7/8 更新： Anthropic 官方宣布，Claude Fable 5 在所有付費方案的限時開放延長至美西時間 7 月 12 日晚間 11:59（約為台灣時間 7 月 13 日下午 2:59）。規則與先前相同：最多可將每週用量上限的 50% 分配給 Fable 5；額度用完後，可加購用量點數（usage credits）繼續使用，或切換到其他模型，在剩餘額度內繼續工作。
Claude Fable 5 是 Anthropic 目前公開釋出、能力最高的模型。但很多人拿到手，還是沿用前一代的習慣對它下指令，結果不是嫌它想太多，就是嫌它自作主張。
其實問題通常不在模型，而在你有沒有照它的行為特性重新設計工作方式。Fable 5 剛在 7 月 1 日恢復開放，並推出付費方案限時不加價，正是重新檢視工作流程的好時機。
這篇整理 Anthropic 官方文件的重點，從規格、費用，到怎麼下提示詞、怎麼搭配自動化流程，一次講清楚。
目錄
一、Fable 5 是什麼
二、哪些任務適合交給 Fable 5
三、effort、思考模式與費用：先搞懂成本怎麼算
四、長時序 agent 的關鍵：設計一個驗證迴圈
五、官方提示詞怎麼用：依你遇到的問題挑
六、子代理、記憶與 harness：讓能力能重複使用的配套
七、第一次上手的三步 checklist
八、社群進階玩法：一次性「立法」Prompt（非官方建議）
一、Claude Fable 5 是什麼？發布時間、開放狀態與模型規格
先把時間線講清楚，因為這段經歷直接影響你現在能不能用、在哪裡用。
Fable 5（API 型號 claude-fable-5）在 2026 年 6 月 9 日發布，與只開放給 Project Glasswing 核准夥伴的 Claude Mythos 5 共用同一套底層模型。發布後第三天，6 月 12 日，美國政府對這兩個模型祭出出口管制，要求限制外國人存取；由於無法即時驗證使用者國籍，Anthropic 索性對所有用戶暫停了兩個模型的存取。
6 月 30 日，出口管制解除；7 月 1 日起，Fable 5 在 Claude Platform、https://claude.ai、Claude Code、Claude Cowork 對全球用戶恢復。
規格方面：Fable 5 具備 1M token 的 context window（模型單次能讀進去的文字總量），單次輸出上限 128K token，資料保留 30 天，且不支援零資料保留（ZDR）。
二、Claude Fable 5 適合做什麼？7 種官方點名的長任務場景
先說結論：Fable 5 是拿來處理「原本對前代模型太難、太長、太模糊」的工作，特別是那種要花人類數小時到數天才能完成的端到端任務。官方講得很直接，如果只拿它去跑簡單任務，反而會低估它的能力範圍。
官方點名它相對前一代 Claude Opus 4.8 明顯進步的七個面向：長時序自主運作、定義清楚的複雜問題的單次通過率、視覺辨識、企業文件工作流（財務分析、試算表、簡報、文件）、程式碼審查與除錯、模糊需求的判斷，以及併發子代理的調度。
這七項的共同點是：Fable 5 能在你沒盯著螢幕的時間裡，持續穩定地推進工作。
這裡要澄清一個容易誤會的地方：「長時序」不代表單一次 API 請求能一路跑好幾天。官方的說法是，困難的單次請求可能執行數分鐘，自主流程可能持續數小時；所謂數天的工作，指的是搭配外圍流程、工具、記憶、跨多個回合累積完成的長任務，而不是丟一個請求就放著跑三天。
至於會被安全分類器關注、可能遭婉拒的，有三個領域：攻擊型資安（例如撰寫漏洞利用程式、惡意軟體、攻擊工具）、生物與生命科學（例如實驗室方法、分子機制），以及試圖萃取模型推理摘要的請求。
三、Claude Fable 5 費用怎麼算？effort、max_tokens 與 prompt caching 差在哪
effort（可理解為「要模型多用力思考」的檔位）是 Fable 5 在「聰明程度、回應速度、花費」三者之間取捨的主要旋鈕，由高到低分成 max、xhigh、high、medium、low 五檔。
要先建立一個觀念：effort 是調整模型行為的訊號，不是嚴格的 token 預算。把 effort 調到 max，意思是不去壓抑模型節省 token 的傾向、讓它盡量發揮，並不等於「花費沒有上限」。真正的硬性上限是 max_tokens 這個參數，它同時涵蓋思考與最終回答的 token 總量。
官方建議一般從 high 起手，能力最吃緊的工作才拉到 xhigh，例行工作往 medium、low 降。
要注意的是，Fable 5 在 low 檔的表現，常常已經超過前代模型在 xhigh 檔的水準，所以別預設「越高越好」。在較高的 effort（xhigh 或 max）下，因為模型會產生更多思考內容，建議把 max_tokens 設得大一些，一個實務起點是 64K，再依實測調整。
費用部分，以下是 API 開發者定價（美元計）。輸入每百萬 token 10 美元、輸出每百萬 token 50 美元。若搭配 prompt caching（把重複用到的長 prompt 存起來、之後重複讀取），寫入快取要加價、讀取則便宜很多：
- 5 分鐘期限的快取寫入：每百萬 token 12.5 美元
- 1 小時期限的快取寫入：每百萬 token 20 美元
- 快取命中（讀取）：每百萬 token 1 美元
換言之，命中快取時的讀取價格是一般輸入的一成，等於省下約九成。但有兩件事要提醒：第一，快取讀取仍然要收費，不是免費；第二，Fable 5 使用從 Opus 4.7 開始採用的新版 tokenizer；相較 Opus 4.7 以前的模型，同一段文字約會產生多三成 token。
因此遷移時不要沿用舊模型的 token 數量估算，應以 Fable 5 重新計算成本及 context 使用量。
四、Claude Fable 5 怎麼用在長任務 agent？先設計驗證迴圈
Fable 5 最能發揮的場景，是讓它長時間自主完成任務。官方在提示與 scaffolding（指模型外圍那層流程與工具架構）指南裡，反覆強調一個做法：在長流程中建立自我檢查的機制。官方原話是：
"Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification."
白話說，就是一邊做、一邊每隔一段時間停下來對照原始規格驗證一次；而且驗證要交給另外開的、context 全新的子代理（官方稱 fresh-context verifier subagents）。官方指出，獨立、全新 context 的驗證子代理通常比主模型自我批評效果更好，因此長流程可優先採用這種驗證方式。
要說明的是，坊間常把這種「設計一套流程讓模型自我修正」的做法叫作 Loop Engineering，但重點是這個動作本身：先讓模型動手，再用一個獨立的驗證環節把關。
五、Claude Fable 5 提示詞範例：6 種常見問題怎麼修正
官方指南給了一批可以直接複製的提示詞，用來修正 Fable 5 幾個常見的行為偏差。以下不照官方原文的順序，而是照「你會遇到的狀況」來分類整理，方便你對症下藥。要說明的是，這是本文從官方指南挑出來的組合，官方並沒有把這些提示詞編成固定幾大類。
狀況一：它想太多，遲遲不動手。
"When you have enough information to act, act. Do not re-derive facts already established in the conversation, re-litigate a decision the user has already made, or narrate options you will not pursue in user-facing messages. If you are weighing a choice, give a recommendation, not an exhaustive survey. This does not apply to thinking blocks."
白話翻譯：資訊夠了就直接做，不要重新推導已經講定的事，也不要在回覆裡列一堆你根本不會採用的選項；要做選擇，就給建議、別窮舉。
狀況二：它自作主張，順手改了你沒要求的東西（effort 調高時特別容易）。
（官方原文節錄）"Don't add features, refactor, or introduce abstractions beyond what the task requires. A bug fix doesn't need surrounding cleanup and a one-shot operation usually doesn't need a helper. Don't add error handling, fallbacks, or validation for scenarios that cannot happen. Trust internal code and framework guarantees."
白話翻譯：修 bug 就只修 bug，不要順手重構、拉出多餘的輔助函式，也不要為根本不會發生的情境加防呆。
狀況三：你只是在描述問題、問問題，它卻直接動手改。
（官方原文節錄）"When the user is describing a problem, asking a question, or thinking out loud rather than requesting a change, the deliverable is your assessment. Report your findings and stop. Don't apply a fix until they ask for one."
白話翻譯：當你是在描述問題、發問或思考，而不是要求改動時，交付物就是它的評估；講完就停，等你開口才動手。
狀況四：長時間跑下來，你不確定它回報的進度是不是真的。
（官方原文節錄）"Before reporting progress, audit each claim against a tool result from this session. Only report work you can point to evidence for; if something is not yet verified, say so explicitly. Report outcomes faithfully: if tests fail, say so with the output."
白話翻譯：回報進度前，每一句話都要對照這次實際跑出來的工具結果；沒驗證的就明講沒驗證，測試失敗就連結果一起說。
狀況五：對話很長時，它突然說「我等一下再做」就停住，或反問你要不要繼續。
（官方原文節錄）"You are operating autonomously. The user is not watching in real time and cannot answer questions mid-task, so asking "Want me to…?" or "Shall I…?" will block the work. Before ending your turn, check your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or a promise about work you have not done, do that work now with tool calls."
白話翻譯：告訴它現在是自主運作、你不會即時回話，所以別問「要不要我做」；結束前先檢查最後一段，如果只是計畫或還沒兌現的承諾，現在就用工具把它做完。
狀況六：它擔心 context 快用完，自己喊停或建議開新對話。
"You have ample context remaining. Do not stop, summarize, or suggest a new session on account of context limits. Continue the work."
白話翻譯：告訴它可用額度還很充裕，不要因為怕用完就停下、提前總結或建議開新對話，繼續做。
六、子代理、memory、harness 怎麼搭？讓 Fable 5 能重複完成複雜任務
官方點名的其中一項進步，是 Fable 5 比前代更會主動派出併發子代理協作。要把這件事做好，官方的實務建議是：把互相獨立的子任務派出去、自己繼續做別的，子代理走偏或缺 context 時再介入；優先用非同步溝通，不要卡著等它回覆；讓子代理活得久一點，跨子任務保留 context，靠快取讀取省成本，也避免被最慢的那個子代理拖住。對應的提示詞是：
"Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context."
白話翻譯：把互不相依的子任務派給子代理，派出去後自己繼續做別的，等它跑偏或缺資訊再介入。
記憶則要修正一個常見誤解：Fable 5 不會自動、也不會永久記住你跨對話說過的話。要讓它累積知識，你得主動給它一個可寫入的記憶檔案，或使用官方支援的 memory tool（記憶工具），並確保之後的 session 讀得到這份紀錄。官方對記憶檔案的寫法建議是：
"Store one lesson per file with a one-line summary at the top. Record corrections and confirmed approaches alike, including why they mattered. Don't save what the repo or chat history already records; update an existing note rather than creating a duplicate; delete notes that turn out to be wrong."
白話翻譯：一個檔案存一條教訓、最上面寫一行摘要，修正和已驗證的做法都要記；已經記過的別重複存，更新舊筆記而不是複製一份，錯的就刪掉。
如果要從既有紀錄啟動這套記憶，官方給的 bootstrap 指令是：
"Reflect on the previous sessions we've had together. Use subagents to identify core themes and lessons, and store them in [X]. Make sure you know to reference [X] for future use."
白話翻譯：回顧你們之前的對話（限於系統實際能讀到的紀錄），派子代理整理出核心主題與教訓，存進指定檔案，並記得之後要參考它。
最後一個遷移提醒：官方指出，替前代模型寫的 skills 對 Fable 5 常常「過度規範」，一堆逐步指揮反而拖累品質；搬過來用之前，先檢視、拿掉多餘的規範性指令。
七、第一次使用 Claude Fable 5：3 步驟上手 checklist
-
第一步：挑一個夠難的任務。 找一個以前覺得 Opus 4.8 做起來太吃力的任務交給它，讓它自己界定範圍、主動問清楚、一路做到完。只拿簡單任務試，只會低估它。
-
第二步：長流程就建驗證迴圈。 派一個 context 全新的子代理定期對照原始規格驗證，設好驗證間隔（例如每完成一個子任務、或每隔一段時間跑一次）；官方指出這種獨立驗證通常比主模型自我批評效果更好，長流程可優先採用。
-
第三步：要累積經驗就給記憶。 準備一個可寫入的記憶檔案、或啟用官方的 memory tool，並確認之後的 session 讀得到。
八、社群進階玩法：用 Fable 5 建立一套可長期沿用的工作制度
最後分享一個社群玩法，先講清楚：這不是 Anthropic 的官方建議，而是 Threads 用戶 @gyozalab 提出、經本文整理的一個 prompt 範例，供進階讀者參考。
他的問題是：如果只有一次機會用 Fable 5，怎麼用最划算？他的想法是把用法反過來，不要拿它去做一次性的任務，而是請它把「判斷力」轉寫成一套之後能沿用的制度與檔案，讓價值留在硬碟上。
這個構想背後有一個前提假設：後續環境會由其他 Claude 模型（不論 Sonnet、Opus 或 Haiku）接手長期運作。
要提醒的是，這是社群提出的使用觀點，不是 Fable 5 的官方能力保證。實際套用前，請依你環境實際可用的工具、權限、模型與 effort 支援情況調整；尤其涉及修改既有檔案時，先確認你有授權再動手。以下是經整理、可直接複製的版本（保留原作者的指令設計）：
先照它的行為特性調 effort 與提示詞，再用獨立的驗證子代理把關品質，最後把可重複使用的判斷寫進記憶檔；這三件事做好，Fable 5 的能力才真正用得出來。
資料來源：Anthropic 官方提示工程指南：Prompting Claude Fable 5、Anthropic 官方發布公告：Introducing Claude Fable 5 and Claude Mythos 5、Anthropic 官方復原公告：Redeploying Fable 5、Anthropic 定價、Claude 說明中心：Fable 5 促銷存取
本文初稿為AI編撰，整理．編輯/ 李先泰
