🚨 AI-LECTURER 快訊速報|2026-11-10|5 分鐘速讀

🚨 Claude Fable 5.2 與 Mythos 5.2 發布:更快、更便宜,還多了 2.5 倍加速模式

取材:Claude Fable 5.2 and Mythos 5.2(Hacker News(AI 高人氣))|完整課同日跟進,見書架
📍 真實場景
獨自接案的後端工程師小宇

他正在替客戶把一個老舊專案升級到新版框架,改到一半,AI 助手卡在跨檔案的大改動上,一直出錯

😖 卡住的地方:他不確定該不該換更強的模型。他怕貴,也怕等太久,更不知道這次新模型到底值不值得試。
💡 讀完你會知道這次發布改了什麼、價格怎麼算,並且今天就能用三個步驟低成本試用,自己判斷要不要換。

⚡ 一句話講清楚

Anthropic 推出新一代的 Claude Fable 5.2 與 Claude Mythos 5.2。官方說這兩款專門處理「最艱難的技術挑戰」,在寫程式、推理和看圖三方面都有進步。官方還提到,內部工程師在預發布測試時,用它完成了原本做不到的大型軟體遷移(把舊系統搬到新技術上)。這些是官方自己的說法,建議你自己實測驗證。

先釐清名字:Fable 和 Mythos 是「同一個底層模型」,差別在防護。Fable 有很強的資安與生物領域防護(safeguards防護機制,用來擋掉可能被拿去做壞事的請求),所以開放給所有使用者。Mythos 是給正當需求的組織,例如做資安防禦或生物醫學研究的單位,要先申請通過驗證計畫才能用。一般開發者直接用 Fable 就可以。

數字方面:輸出速度比 5.1 版快up to 30%,價格也降了,每百萬個 tokenAI 計費與處理文字的最小單位,大約是半個到一個中文字 輸入收 8 美元、輸出收 40 美元。另外有選配的 fast mode快速模式,花更多錢換更快的產出速度,最高快 2.5 倍,價格是輸入 16 美元、輸出 80 美元,剛好是標準價的兩倍。官方也說已加強防範 蒸餾攻擊用大量提問去套取模型的回答,拿來訓練另一個仿製模型的手法。 最後有個容易被忽略的建議:官方說大多數寫程式和知識型任務,建議先從 Claude Opus 5.5 這個主力日常款開始,真的遇到更大更難的工作,再往上換 Fable 或 Mythos,簡單的工作則往下換 Sonnet 5.5 或 Haiku 5.5。

🏃 快速上手三步(今天就能做)

1
查:先讀官方原文與系統卡打開來源頁 https://www.anthropic.com/claude-fable-and-mythos-5-2,只看兩處:一是各項能力的實測案例,二是頁面提到的 System Card(系統卡,也就是模型的安全測試報告)。判斷標準:案例的任務類型要和你的工作相近,例如大型程式遷移,不相近的就別被亮眼數字帶走。
▼
2
試:用你卡關的真實任務做對照挑一個你現在卡住的真實工作,例如跨多檔案的重構。先用 Opus 5.5 跑一次,再把模型代號換成 claude-fable-5-2 跑同一個任務,並排比較結果對不對、需要你修改幾次。用 API 的人,只要改請求中的 model 欄位;用 Claude Code 的人,在設定裡切換模型即可。只用一個任務比較,成本才可控。
▼
3
算:先估費用再決定要不要開 fast mode用這條算式估價:(輸入 token 數 ÷ 100 萬)× 8 +(輸出 token 數 ÷ 100 萬)× 40,單位是美元。例如輸入 20 萬、輸出 5 萬 token,約 1.6 + 2 = 3.6 美元。fast mode 價格是兩倍,所以只在你真的卡在等待時間(例如要即時互動)才開,一般批次工作維持標準模式就好。

🧠 工程思維透鏡(資深工程師看到的是什麼)

🔭 官方自己都說「大多數任務先用 Opus 5.5」,那 Fable 5.2 值得常駐使用嗎?
多半不值得常駐。Fable 的定位是「最有野心、開放式的技術工作」,單價比日常款高,用在簡單任務是浪費。比較務實的做法是分層:日常用 Opus,遇到大型遷移這類高難度任務才升級,簡單任務降到 Sonnet 或 Haiku。官方還提到 Fable 可擔任 Advisor(顧問,讓較小的模型遇到難題時請教它)或 Orchestrator(調度者,把簡單子任務分派給小模型),這種混搭通常比全程用最強模型更划算。
🔭 「速度快 30%、價格降低」這類官方數據,工程上該怎麼看待?
這些都是廠商自己的測量,條件和你的工作負載不一定相同,尤其速度會隨任務長度與當下負載變動。比較可靠的做法,是用自己的任務量測三個數字:成功率、總耗時、總花費。另一個權衡是 fast mode:2.5 倍速度換 2 倍價格,在人工等待的互動場景才可能划算,在背景批次作業上通常只是多花錢。導入前先小規模試跑,再決定要不要改變團隊的預設模型。