Claude Fable 5 is here!

视觉定位突破：首次精准识别隐藏目标

Anthropic发布了其最新且最强的模型Claude Fable 5，其性能甚至超越了此前被认为过于危险而未发布的Mythos预览版。为了验证其实际能力，评测者首先进行了一项极具挑战性的视觉测试：在一张复杂的图片中寻找并圈出一只隐藏的青蛙。此前没有任何AI模型能正确完成此任务。评测者将图片输入Claude Fable 5，并将努力程度设置为“Fable 5 Max”。模型并未直接给出答案，而是展示了其内部思考过程：它首先将图像分割为不同区域，然后逐个检查每个象限，最终在特定坐标定位到一只棕色青蛙，并画上了红色圆圈。

“这是第一个真正能够正确回答这个提示的模型。”

评测者放大图像确认，青蛙的头部和后腿清晰可见，模型确实准确无误地完成了任务。这一结果标志着视觉理解能力的重大突破，评测者甚至表示需要制作更难的图片来测试后续模型。这证明了Fable 5在复杂视觉场景下的精细定位能力远超以往。

代理编程能力：从零构建光线追踪模拟

Fable 5的核心优势不仅在于简单的问答，更在于其强大的代理式编码（Agentic Coding）能力。评测者使用Claude Code桌面应用，要求模型在不使用Three.js或其他外部库的情况下，从零开始编写一个包含球体、立方体和金字塔的光线追踪模拟程序，并支持调整位置、反射率、粗糙度等物理参数。模型在单次提示下生成了初步代码，虽然存在延迟，但功能基本完整。随后，评测者要求优化浏览器性能，模型在两次提示内完成了优化，生成了一个独立的HTML文件。

在浏览器测试中，所有参数均正常工作： - 球体测试：拖动位置滑块、改变颜色为白色、调整半径、将反射率设为全反射、调整粗糙度以及透明度至100%均实时生效。 - 反射验证：将球体设为高反射，立方体设为红色，球体表面清晰反射出红色立方体，证明光线反射逻辑正确。 - 环境交互：调整太阳位置、棋盘格大小和地面反射率，场景变化自然。

模型在每次迭代后会自动验证修复并在浏览器中测试，确保代码健壮性，尽管这消耗了更多Token，但展现了极高的自动化调试能力。

复杂3D数字孪生：地球交互模拟

为了进一步测试极限，评测者要求构建一个全交互式的3D地球数字孪生体，功能包括从太空无缝缩放至城市街道、悬停显示国家统计数据（面积、人口、GDP）、以及大气云层、航班流量和昼夜模式切换（夜间显示城市灯光）。模型再次在单次提示下完成了这一复杂任务，无需额外迭代。

打开全屏后，模拟运行流畅： - 交互响应：悬停国家时，轮廓高亮并弹出统计信息。 - 视觉效果：云层覆盖、航班动态和昼夜切换逻辑清晰，夜间模式能准确显示城市灯光。 - 性能表现：在常规浏览器中加载高效，未出现明显卡顿。

这一案例证明了Fable 5在处理大规模数据可视化与复杂交互逻辑时的卓越能力，仅需极少提示即可生成生产级可用的前端代码，展现了其在代理编程领域的统治力。

地球数字孪生：从地理数据到动态交互的极致生成

Claude Fable 5 在生成复杂交互式地球模型方面展现了惊人的能力。通过单一提示词，模型成功构建了一个包含国家轮廓高亮、人口、面积、GDP 等详细统计数据的数字地球。用户不仅可以查看基础地理信息，还能通过切换开关实时调整视觉效果。例如，开启云层覆盖后，地球表面会动态生成逼真的云层；开启航班交通后，全球航线轨迹清晰可见；开启地名标签后，所有国家名称及航班来源地均被准确标注。

"In just one prompt, it's able to generate this super realistic digital twin of Earth with cloud cover, flight traffic, day and night toggles, even country stats, and labels."

更令人印象深刻的是其对昼夜交替和夜间模式的模拟。开启昼夜分界线（Terminator）后，地球被清晰划分为昼半球和夜半球；而在夜间模式下，用户甚至能放大并看到城市灯光的细节。测试者将视角深入至东京，成功进入了城市街道视图级别的细节展示。这种在单次提示中整合地理数据、动态特效及高精度缩放的复杂工程，被评价为"incredibly complicated to build in just one prompt, but Fable was able to ace this"，体现了其在代码生成与前端交互逻辑上的卓越表现。

3D场景重建：从参考图像到空间对齐的挑战

在3D场景重建测试中，测试者输入了一张包含大量办公桌、物品和人员的复杂办公室参考图像，要求Fable 5生成一个单HTML文件的3D动画场景。初次生成的结果虽然整体结构尚可，但在空间对齐上存在明显缺陷，桌子、物品和人物未能与参考图像精确对应。测试者随即发出第二条提示，要求"make sure the desks, items, and people are aligned exactly like the reference image"，并让模型进行自我验证和错误修复。

经过两轮提示迭代，最终结果虽比GPT-5.5生成的版本更连贯（GPT-5.5存在大量"disconnected pieces"碎片化错误），但仍未能达到完美对齐。具体缺陷包括：虽然中心三排椅子的桌子布局正确，但其余桌子位置偏差，且模型错误地添加了"random space"（随机空间）和不该出现的人物。测试者最终判定该次生成为"fail"，尽管其在整体连贯性上优于竞品，但在空间几何的精确还原上仍有显著不足，无法完全忠实于原始参考图像的结构。

音乐创作与游戏开发：功能完备但艺术性有限

在音乐创作测试中，Fable 5 首先成功构建了一个包含钢琴、合成器、拨弦、弦乐、鼓和贝斯五种乐器的DAW（数字音频工作站）界面，每个轨道均具备钢琴卷帘、声像、音量及播放控制等标准功能。随后，测试者要求其创作一首"powerful expressive 32 bar song... that would win a Grammy"，并包含自动化、声像及混音效果。

播放生成的音频后，测试者指出其音乐性"didn't sound too impressive"，仅由重复的和弦构成，缺乏足以获奖的复杂性，且未包含真正的自动化和声像控制，尽管有混响和延迟效果，但整体混音并不专业。测试者认为其在音乐创作上"isn't really like prolevel yet"，且听感与GPT-5.5相似。相比之下，在游戏开发测试中，Fable 5 表现更佳。通过单一提示，它生成了一个基于Three.js的3D第三人称射击游戏，玩家控制机甲战士对抗外星生物。游戏实现了冲刺、跳跃、喷射推进等操作，且敌人（甲虫和鸟类）攻击逻辑正常，整体设计被评价为"very nicely designed"，展现了其在实时3D交互逻辑上的强大实力。

游戏开发：从基础原型到视觉升级

视频首先展示了使用 Fable 5 进行“氛围编码”（Vibe Coding）游戏开发的完整流程。创作者仅通过一条提示词，便让模型生成了一个包含多关卡、难度递增的飞行射击游戏原型。尽管初始版本功能完整，但模型出于谨慎，避免了使用外部第三方 3D 资产，仅使用基础图形。创作者随后通过追加提示词，要求优化游戏设计并引入创意共享模型，模型迅速响应，增加了推进器冲刺（Q键）和字段升级（1-3键）等新机制。

“With just one additional prompt, it's able to make this game design look even better with more actions like thrusters and other different settings.”

重新部署后的游戏在视觉效果上有了显著提升，出现了蜘蛛和黄蜂等更具挑战性的敌人，代码逻辑准确且几乎零错误。创作者评价 Fable 5 是目前最擅长理解指令且错误率最低的模型，具备开发生产级游戏的潜力。这种通过少量交互迭代即可实现复杂功能的能力，证明了其在创意编程领域的卓越性能。

教育内容生成：交互式化学课程实战

Fable 5 的另一大亮点是生成高质量教育内容的能力。创作者要求模型创建一个有趣的高中化学课程，包含免费课程、交互式视觉练习和吸引人的界面。模型一次性生成了包含三个课程的完整响应，界面响应式设计良好。第一课讲解质子、中子和电子，并附带一个原子构建互动练习。该练习不仅界面美观，且科学逻辑严密：例如，当电子数增加至 11 时，模型自动正确地在外部添加新的电子层，体现了代码与科学知识的精准对应。

“Everything is actually very accurately coded... everything is actually scientifically correct.”

第二课引入了交互式元素周期表，点击元素即可获取准确信息，并包含一个关于“第 2 周期稀有气体”的猜谜游戏，模型能正确识别答案（氖）。第三课则专注于分子平衡和 pH 值学习，同样配有互动游戏和小测验。整个课程结构完整、动画流畅，展示了 Fable 5 在复杂逻辑构建和多媒体内容生成方面的强大实力，适合为儿童或成人定制个性化学习材料。

安全限制与领域局限性测试

尽管在游戏和教育领域表现优异，Fable 5 在生物医学和网络安全领域存在明显的安全限制。当创作者尝试让模型分类六种癌症肿瘤幻灯片时，系统自动从 Fable 5 切换至 Opus 4.8。模型解释称，Fable 5 对大多数网络安全和生物学主题设有安全护栏，会标记此类消息。这意味着用户无法利用 Fable 5 进行医疗诊断或敏感生物研究，系统会强制降级或切换模型。

“Fable actually has safety measures that flag messages on most cyber security or biology topics, which is kind of lame.”

创作者进一步尝试让模型描述白血病类型的分子驱动因素及靶向疗法演变，并包含相关表格和可视化图表，结果再次被强制切换至 Opus 4.8。这一测试表明，Fable 5 并非全能，在处理高风险或专业科学领域时，其可用性受到严格限制，用户需依赖其他模型（如 Opus）来完成此类任务。

基准测试数据与性能对比

在综合性能方面，Fable 5 在多个关键基准测试中展现出显著的技术飞跃，不仅超越了之前的 Claude Mythos 预览版和 Opus 4.8，还大幅领先于 GPT 5.5 和 Gemini 3.1 Pro。特别是在软件工程（SWEBench）、代理编码（Agentic Coding）、计算机使用和网络安全等领域，Fable 5 的性能提升幅度巨大，部分指标较 GPT 5.5 提升了超过 20%。根据 Artificial Analysis 的排名，Fable 5 位列第一，并拥有百万级 token 的上下文窗口。

尽管性能卓越，Fable 5 也存在Token 消耗巨大的问题，导致成本较高，对于大多数日常任务而言显得“杀鸡用牛刀”。创作者建议，除非需要最高级别的代码准确性和复杂逻辑处理，否则无需在所有场景下使用 Fable 5。

基准测试排名与性能数据对比

Claude Fable 5 拥有 100万 token 的上下文窗口，这已成为当前行业新标准，相当于约 70万单词 或一个中小型代码库。在 Intelligence Index 中，Fable 5 以 65分 位居榜首，领先于 GPT 5.5 Extra High 的 60 分。然而，在 Abacus AI 的 Livebench 测试中，其排名跌至 第4位，低于 GPT 5.5、GPT 5.4 和 Gemini 3.1 Pro，尤其在 代码编写 和 指令遵循 方面表现不佳。Deep Suite 虽更准确衡量编码能力，但尚未收录 Fable 5。在 Vending Bench（模拟经营一年自动售货机业务）中，Fable 5 High 仅排 第9名，盈利能力远逊于 Opus 模型、GPT 5.5 和 Kim 2.6，可能因其 过度安全限制 或 过于诚实 导致商业策略保守。但在辩论领域，它仍是当前领导者，显著优于其他模型。SimpleBench 常识测试中，Fable 5 虽排第一，但仅比 Gemini 3.1 Pro 高 不到2个百分点，且仍低于人类基准线 83.7。

"Fable 5 is indeed ranked number one at 65. And then GPT 5.5 extra high is only 60."

价格、速度与幻觉率分析

尽管性能强劲，Fable 5 的 速度极慢，用户常需等待数分钟才能完成简单提示。其 价格高昂 是最大痛点，输出 token 价格为 50美元/百万，是 Claude Opus (25美元) 的两倍，也是 GPT 5.5 (30美元) 的1.67倍。更令人震惊的是其 幻觉率，甚至高于 Llama 3.1 以及 Miniax、Mimo 和 GLM 等开源模型，也高于 Opus 4.8。这种高成本、低速度和高风险的组合，使得其在日常使用中的性价比备受质疑。对于需要处理生物、化学或网络安全等敏感领域的用户，Fable 5 会直接拒绝回答并回退到 Opus 或更弱的模型，显示出其 严重的限制（Nerfing）。

"Fable 5 is by far the most expensive model out there... 50 bucks per million output tokens, which is crazy."

核心能力与适用场景

Fable 5 被描述为 最通用的最强模型，尤其在 长复杂任务、代码迁移 和 知识工作 方面表现卓越。Stripe 案例显示，它能在 1天内 完成 5000万行代码库的迁移，而人工需 2个月。其视觉能力极强，能从科学图表提取数据、从截图重建应用，甚至仅凭视觉击败《宝可梦 红》。在生物领域，它能提出强效药物设计候选方案，但用户端版本被 严重削弱，无法回答相关问题。对于日常 "vibe coding"，它比竞品更准确、错误更少，但在处理隐藏深层 bug 时，作者仅将其作为 最后手段，日常仍偏好 GPT 5.5 + CodeEx 的组合，因为 Fable 5 烧钱太快 且 速度太慢。

"Stripe was able to get Fable 5 to perform a codebasewide migration in a 50 million line codebase in just one day."