10xAI Wiki

6分钟阅读

Claude Fable 5

Claude 系列代号，根据上下文推测为 Claude 4 系列（或更新版本）的内部代号。

注：Fable 系列具体指代版本尚未官方确认，根据上下文推测属于 Claude 4+ 代系。

⚠️ 矛盾 [2026-08-07]：2026-07-25 疑似泄露的 Opus 5 系统提示词（CL4R1T4S）将 Claude Fable 5 列入正式产品矩阵（Opus 5 / Fable 5 / Sonnet 5 / Haiku 4.5，另提及 Mythos 与 Project Glasswing），且 Anthropic 官网已公开说明 Fable 5 的安全路由（网络安全请求转 Opus 4.8、生物学请求转 Opus 5）——Fable 5 应已是公开发布的模型线，而非”未官方确认的代号”（泄露文件本身真伪未经独立确认，但安全路由部分与官网说明一致）。

关键引用

  • “我的网站被攻击了 48 个小时，Claude Fable 5 替我防下了这一切。”
  • “GPT-5.6 Sol 在 Agents’ Last Exam 上创下 53.6 新高，比 Claude Fable 5（自适应推理）高出 13.1 分。”
  • “记一个我被 Claude Fable 5 震撼的瞬间。“

[2026-07-20] CursorBench 72.9% 新高 与 全局推理

来源：Fable 5 × CursorBench / Kimi K3（Cursor 官方博客编译，2026-07-17）。

  • CursorBench 新高：在 CursorBench（Cursor 内部基准，刻意还原”混乱、定义不明确”的真实工程提示）最大努力模式下取得 72.9%，创历史新高。Cursor 评估负责人 Nate Schmidt 的核心体感：反复提醒上下文/详述方案/审核结果的”保姆式操作”不再必要——“这个模型开箱即用，本身就具备这种感知能力”。
  • 全局推理 vs 局部推理：“登陆月球”测试中，Opus 做局部推理（发射→耗尽燃料→加燃料→太重无法脱离大气层，12–16 小时无果）；Fable 5 做全局推理（“思考整个任务”——先入轨收集遥测数据，再用数据指导下一次飞行，数小时完成着陆）。
  • 模型选择启发式（Schmidt 规则）：A→B 路径清晰 → 不需要 Fable；身处 A 点但不知 B 在哪 → Fable 是绝佳选择。“当我想以正确的方式构建某样东西时，Fable 是我首先想到的模型。” 优化目标是”解题时间”。
  • 降本增效配置：日常用更快更轻模型、在能力成为瓶颈处引入 Fable 的混搭，是其团队运行过最有效的方案。Fable 5 还以”更少操作、更高 token 效率”完成最难任务。
  • 降低激活能量：使团队能承接此前被搁置的重写类项目，朝全局最优而非局部最优前进；并改变协作方式（让 agent 先读队友最近提交、标记冲突，再接触共享代码）。
  • 下一步实验：让模型无人值守管理后端系统数天到数周；主动发现性能瓶颈与用户痛点。

注：CursorBench 为 Cursor 单方内部基准，无第三方复现。与 Kimi K3（Artificial Analysis 智能指数 57，约一半成本逼近前沿）形成”能力天花板上探 vs 能力地板商品化”的对照。

[2026-08-06] 三日连冠与 MirrorCode 大幅领先（评测日报 08-03 ~ 08-05）

来源：08-03、08-04、08-05。

  • LMArena Text Arena（8/1 快照，7,571,037 票/384 模型）：claude-fable-5 1509 分居首（opus-4-6-thinking 1505、opus-4-7-thinking 1502）。
  • AA Intelligence Index（8/2 快照）：59.9 第二，次于 Opus 5（60.7）、领先 GPT-5.6 Sol（58.9）；前三相差 <2 分，区分度存疑。
  • MirrorCode（Epoch AI × METR，8/3 正式更新）：64% 大幅领先——GPT-5.6 Sol 20% / GPT-5.4 16% / GPT-5.5 10%，同代模型间 3 倍差距罕见；设计为无源码端到端重实现 + 逐字节一致 + held-out 测试 + 断网 + 每任务 100 亿 token/7 天 × 3。可信度演进：8/4 日报”暂不建议引用”→ 8/5 官方方法学披露后评 8/10。
  • ORCA-bench：真实 oncall 排障基准中 Fable 5 也无法拉开差距（最好成绩 Medium 25.3%/Hard 10.0%）。
  • 注意：同一模型在不同评价体系排序不一致（Arena 第一 / AA Index 第二 / MirrorCode 第一），印证 LLM 评估”主观/客观评测系统性分歧”。

相关 Wiki

相关源

关系图谱

反向链接