刚刚 Claude Fable 5 炸裂发布！真是太烧了。。附一手实测，夯还是拉？

大家好，我是程序员鱼皮。

就在刚刚，Anthropic 发布了新一代模型 Claude Fable 5，同时还放出了一个面向专业安全人员的「解限版」叫 Claude Mythos 5。

官方把它称为「神话级」模型，能力凌驾于之前的 Opus 系列之上。据说 Stripe 公司在自己 5000 万行的 Ruby 代码库里测了一圈，一天就搞定了团队原本要两个月才能完成的迁移工作。

这篇文章我会先带大家看看 Fable 5 到底更新了什么，然后上两轮硬核实测，分别让 Fable 5、Opus 4.8 和 GPT-5.5 同场竞技，看看新模型的 AI 编程能力到底怎么样。

友情提示，这次的测试成本有点高，希望大家心疼一下我的钱包，把这篇文章看到最后哦。

Claude Fable 5 更新了什么？

1、一个模型，两个名字

这次 Anthropic 同时放出了 Fable 5 和 Mythos 5，但它俩其实是 同一个底层模型，能力完全一样。区别只在「安全护栏」的松紧程度上。

Fable 5 面向所有人，今天就能用。但加了一层安全分类器，遇到涉及网络安全、生物化学或模型蒸馏（防止别人偷学能力去训练竞品）的请求时，会降级到 Opus 4.8 来回答你，并且给你一条提示。

Mythos 5 是把护栏拆掉的「完全体」，只发给 Anthropic 审核过的网络安全机构和少数生物研究人员，普通人接触不到。

关于 Fable 5 的降级机制，官方说平均不到 5% 的会话会触发。但我测试使用 Fable 5 来写文章的能力时，就触发了安全过滤，直接被切换到了 Opus 4.8。

不是哥们，写个文章哪里不安全了？！

肯定有朋友好奇，为什么这次更新不延续 Opus 系列，来个 Opus 4.9，而是直接跳到第 5 代？

因为它根本不是 Opus 这个级别的模型了，而是 Anthropic 内部一个更高的等级，叫 Mythos 级，能力直接碾压 Opus。

有趣的是，Fable（寓言）这个词本身就源自拉丁语 fabula，和希腊语的 Mythos（神话）是近亲。

简单来说，就是同一把刀，一把开了刃给专业人士，一把套了刀鞘发给大众。

2、定价全球最贵

Claude Fable 5 和 Mythos 5 的定价是每百万输入 token 10 美元、输出 50 美元。

听起来你可能没什么感觉，但是对比一下目前主流模型的价格，你就知道有多离谱了：

Fable 5 的总成本直接是 Opus 4.8 的两倍、DeepSeek V4 的 50 倍，稳坐目前主流模型里最贵的位置。官方还特意强调了，这已经比之前的 Mythos Preview 便宜了一半多。

好家伙，便宜一半还是最贵的，以后的模型怕是普通人真的用不起了……

注意，官方说从今天到 6 月 22 号，Pro、Max、Team 这些套餐可以免费使用 Fable 5。但 6 月 23 号之后就要单独花「用量积分」了，等产能上来再恢复。所以想白嫖体验的，一定要利用好这两周的窗口期。

3、跑分炸裂

每次新模型出来都得看看跑分。官方说 Fable 5 几乎在所有测试过的基准上都是 SOTA，尤其在编程、知识工作、视觉、科学研究这几个方向。而且 任务越长、越复杂，它领先得越多。

说实话我已经有点麻了，因为各家基本都说自己是 SOTA 最佳水平……

但这次 Fable 5 的成绩，确实配得上「炸裂」两个字。

挑几个亮眼的数据说说：

• SWE-bench Pro（Agent 编程能力）是 80.3%，远超 GPT-5.5 的 58.6% 和 Opus 4.8 的 69.2%
• FrontierCode（高质量编码）是 29.3%，Opus 4.8 只有 13.4%，GPT-5.5 是 5.7%
• 视觉能力（GDPpdf 文档推理）是 29.8%，GPT-5.5 是 24.9%，Opus 4.8 是 22.5%。官方让 Fable 5 去玩宝可梦火红版，纯视觉就通关了。

好家伙，这是断层式的提升啊！

不过跑分是一方面，好不好用还是得拿到真实项目里检验才知道。所以老规矩，我带大家动手测一测，拿 Fable 5、Opus 4.8 和 GPT-5.5 同场竞技。

正好 Cursor 第一时间就接入了 Fable 5，每次出新模型都能直接测试，方便得很。

我之前写过一套免费开源的 《AI 编程零基础入门教程》，里面有 Cursor 的保姆级实战教程，感兴趣的同学可以看看。

接下来我准备了两轮实测。第一轮是让 3 个模型一把梭同一个全栈项目；第二轮更硬核，让它们重构 Claude Code 泄露的 50 多万行源码。

好了，我的钱包准备开始烧了。

实战测评一、全栈项目一把梭

第一个测评，我选了一个有代表性的全栈项目来测模型的综合编码能力。

项目叫「TaskFlow 任务管理看板」，类似简化版飞书看板，包含 7 个功能需求：用户注册登录、三列看板拖拽、任务增删改查、数据图表面板、搜索筛选、暗色 / 亮色主题切换、响应式设计。技术栈是 React + TypeScript 前端 + Python FastAPI 后端 + SQLite 数据库。

选这个项目的原因是它前后端都有、交互复杂度适中，能同时考察模型的 UI 审美、工程能力和功能完整度。

这次参赛的选手是 Claude Fable 5、Claude Opus 4.8 和 GPT-5.5。3 个模型使用完全相同的提示词，全部开到 High thinking 档位，全程零人工干预。

一段时间后，3 个模型都顺利完成了任务，前后端都能正常运行起来。

先来看看它们各自做出来的效果。

Opus 4.8 的登录页是经典的居中卡片式，可以切换注册和登录 Tab，还贴心地把演示账号密码标在了页面底部：

GPT-5.5 的风格就完全不同了，左边一大块全是文案宣传，右边才是登录表单。符合我对 GPT 的刻板印象，喜欢在页面上堆信息：

Fable 5 的登录页简洁干净，和 Opus 4.8 风格一致：

再来看看任务看板页面。

Opus 4.8 的看板有点素，排版整齐，但没什么背景色：

GPT-5.5 直接把看板和数据面板合到了一个页面，用最少的页面完成最多的事。但是任务列的标题直接用了英文，细节上差了点儿意思：

Fable 5 的看板页面中，状态区分得很清晰，颜色比较丰富生动，任务卡片上的信息排布也更合理：

再看看数据面板，Fable 5 做了环形图、柱状图、折线图，任务卡片通过圆弧元素增加了点缀感：

Opus 4.8 的数据面板则比较朴素：

深色模式下，Fable 5 的图表配色很协调，整体效果是三个里最好的：

Opus 4.8 的深色模式则中规中矩，没什么硬伤，但也没什么惊喜：

GPT-5.5 的深色模式就差点儿意思了，一大片灰色：

看完了 UI 效果，再来说说真正拉开差距的地方。

Fable 5 是三个里面唯一做到「零修改跑通」的。虽然三个模型最终都能把项目跑起来，但 Opus 4.8 和 GPT-5.5 或多或少需要修几个小 Bug、补个缺失的文件、或者调一下依赖版本。而 Fable 5 代码本身能一次通过 TypeScript 编译、后端一次启动成功、全部 API 测试一次通过，做到真正的开箱即用。

而且它的验证方式是最硬核的，不仅用 curl 测了 API，还通过 CDP（Chrome DevTools Protocol）合成了真实的鼠标拖拽事件，在浏览器里实测了看板拖拽的持久化效果，验证深度远超其他模型。

综合来看，Opus 4.8 架构分层最规范、UI 设计感也不错，但有几个小 Bug 需要修复才能跑起来。GPT-5.5 则是老样子，做得快但做得糙，界面偏简陋。Fable 5 的优势主要体现在工程可靠性上，零缺陷、hooks 封装干净、验证深度到位。这种「交付确定性」对效率的影响其实非常大，少一次来回调试可能就省了半小时。

实战测评二、重构 Claude Code 源码

第二轮测评才是这次的重头戏。

官方反复强调，任务越长、越复杂，Fable 5 领先得越多。短平快的 demo 根本测不出代际差距，要测就得上真正的长程任务。

对了，前段时间 Claude Code 不是把自己 50 多万行的源码给泄露了吗？

这份代码是真正的工业级 Agent 架构，拿来做测试再合适不过了。

说干就干。具体做法是把泄露的 Claude Code 源码包提供给模型，让它自主分析里面的架构设计，然后从零重构一个能在终端实际运行的命令行 AI 编程助手「Yupi Code」。全程不需要人工干预，看它能不能一次搞定。

提示词如下：

你是一个资深的 TypeScript 全栈工程师，精通 AI Agent 架构和命令行工具开发。

claude-code-origin 目录下是 Claude Code 泄露的部分源码，包含完整的实现逻辑，但无法运行。

你要先阅读并理解这份源码的核心设计，在此基础上重构一个命令行 AI 编程助手「Yupi Code」，放到新目录下。

要求必须能实际运行，各项功能正常可用。

把三个模型生成的结果分别保存到不同的目录，来看看它们各自的表现。

Opus 4.8 差在最后一公里

Opus 4.8 通过模拟 Mock Server 跑通了测试流程，自主验证的层次最多。

但实际运行时需要 Anthropic 的 API Key，没有 Key 就没法使用：

不好意思，我没有 Key。所以只能让 AI 帮我复用本地 Claude Code 的配置，再修复一遍。

修复完成后我又试了试，给我逗乐了。

且不说界面风格跟原装 Claude Code 有明显区别（注意看那个输入框），AI 输出的内容都不能正确显示，拉了：

GPT-5.5 偷懒大师

GPT-5.5 完成任务的速度是 3 个模型里面最快的。

但问题来了，它生成完之后同样需要 Anthropic 的 API Key 才能运行。哼，就这小子最会偷懒了，输出信息都比 Claude 精简很多：

没有 Key 运行不了，所以我让 AI 复用本地 Claude Code 的配置再试试。

虽然能够正常对话，但是这个界面也太简陋了吧，不愧是偷懒大师：

让它读取个本地文件，结果直接报错了，GG：

Fable 5 开箱即用

Fable 5 直接读取到了我本地的 Claude 配置，使用了我之前配置好的 DeepSeek 国产模型，不需要 Anthropic 的 API Key。

试了一下，体验跟 Claude Code 几乎一模一样！能够普通对话、Agent 模式和工具调用，功能全部正常，一次交付就能用，不需要任何二次修复。

哈哈，咱也是开发过 Claude Code 的人了，简历上又多了浓墨重彩的一笔~

开发过程对比

看完了最终效果，我又新开了一个对话，让 AI 帮我分析几个模型各自完成任务的对话记录，看看开发过程到底有什么不同。

最关键的发现是，Claude Fable 5 是唯一做了 PTY 终端交互式测试的模型。

Opus 4.8 虽然写了最多的测试，但所有验证都在非交互环境下进行，从来没有在真实终端里验证过交互效果。结果到用户手里，输出显示就出了问题。

Fable 5 虽然没有写 mock 测试套件，但它做了 Opus 没做的事情，用 PTY 在真实终端里反复调试交互（用 script 命令模拟 PTY，验证 /help、/cost、权限对话框、写文件全流程）。它花了大量轮次调通了 PTY 下回车键 \r → \n 的问题，修复了 API 协议 Bug，这些投入最终换来了最好的用户体验。

这给了我一个很重要的启发。「AI 自己测试通过」和「用户实际能用」之间，隔着一个巨大的鸿沟。在 CLI 这种场景下，在真实环境中调通交互，远比在隔离环境中跑测试更能保障最终质量。

费用对比

大家肯定很关心，这次测试到底烧了我多少米？

打开 Cursor 后台一看，我的心在滴血啊！

三个模型的费用和 token 消耗明细如下：

Fable 5 的费用竟然是 Opus 的 3 倍、GPT-5.5 的 8 倍？！光这一个任务就花了我 200 多块……

贵的原因主要是 thinking token 消耗巨大，而且大量轮次花在了 TUI 的交互调试上。不过反过来想，正是因为它愿意花这些轮次去调试真实环境里的交互效果，最终才成了唯一能交付可用产品的那个。

综合数据对比

两轮测评做完了，我让 AI 帮我根据三个模型完成任务的全过程对话记录和代码产出，做了综合的可视化分析。

先看几个核心能力指标的柱状图。可以看到 Fable 5 在验证深度和实测可用性上遥遥领先，Opus 4.8 在工程质量上略胜一筹，GPT-5.5 则全面垫底：

通过功能覆盖矩阵，可以更直观地看到差距。Fable 5 做了完整的 Ink TUI、上下文压缩、自动复用本地配置这些其他模型都没做的功能，而 GPT-5.5 连最基本的 Read 工具都报错，功能严重缺失：

从架构理解、工程执行、验证与可用性、开箱即用和性价比这五个维度来打分。Opus 4.8 在架构理解上最强，但 Fable 5 在验证和开箱即用两个维度上直接拉满，形成了明显的差异化优势：

最终综合评分，Claude Fable 5 以 8.3 分排名第一。它不是每项都最强，但光是「唯一能交付可用产品」这一条就压过了其他模型。毕竟我们用 AI 编程，最终目的就是想省心地直接拿到能用的成果，而不是拿到一堆还需要自己修的半成品。

回头看这三个模型的策略，其实很像一个经典的不可能三角。

速度、成本、质量，不可能三角。

GPT-5.5 选了速度和成本，结果不能用；Opus 4.8 选了代码质量和成本，但验证有盲区；Fable 5 选了质量和用户体验，代价就是贵。

当然，这只是我的一次测试，不代表普遍规律。但可见一斑，Fable 5 在「长程任务最终交付可用产品」这件事上，确实比上一代有质的飞跃。

结合这次测评，我可以给到大家一些模型选择的建议。

如果你要做大规模重构、迁移这种又长又复杂的项目，选择 Fable 5 最好，贵有贵的道理。但日常一把梭中小项目，Opus 4.8 的代码质量高、架构完整，性价比明显更高。GPT-5.5 虽然这次表现拉了，但它在终端自动化和命令行相关任务上的跑分还是领先的，适合追求速度的自动化任务。预算比较紧的话，用国产模型也完全可以应付大多数场景。

总之，别盲目追新，按你的真实需求来选。最贵的不一定最适合你。

最后哔哔

OK，测试就到这里。我觉得 Fable 5 这次的表现符合我对新一代模型的预期，AI 编程的能力在快速逼近「能独立交付完整项目」的水平了，但这个价格，大多数人是真的用不起。到底值不值，得看你的时间和钱哪个更贵。

但其实这次测评给我印象最深的，不是 Fable 5 本身的实力，而是它背后的发布方式。

同一个模型，套上不同松紧的护栏，然后拆成通用版和解限版发给不同的人。遇到敏感问题时，不直接拒绝，而是降级到上一代模型来回答你。虽然之前也有模型限流时降级的例子，但像这样从产品设计层面就把「分级释放」做成核心机制，Anthropic 算是第一个这么干的。

我的判断是，随着模型能力越来越强，这种模式很可能会被越来越多的厂商抄作业。以后你用的那个「最新最强模型」，用着用着说不定就换成别的模型了。

作为用户，至少我们得知道这件事。

我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~

欢迎在评论区聊聊：你愿意为 Claude Fable 5 模型买单吗？你觉得它是夯还是拉？