Claude Fable 5：Anthropic 迄今最强大、也最具争议的模型解析
Anthropic 旗下 Mythos 级顶级旗舰模型——并非故事创作模型——也是首个被政府命令下架的商用 AI 模型。
Claude Fable 5：Anthropic 最强大——也是最具争议——的模型解析
Claude Fable 5 不是一个创意写作模型，也不是一个讲故事的助手。它是 Anthropic 全新的旗舰前沿模型——该公司迄今为止公开发布过的能力最强的系统——而且它已经被美国政府一纸命令从市场上下架，随后又重新上架。这个名字具有迷惑性。而这款模型，则是一场地震级的事件。
这种困惑首先需要澄清。搜索"Claude Fable 5"，你会找到不少人猜测"Fable"预示着某种文学或叙事方面的专精。事实并非如此。Fable 产品线只是 Anthropic 为其全新Mythos 级架构所使用的公开发布品牌名——这一层级位于 Opus、Sonnet 和 Haiku 之上，你现在可以把后三者理解为第四代或过渡性名称。Claude Fable 5 是 Anthropic 版本的、竞争对手称之为"前沿"或"至尊"级别的产品：最大的推理深度、最大的上下文、最大的智能体（agentic）能力覆盖范围。这个名字之所以被选中，是因为它带有神话学的意味，而非叙事学的意味。
既然这一点已经澄清，我们再来谈谈 2026 年 6 月 9 日到 7 月 1 日之间到底发生了什么。因为这款模型的发布，是历史上最不寻常的一次商业 AI 发布，而这个故事几乎能告诉你所有你需要了解的、关于这个行业走向的信息。
发生了什么：一次改变一切的三周停摆
Claude Fable 5 于 2026 年 6 月 9 日发布。发布后 72 小时内，开发者社区就已经开始发布早期评测结果。这些数字令人震惊，即便与 Opus 4.8 相比也是如此：SWE-bench Verified 达到 95.0%，Terminal-Bench 达到 88.0%，未使用工具的 Humanity's Last Exam 达到 59.0%。早期的企业测试者和开发者社区普遍称赞其在长周期编码和分析任务上的表现——多人描述称，与它协作的感觉不像是在使用一个助手，更像是在委托一个小团队完成工作。从各方面来看，这样的反响都堪称卓越。
然而，就在发布三天后的 6 月 12 日，Anthropic 在所有商业渠道上暂停了该模型的可用性。原因并非传统意义上的安全事故，而是一项美国政府出口管制令：这是现代商业 AI 历史上，第一次有一款已发布、已投入生产的模型因监管行动而被撤下市场。这不是出于安全审查而自愿下架，也不是悄无声息地被弃用，而是——依据命令——因出口合规原因被暂停。
导致该命令的具体细节尚未完全公开。目前已知的是，该命令涵盖了对该模型全部能力的跨境 API 访问，并特别提到了对 Fable 5 在大规模场景下的智能体能力和长上下文推理能力所存在的两用（dual-use）隐患的担忧。停摆持续了 19 天。Anthropic 于 2026 年 7 月 1 日重新部署了该模型，并在 API 中新增了访问层级控制和地理限制。
这一事件的影响意义重大。我们现在生活在这样一个世界里：一款商业 AI 模型——不是武器系统，不是机密研究，而是一个公开销售的文本与视觉 API——可以在部署过程中被政府命令暂停。这是新鲜事。而且，这绝不会是最后一次。
时间线：Claude Fable 5 于 6 月 9 日发布，6 月 12 日因美国出口管制令被暂停——这是针对商业 AI 模型的首次此类行动——并于 7 月 1 日在新增访问控制措施后重新部署。
Mythos 与 Fable：名字背后的架构
要理解 Claude Fable 5，需要先理解 Mythos 级的区分，因为这两个名字指向的其实是同一套权重（weights），只是应用了不同的安全层。
Claude Mythos 5 是基础架构。在某些领域，它的分类器（classifier）被移除或削弱，仅通过一个名为 Project Glasswing 的受限计划，向经过审核的合作伙伴开放。你无法在标准 API 上购买到 Mythos 5，它是一个面向研究和企业的受限层级。
Claude Fable 5 则是在 Mythos 5 基础上叠加了 Anthropic 完整生产级安全分类器堆栈之后的版本。这是你可以在 Claude API、AWS Bedrock、Google Vertex、Azure Foundry 以及 claude.ai 上获取的版本。二者底层的推理能力是相同的，只是行为边界由分类器所塑造。
在基准测试表格中显示 Fable/Mythos 的数字时，往往会将两个变体中较高的分数合并到同一行中。这一点很重要：已发布的 95.0% SWE-bench Verified 分数，可能反映的是分类器关闭状态下的 Mythos 表现，而非你在 API 中实际调用 claude-fable-5 时所获得的 Fable 5。Anthropic 在这些评测中使用的是自研的评测框架，而非 Scale SEAL，这又增加了一层不确定性。较为诚实的解读是：Fable 5 相较于 Opus 4.8 有实质性提升——但在任何单项基准测试上的确切差距，都比已发布表格所暗示的更难以准确判定。
不含糊的是：架构规格。
| 特性 | Claude Fable 5 | Claude Opus 4.8 |
|---|---|---|
| 上下文窗口 | 1,000,000 tokens | 200,000 tokens |
| 最大输出 | 128,000 tokens | 32,000 tokens |
| 输入价格 | 10 美元 / 百万 tokens | 15 美元 / 百万 tokens |
| 输出价格 | 50 美元 / 百万 tokens | 75 美元 / 百万 tokens |
| 批处理输入 | 约 5 美元 / 百万 | 约 7.50 美元 / 百万 |
| 缓存命中（输入） | 约 1 美元 / 百万 | 约 1.50 美元 / 百万 |
| 模态 | 文本 + 视觉 | 文本 + 视觉 |
| 自适应思考 | 始终开启 | 可选 |
| 是否暴露思维链 | 否 | 否 |
| API 标识符 | claude-fable-5 | claude-opus-4-8 |
Anthropic 未针对 Fable 5 公布的两项数据：训练数据知识截止日期和参数量。这两项数字都不应被断言或推测，对任何声称掌握确切数字的第三方消息来源，你都应保持怀疑。
100 万 token 的上下文窗口是这次发布的主打规格，也确实非常实用——整套代码库、冗长的合同集、庞大的文档语料库，都能一次性处理。128k 的输出上限意味着模型可以在一次调用中生成比 Opus 长得多的成品。Fable 5 中的自适应思考始终处于开启状态，这意味着模型会针对每个请求自动决定分配多少推理预算；你无法强制它进入快速浅层模式，同时你也无法查看它内部生成的思维链。
安全回退机制：一个真正新颖——也真正引发争议——的设计
Fable 5 最具标志性的生产环境行为，并非某项能力，而是一种此前任何生产模型都未曾以这种规模部署过的约束机制。
当 Fable 5 的分类器检测到某个请求落入特定高风险类别——具体而言，即网络安全攻击工具、生物制剂合成、化学武器相关查询，以及试图蒸馏或克隆模型权重的行为——该请求并不会被拒绝，而是会被静默地重新路由至 Claude Opus 4.8，由后者代为响应。用户会收到一个 Opus 生成的回复，并附带一条简短通知，说明该请求由不同的模型变体处理。触发该机制的会话占比不到 5%。
理论上，这个设计颇为巧妙。生硬的拒绝会训练对手学会绕过这种拒绝。而优雅地降级到一个能力稍弱但仍然可用的不同模型，既能打乱蒸馏信号，又能继续服务于合理的边缘用例。用户不会得到一句生硬的"我无法帮你处理这个"。
但在实践中，这一机制招致了不少研究者的强烈批评，这些研究者在分类器所针对的正是这些领域中，有着合理的专业需求：构建红队工具的安全研究人员、研究病原体防御的生物学家、在监管环境下工作的化学家。对这些用户而言，一个不透明的"影子封禁"——在不解释究竟是哪一部分触发了分类器的情况下，静默地降级他们的请求——在操作层面上是极具干扰性的。你无法知道自己是因为某个措辞选择、附带的某份文档，还是会话早期遗留的某种上下文而触及了这道天花板。你得到的只是一个 Opus 的回答，以及一条简短的提示。
Anthropic 的立场是，这个分类器之所以刻意保持不透明，是为了防止被对抗性地试探。这在逻辑上是自洽的。但对于一个需要知道自己的工作流是否与 Fable 5 存在结构性不兼容、还是仅仅需要微调一下提示词就能解决问题的专业人士来说，这并不是一个令人满意的答案。
这个设计确实新颖，其中的取舍也确实真实存在。两者都是事实。
对于大多数正在构建智能体工作流的 Happycapy 用户——编码智能体、数据分析智能体、文档处理流水线——上述这些都不适用。低于 5% 的触发率意味着绝大多数生产环境的使用场景根本不会遇到这个回退机制。但如果你的工作触及了上述被标记的领域，你需要在基于 Fable 5 构建之前，先了解这个机制的存在。
谁真正应该为每百万输出 token 支付 50 美元
这正是大多数报道止步不前、失去实用价值的地方。基准测试数字令人印象深刻，但你应该使用 Fable 5 吗？
对大多数开发者而言，诚实的答案是：**大概不应该把它作为默认模型。**具体分析如下。
在以下情况下使用 Fable 5：
- 你的任务需要处理超过 20 万 token 的上下文——整套代码库、监管文档集、跨多个会话的记忆整合。
- 你正在运行一个长周期的智能体工作流，其中模型需要在没有人工核查的情况下，跨多个步骤进行规划、执行并从失败中恢复。本博客的harness engineering 指南详细介绍了这一点在架构上为何如此重要。
- 输出本身就是最终交付物，其长度和质量能够证明成本的合理性——一份深度技术报告、一次全面的代码库重构、一份企业级规格文档。
- 你正在构建一个需要在困难问题上坚持不懈的编码智能体。最佳 AI 编码智能体对比一文说明了为什么模型能力上限在智能体循环中如此重要。
- 你正在对复杂视觉输入进行多模态分析，且需要 SWE-bench 级别的推理能力才能理解内容，而不仅仅是描述内容。
在以下情况下不要使用 Fable 5：
- 你正在进行高频、常规的推理任务。以每百万输出 token 50 美元计算，一个每天处理 500 次会话、平均每次输出 1000 token 的聊天机器人，仅输出成本每天就要花费 25 美元——每月 750 美元。而 Sonnet 或 Haiku 只需一小部分成本就能处理大部分此类工作负载。
- 你的任务所需上下文在 20 万 token 以内，且不需要 Fable 级别的推理深度。大多数任务其实都属于这一类。
- 你正在做原型验证。先用更便宜的层级来验证你的流水线是否可行，等确认架构行得通之后，再升级模型。
- 你正在对比各家模型。Claude Haiku 4.5 概览是一个有用的参考点，可以帮助你了解 Anthropic 较轻量的模型在中等复杂度任务上究竟还有多少余量。
10 美元/百万 token 的输入价格实际上低于 Opus 4.8（15 美元/百万），这使得 Fable 5 在面对长文档的读取密集型工作负载上具有竞争力。真正昂贵的是输出端。如果你的用例是针对长上下文生成短答案——分类、抽取、结构化输出——那么 Fable 5 的实际成本并不像标价看起来那么高。但如果你的用例需要生成长篇输出，成本增长的速度就会变得相当可观。
在哪里可以使用它
Claude Fable 5 已在所有主要平台上线：
- Anthropic API ——
claude-fable-5，同时可通过标准的 claude.ai 界面进行交互式使用 - AWS Bedrock —— 模型 ID 为
anthropic.claude-fable-5 - Google Vertex AI 和 Azure AI Foundry —— 通过标准的服务商集成方式接入
- Claude Code —— Anthropic 的智能体编码 CLI 工具，现已将 Fable 5 作为其最高层级模型
- OpenRouter 和 Cloudflare Workers AI —— 面向跨服务商路由调用的开发者
- Happycapy —— 作为 150 多个模型目录的一部分，可在浏览器中访问，并提供完整的工具支持，包括代码执行、文件处理和 MCP 集成
如果你想在同一个会话中，将 Fable 5 与 Opus 4.8、Sonnet、GPT-5.5、Gemini Ultra 或其他任何模型进行对比，Happycapy 确实是实现这一比较最快捷的途径。你可以在云端沙盒中并排运行所有这些模型，而无需为每个服务商单独配置 API 密钥。前往 happycapy.ai 免费开始——多模型对比视图在免费层级即可使用。
对于 Fable 5 而言，智能体使用场景正是 Happycapy 架构价值凸显的地方。Fable 5 的百万 token 上下文与长周期规划能力，在与文件系统、代码执行、网络访问等真实工具配合使用时，价值最为显著。在一个已配备这些工具的沙盒环境中运行 Fable 5 智能体，正是这个平台所擅长的场景。agentic AI 与 AI agents 的区别一文解释了为何这一区分在你决定如何架构 Fable 5 工作流时至关重要。
Fable 5 的生产架构：具备自适应思考能力的 100 万 token 上下文，会先进入安全分类器层。高风险请求会被重新路由至 Opus 4.8 并附带通知；标准请求则会经由 Fable 5 完整的推理堆栈，进入工具调用与输出环节。
没人提及的基准测试注意事项
让我们具体说说这些一直在流传的数字，因为它们呈现的方式很容易让人过度自信。以下是 Anthropic 发布的主打表格，在讨论注意事项之前先展示出来：
| 基准测试 | Fable 5 | Opus 4.8 | GPT-5.5 |
|---|---|---|---|
| SWE-bench Verified | 95.0% | 88.6% | — |
| SWE-bench Pro | 80.3% | 69.2% | 58.6% |
| FrontierCode Diamond | 29.3% | 13.4% | 5.7% |
| Terminal-Bench 2.1 | 88.0% | 82.7% | — |
| GDPval-AA（Elo） | 1932 | 1890 | — |
| OSWorld-Verified | 85.0% | 83.4% | — |
| HealthBench Professional | 66.0% | 56.9% | — |
| Humanity's Last Exam（无工具 / 有工具） | 59.0% / 64.5% | 49.8% / 57.9% | — |
现在来说说这些注意事项，因为它们比数字本身更重要。
95.0% 的 SWE-bench Verified 已接近该基准测试的饱和上限。在这个水平上，该基准测试衡量的更多是剩余那 5% 的难度，而非区分模型之间的差异。SWE-bench Pro——更难的变体——才是更有参考价值的信号，Fable/Mythos 的 80.3% 相对于 Opus 4.8 的 69.2%，代表着一个有实际意义的差距。但 80.3% 的 Pro 分数同样意味着，五分之一的真实世界软件工程任务会失败，这与"史上最强"这种说法所传达的框架是不同的。
88.0% 的 Terminal-Bench 2.1 附带一个值得注意的但书：在 Terminal-Bench 测试套件中，大约 20.9% 的试验触发了安全拒绝，从而导致任务无法完成。这些试验被计入了 Fable 5 的失分，而不是计入某个原本会在不拒绝的情况下完成任务的竞争对手的失分。因此，这个主打数字低估了模型的原始能力，但同时它也确实代表了你在生产环境中会遇到的真实行为。
Humanity's Last Exam——无工具时 59.0%，有工具时 64.5%——在一个被设计得极具难度的基准测试上，这是一个令人印象深刻的前沿成绩。但 HLE 涵盖从数学到古典学再到生物学的多个领域，各领域的表现极不均衡。59% 的平均分并不意味着在任何一个具体的专业问题上都有 59% 的成功率。
总体来看，Fable 5 相较于 Opus 4.8 确实是一次实质性的进步。已发布表格中的具体数字，最好被当作方向性的指标，而非对生产环境实际表现的精确度量。TechCrunch 在发布时的报道指出了更广泛的背景：Anthropic 自己此前不久刚刚发布过关于 AI 发展速度的警告，这使得其最强大模型的同期发布，成为一种值得深思的显著张力。
更宏大的图景：政府对 AI 基础设施的管控
6 月 12 日的暂停事件，值得的关注远不止一段脚注。它将成为未来 AI 治理史中被引用的事件——国家层面首次对商业模型可用性进行具体干预的实例。
该命令的具体细节目前仍部分处于不公开状态。可以明确的是，一个美国政府机构认定，一款商业文本与视觉模型的跨境可用性，构成了足以导致其部署被暂停的出口管制风险。在长达 19 天的暂停期间，该模型本身未做任何修改。7 月 1 日的重新部署附带了新增的地理访问控制——这意味着某些 API 调用现在会按来源国家进行过滤，而这在 6 月 9 日时并不存在。
这并非一个"政府未来将监管 AI"的假设性场景，而是当下正在发生的现实。此次暂停影响了已将 Fable 5 集成到生产工作流中的开发者，影响了已在 Bedrock 上部署它的企业，也影响了正在运行评测的研究人员。生产系统中长达 19 天的缺席，绝非无关紧要之事。
这对开发者意味着什么？意味着即便是来自全球最重视合规的 AI 实验室的模型，也可能在提前三天通知的情况下从 API 中消失。如果你正在基于 Fable 5——或任何前沿模型——进行构建，那么多服务商回退架构就不再是杞人忧天，而是工程卫生（engineering hygiene）的基本要求。MCP 服务器指南一文探讨了工具调用基础设施如何能够被设计为具备服务商可移植性；同样的原则也适用于模型层。
Anthropic 在处理这次暂停事件时表现出了相对的透明度——他们迅速沟通，并在三周内完成了重新部署。这比另一种做法要好。但这一事件揭示出：任何一款特定模型的可用性，已不再仅仅是 Anthropic 与其客户之间的商业决策，而是一个政府行为体已经展示出干预意愿的决策领域。
常见问题
什么是 Claude Fable 5？
Claude Fable 5 是 Anthropic 目前的旗舰前沿模型，在能力层级上位于 Opus、Sonnet 和 Haiku 之上。它基于 Mythos 级架构，于 2026 年 6 月 9 日公开发布。它是一款通用推理与长周期智能体模型，拥有 100 万 token 的上下文窗口以及文本 + 视觉能力。API 标识符：claude-fable-5。
Claude Fable 5 是一款创意写作或讲故事模型吗？ 不是。"Fable"这个名字只是一个产品线品牌命名选择，与创意写作没有任何功能上的关联。Claude Fable 5 是一款通用前沿模型，针对推理、编码、分析和长周期智能体任务进行了优化。它是 Anthropic 公开发布过的能力最强的模型，而不是一款专门的创意助手。
Claude Fable 5 与 Opus 4.8 相比如何？ Fable 5 在主要基准测试中全面超越 Opus 4.8：SWE-bench Verified 95.0% 对 88.6%，SWE-bench Pro 80.3% 对 69.2%，Terminal-Bench 88.0% 对更低的分数。Fable 5 的上下文也多出 5 倍（100 万 对 20 万 token），最大输出多出 4 倍（128k 对 32k）。然而，Fable 5 的输出定价（50 美元/百万）是高频使用场景的主要制约因素；而 Opus 4.8 每百万输出 75 美元实际上更贵，这使得 Fable 5 在需要这一能力层级时反而是更划算的选择。大多数常规用例其实两者都不需要——Sonnet 或 Haiku 已经足够。
Claude Fable 5 的定价是多少？ 标准 API：每百万输入 token 10 美元，每百万输出 token 50 美元。批处理模式：约为 5 美元/25 美元。输入缓存命中：约每百万 1 美元。定价与 Opus 4.8（15 美元/75 美元）大致相当，并且在这一能力层级上代表着一次降价。
Claude Fable 5 为什么被暂停？ Fable 5 于 2026 年 6 月 12 日——发布后三天——因美国政府出口管制令而被暂停。这是商业 AI 模型首次因监管行动而非自愿安全下架被撤下市场。该模型已于 2026 年 7 月 1 日重新部署，并附带新增的地理访问控制。Anthropic 尚未公布该命令的完整细节。
Claude Fable 5 与 Claude Mythos 5 有什么区别？ 两者底层权重相同，只是安全层级不同。Mythos 5 在某些高风险领域的分类器被削弱或移除，仅通过 Project Glasswing 向经过审核的合作伙伴开放。Fable 5 则是在 Mythos 5 基础上叠加了 Anthropic 完整生产级安全分类器堆栈的版本。已发布的基准测试表格有时会合并两个变体中较高的分数，这可能使 Fable 5 独立表现更难以精确评估。
Claude Fable 5 中的 Opus 回退机制是什么？ 当 Fable 5 的分类器检测到网络安全、生物、化学或模型蒸馏领域的高风险请求时，该请求会被静默地重新路由至 Claude Opus 4.8，由后者代为响应，并附带一条简短的用户通知。触发该机制的会话占比不到 5%。批评者——尤其是有合理专业需求的安全研究人员和生物学家——将这种不透明、不做解释的回退机制称为一种"影子封禁"，认为它在缺乏足够透明度的情况下扰乱了专业工作流。
无需承诺，立即体验
如果你想将 Claude Fable 5 与 Opus 4.8、Sonnet、GPT-5.5，或其他 150 多个模型放在一起运行，看看真实世界的性能差距究竟会在你的具体用例中体现在何处，Happycapy 让你无需任何配置，直接在浏览器中就能做到这一点。你只需带上任务，平台会提供基础设施。
模型回来了。而它为何消失的这个故事——以及这对整个行业意味着什么——不会就此消失。
