Stripe用它一天迁完5000万行代码——Claude Fable 5 / Mythos 5最佳实践

Stripe有一个5000万行的Ruby代码库，需要做架构迁移。团队评估：大约需要两个月。他们把任务丢给了Claude Fable 5。一天搞定。

2026年6月9日，Anthropic同时发布了两个模型：Claude Fable 5和Claude Mythos 5。

这不是常规的版本迭代。这是Anthropic第一次把Mythos级能力开放给普通用户。

先说几个关键数据：

• 几乎所有公开基准测试SOTA（State of the Art）
• 比Opus 4.8快25-30%，Token效率更高
• 科学家在80%的情况下偏好Mythos而非Opus级模型
• 药物设计加速10倍，14个蛋白质靶点中9个找到了强候选分子
• 基因组学：自主研究运行了整整一周，训练出的模型超越了Science期刊论文，且体积小100倍

但最有意思的不是它有多强，而是它的"护栏"设计—— Fable 5和Mythos 5是同一个模型，区别在于安全限制的开关。这是Anthropic第一次把"能力"和"安全"彻底解耦。

今天这篇文章，讲清楚Fable 5 / Mythos 5的技术能力、安全架构、以及实战中怎么用好它。

一、先搞清楚：Fable 5和Mythos 5到底是什么关系？

1.1 同一个模型，两套规则

这是最容易搞混的地方：Fable 5和Mythos 5的底层模型完全一样。

用人话说：Fable 5是带安全带的超跑，Mythos 5是取掉限速器的同款超跑——但只有拿到赛道许可证的人才能开。

1.2 为什么这个设计很重要？

以前的做法是：强模型只给政府/企业用，弱模型给公众用。

Anthropic的做法不同：给所有人同样强的模型，但在敏感领域加软件护栏。 95%以上的使用场景不受影响，只有涉及网络安全攻击、生物武器、模型蒸馏时才会触发。

这意味着：你用Fable 5写代码、做分析、搞研究，体验和Mythos 5完全一样。

二、能力全景：几乎所有基准测试SOTA

2.1 编码能力

Fable 5在FrontierCode（Devin团队出的评测）上拿下所有前沿模型最高分，CursorBench SOTA，ViBench端到端编码基准最高。最炸裂的实战案例：Stripe用它1天完成了原本预计2个月的5000万行Ruby代码库迁移。

Fable 5在编码上的提升不仅是"更准"，更关键的是更省Token。同样的任务，它比之前的Claude版本用更少的Token完成，这直接影响成本和速度。

2.2 知识工作

Hebbia Finance Benchmark所有前沿模型最高分。文档分析能精准提取图表数字，概念推理支持高级推理+根因分析。

法律领域的盲审测试中，Fable 5表现优于所有对手模型。在物理学研究中，Token效率是GPT-5.5的3倍。

2.3 视觉能力

Fable 5的视觉能力是当前所有模型中最强的：

• 从科学图表中精确提取数字
• 从截图反向重建Web应用源代码
• 仅靠视觉就通关了宝可梦火红版（只需要极少的外部辅助）

最后一条听起来像是在搞笑，但它证明了一个严肃的能力：长时间、多步骤、视觉驱动的自主决策。 一个游戏通关需要数百个连续决策，每个决策都基于屏幕画面。这比任何基准测试都更能体现Agent的实际能力。

2.4 长上下文 & 记忆

Fable 5支持跨百万Token的自主操作，文件记忆性能是Opus 4.8的3倍，游戏最终章到达率提升3倍。

Fable 5的文件记忆系统（file-based persistent memory）是一个重要特性：它不是简单的上下文窗口，而是能在极长的任务中持续维护和检索信息。

2.5 生命科学（Mythos 5限定）

这是Mythos 5最震撼的能力领域：

• 药物设计：设计过程加速约10倍，匹配或超越专业人类操作员
• 蛋白质靶点：14个测试靶点中9个找到强候选分子
• 分子生物学：产出新颖假说，科学家80%偏好Mythos vs Opus级
• 假说验证：一个假说被独立研究证实
• 基因组学：自主研究运行一整周；汇编138个物种的数百万单细胞数据；训练的ML模型超越Science论文且小100倍

基因组学的结果尤其惊人： 模型自主进行了一周的研究，自己收集数据、自己设计实验、自己训练机器学习模型——最终结果超越了发表在Science上的人类研究，而且模型大小只有原论文的1%。

三、安全架构：护栏是怎么工作的？

3.1 三层护栏

Fable 5相比Mythos 5，开启了三层安全护栏：网络安全护栏（触发时拒绝执行）、生化护栏（触发时降级到Opus 4.8回答）、蒸馏保护（触发时拒绝配合）。

第二条很有意思： 不是直接拒绝，而是悄悄切换到Opus 4.8来回答。这意味着用户仍然能得到回答，但回答的能力被限制在了上一代模型的水平。

3.2 护栏的触发率

Anthropic公布了一个关键数据：

平均触发率：不到5%。95%以上的会话不受任何影响。

1000+小时的外部红队测试没有找到通用越狱方法。

3.3 数据留存政策

Mythos级模型有一个特殊要求：

• 所有流量保留30天（仅用于安全审计，不用于训练）
• 人工访问需要日志记录
• 30天后在大多数情况下删除

这是能力与安全的交换条件。 你获得了Mythos级的能力，代价是30天的流量留存。对大多数场景来说这不是问题，但如果你处理的是极度敏感的数据（比如律师-客户特权通信），需要注意这一点。

四、定价与可用性

Fable 5是目前最贵的通用模型——输入10美元/百万Token，输出50美元/百万Token。 比Mythos Preview的价格低了一半以上。

但考虑到它的Token效率更高（同样任务用更少Token），实际成本差距可能没有标价看起来那么大。和DeepSeek R1比，价格是它的23倍——但能力维度完全不同。

老周的建议：如果你想免费体验Fable 5，抓紧6月22日之前的窗口期。 23号之后就要额外付费了。

Mythos 5的获取渠道：Project Glasswing合作伙伴可解除网络安全护栏；生物研究者计划即将开放申请，可解除生化护栏；网安机构计划即将开放，可解除网络安全护栏。

五、最佳实践：怎么用好Fable 5？

5.1 场景选型

5.2 编码最佳实践

实践一：大规模代码迁移

Stripe的案例给出了模板：

1  1. 让Fable 5先读懂整个代码库的架构
2  2. 制定迁移计划（它的规划能力远超Opus）
3  3. 分批执行迁移，每批后自动运行测试
4  4. 失败时自主诊断和修复

关键点：不要一次丢一个文件，丢整个项目让它理解全局。 Fable 5的长上下文和记忆能力是它最大的差异化优势。

实践二：利用Token效率优势

Fable 5比之前的Claude版本更省Token。实际做法：

• 不需要过度详细的System Prompt——它理解力更强，简洁指令即可
• 减少Few-shot示例的数量——它的zero-shot能力更强
• 对于复杂任务，让它自己规划步骤，而不是你在prompt里写死步骤

5.3 研究与分析最佳实践

实践三：利用文件记忆做长周期任务

Fable 5的file-based memory让它可以在极长任务中维护状态。最佳实践：

1  1. 在任务开始时创建一个"研究日志"文件
2  2. 让模型在每个阶段将关键发现写入日志
3  3. 在后续阶段让模型先回顾日志再行动
4  4. 这比纯靠上下文窗口的效果好3倍

实践四：视觉分析流水线

Fable 5的视觉能力可以构建强大的自动化流水线：

1  PDF报告 → Fable 5提取图表数据 → 结构化JSON
2  竞品截图 → Fable 5分析UI模式 → 生成类似代码
3  手绘原型 → Fable 5理解意图 → 完整前端代码

5.4 成本优化策略

策略一：路由分层

策略二：Prompt精简

Fable 5理解力更强，你可以：

• 把System Prompt从2000字压缩到500字——节省75%输入Token
• 用简短指令替代详细步骤描述
• 减少上下文注入量，让它自己搜索需要的信息

策略三：结果缓存

1. 生 Prompt Caching（省输入）

：把固定不变的部分——System Prompt、长文档、few-shot 示例——放在 prompt 前缀并标记缓存。后续命中同一前缀的调用，这部分输入按大幅折扣计费。这是和策略二配合最紧的一招：精简之外，剩下的固定内容用缓存兜住。

2.应用层结果缓存（省整次调用）

：对完全相同的查询（做好归一化：去空格、统一大小写、去无关参数），直接返回上次存的答案，连 API 都不调。最适合 FAQ、固定报表、模板类请求。

3. 语义缓存（谨慎用于相似查询）

：用 embedding 计算查询相似度，超过高阈值（比如 0.95+）才复用。务必设白名单——只在"措辞变了但答案不变"的场景开启，时效类、含具体数值/日期的查询一律绕过。

六、Fable 5 vs 竞品：值不值这个价？

Fable 5值不值50美元/百万输出Token？

• 如果你的场景是大型代码库操作、长周期研究、复杂文档分析——值。Token效率的提升和任务完成率的提升可以覆盖价格差距
• 如果你的场景是日常编码、简单问答、内容生成——不值。Sonnet 4.6甚至Haiku 4.5就够了
• 如果你预算敏感——先用6月22日前的免费窗口验证效果，再决定是否购买积分

一个实用的判断标准：如果这个任务用Opus 4.8需要反复尝试3次以上才能成功，用Fable 5可能一次就行——算上重试的Token成本，Fable 5反而更便宜。

七、安全与合规注意事项

7.1 护栏触发场景

虽然95%的会话不受影响，但以下场景需要注意：

7.2 30天数据留存的影响

对大多数团队来说，30天留存不是问题。但如果你处理以下数据，请注意：

• 律师-客户特权通信
• 医疗隐私数据（HIPAA）
• 国家安全相关信息
• 涉及商业机密的对话

建议：敏感数据在发送给API前做脱敏处理。 这不是Fable 5特有的建议——任何第三方API调用都应该这么做。

写在最后

Claude Fable 5的发布，标志着AI行业进入了一个新阶段：最强的模型不再是实验室的专属。

以前，"最强模型"意味着只有少数研究机构或政府合作伙伴能用。Anthropic用Fable 5打破了这个惯例——把Mythos级的能力直接给所有用户，同时通过精确的护栏设计控制风险。

95%的场景不受影响，5%的敏感场景被精确拦截。 这比"要么全开要么全关"的二元策略高明太多了。

从实用角度看，Fable 5最大的价值不是"跑分最高"——而是在长时间、跨百万Token的复杂任务中表现稳定。Stripe的5000万行代码迁移、一周的自主基因组学研究——这些不是5分钟能完成的基准测试，而是需要模型持续数小时甚至数天保持高质量输出的真实场景。

这才是Fable 5真正拉开差距的地方。

一句话总结：Fable 5不是"更好的聊天机器人"，而是"更可靠的AI工程师"。它的价值不在单次对话，而在长周期的自主执行。