“用了一天，有点失望。”

Claude Fable 5 当然更强，也当然更贵，但我们更期待的是那种让人拍桌子的 aha moment。一个已经被反复抬高预期的开发者，很容易在新模型面前产生这种落差：就这？而且这么贵？但这种失望，可能也恰好说明了现在 Fable 5 的杀手锏场景，或许不是日常写代码。

榜单背书：发布一天，Fable 5 登顶

Anthropic 遮遮掩掩两个月的“神话” Mythos，终于在 6 月 10 日发布了。这一次，它把自家有史以来最强悍的大模型旗舰拆成了两个版本：Claude Fable 5 与 Claude Mythos 5。

按照 Claude 官方的说法，Fable 5 是一个“Mythos-class model”，也就是 Mythos 级别模型，但已经被处理到足够安全，可以面向普通用户开放。官方还强调，这是 Anthropic 迄今为止向公众开放过的最强模型，能力超过此前任何一个面向大众可用的 Claude 模型。

Claude 官方还补充说：“在几乎所有测试基准上都达到了 SOTA，尤其在软件工程、知识工作、科学研究和视觉方面表现突出。任务越长越复杂，Fable 5 领先其他模型的幅度就越大。”

昨天发布，今天就有第三方榜单跟进，Fable 5 很快拿到了它该有的排面。在 Arena.ai 最新的榜单中，Fable 5 一举登顶。

这份榜单把模型的智能体表现拆成五个维度来看。Fable 5 最突出的地方，恰恰落在其中两个最接近真实使用体验的指标上：一个是“用户确认任务完成率”，达到 18.2%；另一个是“好评与投诉比”，达到 30.6%。

用 Arena.ai 的话说，Fable 5 在这两项指标上“以前所未有的优势领先于 Opus-4.8 和 GPT-5.5。”

这两个指标比单纯的跑分更值得注意，因为衡量的是在真实任务中，模型到底能不能把活干完，以及用户是否认可它交付出来的结果。

再看单项能力，Fable 5 也登上了 Code Arena 和 Text Arena 两个榜单第一。尤其是在编码相关评测中，它在前端对决中取得了 72% 的胜率，并最终拉开了 98 分的分差。

但榜单归榜单，真实使用里还有另一种声音：“用了一天，一个 aha moment 都没用出来”。如果 Fable 5 只被当作一个日常写代码的助手，它很可能永远不会让人觉得值回票价。既然如此，最该看的就不是跑分，而是有没有真正让人觉得值的案例。

一个更苛刻的场景出现了

有人直接把一个拖了几个月都不想碰的重构任务扔给了 Fable 5，要求它一次性搞定。更狠的是，这个仓库连测试都没有。对方只留下一句话：“这才是真正的测评。”

这种极端场景指向的，显然不是日常写代码，而是软件工程里那些真正的硬骨头：长期拖延的重构、没人敢轻易动的旧仓库、缺少测试保护的遗留系统，以及一旦改错就可能牵出一串问题的复杂依赖。

虽然有不满意的地方，但他的评价是“比任何模型更接近目标”。

官方给出的第一个典型案例，也是这个路数：Stripe 在一个 5000 万行 Ruby 代码库中完成全库迁移。这个工作如果让工程团队手动推进，原本要两个多月，而 Fable 5 只用了一天。

Anthropic 还在官方介绍中声称 Fable 5 的 token 使用效率也高于以往的 Claude 模型：在 Cognition 的 FrontierCode 评测中，Fable 5 即便只以中等推理强度运行，也在前沿模型中取得了最高分。FrontierCode 用来测试模型能否完成高难度编码任务，同时达到高质量生产级代码库的标准。

另一个案例来自一位偏后端的开发者。

他提到，像他这样更偏后端的人，最近不得不认真学习什么才是好的前端代码。原因是前端更容易被 vibe code，因为效果直接可见，界面能跑起来，代码质量却可能更快滑坡，回归问题也更容易进入结构不好的代码库。React 看起来容易上手，但真正写好它，需要很深的心智模型。

这一次，他把 Fable 5 用在了团队里最老、最乱的一段 React 代码上，做了一次 +5000/-5000 级别的重构，理顺了很多纠缠在一起的东西。

他的目标很简单：把代码清理干净，然后看在更少引导的情况下，Fable 5 自己会怎么做。

一开始，他让 Fable 5 重构 $sessionId 页面和根组件，直到它足够干净，并且控制在 500 行以内。随后，他又让它重构 $taskId 页面和根组件，同样

（摘要已截断，点击下方"查看原文"获取完整内容）