Claude Fable 5 正式发布:功能、定价、可用渠道与 Mythos 5 区别全解析
Fable 5 和 Mythos 5 到底什么关系?比之前强在哪?价格涨了降了?现在能用吗?一篇文章把最该知道的几个问题说清楚。
6 月 9 日,Anthropic 突然发了两个新模型,一个叫 Fable 5,一个叫 Mythos 5。新闻出来之后,身边好几个人问的是同一个组合问题:这两个是不是同一个东西改了个名?它们跟之前用的 Sonnet、Opus 到底什么关系?更实际的是——价格到底涨了还是降了,我现在能不能用上?
官方信息倒也不是藏着掖着,问题是散在新闻稿、API 文档、博客、几个合作方的公告里,得自己拼。这篇就是帮你把几块拼图凑到一起,按你最可能关心的几个问题排好了,哪个问题先来的就先看哪个。
Fable 5 到底是什么
先说结论:Claude Fable 5 是 Anthropic 目前 能力最强、公开发布范围最广 的模型。
官方的说法是"面向高难度推理和长周期自主 agent 任务设计",翻译成实际体验就是三件事:
- 推理变深了——多步逻辑、复杂代码、结构化分析这类任务,Fable 5 的上限明显比前代高
- 能干更长的活——可以自己拆步骤、调工具、跟踪上下文持续执行,不需要你每一步都去点头确认
- 到处都能用——不是小范围灰度,API、Claude.ai、GitHub Copilot、AWS Bedrock、Microsoft Foundry 这些都开了
打个比方:以前的 Claude 像一个很棒的回答者——你问一句它答一句,答得挺好。Fable 5 更像一个可以接下一个完整任务、自己拆开来一步一步干完的初级同事。这个区别在工作流场景里感受最明显。
Fable 5 和 Mythos 5 到底是不是同一个东西?
这个问题在这次发布里最容易把人绕进去,所以先说清楚。
把两个模型想象成同一台发动机装了两套不同的排气管就行:
| 维度 | Claude Fable 5 | Claude Mythos 5 |
|---|---|---|
| 谁可以用 | 只要你有 API 权限就能调 | 只能通过 Project Glasswing 申请 |
| 安全过滤 | 带着 Anthropic 的标准安全分类器 | 去掉了安全分类器 |
| 用在哪 | 日常开发、生产部署、合规场景 | 安全研究、红队测试、模型行为分析 |
| 怎么调 | API / Claude.ai / Copilot / AWS / Azure | 项目申请制 |
| 模型 ID | claude-fable-5 | claude-mythos-5 |
底层能力是一模一样的。区别只在于安全层的配置——Fable 5 出门戴了全套护具,Mythos 5 没戴,所以只能在有人看管的专业场地里用。
对你来说判断标准就一条:正常开发、写代码、调 API 的,直接上 claude-fable-5。如果你是做安全研究的、要跑红队测试的,才需要考虑通过 Project Glasswing 去申请 Mythos 5。
比之前的 Claude 到底强在哪
如果你已经在用 Claude,下面几个变化会直接影响你的用法。
一口气能读 100 万 token
Fable 5 默认支持 100 万 token 的上下文。这个数字单独看没感觉,换成实际场景就好理解了:
- 能把一个完整的中型项目代码库一次塞进去让它看
- 可以上传几百页的技术文档然后直接提问
- 在 agent 工作流里,它能记住前面几十步的上下文,不会干着干着忘了之前的事
对于做代码审查、管大型文档、跑长周期 agent 的人来说,这个参数直接决定了你能让它做什么样的事。
一次最多吐出 128K token
之前想让模型写一篇文章还好,但如果要它一次生成整个模块的重构代码,往往需要分好几次来回。Fable 5 一次输出上限是 128K token,换算成中文字数大概 8 到 10 万字——单次请求就能覆盖大部分"以前要好几次才写得完"的内容。
自己能干的活变多了
Anthropic 在发布里特意强调了一点:Fable 5 能比之前任何 Claude 模型更长时间地自主工作。这句话字少但信息量大:
- 让它编排多步 agent 流程,中间不需要你频繁插进去纠正方向
- 工具调用更可靠,不会在第三步就忘了第一步的目标
- 对自己"做完了什么、还差什么"的判断更准,不会漏步骤
换成实际体验就是:以前你给它一个三步任务,可能在第二步就走偏了或者停下来等你确认。Fable 5 更倾向于自己判断进度、继续往前走,直到完成为止。
重点提升的几个领域
官方列了五个方向,跟实际使用体验大致对应:
- 写代码——生成、调试、重构、代码审查,这应该是大多数人用最多的场景
- 处理文档——分析文档、综合信息、结构化写作
- 看图和图表——图片分析、图表解读,在视觉理解上也有明显提升
- 长对话记忆——会话越长,信息一致性保持得越好
- 科研辅助——生物医学文献分析、实验设计,属于垂直领域强化
注意这五个不是"只有这些"的意思,而是"这些方向的提升最明显"。日常对话、翻译、基础问答这些本来就不弱的,这次照样跟着升级。
价格:涨了还是降了?
直接看表:
| 项目 | 价格 |
|---|---|
| 输入(每百万 token) | $10 |
| 输出(每百万 token) | $50 |
| 如果用 prompt caching | 打一折,实际只要 $1/百万输入 |
| 仅限美国区域推理 | 1.1 倍定价 |
对比上一代最高规格的 Opus,输入从 $15 降到了 $10,输出来看 $50 没变——但考虑到能力提升和输出上限的翻倍,同样的钱能干更多事。
另一个值得注意的点是 prompt caching:如果你的应用场景里大量重复相同上下文(比如客服系统每次都传同样的知识库),缓存命中后输入成本可以降到 $1/百万 token,这就是一个可以直接算 ROI 的数字了。
到底能从哪用上
这次 Fable 5 覆盖面确实广,基本上常见的入口都覆盖了:
| 渠道 | 怎么用 |
|---|---|
| Claude API | 直接调 claude-fable-5,接口不变 |
| Claude.ai | Web 聊天界面直接选模型,订阅用户用到 6 月 22 日后转按量计费 |
| Claude Code | CLI 工具,在终端里直接切模型 |
| Claude Cowork | 协作模式,适合团队共享上下文 |
| GitHub Copilot | Pro+、Max、Business、Enterprise 用户逐步推送 |
| AWS Bedrock | 在 AWS 里建推理工作负载 |
| Microsoft Foundry | 支持多步自主工作流 |
| IDE 插件 | VS Code、JetBrains、Xcode 等主流 IDE |
如果你已经有 Anthropic API 的 key,现在就能直接用,改一下 model ID 的事。如果走 GitHub Copilot,更新是逐步推送的,Pro+ 和 Enterprise 会先覆盖。
在 Claude.ai 网页上用的话,订阅用户在 6 月 22 号之前都包含在订阅费里,之后会按实际用量扣。
大家还想知道的几个问题
问:Fable 5 到底是 Opus 的替代品吗?
不是 Opus 的换代。这次 Anthropic 没有沿用 Sonnet / Opus 的分层路子,而是把 Fable 5 直接定位成"当前最强、公开发布"的模型。至于后面还会不会有更高级的版本,要看 Mythos 5 在 Project Glasswing 里的评估结果。
问:CLI 和 API 都能直接用吗?
能。API 用 claude-fable-5 这个 model ID。Claude Code CLI 在模型选择里切换就行。
问:价格比之前高了还是低了?
输入比 Opus 的 $15 便宜了,输出维持 $50。结合能力提升和输出上限翻倍来算,性价比是明显涨了。如果你用 prompt caching,大量重复输入的成本低到 $1/百万 token。
问:Mythos 5 普通人能用吗?
不能。Mythos 5 目前只对通过 Project Glasswing 审核的研究机构和企业开放。正常用选 Fable 5 就够。
问:Fable 5 中文怎么样?
Claude 的中文能力覆盖一直不差。Fable 5 的推理能力和上下文长度提升对中文任务同样有效——中文代码注释、文档分析、agent 编排都不会比英文差。建议拿你实际的任务去试,比任何评测都直接。
问:100 万 token 上下文真的能用满吗?
1M 是支持上限,不是必须用到这么多。实际效果取决于你的任务类型和输入复杂度。Anthropic 在长上下文上做了好几代的优化,Fable 5 是目前最稳定的一版。建议从你的实际使用量开始,一步一步往上试。
总结一下
这次 Claude Fable 5 发布,不光是一个模型升级,还说明了几件事:
- Fable 5 是主力——能力最强、渠道最广,绝大多数场景选它就行
- Mythos 5 是专线——底层能力一样,但安全层更开放,只向研究机构开放
- 价格没涨——输入反而降了,配合缓存成本可控
- 覆盖面最广的一次——从 API 到网页到 IDE 到云平台,基本所有入口都开了
如果你是已有用户(API 或订阅),切过去试试几乎零成本——改 model ID 就行。如果你是第一次想试试 Claude,从 API 或者 AWS Bedrock 上手都行,claude-fable-5 是目前最简单的入口。
更多文章
Wan 2.7 Seed 参数到底怎么用?一篇讲透原理、实操和避坑
Seed 参数是 Wan 2.7 最被误解的设置之一。它不锁定输出、不控制风格、跨平台也不互通。但用对了,每条视频能省 3-5 次无效生成。本文从原理讲到实战策略。
Wan 2.7 AI 音频生成实战指南:声音克隆、多角色配音到提示词控制
Wan 2.7 音频生成到底怎么用?从声音参考的原理、多角色配音的坑,到音频提示词的边界,一篇讲清楚。含翻车案例和参数建议。
Wan 2.2 vs LTX 2.3 实测:选哪个不看参数,看你做什么
两台模型在同一张 4090 上跑了三周,结论很简单:做角色短视频选 Wan 2.2,批量出片选 LTX 2.3,搞 NSFW 只能选 Wan 2.2。看完五分钟能决定。
订阅简报
加入我们的社区
订阅我们的简报,获取最新动态与资讯