Anthropic 於 2026 年 6 月 9 日 正式發布 Claude Fable 5。這不是單純把 Claude 再做一次小升級，而是把原本屬於 Mythos 級別的高能力模型，透過安全分類器與 fallback 機制，做成可以更廣泛提供給企業與開發者使用的版本。對企業端來說，這代表 AI 不只是回答更聰明，而是更有機會承接長流程、跨工具、多階段的工作。
Anthropic 官方把 Claude Fable 5 定位為目前最強的一般可用 Claude 模型，主打最困難的推理、長時程 agentic work、軟體工程與知識型任務。官方展示裡，它不只會寫程式，還能長時間自主規劃、驗證、修正，甚至完成像是瀏覽器 CAD 編輯器、Factorio 自動化工廠、太陽系模擬等長鏈任務。對 Nexra 的客戶來說，真正值得注意的不是 demo 本身，而是它透露出一件事：企業級 AI Agent 已經越來越接近可以承接完整工作流，而不只是單次問答。
Claude Fable 5 是什麼？
Claude Fable 5 是 Anthropic 在 2026 年 6 月 9 日推出的新一代模型，API 模型名稱為 claude-fable-5。根據 Anthropic 官方文件，Fable 5 是目前最強的廣泛可用版本；而與它同一天公布的 Claude Mythos 5，則是能力相同、但僅限受信任計畫 Project Glasswing 使用的受限版本。
換句話說，Fable 5 可以理解為「把最前沿的長流程模型能力，以更可控的方式帶進一般企業市場」。Anthropic 也同步更新了 Claude API 與模型規格說明，Fable 5 的重點包括：
- 1M token context window，適合超長文件、跨檔案專案與多步驟協作。
- 最大 128k output tokens，能產出更完整的長篇內容、程式碼與分析結果。
- Adaptive thinking 永遠開啟，不支援完全停用 thinking，改以
effort參數控制思考深度。 - 不返回 raw chain-of-thought，僅能選擇省略或摘要化 thinking display。
- 具備 refusal 與 fallback 機制，若安全分類器判定高風險，會以
stop_reason: "refusal"返回，並可改由其他 Claude 模型接手。 - 資料保留規則較嚴格，Fable 5 需要 30 天 data retention，且目前不支援 zero data retention。
- 價格為每百萬 input token 10 美元、output token 50 美元，並支援 prompt caching 折扣。
為什麼企業會在意 Claude Fable 5？
1. 它真正強的不是聊天，而是長流程任務
Fable 5 最值得注意的地方，在於它針對需要數小時、數天、甚至跨多個階段的工作更有優勢。Anthropic 官方明確表示，任務越長、越複雜，Fable 5 相對其他模型的領先就越明顯。這很符合企業現場的真實情境，因為真正耗時的往往不是單一問題，而是「拆解任務、調用工具、檢查結果、修正偏差、交付成品」的整體流程。
這也是為什麼 Fable 5 特別適合放進 agent harness，例如 Claude Code 或 Claude Managed Agents。它不是只在單回合回答中看起來比較聰明，而是更適合被放進有上下文、有狀態、有工具鏈的工作系統裡。
2. 對軟體工程與 Agent 開發尤其有吸引力
Anthropic 在官方新聞稿中提到，Stripe 在早期測試中，曾讓 Fable 5 在一個 5,000 萬行 Ruby 程式碼的 codebase 上進行全域 migration，完成速度從原本需要整個團隊花兩個多月手動處理，壓縮到一天內完成。這類案例不代表每個團隊都能直接複製，但它說明了一件事：當任務範圍大到跨模組、跨檔案、跨規格時，Fable 5 的優勢才會真正被放大。
從官方 benchmark 來看，Fable 5 在 agentic coding 也相當突出。例如在 SWE-Bench Pro 上，Claude Mythos 5 / Fable 5 的官方表現為 80.3%，高於 Claude Opus 4.8 的 69.2%；在更困難的 FrontierCode (Diamond) 上，Fable 5 於 xhigh effort 下為 29.3%，也顯著高於 Opus 4.8 的 13.4%。
3. 它對知識型工作與文件密集流程更實用
除了 coding，Anthropic 也把 Fable 5 定位成一個很強的knowledge work 模型。官方指出，它在 finance benchmark、圖表解讀、表格理解、問題拆解與根因分析上表現突出，並特別強調它能處理巢狀在 PDF、圖表、表格中的資訊。這對法律、金融、顧問、內控、採購、投研、B2B 客服與企業分析團隊都很有價值。
如果企業內部有大量 SOP、合約、產品規格、會議紀錄、報表與跨系統資料要整理，Fable 5 不是用來取代既有系統，而是可以放在上層，做成一個更強的理解與執行引擎，負責把零散資訊轉成實際輸出，例如專案計畫、報告草稿、規格整理、差異分析與任務派發。
4. 視覺能力與文件理解，讓它更接近企業工作流
Anthropic 官方文件提到，Fable 5 不只讀文字，也擅長圖表、流程圖、科學圖像、表格與 UI 畫面。更重要的是，它可以用 vision 來反查自己的工作結果是否符合目標，例如實作畫面是否符合設計稿、數據圖是否有偏差、匯出的成果是否吻合需求。這對企業導入 agent 時非常重要，因為實務上「自我檢查」往往比「第一次產出」更能決定是否能上線。
如果你的場景是文件比對、報表分析、設計交付驗收、前端畫面檢查、客服工單附圖理解或採購文件審核，Fable 5 會比只看純文字的模型更有發揮空間。
5. 新的 API 行為，代表企業導入方式也要跟著變
Fable 5 帶來的不只是能力提升，也包括一些工程實作層面的改變。最重要的幾點是：
- Adaptive thinking 永遠開啟：企業不能把它當成傳統「可開可關推理模式」的模型，而是要透過
effort調整成本、延遲與品質。 - Refusal 不是錯誤碼，而是正常回應：如果安全分類器攔截，API 會以 HTTP 200 回傳
stop_reason: "refusal"。這意味著 agent orchestration 不能只靠 retry，而是要設計清楚的 fallback 策略。 - 高風險請求可能轉交 Opus 4.8：Anthropic 官方指出，若問題觸及資安、生物等高風險領域，Fable 5 可能被安全機制轉向 Opus 4.8。對企業來說，這代表你需要在工作流中考慮模型切換、記錄與可觀測性。
- 30 天資料保留要求：如果企業的法遵或資料政策要求 zero retention，那麼導入前一定要先確認能否接受 Fable 5 的資料保留條件。
Claude Fable 5 可以怎麼應用？
AI Agent / OpenClaw：做成可執行的長流程代理人
如果企業要做的是會「讀需求、拆任務、呼叫工具、檢查結果、回報狀態」的 AI Agent，Fable 5 很適合當核心規劃與執行模型。尤其在需要跨多個工具與多輪狀態管理的場景，它比單純回答型模型更適合作為主代理人。Nexra 在 AI Agent / OpenClaw 的實作裡，可以把 Fable 5 放進 workflow orchestration、sub-agent 分工、approval gate、記錄與驗證節點中，做成企業真正能運行的代理系統。
企業 AI 系統整合：把複雜知識工作接到既有流程
很多企業現在不是缺模型，而是缺「怎麼把模型接進現場流程」。Fable 5 適合的，不是單獨成為聊天視窗，而是接到 CRM、ERP、工單系統、文件系統、專案平台與資料服務中，處理像是規格整理、招標文件比對、客訴彙整、報表解讀、合約 redline 與跨部門工作協調。這類需求常常需要文件理解、推理、工具調用與長上下文，而這正是 Fable 5 的強項。
LLM 推理 API：用分層模型設計控制成本與品質
從 API 架構來看，Fable 5 很適合被放在「高價值、低頻、長流程」的任務層，而不是拿來處理所有對話。比較成熟的做法，是以 Nexra 的 LLM 推理 API 架構，把不同模型按任務分級：常見問答用低延遲模型、一般業務邏輯用平衡模型、真正需要高度判斷與工具編排的工作才交給 Fable 5。這樣才能把成本、延遲與品質控制在合理區間。
RAG 與文件工作台：更適合高密度知識場景
Fable 5 對 PDF、表格、圖表與跨文件理解的能力，也很適合接在 RAG 工作台的上層。當企業需要處理的是複雜知識，而不是單純 FAQ，Fable 5 可以把檢索結果進一步整合成可執行建議、差異整理、摘要報告與下一步清單，讓 RAG 不只是「查得到」，而是更接近「做得完」。
導入前要先評估什麼？
- 任務是否真的夠複雜：如果只是簡單問答、分類或短文生成，Fable 5 可能不是最划算的選擇。
- 是否需要長流程與工具鏈：Fable 5 的價值通常要放進 agent harness、任務編排與驗證機制裡才會完整發揮。
- 能否接受 30 天 data retention：這是許多企業在法遵與內控上需要先確認的條件。
- 是否已有 fallback 與 observability 設計：Fable 5 的 refusal 與安全分類器機制，會影響你怎麼做重試、審計與模型切換。
- 是否做模型分層：高成本 frontier model 最適合作為 hardest-work layer，而不是整個平台唯一模型。
結語：Claude Fable 5 更像企業 AI 工作平台的一層，而不是單一聊天模型
Claude Fable 5 的意義，不只是 Anthropic 又多了一個更強的模型，而是企業終於看到一個更適合長流程、自主規劃、跨工具執行、文件密集與高判斷力工作的公開可用版本。它最有價值的場景，不是取代所有模型，而是成為企業 hardest-work layer，承接真正複雜且昂貴的人類知識工作。
如果你的團隊正在規劃 AI Agent、Claude API、RAG 工作台或企業內部流程自動化，Claude Fable 5 很值得納入 PoC 名單。但更重要的不是「換成最新模型」，而是把模型放進對的系統架構與治理方式。Nexra 可以協助企業從模型選型、推理 API 分層、Agent workflow、文件工作台到整體系統整合，一步一步把前沿模型能力真正落進可運營流程。
資料來源：Anthropic 官方 Claude Fable 5 and Claude Mythos 5、Claude Fable 5 產品頁、Claude API 官方文件與 Models Overview。
