富。比较好的策略是不押注单一平台——Fable 5 很强，但 GPT-5.5 的多模态和工具调用有各自优势。在 Claude Code 和 Codex 之间按任务类型切换，可能是未来一段时间的合理状态。另外 DeepSeek V4 和 GLM-5.1 本周也有新动作——有开发者分享了用 DeepSeek V4 + draw.io 替代 GPT-Image2 做架构图的实践，效果出乎意料的好。模型层的竞争在加速，受益的是我们这些每天在终端里写代码的人。

我的看法

这次发布有几个明确信号。

Agent 编程从辅助走向部分替代。Stripe 一个月变一天的案例不是 demo，是生产系统。当模型能把跨仓库迁移压缩到这种程度，该思考的不是"AI 能不能写代码"，而是"代码审查、架构决策、系统设计里，人的不可替代性在哪"。模型越来越擅长执行，人的判断力、产品 sense、对用户需求的理解反而更稀缺。这不是危言耸听——Cursor、Bolt、Replit 的反馈都指向同一个方向：模型在接管越来越多的具体执行，而人的角色在向更高层次的决策和判断迁移。

安全限制会成为常态而非例外。Fable 5 的 5% 误拦是开始。未来更强模型都会有类似甚至更严格的机制。对开发者来说，需要学会在限制下工作——就像已经习惯了 API rate limit、token 窗口、上下文长度这些约束。把它当成系统特性，不是缺陷。

MCP 和 AGENTS.md 会从"可选"变成"必备"。模型能力越强，地基工作越关键——模型能做的事情更多，一步走偏的代价也更大。花一小时写好 AGENTS.md 和配置好 MCP，收益能覆盖后面一百个小时的开发。

Fable 5 不是终点，也不是第一个"改变一切"的模型——这几年我们已经听过太多次了。但它确实把一些之前只在论文和闭门演示里存在的能力，放到了你我的终端里。

如果你还没试过，值得花一个下午跑自己的真实任务。不是 benchmark，不是你见过一百次的 Todo App，就是你日常的工作——修那个拖了三天的 bug，重构那个不敢动的模块，写那篇一直没时间整理的架构文档。你可能会像我一样，在某个瞬间被它的判断力惊到，然后开始认真思考自己的技能栈下一步该往哪走。

这不是营销话术。这是今天下午真实发生的事。