Claude Fable 5：一款可用的 Mythos 级模型

更新（2026 年 7 月 1 日）： Claude Fable 5 的访问已恢复，现在可在 Claude Platform、Claude.ai、Claude Code 与 Claude Cowork 全球使用，先前的出口管制令已解除。Mythos 5 仍仅限经过审核的 Project Glasswing 合作伙伴使用。

更新（2026 年 9 月 2 日）： Anthropic 已发布该模型的后续版本。请参阅我们的 Claude Fable 5.1 指南 和 Claude Fable 5.1 API 教程了解详情。

我们最早是在 4 月听到 Claude Mythos 的消息，当时我们撰文介绍了 Claude Opus 4.7 的发布。彼时我们了解到，尽管 Opus 4.7 本身已相当出色，但之所以是公开可用的最佳模型，仅仅因为 Mythos 级模型尚未面向大众发布。

如今，Anthropic 带来了 Claude Fable 5——一款可安全用于通用场景的 Mythos 级模型。它无疑在各项重要基准测试中领跑，包括知识型工作、软件工程与科学研究等。这对刚在八天前提交美国 IPO 申请的 Anthropic 来说，是一次重大胜利。

本文将深入解析 Claude Fable 5，比较它与市面上其他模型（如 GPT-5.5、Gemini 3.1 Pro）以及 Claude 自家模型（如 Opus 4.8）的差异。我们也会给出何时使用该模型的建议，因为它价格更高。如果您刚接触 Claude 并渴望上手，建议先阅读我们的Claude 学习指南。

Claude Fable 5 是什么？

Claude Fable 5 是 Anthropic 为其最新、最强模型命名的版本。它属于 Mythos 级模型，但在关键领域（尤其是网络安全）引入了重要的安全防护。

对用户而言，这意味着某些问题会由下一档模型 Claude Opus 4.8 回答。Anthropic 估计此类重路由发生在少于 5% 的查询中，而且这一估计偏保守。考虑到涉及网络安全，这样安排也更妥当。当然，这一比例会因您的具体工作类型而差异很大。

我们对 Claude Fable 5 格外期待。该模型的能力已拓展到新的实用领域：网络安全防御者可用它来加固关键系统，生命科学研究者可用它改进新疗法，天体物理学家可用它绘制星系地图，等等。

如果您阅读了发布信息，可能也听到过 Claude Mythos 5。若您在想：Claude Mythos 5 是相同的底层模型，但放宽了部分安全防护。它并非面向公众使用：该模型以 Project Glasswing 项目的一部分部署，与美国政府合作，实质上取代了 Claude Mythos Preview。我们对 Claude Mythos 5 了解不多，但知道它拥有目前全球最强的网络安全能力。Anthropic 与美国政府的合作本身就是证据。

Claude Fable 5 有哪些新变化

Fable 5 在安全性、透明度、记忆与数据处理方面带来了多项显著升级。

安全分类器

Fable 5 最大的结构性新增是一套两阶段分类器系统，旨在防止模型最危险能力的滥用。一个探针会在所有流量中监测模型的内部激活；任何被标记的请求都会升级到一个单独训练的 LLM 分类器，由其做最终裁定。被拦截的请求不会被直接拒绝，而是重路由至 Opus 4.8，以便用户仍能获得有用回复。

回退通知系统

这一点与上文相似。当 Fable 5 的分类器将查询重路由到 Opus 4.8 时，会通知用户是哪一个模型处理了他们的请求。这是一项新的透明度机制，用户无需再猜测为何回复手感不同。

基于文件的记忆，作为思考工具

Fable 5 能在任务中途将笔记写入文件，并在后续回溯引用，这不同于仅拥有超长上下文窗口。这是一种主动工作记忆行为。Anthropic 自身测试显示，这一能力带来的性能提升明显高于 Opus 4.8。

30 天数据保留策略

Anthropic 为所有 Fable 5 流量引入了新的数据保留策略。数据将保留 30 天，用于检测新型越狱并减少误报。Anthropic 表示这些数据不会用于模型训练，人类访问会被记录在案。

Claude Fable 5 基准测试结果

Claude Fable 5 在我们重点关注的所有基准测试中全面胜出。在 SWE-Bench Pro 上得分 80.3%，领先于 Opus 4.8 的 69.2%。在带有工具的 Humanity's Last Exam 上得分64.5%，而 Opus 4.8 为 57.9%，GPT-5.5 为 52.2%。

• SWE-Bench Pro
• Frontier Code（Diamond）
• GDPval-AA
• OSWorld-Verified
• Humanity’s Last Exam
• Terminal-Bench 2.1

软件工程中的 Claude Fable 5

我提到了 FrontierCode 基准，但尚未展开。FrontierCode 不仅测试模型能否通过编码测试（这本身已很难），还检验其是否能达到高质量生产级代码库的更高、更通用标准，例如代码在大规模下的性能、是否符合惯用风格、是否为长期可维护性而良好组织等。

Claude Fable 5 在不使用 high 或 xhigh 努力参数的情况下，就在 FrontierCode 测试中取得了所有模型中最高的分数。

视觉任务中的 Claude Fable 5

Claude Fable 5 是新的视觉任务最佳模型。在 Anthropic 的测试中，Fable 5 仅凭截图、无需脚手架就能重建 Web 应用的源代码。这一能力也体现在其 CharXiv Reasoning（带工具）93.2% 的得分中。

Fable 5 还在一个更常见的问题上表现出色：它能从复杂的科学图表中精确提取数值，错误极少。

Claude Fable 5 的记忆与长上下文

今年我们频繁讨论 AI 模型的记忆与长上下文能力。Fable 5 让我们有了新的话题。

首先，Fable 5 能在数百万标记的长度上保持专注。如果您对此不熟悉：当任务很长时，AI 模型可能会“遗忘”或丢失早期上下文；但 Fable 5 即使在超长任务中也更能保持连贯一致的行为。到底多长算很长？作个参照，一百万标记大约相当于 700 页的长篇小说。

Anthropic 还提到一个有趣点：Fable 5 会用自己的笔记来改进输出。也就是说，模型可在任务中途把内容写下来（比如写入文件），之后再回看引用，类似人类在解题时随手记笔记。这不同于拥有长记忆，模型是将外部存储当作思考工具在用。

Claude Fable 5 vs. GPT-5.5 vs. Gemini 3.1 Pro

上表已显示 Fable 5 在各项中皆领先。但更有用的问题是领先的“形状”：哪里差距悬殊，哪里各半开，以及原因何在。

Claude Fable 5 vs. GPT-5.5

GPT-5.5 是最接近的竞争对手，在多数任务上两者几乎打成平手。Blueprint-Bench 2 的空间推理，GPT-5.5 为 36.2，Fable 5 为 38.6。即便在长链式具身任务中，只要模型在执行过程中能获得反馈，二者依旧接近。在 Terminal-Bench 2.1 上，终端会立刻标注错误，分数分别为 83.4 与 88.0。

有一种情形会打破这一模式：只在最终评分的长任务。此时模型无法自行纠错，错误会积累，能力更强的模型就会拉开差距。SWE-Bench Pro 最明显：GPT-5.5 为 58.6，Fable 5 为 80.3。

想看详细对比，请阅读我们的文章：Claude Fable 5 vs GPT-5.5：基准、定价与如何选择。

Claude Fable 5 vs. Gemini 3.1 Pro

Gemini 3.1 Pro 在所有方面都落后于 Fable 5，且在最重要的工作上差距更大。在 GDPval-AA 知识型工作上，Gemini 得分 1314，而 Fable 5 为 1932。在 Terminal-Bench 2.1 上，二者分别为 70.7 与 88.0。较短、封闭式任务上的差距较小——空间推理为 26.5 比 38.6——但从未弥合。这一模式指向一个能妥善处理短问题、但在 Fable 5 擅长的长链、重工具流程中容易丢线的模型。

测试 Claude Fable 5

Anthropic 在发布信息中的一个具体声明是：Fable 5 能从复杂科学图表中精确提取数值，错误极少。

为检验这一点，我们构造了一个由两块面板组成的科学图，模拟细胞生物学论文中的典型输出：对数₂坐标轴上的重叠基因表达时间序列、以百分比与任意单位其他测量配对的双 y 轴面板等。

我们以为这会很棘手。面板 B 的双 y 轴使用不同刻度与不同单位。基因 Z 在某些位置进入负的对数₂区间。

我们让 Fable 5 从两个面板和表格中提取所有数值。

please extract all numeric values

结果几乎完美。我用于绘图的自制表格中，基因 Z 在 48 小时时的值为 -0.05。Fable 5 告诉我是 -0.04，而不是 -0.05。

关于 Claude Fable 5 的外界评价

在发布信息中，Anthropic 展示了来自客户或合作伙伴（如 GitHub、Figma）的早期访问反馈/产品证言。他们都给出了正面评价，但这在每次 Anthropic 模型发布中都属常见。

X 上的观点更少修饰。最抢眼的是，Andrej Karpathy 给出了几乎溢美的评价，认为 Fable 5 在所有相关基准上都是最先进的，并称其为一次类似 Opus 4.5（去年 11 月）那样的跃迁式进步。在帖子的其余部分，他还给出了许多可用 Fable 5 实现的点子，例如：

• 定制的一次性应用
• 自动优化您的代码
• 用自定义 HTML 呈现结果来运行研究项目

Every 的 CEO Dan Shipper 也表达了类似观点，他认为 Fable 5 在基准测试上表现惊人，同时还是“单发奇迹”——您可以把一个大项目交给它，第二天早上回来就能看到完成的成果。（他之所以知道，是因为拿到了早期访问。）

也有一些平衡性的批评：他指出该模型较慢且“吃标记”，换言之成本较高。他称其价格是 Opus 的两倍。因此他也很聪明地提醒，只有在确有必要时才使用该模型。

Claude Fable 5 的护栏是什么？

我提过：Claude Fable 5 本质上是 Claude Mythos 5，但加上了安全防护。这意味着，如果不加限制，Fable 5 的强大能力可能在网络安全、生物学等领域为不良行为者提供实质性帮助——这就是基本判断。

护栏的大体工作原理如下。这是一套两阶段分类器系统：

• 首先，一个探针监测 Claude 在所有流量中的内部激活，任何被标记的请求会升级到一个单独训练的 LLM 分类器，由其对是否拦截或放行做最终裁定。
• 其次，当请求被拦截时，会改由 Claude Opus 4.8 处理，并通知用户是哪一模型响应了查询。

分类器主要覆盖三个领域。

• 其一是网络安全：系统卡确认，在漏洞利用测试的大多数情节中（即模型是否能协助黑客行为？），Fable 5 的分类器都会触发。
• 其二是生物与化学：Anthropic 自评显示，该底层模型在某些双重用途的生物任务上接近专家水平。系统卡提到了腺相关病毒（用于基因治疗），但它们毕竟也是病毒。
• 其三是蒸馏：Anthropic 过去检测到在一些威权国家存在大规模尝试，试图抽取 Claude 的能力来训练竞品模型，包括搭建预训练流水线或分布式训练基础设施。

请看一张图中的前后对比。粉色柱代表未加护栏的 Claude Mythos 5——原始底层模型。它在四个基准上的能力都极强：Firefox 漏洞开发 88.4%、CyberGym 漏洞复现 83.8% 等等。

橙色柱代表启用分类器的 Claude Fable 5，在所有基准上都是 0.0%。护栏将这些能力压平到零，这是好事——他们追求的正是“零”。

我喜欢这张图，因为它将 Opus 4.8 放入了上下文中。即使不加护栏，Opus 4.8 的分数也远低于 Mythos 5。这也说明了为何必须引入分类器。Opus 与 Mythos 之间的能力跃迁，正是让广泛发布变得有风险并被推迟的原因。

Claude Fable 5 的访问与定价

如果您是 Pro、Max、Team 或 Enterprise 计划用户，现在即可免费使用 Fable 5——但仅限至 6 月 22 日。

6 月 22 日后，将需要使用用量点数，亦即 Anthropic 在您现有订阅之上提供的按量付费体系。Dan Shipper 对成本的提醒，很可能部分源于此。

对使用 API 的开发者而言，更为简单：

• Fable 5 现已全面开放，输入每百万标记 10 美元
• 输出每百万标记 50 美元。

若与 Opus 4.8 的标准定价（输入 5 美元/百万标记，输出 25 美元/百万标记）相比，Fable 5 的确贵一倍，如 Dan 所言。但若您已在用 Opus 4.8 的快速模式，Fable 5 的价格与之相同，同时能力更强。

重要提示：如同我之前好奇的一样，当查询因安全分类器而回退到 Opus 4.8 时，将按 Opus 4.8 的费率计费，而非 Fable 5 的费率。

不带护栏的 Mythos 版本 Claude Mythos 5 不向公众开放，仅限 Project Glasswing 合作伙伴使用。

结语

Anthropic 以 Project Glasswing 与耐人寻味的 Mythos 模型吊足了大家的胃口。但数月以来，这个“全球最佳”的模型——它确实是全球最佳——始终被锁在政府合作之中。

这一切在 Anthropic 提交美国 IPO 申请后一周发生了变化。现在，Mythos 级模型可在 Pro 计划中使用。（访问还基于用量点数。详情见上一节。）

现状：Anthropic 的模型已强大到若不加限制就可能造成严重危害。我们知道这不是营销文案，因为公司为此专门构建了一套并行分类器系统来添加护栏。

未来走向：能力上限不断抬升，基准测试持续被更难的版本取代，模型发布节奏也越来越快。与此同时，安全护栏的基础设施也愈发复杂，以作补偿。随着 IPO 可能在今年推进，关于竞争压力与安全问题之间如何权衡的讨论将会很多。