我們提前實測 Fable 5.2,這頭猛獸真的猛
我們提前實測 Fable 5.2,這頭猛獸真的猛
Dan Shipper 在 Claude Fable 5.2 上線首日實測,發現它最擅長隔夜執行的代理式建置任務,例如打造自訂影片剪輯器、自動生成紀錄片;不過它的寫作風格自負、重點埋得太深,因此只適合野心夠大的專案。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Every 的 AI 產品線主編 Dan Shipper 認為,Anthropic 的 Claude Fable 5.2 在寫程式與高強度的知識工作上堪稱「範式轉移」等級的模型,但用來處理日常寫作與例行任務則表現平庸。本集大部分內容是依照程式開發、知識工作、寫作、設計四大類別,逐級評測這款模型,依據的是 Every「前沿團隊」的實測;該團隊能提前取得各大 AI 實驗室的模型。標題所稱這款模型是「一頭猛獸」,大致說得通,不過 Shipper 的結論刻意聚焦在很窄的範圍。
Shipper 是本集主持人,也是這份評測的主要發聲者,引用的是具名同事——Kieran Klaassen、Mike Taylor、Tyler Nishida、Katie、Jack Cheng——在真實工作上的測試,而非公開基準測試。讀者讀完應該能清楚掌握:Fable 5.2 在哪些地方值得花這些 Token 成本(代理式寫程式、客製軟體、遊戲開發、研究流程),哪些地方不值得(散文、email、例行檔案),以及以目前的 API 價格來看,經濟效益如何。
寫程式是這款模型的招牌強項,也改變了一個人能打造出什麼
Shipper 給 Fable 5.2 的程式開發能力評為 S-plus,並稱它是第一款「做出真正好玩、不只是 demo」的遊戲的模型。最具代表性的證據是 EveryCut:一套功能完整的影片剪輯器,由 Every 前沿團隊成員 Kieran Klaassen 從頭到尾靠提示(prompt)打造。它內建代理、螢幕上所有內容的轉錄、錄影與剪輯功能,把 Every 原本分別在 Premiere、Descript、StreamYard 上使用的功能整合進一套內部工具。
Shipper 的論點是,專業軟體已進入新時代:認真的創作者與企業現在可以打造貼合自身工作流程的工具,這會對 Adobe 這類廠商形成壓力,迫使它們證明 Premiere 這類產品的價值。他特別提醒,這不是便宜的「憑感覺寫程式」(vibe coding)——EveryCut 的 Token 成本大約數千美元——但他說,同樣的東西以往得投入數百萬美元才做得出來。
Klaassen 也自己打造了一套 Ableton 風格的音樂工具。Shipper 說,Klaassen 發現 Fable 5.2 比以往任何模型都更會運用「ultracode」,讓人覺得可靠而非冒險;先前的模型往往會把 Token 浪費在沒人要的額外功能上。
這款模型隱含的工作流程是非同步的。設計師兼前沿團隊成員 Tyler Nishida 稱它是「過夜模型」,或「該換臺新電腦的模型」。Shipper 把工作丟到雲端的 Mac Mini,幾小時後回來就有完成品。這是他看過第一款會給出預計完成時間的模型(「我認為這會在下午 6:30 完成」),有一次它還提醒 Nishida 把筆電插上電源,因為電池會在任務完成前沒電。
| 用途 | Shipper 的評價 | 原因 |
|---|---|---|
| 代理式寫程式、交接式任務 | S-plus | 長時間執行可靠、ultracode 運用出色、會給 ETA 與電池警示 |
| 邊做邊改的寫程式 | 改用 Opus 5.5 | Fable 在來回互動時又慢又耗 Token |
| 遊戲開發 | 極出色 | 幾個提示就能做出可玩、細節豐富的遊戲 |
| 客製內部軟體 | 範式轉移 | EveryCut 與 Ableton 複刻版都是靠提示打造 |
遊戲方面,專任編輯 Jack Cheng 的測試方法是上傳一張孩子臥室地板上玩具的照片,要模型依此做出一款遊戲。對上名為 Astra 的競爭模型,Astra 版「還算合理」,但車子只能左右移動,沒有油門控制。Fable 5.2 則做出類似瑪利歐賽車的競速遊戲,可選角色取自照片裡的實際玩具(Sunny、Blaze、Scoop),有偏離賽道的駕駛、彈簧道具,以及「按 X 使用道具」的機制。Shipper 給想開發遊戲的人的建議是:趕快投向這款模型,「別用走的,用跑的」。
知識工作只有在你重新安排工作方式時才具變革性
Shipper 把知識工作切得很清楚。例行任務——檔案、email——這款模型「強得過頭」,又慢、又貴、又耗 Token;他講得很直白:別用在那裡。至於正在重新思考知識工作本質的人,他給 S 級,並說它「絕對會改變你的人生」。
例子是 Every 的評測負責人 Mike Taylor。他有個研究專案,主題是讓 AI 寫得像他本人;以往他會做出一份 Notion 檔案或簡報。這次他改成錄下自己談這項工作的過程,Fable 5.2 把它剪成一部紀錄片,說明他做了什麼、為什麼重要、發現了什麼。Shipper 的說法是,這款模型把溝通「從黑白變成 HD 全綵」,他預期多數企業在幾年內就會改用影片、客製 App 與 podcast 來溝通。
Taylor 的第二個收穫是結構性的。他的知識工作很像模型訓練:與其自己一項項設定實驗,他把實驗構想交給模型,讓它們連夜平行執行,當天結束前就有結果,同時他還能處理工作的其他部分。Taylor 稱這是他職涯中最有生產力的三週,把數個月的研究工作壓縮成兩、三週。Shipper 稱他是未來知識工作者工作流程的「礦坑裡的金絲雀」。
成本資料是限制所在。錄音當下確切定價還不清楚,所以 Shipper 以 Fable 5.1 的費率作為替代估算:
| 產出 | Token 數 | 以 Fable 5.1 費率計 | 以 Opus 5.5 費率計 |
|---|---|---|---|
| Taylor 的說明紀錄片 | 約 14 億 | 約 2,000 美元 | 862 美元 |
Shipper 的解讀是:以這樣的價格,這類工作流程除非你是大企業或「Token 大戶」,否則玩不起;但他預期這類流程在半年到一年內就會變得非常便宜。
寫作是弱項:文字好讀,卻是個自以為是的萬事通,還把重點埋起來
Shipper 給寫作 B 到 B-plus。負責 Every「Vibe Checks」專欄的專任寫手 Katie 發現,Fable 5.2 的文字是她測過的模型中最易讀的,有情緒感知力,也有幽默感。但她也說它是「自以為是的萬事通」,語氣像 Sonnet 5.5 一樣居高臨下,而且在中等投入程度下容易太早收手。
Shipper 同意這點,並把競爭對手排得遠高於它:Gemini 4 Argon 的寫作「好得多」,Astra 緊追在後。他對 Anthropic 系列具體的抱怨是:不會把有趣的重點放在最前面——也就是把重點埋起來——而且會牽扯到並不存在的關聯。他的總結是:不管這款模型多聰明,純文字溝通「就是沒站上最前線」。
設計是 A 級,而細節功力正是 Claude 系列拉開差距的地方
Tyler Nishida 稱 Fable 5.2 在設計上「樹立了模型的新天花板」:好溝通,水準比 Opus 高一階。但要注意,投入程度調高時它會「做得有點太多」,投入程度低時則很討喜。
Shipper 的例證是他固定用來測試的題目:把柏拉圖的《普羅塔哥拉篇》(*Protagoras*)拍成電影。Fable 5.2 給蘇格拉底畫了黑鬍子——這是對的,因為蘇格拉底在那篇對話裡才三十幾歲——其他模型則一律套用灰髮、禿頭的既定形象。Shipper 把這當成 Claude 系列在細節還原度上做對了的證據。
他對這類模型的通則建議是:調整投入程度,而不是在模型等級之間切換。
這款模型「很尖銳」,正確的預設心態是把它當天花板,而不是日常主力
Shipper 的總評是 S 級,但核心概念是「尖銳」:在一小撮高強度任務上表現非凡,其他方面則很普通。他推薦把它當成最具野心專案的新上限,同時提醒要先問自己是否真的需要。有些寫程式的任務它贏過 Astra 6,但 Astra 6 快得多,也更省 Token。
同事們的描述也印證了這種分工。Klaassen 偏好用 Opus 5.5 邊做邊改,用 Fable 做交接式任務。Mike 形容 Fable 是「一位罕見的資深同事,你會想刻意派上用場」,而 Opus 給他的感覺「比較像時薪 30 美元的 Upwork 接案者」,什麼都能丟給它。
| 類別 | 等級 | 說明 |
|---|---|---|
| 整體 | S | 範式轉移,但很尖銳 |
| 程式開發 | S-plus | 改變了軟體工程的可能性 |
| 知識工作 | 對合適的人是 S,其他人是 B | 例行使用又慢、又貴、又耗 Token |
| 設計 | A | 新天花板,注意投入程度 |
| 寫作 | B / B-plus | 好讀但把重點埋起來;落後 Gemini 4 Argon 與 Astra |
Every 的上市首日評測模式,建立在提前取得模型與真實工作上,並揭露 Token 補助
Shipper 說明為什麼評測會在上市當天就推出:Every 的前沿團隊在各大 AI 實驗室發布前就拿到模型,並用公司實際的工作——寫程式、寫作、設計、一般知識工作——來測試,而不是靠公開基準或展示片段。作為取得模型的交換,Every 會收到免費 Token,他如實揭露這點,同時宣告意見是公司自己的,目標是跨任務的公正評測。商業訴求是訂閱 Every,完整基準與測試結果在 every.to。
本集留下未解的張力是經濟面的,而非技術面的。Fable 5.2 最強的用例——2,000 美元的紀錄片、數千美元的內部影片剪輯器、連夜跑的代理式寫程式——目前的定價只適合企業與重度 Token 使用者。Shipper 自己預測這些工作流程會在半年到一年內變得非常便宜,這個說法值得持續追蹤:若成真,「尖銳」的模型就會成為預設選項,而把 Opus 5.5 當日常主力的理由也會減弱。在那之前,實務上的指引是:把高強度、交接式的任務交給 Fable 5.2,任何需要互動或例行的部分則留給更便宜、更快的模型。