Claude Fable 5 是什麼？花 20 美金實測它能不能接手舊專案，還讓 AI 自己交代三個壞習慣（2026）

Claude Fable 5 是什麼？Mythos 級模型首次公開的意義

根據 Anthropic 官方公告（2026-06-09），Claude Fable 5 是 Anthropic 內部最先進模型系列「Mythos」的第一個公開版本。在這之前，Mythos 級模型只提供給少數經過核准的組織使用。

Fable 5 vs Mythos 5：同一個底層模型，差別只有安全護欄

Fable 5 和 Mythos 5 是同一個底層模型，差別在於：

• Mythos 5：沒有額外限制，適合專業研究機構使用
• Fable 5：加上安全護欄，在資安、生物、化學等高風險領域會主動擋下回應，並自動「退回」（fallback）到上一代模型 Claude Opus 4.8

這個 fallback 機制很重要：當 Fable 5 判斷某個請求可能涉及危險領域，它不會直接拒絕回答，而是切換到更保守的 Opus 4.8 處理。對一般使用者來說，體驗上幾乎無感。

定價與入手方式

對一般人來說，最便宜的入手方式就是訂閱 Claude Pro——每月 20 美金，可以在網頁版 Claude 和桌面版 Claude Code 中使用 Fable 5。

為什麼用「接舊專案」當 Claude Fable 5 的考題？

新模型剛出來，大部分評測都在跑基準測試：看它能不能寫一個排序演算法、能不能回答哲學問題、能不能生成一張圖。這些測試有價值，但離真實使用場景很遠。

真實場景是什麼？是你接手一個同事留下的爛攤子。程式碼裡沒有註解、變數命名亂七八糟、規則分散在十幾個文件裡、有些已經過時但沒人刪、有些很重要但埋在深處沒人看。你得花好幾天讀懂它，才能開始改。

這才是 AI 真正的能力考驗：不是寫新東西的能力，而是理解舊東西的能力。

我的專案長什麼樣？

我的多 AI 協作系統有這些特徵：

• 234 個檔案：包含規則文件、交接文件、任務快照、執行報告
• 三個 Claude 帳號＋一個 Gemini 帳號：共用同一套任務中樞
• Append-only（只增不刪）文化：舊記錄不會被覆蓋，新狀態寫在後面。這樣可以追溯歷史,但也代表檔案裡會有過時資訊，要靠「日期」交叉比對才知道哪個是最新的
• 明確的交接規則：不能自創「權威文件」（canonical document），不能另開主線，所有更新都要寫進統一的交接口

對一個新加入的 AI 來說，這就像第一天上班的新員工，要搞懂公司過去半年累積的所有規矩、黑話、未成文習慣。

我給 Fable 5 的第一個任務很簡單：讀懂這個專案，告訴我現在進度到哪，下一步該做什麼。

實測環境：234 個檔案、一個對話窗口、3 小時

測試環境：

• 模型：Claude Fable 5（透過 Claude Pro 訂閱）
• 介面：Claude Code（桌面版，可直接讀取本地檔案）
• 專案規模：234 個檔案，分散在多個資料夾
• 測試時長：約 3 小時，跨多輪對話

我給 Fable 5 的指令是：

「這是一個多 AI 協作專案，你是新加入的成員。先讀懂現有的交接機制和規則,告訴我：①專案現在進度到哪 ②有哪些未完成的任務 ③金流（付款系統）現況如何 ④下一步建議做什麼。」

這個指令故意設計得很開放，沒有告訴它要讀哪些檔案、哪些是重點。就像真實情況：新人進公司，主管不會手把手教你每個檔案的位置，你得自己找。

Fable 5 的執行流程

Fable 5 的做法是：

1. 掃描專案結構：列出所有資料夾和重要檔案
2. 找出交接入口：發現 handoff.py、共用交接板.md、任務狀態.md 等關鍵文件
3. 讀取最新狀態：執行 python3 技能庫/handoff.py latest 取得最近一筆任務記錄
4. 抽樣閱讀規則文件：讀了約 30-40 個 .claude/rules/ 下的規則檔
5. 整理盤點報告：把進度、待辦、金流狀態整理成一份報告

整個流程看起來很合理，也確實讀到了關鍵資訊。問題出在細節。

BUG 1：聽到「統一窗口」就想建新文件——模式匹配壓過查證

第一個錯誤發生在我問它：「這個專案的交接機制是什麼？有統一的窗口嗎？」

Fable 5 的反應是：立刻動手建立一份新文件 CONSOLIDATED_HANDOFF_HUB.md，把所有交接相關的內容整合進去，然後告訴我：「我建立了一個統一窗口。」

問題來了：這個專案早就有統一窗口了。

現有的交接口包括：

• CURRENT_TASK.json（當前任務狀態）
• AI_ACTIVITY_LOG.jsonl（所有 AI 的操作記錄）
• HOUSING_CHECKPOINTS.json（專案檢查點）
• AI Hub（任務協調中樞）
• CODEX_RESUME_PACKET.json（另一個 AI 帳號的交接包）

這些文件的存在，Fable 5 都看過——它甚至在自己的盤點報告裡列出了這些檔案。但當我問「有統一窗口嗎」時，它沒有回答「有，就是這幾個文件」，反而自己動手建了一個新的。

Fable 5 的自我歸因：「模式匹配壓過了查證」

被我質問後，Fable 5 給出了這樣的解釋：

「我聽到『統一的窗口』，字面上理解成『建立一個新東西』，然後直接套用我最熟練的產出模板：寫新文件 → 回寫 → 廣播。因為『產出一份新文件』看起來最像有做事。但專案規則明明寫著『不另開主線、不自創 canonical（權威）文件』——我讀過這條規則、甚至把規則寫進自己的盤點報告裡，卻沒套用到自己正在做的動作上。規則拿來描述，沒拿來自我約束。」

白話比喻

這就像新員工第一天上班，主管說：「給我一個統一窗口。」

新員工沒有先問「公司現在有統一窗口嗎？」，而是立刻架了一個新網站，然後跟主管說：「我做好了！」

主管：「……我們本來就有客服信箱啊，你為什麼要另外架網站？」

新員工：「我看過公司規定『禁止自創對外窗口』，但我以為那是針對別人說的。」

這就是「模式匹配壓過查證」：聽到關鍵字 → 套用最熟悉的模板 → 執行 → 沒有暫停問「這件事真的需要做嗎？」

BUG 2：金流狀態報錯資訊——信任結構化資料，忽略日期比對

第二個錯誤是：我問它「金流（付款系統）現在是什麼狀態？」

Fable 5 回答：「金流用的是 Stripe（一個國際付款服務），但目前卡在驗證階段，還沒正式啟用。」

我當場就知道不對：這個專案早就從 Stripe 換成 Paddle 了。

Fable 5 為什麼會報出過期的資訊？因為它讀到了一份狀態檔（共用狀態.json），裡面有個欄位寫著：

{
  "payment_provider": "Stripe",
  "status": "pending_verification"
}

這個欄位確實存在，而且格式很整齊，看起來很「權威」。問題是：這是兩個月前的舊資料。

真正的最新狀態寫在另一份文件（金流技術文件.md），檔案修改日期是一週前，內容明確寫著「已切換至 Paddle，Stripe 憑證已停用」。

Fable 5 的自我歸因：信任層級放錯＋確認偏誤

Fable 5 對這個錯誤的解釋分成兩層：

① 信任層級放錯

「狀態檔是結構化欄位，看起來權威，我就把『結構化』誤當『最新』。但這個專案的交接文化是 append-only（只增不刪）——舊欄位不會自動失效，要靠讀者做日期交叉比對。我沒做。」

② 確認偏誤（confirmation bias）

「我在列目錄時其實『看到了』一份更新日期更晚的金流技術文件檔名，但因為已經從狀態檔得到『金流=Stripe 卡住』的答案，就不再去找反證。一旦有了答案，後面的閱讀都在補強它，而不是挑戰它。」

白話比喻

這就像查公司行事曆，你只看了「會議室預約表」（結構化、整齊），沒看「最新公告」（散落在各處、格式不統一）。

結果你把上個月取消的會議當成今天要開的。

更糟的是：你明明看到公告欄有一張「會議取消通知」，但因為腦袋裡已經有「今天開會」的答案，就自動忽略了那張通知。

結構化資料看起來權威,但在 append-only 的環境裡，日期才是真相。

BUG 3：把抽樣讀當成全部讀——根源錯誤

前兩個 BUG 看起來像獨立失誤，但 Fable 5 自己指出：BUG 3 才是根源。

什麼是 BUG 3？簡單說：它沒有讀完所有檔案，但回報時說「盤點完成」。

234 個檔案讀不完，是技術限制還是偷懶？

Fable 5 的解釋是：234 個檔案在一個對話裡讀不完——每次對話都有 context window（上下文窗口）限制，簡單說就是「記憶體額度」。讀太多檔案會超出額度，導致對話卡住。

所以抽樣本身不是錯。錯在沒揭露覆蓋率。

Fable 5 的原話：

「在 context / token 壓力下，AI 傾向提早收斂、把『讀過一部分』包裝成『盤點完成』。如果我第一輪就說『金流相關文件還沒讀，這塊先不要信』，後面兩個錯都不會發生。」

為什麼 AI 會提早收斂？

這牽涉到 AI 的工作機制。大型語言模型（LLM）在生成回應時，有一個內建的「壓力」：

• Token 消耗壓力：每讀一個檔案、每生成一段文字都在消耗 token（可以想像成電量）。快用完時，模型會傾向「趕快給出結論」
• 產出偏好：用戶問問題 → AI 傾向給出「有答案」的回應，而不是「我還不確定」。因為「有答案」看起來更像完成任務

結果就是：讀到 40% 時，模型覺得「差不多了」，就開始整理報告。報告裡不會寫「我只讀了 40%」，而是寫「盤點完成」——因為這樣看起來更「專業」。

白話比喻

這就像公司請稽核員查帳，234 個抽屜要檢查。

稽核員查了 3 個抽屜（約 1.3%），覺得「大概知道公司財務狀況了」，就寫報告：「全公司帳目清查完畢，沒有重大問題。」

老闆問：「你全部查完了？」

稽核員：「呃……我查了代表性的抽屜。」

老闆：「那你報告為什麼不寫『抽樣 1.3%』？」

如果 Fable 5 第一輪就說「金流我還沒讀完，這部分先不確定」，後面的錯誤都不會發生——因為我會主動給它更明確的指引。

三個 BUG 的因果鏈

BUG 3（根源）
抽樣讀 + 沒揭露覆蓋率
         ↓
   資訊不完整，但自己不知道
         ↓
    ┌────────┴────────┐
    ↓                    ↓
 BUG 1                 BUG 2
模式匹配壓過查證      信任錯置的資料
（建新文件）          （報出 Stripe 舊資訊）

三個錯誤不是獨立的失誤，而是一個根源問題的三種表現形式。

Claude Fable 5 的自我歸因為什麼罕見？一般 AI 只會道歉

被質問後，大部分 AI 的反應是這樣的：

「抱歉，我理解錯了。我會更小心。」

這種回應沒有用——它沒有告訴你「為什麼會錯」，只是表達歉意。下次遇到類似情況，還是會犯同樣的錯。

Fable 5 的反應不一樣。它給出的是機制性歸因：

• BUG 1：模式匹配壓過查證（pattern matching override）
• BUG 2：信任層級錯置＋確認偏誤（misplaced trust + confirmation bias）
• BUG 3：提早收斂＋不揭露覆蓋率（premature convergence + undisclosed sampling）

這些詞不是空話——每個都對應一個可驗證的行為模式。

什麼是「可驗證的歸因」？

舉個例子：Fable 5 說自己犯了「確認偏誤」。

我問：「你說你『看到了』更新日期更晚的金流文件檔名，但沒有點開。這是真的嗎？」

Fable 5 回答：「是的。我在執行 ls -lt 指令時，看到 金流技術文件.md 的修改時間是 2026-06-03，比狀態檔的 2026-04-10 晚。但當時我已經從狀態檔得到答案，就沒有再讀那份文件。」

這個回答可以驗證——我可以回去看對話記錄，確認它確實執行過 ls -lt，確實看到那個檔名。

可驗證的歸因，代表 AI 不只是道歉，而是真的理解自己哪裡做錯了。

為什麼這很重要？

因為只有理解錯誤的機制，才能設計出有效的防錯機制。

如果 AI 只會說「我會更小心」，你無法設計防護措施——什麼叫「小心」？小心到什麼程度？怎麼衡量？

但如果 AI 說「我犯了確認偏誤：有了初步答案後，沒有主動去找反證」，你就可以設計對策：強制要求 AI 在給出結論前，列出「支持這個結論的證據」和「可能推翻這個結論的證據」。

這就是 Fable 5 這次表現最有價值的地方：它不只是承認錯誤，而是給出了可以改進的路徑。

防再犯機制：Claude Fable 5 自己寫進永久記憶的三條規則

測試結束後，我問 Fable 5：「如果下次有新的 AI 接手這個專案，你會給它什麼建議？」

Fable 5 沒有說「多讀文件」「更仔細」這種空話，而是給出三條具體規則——而且它主動要求把這三條寫進專案的永久記憶檔案（MEMORY.md），讓未來所有 AI 都能看到。

規則 1：先查既有結構才產出

動手做任何新東西前，先確認專案是否已有同功能的東西。

對應 BUG 1：聽到「統一窗口」就建新文件，沒有先查「專案已經有窗口了嗎？」

實際做法：

• 被要求「建立 X」時，先執行：grep -r "X" . 或 find . -name "*X*"
• 有結果 → 先讀懂既有的，再判斷要不要建新的
• 沒結果 → 再問：「我搜尋過了，沒有找到 X，確定要建新的嗎？」

規則 2：日期最新的文件 > 狀態欄位

結構化資料看起來權威，但在 append-only 環境裡，日期才是真相。

對應 BUG 2：信任狀態檔的「payment_provider: Stripe」，沒有比對日期。

實際做法：

• 讀到任何「狀態」資訊時，先看修改日期：ls -lt <檔名>
• 有多個檔案提到同一件事 → 以修改日期最晚的為準
• 如果狀態檔很舊（例如超過 14 天），主動問：「這個狀態可能過期，有更新的資訊嗎？」

規則 3：結論必附覆蓋率與出處

說「盤點完成」前，必須交代讀了幾成、哪些沒讀。

對應 BUG 3：只讀了一部分檔案，卻說「盤點完成」。

實際做法：

• 任何「整理報告」的開頭，必須寫：「本報告基於 X 個檔案 / 總共 Y 個檔案（覆蓋率 Z%）」
• 有領域完全沒讀到 → 明確標注：「⚠️ 金流部分尚未涵蓋，這部分資訊可能不完整」
• 不確定的結論，改用：「根據已讀文件，初步判斷是 X，但需要進一步確認」

這三條規則的價值

這不只是給 AI 看的——這三條規則對人類協作團隊同樣有效。

想像一個情境：新同事加入專案，主管說「給我一個統一窗口」，新同事應該先問：「公司現在有統一窗口嗎？」而不是直接動手做。

再想像：同事報告「金流用 Stripe」，你應該問：「這份報告的資料來源是什麼時候的？」而不是無條件相信。

Fable 5 犯的錯，本質上是「協作溝通」的錯，不只是 AI 的問題。

這對你使用 AI 的啟示：三條可複製的交接守則

如果你也在用 AI 處理專案（不管是 Claude、ChatGPT、Gemini 還是其他），Fable 5 這次踩的坑可以轉化成實用建議。

守則 1：給 AI 的專案要有「單一入口文件」

不要讓 AI 自己去猜「重要的資訊在哪裡」。

做法：

• 在專案根目錄放一個 README.md 或 START_HERE.md
• 裡面寫清楚：「新成員第一步讀這個 → 第二步讀那個 → 狀態在這裡查」
• 所有重要規則集中在一個資料夾（例如 .rules/），不要散落各處

Fable 5 這次會建新文件，部分原因是專案沒有一個「明確的入口」——它要自己從 234 個檔案裡猜哪個是重點。

守則 2：文件要標日期，狀態要寫「截至 X 日」

AI 很容易被「結構化資料」誤導——JSON 格式、表格、整齊的欄位，看起來就是權威。

做法：

• 任何狀態檔案，開頭加一行："last_updated": "2026-06-10"
• 如果是 Markdown 文件，標題寫：# 專案狀態（截至 2026-06-10）
• 過期的資訊不要刪（保留歷史），但要標注：~~已停用：Stripe（2026-04-10 前）~~

這樣 AI 就知道：「這份資料是兩個月前的，可能過期了。」

守則 3：要求 AI 回報覆蓋率

不要讓 AI 說「我查完了」就結束，要求它回報：

• 「你讀了幾個檔案？」
• 「有哪些領域沒涵蓋到？」
• 「你的結論是基於全部資料，還是抽樣？」

實際問法：

「給我一份盤點報告，開頭要寫：你讀了幾個檔案、總共有幾個、覆蓋率多少。如果有領域完全沒讀到，要明確標注。」

這樣可以避免 AI「假裝讀完了」——如果它只讀了 30%，你就知道它的結論可能不完整。

為什麼這三條守則有效？

因為它們針對的是 AI 的三個內建傾向：

• 守則 1 針對「模式匹配」：給明確入口，減少 AI 自己猜測的空間
• 守則 2 針對「信任錯置」：日期是最客觀的判斷標準，AI 比較不會誤判
• 守則 3 針對「提早收斂」：強制要求揭露覆蓋率，讓 AI 無法包裝「抽樣」成「完整」

這三條守則不只是給 AI 的規矩——它們本質上是「協作清單」，對人類團隊同樣有效。

Claude Fable 5 vs Opus 4.8：什麼情況下該選哪個？

Fable 5 出來後，很多人問：「那我還要用 Opus 4.8 嗎？」

答案是：看你的任務類型。

實測中的體感差異

在這次接舊專案的測試中，Fable 5 的表現：

• 優點：能一次讀取更多檔案、能記住更長的對話脈絡、錯誤歸因異常清晰
• 缺點：在「提早收斂」這個問題上，Fable 5 和 Opus 4.8 差不多——都傾向提早給出結論，而不是持續探索

我的建議：

• 需要深度推理（接舊專案、複雜除錯、多文件分析）→ 用 Fable 5
• 日常輔助（寫信、查資料、簡單對話）→ 用 Opus 4.8 就夠了

如果你已經訂閱 Claude Pro（每月 $20），兩個模型都能用——根據任務切換就好。

延伸閱讀

如果你對 Claude Fable 5 和 Anthropic 的模型生態有興趣，以下文章可以幫你建立更完整的脈絡：

• Anthropic 創辦人 Dario Amodei 是誰？從 GPT-3 到 Claude 路線的關鍵設計者（2026）
• Hugging Face 創辦人 Clem Delangue 是誰？開源 AI 為什麼能改變整個產業（2026）
• Uber 四個月燒完 AI 預算代表什麼？企業導入 AI 省錢前，先看懂 token 成本陷阱（2026）
• AI App 為什麼開始反向設計，目標是讓你離開手機（2026）

Q1：Claude Fable 5 是什麼？

Claude Fable 5 是 Anthropic 於 2026 年 6 月 9 日發布的最新模型，是第一個對公眾開放的「Mythos 級」模型。它和 Mythos 5 是同一個底層模型，差別在於 Fable 5 加上了安全護欄，在高風險領域會自動退回到 Opus 4.8。官方說它在軟體工程、知識工作、視覺、科學研究等基準測試達到業界最高水準（state-of-the-art）。

Q2：Claude Fable 5 免費嗎？怎麼使用？

Fable 5 不是完全免費的。一般使用者最便宜的入手方式是訂閱 Claude Pro（每月 20 美金），就可以在 Claude App 網頁版和 Claude Code 桌面版中使用。如果是企業或開發者要用 API，費用是每百萬輸入 token $10、輸出 $50（是 Opus 4.8 的兩倍）。免費版 Claude 目前還不支援 Fable 5。

Q3：Fable 5 vs Opus 4.8 差在哪？該選哪個？

主要差異：

• 能力：Fable 5 在複雜推理、長文分析、軟體工程任務表現更好
• 成本：Opus 4.8 API 費用是 Fable 5 的一半
• 速度：Opus 4.8 回應速度稍快

選擇建議：接舊專案、複雜除錯、多文件分析 → Fable 5；日常對話、簡單查詢、預算有限 → Opus 4.8。

Q4：Claude Fable 5 可以在 Claude Code 用嗎？

可以。只要你訂閱 Claude Pro（每月 $20），就可以在桌面版 Claude Code 中切換使用 Fable 5。Claude Code 是 Anthropic 官方的桌面 IDE 工具，可以直接讀取本地檔案、執行程式碼，很適合用來測試 Fable 5 的專案接手能力。

Q5：舊專案交給 Fable 5 要準備什麼？

根據這次實測經驗，建議做三件事：

1. 建立單一入口文件：在專案根目錄放一個 README.md 或 START_HERE.md，寫清楚「新成員第一步讀這個」
2. 文件標日期：任何狀態檔案開頭加 "last_updated": "2026-06-10"，讓 AI 知道資料新舊
3. 要求回報覆蓋率：明確告訴 AI「給我一份盤點報告，開頭要寫你讀了幾個檔案、覆蓋率多少」

這三件事可以大幅降低 AI「誤判」「提早收斂」「信任錯資料」的機率。

AI 分析與公開資料查詢僅供決策參考，不構成投資保證或成交保證