Anthropic 在 2026 年 6 月 9 日推出了 Claude Fable 5，這是公司第一款被歸類為「Mythos-class（神話級）」的模型，定位正式站上傳統 Opus、Sonnet、Haiku 三大系列之上。如果說過去的模型是幫你完成「單一任務」的打字員，Fable 5 更像是能自己拆解目標、深入底層探索、把整套基礎建設默默蓋好的「總體架構師」。
這篇文章要回答一個內部團隊最常問的問題：這顆最貴、最強的模型，到底該怎麼用才不浪費？
Fable 5 是什麼？先搞懂它與前代的本質差異
Fable 5 與同時發布的 Claude Mythos 5 共享同一套底層權重與能力，差別只在安全防護層：Fable 5 內建安全分類器，遇到高風險的網路安全、生物、化學等敏感請求時會自動轉交給 Claude Opus 4.8 處理（官方數據顯示這類轉交只發生在不到 5% 的對話中）；Mythos 5 則拿掉了這層防護，目前僅透過 Project Glasswing 提供給少數受信任的網路安全與政府合作夥伴使用。
對一般企業與團隊而言，能用到的就是 Fable 5。
Fable 5 的四大核心能力
長週期自主性（Long-horizon Autonomy）
過去的模型只要任務步驟一拉長，邏輯就容易發散、遺忘前面的脈絡。Fable 5 被設計成能在極長的任務週期中維持目標一致性，並在過程中自我檢查、自我修正。
最具代表性的實例來自 Stripe：在早期測試中，Fable 5 針對一個高達 5000 萬行的 Ruby 程式碼庫，獨立完成了原本需要工程團隊耗時兩個多月才能完成的跨系統遷移任務，而且只花了一天。這個案例之所以重要，不是因為速度快，而是因為它把「遷移」這種長期以來難以自動化的工作，從打字問題變成了規劃與審查問題。
強制內建「適應性思考」（Adaptive Thinking）
Fable 5 不再需要手動調整 Temperature、Top_p 等參數，它只有一種思考模式：自己判斷問題難度，決定要花多少時間深度推理、探索與驗證，還是直接給出答案。面對高複雜度的架構設計時，它會主動投入更多運算資源做底層推演。
巨大吞吐量：100 萬輸入、12.8 萬輸出
- 輸入：擁有 100 萬（1M）Token 的上下文視窗，足以一次餵入一整間公司的財報、多個產品白皮書與程式碼庫。
- 輸出：單次最高可輸出 12.8 萬（128K）Token，代表它能一次吐出好幾個檔案、架構完整的整套系統程式碼，而不只是零碎的範例片段。
頂級視覺與多模態理解
Fable 5 能理解密集的技術圖表、複雜的 Web App 截圖，甚至產品線框圖。遇到圖片模糊、翻轉或有雜訊時，它會主動調用系統工具（如裁剪、校正）把圖片處理好之後再進行解析。
Fable 5 的價格：的確貴，要珍惜使用
Fable 5 的官方定價是每百萬輸入 Token 10 美元、每百萬輸出 Token 50 美元，是 Opus 4.8 的兩倍。單看 Token 單價，它確實是市面上最貴的公開模型之一。
但評估這顆模型的成本，關鍵不是「每個 Token 多少錢」，而是「解決一個大魔王任務的總成本（cost per solved task）」。用它來回一封信絕對是虧本生意，但用它來改寫系統架構、跑一次性的大型分析任務，反而可能比找一整個團隊做上兩個月更划算。這也是為什麼許多團隊會把 Fable 5 定位成「公用帳號限定跑最關鍵任務」的稀缺資源，而不是日常隨手用的工具。
用 Fable 5 的核心心法：別讓它寫「答案」，讓它寫「生產答案的機器」
如果只是拿 Fable 5 去寫單篇文案、摘要一次會議紀錄、寫簡單的 CRUD 程式碼，就像是開法拉利去買菜；用小模型就能做得又快又好。
Fable 5 真正該被呼叫的時刻，是那些需要跨系統、跨資料、跨時間維度整合，且產出後能被長期複用的任務。換句話說：不是讓它幫你寫一份報告，而是讓它幫你搭一套「未來能持續產生報告的系統」。
兩種產出，兩種驗證方式：代碼類 vs 策略類
不過「跨部門提案」裡列出的任務,其實可以分成兩種完全不同的東西,而這兩種東西該怎麼驗證、要不要先做 MVP,答案並不一樣。
第一種：本身就是可執行的軟體或代碼
像後端的任務調度引擎、前端的微前端架構、自動化底層代碼⋯⋯這類產出本來就是 MVP，不存在「文件太難懂看不懂」的問題，因為跑得動就是跑得動，有沒有 Race Condition 一測就知道。這幾類任務可以放心讓 Fable 5 直接產出可執行的東西。
第二種：純策略或知識型文件
像業務攻防、銷售策略、管理層的資源優化模型、CS 的 SOP 劇本、行銷的 ABM 框架，這類任務要特別小心兩個風險：
風險一：無從驗證
代碼寫壞了會 ERROR ，文件寫壞了不會，一直到有人試著照做才會發現行不通；但那時候往往已經沒人記得要去執行了。不知道你有沒有聽過「顧問報告詛咒」，產出越完整、越像論文，團隊反而越不會去用它，因為沒人有時間先讀懂一份幾十頁的框架才能開始做事。
風險二：過度規劃
官方的 Prompting Guide 也點出這件事：面對複雜任務，它很容易列出一堆不會被採用的選項、把根因分析寫得落落長。如果不特別要求「直接給結論、只列可執行動作」，它很可能真的寫出一份漂亮但沒人看得完的「聖經」。
解決方法：從小到大，先做出 MVP
對第二種任務，推薦做法不是一次要求 Fable 5 產出「涵蓋所有情境的完整框架」，而是先讓它用 MVP 解一個題目，再把解法寫成教材：
- 先針對一個真實需求案例（例如某個目標、任務或流程），要求 Fable 5 產出馬上能用的具體版本。
- 讓真人拿這個東西去實戰，驗證有沒有用、卡在哪裡。
- 驗證有效之後，再讓 Fable 5 把這個「已被證實的具體案例」抽象化、擴充成可複用的框架或 SOP。
這樣策略類任務也會有「跑得動 / 跑不動」驗證機制，不會淪為一份寫得很厲害、卻沒人真正執行的文件。
跨部門的 Fable 5 應用提案方向
以下方向提供給各部門參考，重點不在複製提示詞，而在思考「什麼樣的任務，才值得動用這顆最貴的模型」。
業務（Sales / BD）
不該用它寫開發信或修改報價單措辭。也不建議一開始就要求它產出一整套「攻防聖經」；先把某一個目標大戶的財報、高層演講、產業新聞、你方產品規格與競品白皮書餵進去，只要求針對下一場真實會議的具體切入點與 2-3 個最難應付的反對意見應對方式。業務實戰驗證有效之後，再讓 Fable 5 把這個案例抽象化成可複用的大戶攻防戰略框架。
AM（客戶經理）
不該用它寫續約提醒信，先挑 2-3 個真的有流失風險或加購機會的客戶，把消費行為、系統架構、痛點整合進去，讓 Fable 5 產出這幾位客戶具體該怎麼推動的行動建議。實際跑過、驗證有效後，再擴充成部門通用的續約與加購決策樹。
管理層
不該用它潤飾週報或 OKR，與其一次要求「全局資源優化模型」，先針對當前最卡的一個資源分配問題（例如某個專案的人力配置），讓 Fable 5 給出具體建議並實際採用觀察效果。有了驗證過的案例，才值得投資讓它把邏輯擴充成長期追蹤戰略執行進度的指標系統。
財務
把公司營收結構、稅務法規、資本支出計畫餵給它，能產出財務預測與稅務優化模型，或自動偵測帳務異常的審計腳本邏輯。
設計（UI/UX）
去背、微文案交給小模型即可。真正該做的是整理公司所有產品線混亂的 UI，逐步讓它產出一套完整的 Design System Token 命名規範與複雜元件在各種邊界條件下的狀態矩陣。
RD 主管 / Tech Lead
不該拿來寫單一技術文件。應該把技術債、資料庫瓶頸與現有架構交給它，換一份高併發架構重構規劃與無痛遷移指南。
後端工程師
簡單 CRUD API 完全不需要。真正吃重的是萬用異步任務調度引擎：具備分散式鎖、自動重試退避機制、完整日誌追蹤的底層代碼。這正是小模型最容易漏掉 Race Condition 的地方。
前端工程師
值得投入的是微前端動態載入架構與跨產品線的狀態管理底座，解決最難搞的跨域身份驗證與狀態同步問題。
客戶成功（CS）
先挑一個真實發生過的危機情境（例如某次系統大當機或關鍵人事異動），讓 Fable 5 產出當下具體該怎麼應對的行動清單，跟實際處理結果對照。驗證過的應對邏輯，才值得整理成完整的危機應對 SOP 劇本。
自動化與工具整合
真正值得的是讓它直接寫出能自動巡邏系統、調用 API、具備嚴密錯誤容錯機制的自動化底層代碼，這是最容易讓小模型邏輯打結、卻是 Fable 5 最擅長一次到位的基礎建設工作。
行銷
先針對一個真實目標客戶，讓 Fable 5 產出可以直接寄出的 ABM 培育信，實測開信率與回覆狀況。效果確認後，再讓它把這個成功案例的邏輯抽象化成可重複使用的 ABM 溝通框架，讓後續行銷人員套用小模型規模化產出。
其他大廠的同等級模型：市場全貌
Fable 5 不是唯一一顆「頂級旗艦」，其他大廠也都在打造自己的最強模型，只是走的路線各不相同。截至 2026 年 7 月，四大陣營的現況大致如下：
OpenAI：GPT-5.6（Sol / Terra / Luna）
OpenAI 在 6 月 26 日發布了 GPT-5.6 系列，一次推出三個層級：Sol（旗艦、最強）、Terra（效能與成本的平衡版）、Luna（主打速度與便宜）。這個三層命名架構，本質上跟 Fable 5 / Mythos 5 的雙模型策略解決同一個問題：把「最強推理能力」跟「日常可負擔」分開賣。
值得注意的是，最強的 Sol 目前也應美國政府要求，僅開放給少數受信任的合作夥伴預覽，官方說明是因為它在資安領域的能力大幅提升，需要更完整的安全評估後才會擴大開放。這跟 Fable 5 / Mythos 5 先前因出口管制而暫停存取，走向類似的軌跡。
Google：Gemini 3.1 Pro + Deep Think 模式
Google 的做法不太一樣：它沒有另外發布一顆獨立命名的「更強模型」，而是在同一顆 Gemini 3.1 Pro（2026 年 2 月發布）上，疊加一個可選的 Deep Think 推理模式，僅限 Google AI Ultra 訂閱用戶或特定 API 合作夥伴使用。換句話說，Google 把「要不要用最貴的推理能力」做成了一個開關，而不是一顆完全不同的模型。這跟 Fable 5 的 Adaptive Thinking（模型自己決定要想多久）邏輯相近，但決定權在使用者手上,而非模型自動判斷。
xAI：Grok 4.5，Grok 5 仍未問世
xAI 原本喊出的下一代旗艦 Grok 5（傳聞 6 兆參數）從年初喊到現在都還在訓練中，尚未正式發布。目前市面上能用的最新版本是 2026 年 7 月 8 日推出的 Grok 4.5，這其實是一個過渡產品：專門針對程式開發與 Agent 工作流優化，定價比 Opus 4.8、GPT-5.5 都便宜六成以上，但並非 xAI 真正意義上的下一代旗艦。也就是說，在「神話級 / Mythos-class」這個量級上，xAI 目前還沒有真正的對應產品。
差異總結
| Anthropic | OpenAI | xAI | ||
|---|---|---|---|---|
| 頂級模型 | Fable 5 / Mythos 5 | GPT-5.6 Sol | Gemini 3.1 Pro + Deep Think | 尚無（Grok 5 未發布） |
| 產品邏輯 | 同一權重，安全層拆成兩顆模型 | 同代分三層（Sol/Terra/Luna） | 同一模型疊加可選推理模式 | 尚在等待真正的世代躍進 |
| 目前限制 | 曾因出口管制暫停，7/1 已恢復 | Sol 應政府要求僅開放受信任夥伴預覽 | Deep Think 僅限 Ultra 訂閱/特定夥伴 | 無（4.5 為一般開放） |
「應美國政府要求限制最強模型的存取」正在變成 2026 年中的產業常態，不是 Anthropic 特有的狀況。 如果你的工作流高度依賴某一顆最頂級模型，建議至少準備一個備援方案，因為這類限制目前看來會隨時間反覆出現。
把 Fable 5 當作短期的超級顧問吧！
Fable 5 的價值不在於它「什麼都會」，而在於它能一次性地把過去需要一整個團隊、耗時數週甚至數月才能完成的基礎建設打好。用對地方，它是那個你平常請不起、但請來一天就能幫你打好未來一整年地基的超級顧問；用錯地方，它就只是一台貴上兩倍的打字機。
但「用對地方」還不夠，還要用對驗證方式。如果產出是代碼或系統，跑得動就是跑得動，不用擔心；如果產出是策略或知識型文件，切記別急著要一份「涵蓋所有情境的完整聖經」；先讓 Fable 5 解一題真題、驗證有效，再讓它把解法寫成教材，才不會產出一份寫得很厲害、卻沒人真正照著做的文件。
真正決定 ROI 的，不是問「Fable 5 能幫我寫什麼」，而是問：「有什麼任務，值得讓它幫我蓋一套能持續產生答案的機器？而這個機器，我們真的驗證過能跑得動嗎？」
