跳转至

Fable 5回归全网抓紧测！发现GLM-5.2更香了，价格只有1/39

Ch01.716 Fable 5回归全网抓紧测！发现GLM-5.2更香了，价格只有1/39

📊 Level ⭐⭐ | 8.7KB | entities/fable-5回归全网抓紧测发现glm-52更香了价格只有139.md

Fable 5回归全网抓紧测！发现GLM-5.2更香了，价格只有1/39

鹭羽 发自 凹非寺

量子位 | 公众号 QbitAI

Fable 5回归：限时7天，限制增多

喜大普奔！大家的「模月光」Claude Fable 5，它回来了！！消失整整十九天后，Anthropic 这个神话级模型终于全球再上线。Claude.ai、Claude Code、Cowork 已经全部可用。

但这次回归，限制明显增多：

  • 额度限制：Pro、Max、Team 订阅用户每周最多只能用到50%的额度，超额需额外购买 usage credits 或用回其它模型
  • 限时窗口：仅7天（7月1日至7月7日太平洋时间），此后全面转向 usage credits 计费
  • 价格更高：Fable 5 消耗速度明显比 Opus 4.8 快，API Token 价格是 Opus 4.8 的2倍

横评对比：Fable 5 强在哪、贵在哪

在多项对比测试中，Fable 5 展现出顶级性能：

与 Sonnet 5 对比

Sonnet 5（Anthropic 同日释出的性价比模型）在与 Fable 5 的 HTML5 物理场景对比中，画面细节、碰撞效果、物体坠落和破碎方式均逊色。有趣的是，开发者发现实际运行中 Sonnet 5 花费的 Token 反而比 Fable 5 更多。

多模型横向评测

在三个 HTML5 物理场景测试中，Fable 5 全部表现最优——碰撞效果真实、物体破碎方式符合物理规律。GPT-5.5 效果最接近 Fable 5。但 GLM-5.2 是性价比最高的选择：

Fable 5 的测试成本是 Opus 4.8 的 6倍、GLM-5.2 的 39倍。

图片生成质量

Fable 5 在图片生成上边缘清晰度更高，瑕疵更少。网友 ashen 直接用 Fable 5 + Blender，20 分钟重现了纽约市全貌。还有开发者用 Fable 5 制作了翻版《部落冲突》，仅用了 2500 行代码。

远程工作能力：可当外包使用

Fable 5 在远程劳动能力评测中得分高达 16.10%，相比 Opus 4.8 的 8.3% 高了近 2 倍。该榜单衡量 AI 自动化的远程劳动水平，涵盖 23 个领域的 240 个真实远程工作项目，包括完整的项目简介、文件和人类最终交付结果。

Fable 5 是当前唯一能"把一整单活从头接到尾，直接给成品"的模型，真正具备了替代外包劳动力的潜力。

Fable 5 也不是原来的 Fable 5

回归是有代价的——Anthropic 为 Fable 5 训练了一个改进版的安全分类器，采用深度防御策略，设置了比以往任何模型都更宽的安全边际：

  • 当系统识别为高风险行为时，Fable 5 会拒绝执行请求
  • 自动将任务降级派发给 Opus 4.8 处理
  • 正常写代码、debug 请求等日常编码和调试工作，更容易被误判为高风险

典型后果：在编程测试 BridgeBench 中，安全分类器直接拒绝了绝大多数调试任务，导致 Fable 5 的排名从原先的第 9 名降到 41 名。并非模型降智了，而是模型压根不干了。

深度分析

安全性与可用性的两难

Fable 5 回归后的安全分类器设计揭示了一个根本性矛盾：模型能力越强，安全误伤的成本越高。当顶级模型因安全分类器过于保守而拒绝正常编程任务（如 BridgeBench 中的调试请求），其实际可用性反而低于能力稍弱但更"听话"的模型。这一现象在 AI 安全领域被称为"能力-可用性悖论"——安全性增强措施在阻止恶意使用的同时，也不可避免地限制了良性应用。

性价比倒挂：旗舰 vs 中端模型

Fable 5 的测试成本是 GLM-5.2 的 39 倍、Opus 4.8 的 6 倍，但在多个场景中实际效果差距并非等比例放大。GLM-5.2 以"开源第一、智力指数 51 分"的定位，在合理成本下提供了接近旗舰的能力。这验证了 2026 年中的模型市场格局：开源与闭源的差距已缩小到 3-6 个月，而开源模型的性价比优势可能达到 10-40 倍。企业在选型时需要在"能力上限"和"成本效益"之间做出更精细的权衡。

远程劳动力替代的临界点

Fable 5 的 16.10% 远程劳动得分（相对 Opus 4.8 的 8.3% 接近翻倍）标志着 AI 替代人类远程工作的临界点正在逼近。此前 AI 在"端到端任务"上的表现一直受限于多步推理和工具使用能力，Fable 5 的突破表明：当模型具备可靠的长期任务执行能力时，远程白领工作（编程、数据分析、内容创作）的自动化就不再是概念验证，而是可规模化的现实。

限时回归策略的产品化启示

Fable 5 仅开放 7 天的"限时回归"策略，配合额度限制和 usage credits 机制，是一次精心设计的市场操作：既满足了存量用户的期待和测试需求，又通过稀缺性制造紧迫感，同时通过"限时免费→按量付费"的转化漏斗培养付费习惯。这种"先尝后买"的模型推广模式，可能被更多 AI 厂商复制。

Token消耗≠产出价值

Anthropic Labs 负责人 Mike Krieger 指出"消耗 Token 最多者与实际产出并无强相关"（见 7 月 1 日速递），与 Fable 5 比 Sonnet 5 Token 消耗更少但效果更好的现象一致。这意味着在模型选型和成本控制中，简单的按 token 计费模型无法反映真实价值——一个 token 效率高的旗舰模型可能在总成本上反而低于性价比模型。

实践启示

  1. 安全分类器引入需预留误伤缓冲区：在生产环境中部署有安全分类器的模型时，必须设计分级降级机制（如 Fable 5 → Opus 4.8），并监控安全分类器的误报率。如果误报率超过 10%，应考虑调低敏感度或为关键任务建立白名单通道。

  2. 性价比选型框架：将旗舰模型作为"质检员"而非主力：Fable 5（39 倍成本）vs GLM-5.2 的对比说明，在常规任务中使用中端模型、只在少数复杂场景调用旗舰模型的分层策略，可以在成本与效果之间取得最优平衡。旗舰模型更适合做"难例判别"和"质量标杆"。

  3. 远程工作自动化的 ROA 评估：Fable 5 在远程劳动得分中接近 Opus 4.8 两倍的表现，意味着 AI 替代编程类远程工作的 ROA（投资回报率）正在快速提升。建议对团队中重复性高、交接成本低的工作环节进行自动化可行性评估，率先在"端到端可交付"场景中引入 AI。

  4. 不要只比基准分数，要测实际可用性：BridgeBench 排名从第 9 跌至 41 说明——一个模型的理论能力再强，如果被安全策略限制或推理效率低下，实际可用性可能远低于 benchmark 显示的水平。选型时加入"安全限制下的实际可用率"作为关键指标。

  5. 模型成本建模需纳入 Token 效率差异：Fable 5 虽然 API 单价是 Opus 4.8 的 2 倍，但实际完成相同任务消耗的 Token 更少。在 TCO 计算中，不应只比较每 token 单价，而应基于"完成基准任务集的总成本"进行大 A/B 测试。

关联