Claude Fable 5 发布之后，奥特曼又要被吓到眩晕瘫坐，犹如看到原子弹爆炸了。

短短 24 小时里，社交平台几乎被各种案例淹没。视频一个接一个冒出来，我们还没看完上一个，时间线又跳出一个由 Fable 5 制作的新案例，网友们玩得不亦乐乎。

甚至就在刚刚，《华尔街 · 日报》报道称，OpenAI 正在考虑大幅下调 token 价格，试图通过打起价格战从 Anthropic 手里争夺用户。

只是，热度一上来，各种串子发布的假案例也跟着混了进来。有人把旧视频包装成 Fable 5 的新案例，蹭热点打广告；也有人故意发纯手搓视频，讽刺网友对 AGI 的盲目追捧。

与此同时，用户很快发现，Fable 5 的安全分类器实在是太敏感了，话题一旦涉及生物、化学、网络安全，模型就可能直接回退到 Opus 4.8。有网友称，自己的资料里带有生物医学背景后，连一句 Hi 都可能触发回退。

Fable 5 第一批出圈案例，大多和 3D、物理、游戏、浏览器交互有关。

有 X 用户只给 Claude 5 Fable high 一个目标：「制作一个我的世界克隆版」。大约 20 分钟后，它生成了一个包含多个生物群落、昼夜变化、不同矿石和洞穴系统的版本。它还远谈不上真正替代游戏开发团队，但已经比过去那种「按钮加贴图」的 AI 小游戏复杂得多。

自打 Gemini 3.0 发布之后，用 AI 打造克隆 Windows 系统已经不算稀奇，但 Fable 5 完成度之高，还是令人震撼不已：登录界面、通知、Edge、纸牌游戏，Copilot 一应俱全，充分展现了 Vibe Coding 指哪打哪的魅力。

机械和工程案例的表现也没拉胯，让它用 Three.js 实现完整瑞士杠杆擒纵机构。成品包含真实齿轮比、运转中的擒纵机构、呼吸式游丝和显示实际时间的指针。呐呐呐，这看了谁不迷糊。

类似的还有街区模拟器。Bilawal Sidhu 让 Fable 5 做了一个包含多 Agent 交通、实时检测框、轨迹和昼夜循环的城市街区。它不是成熟交通仿真软件，但它把「城市、多主体、轨迹、识别框、昼夜变化」这些元素组织成了一个能看的原型。

要说更夸张的案例， 还得是让 Fable 5 设计人形机器人。

提示词非常简单，让它设计一个紧凑、轻量、类似现代高机动研究机器人的人形平台，带有 25 到 30 个自由度、外露关节、铝合金或复合结构，以及带传感器的头部。

就这，仅仅用了两个小时、消耗约 140 万 token 后，Fable 5 就甩出了一版完整草稿。换句话说，很多过去要开几次会才能讲清楚的想法，现在可能先由模型做成一个能看的版本。

是的，Fable 5 自己不一定能生成最好的视觉素材，但它很擅长把素材、规则和交互组织成产品。而这种路径，反而比一句话全交给 AI 更接近生产实际。

3D 鞋子产品网站也是类似路径。创作者用 Magnific MCP 在 Claude Code 里生成产品图，再转成 3D 模型，下载后交给 Fable 5，用来开发一个交互产品页面。最后效果接近一个能直接展示的 3D 电商落地页。

还有人用 GPT Image 2 负责设计，用 Blender MCP 负责模型和照明，再让 Fable 5 完成乒乓球游戏逻辑，总开发时间约 6 小时。

把不同模型生成的案例放在一起，就更能看出模型在处理 3D 流体、体积动画和复杂物理效果的区别了，毫不夸张地说，Fable 5 的画面复杂度、运动感和空间表达明显遥遥领先。

Fable 5 强是真的强，但发布之后，也没少遭到网友的吐槽，主要舆论炮火都集中在过于敏感的安全分类器。按照用户反馈，网络安全、医学、生物、化学等领域很容易触发回退到 Opus 4.8。

有生物研究背景的用户称，因为 Claude 的记忆和偏好里出现过前列腺癌、细胞系、免疫荧光、图像分析、R 编码等内容，Fable 5 上线后，无论问什么都被转到 Opus 4.8，甚至一句 Hi 也不例外。

被误伤的用户很难不觉得荒谬：模型记住了你的专业背景信息，然后以此为理由拒绝为你工作。

此外，伴随着 Fable 5 刷屏，各路牛鬼蛇神也跟着出动，社交平台上很快出现了大量反串假视频。

有人拿着之前网上流传的 GTA-6 网友视频制作画面，硬说是 Fable 5 生成的；

还有人吃起了 AI 的流量馒头，借此接单做广告。

它们未必都是真骗子，里头不乏纯粹的乐子人，就像用这种离谱的假视频，讽刺大众对 AGI（通用人工智能）毫无理智的盲目追捧。

真正榨干 Fable 5，需要给它目标、工具和记忆

Fable 5 的强项不只是一句话出结果。它真正适合的用法，是给模型设计一个能自我修正的工作环境。

AI 知名研究员 Lance Martin 提到，Mythos 级模型正在改变 Anthropic 内部很多人的工作方式。核心方法有两个：自我修正循环，以及跨会话记忆。

所谓自我修正循环，可以理解为给模型一个明确目标和评分标准，让它反复尝试、读取反馈、修改方案，直到达到要求。Claude Code 里的 /goal，以及 Claude Managed Agent 里的 Outcomes，都是这类机制的代表。

这里的重点并非让模型自说自话地检查自己。

Lance Martin 特别提到，模型对自身输出做自评时会有偏差，更好的方式是使用 verifier 子 Agent，在独立上下文中评分。一个角色负责执行，另一个角色负责验收。两者隔离之后，判断会更可靠。

他用 Parameter Golf 做了一个测试。这个开源 ML 工程挑战要求在 8 张 H100 上，10 分钟内训练出最好的模型，同时最终产物要放进 16MB。任务包括编辑训练代码、启动训练、读取日志、分析分数，再决定下一次实验怎么做。

在这个测试里，Fable 5 相比 Opus 4.7 带来的训练管线提升更大。更明显的差异在于，Fable 5 更愿意尝试结构性调整，比如架构变化，而 Opus 4.7 更容易围绕常数和参数做小范围修改。

第二个方向是记忆。在连续学习任务中，每个问题都是一次单独会话，模型需要读写共享记忆。好的记忆使用过程大概包括五步：记录失败、调查原因、验证判断、提炼规则、下次先查规则。

Lance Martin 的观察是，Sonnet 4.6 往往停在记录失败和猜测，Opus 4.7 能建立一些带不确定性的参考，但验证覆盖不高。Fable 5 表现更完整，强运行里可以把更多经验验证后提炼成规则，用于后续任务。

这对普通用户也有启发。Fable 5 不适合只拿来问一次问题。它更适合长期处理一个任务域，比如代码库、数据管线、产品原型、研究项目，并允许它保存经验、读取经验、修正经验。

简言之，如果你想要榨干 Fable 5 的性能，关键不在提示词多玄学，而在任务设计，而长任务里的过程记录，本身就是生产资料。

说到把任务交给工具去跑，OpenClaw 就是最典型的一类，可如果你最近想把 Fable 5 接进 OpenClaw，就会发现模型一调用就崩。

究其原因，6 月 10 日之后，Anthropic 把 claude-fable-5 调整为需要 adaptive-thinking 参数，也就是 thinking.type 需要使用 adaptive，并配合 output_config.effort。

旧版 OpenClaw 还不认识 fable-5，会继续按旧式 thinking.type enabled 或 disabled 发请求，于是每次调用 Fable 5 就会报错。

YC 总裁 Garry Tan 也分享了最新的解决方案：

截至目前，Fable 5 的冲击还没有真正展开，价格依旧是一道现实门槛，但等工具链、Agent 框架和开发环境逐渐适配，它也将有望先进入少数高价值环节：

原型设计、复杂代码迁移、工程验证、自动化测试、研究辅助，或者那些过去需要一整个小团队连续几天才能推进的任务。

而等过段时间 Mythos 5 也「解封」，OpenAI 即将迎来最有压力的一集。