Claude Fable 5 pierwszego dnia znalazł u mnie żywego buga, więc zderzyłem go z Opusem i Sonnetem

Anthropic wypuścił dziś, 9 czerwca 2026, dwa modele frontier: Claude Fable 5 i Claude Mythos 5. Jeden jest dla wszystkich. Drugi siedzi za programem zaufanego dostępu. Pod spodem to ten sam model.

Wpis premierowy to benchmark na benchmarku. Nie zamierzam ich streszczać. Na Claude prowadzę biznes, nie leaderboard, i obchodzi mnie jedno pytanie: co mocniejszy model robi z systemami, które już dziś u mnie działają. Ta strona w ośmiu językach. Pipeline treści. Pętle agentowe, które dotykają CRM-u. Oto ta odpowiedź, na mojej własnej robocie, z dowodami, które możesz sklonować i odpalić u siebie.

Fable 5 i Mythos 5: dwa modele, jeden mózg

Nazwa zdradza wszystko. Anthropic tłumaczy, że fable pochodzi od łacińskiego fabula, „to, co opowiedziane”, blisko greckiego mythos. Ten sam rdzeń, dwie maski. Różnica nie leży w możliwościach. Leży w tym, co modelowi wolno.

Claude Fable 5 jest od dziś w API i w każdym planie. Zabezpieczenia włączone. Gdy żądanie trafi w oznaczony temat, model nie odmawia, tylko po cichu odpowiada jako Opus 4.8. Według Anthropic dzieje się tak w mniej niż 5% sesji.

Claude Mythos 5 to ten sam model pod spodem, część zabezpieczeń zdjęta. Dostęp tylko dla zweryfikowanych zespołów cyberobrony przez Project Glasswing, program biologiczny ma dojść później. Anthropic nazywa go najmocniejszym modelem cyber, jaki zbudował.

Twoje żądanie

klasyfikator

Kontrola bezpieczeństwa cyber · bio · destylacja

czyste

Odpowiada Fable 5 pełne możliwości

oznaczone

Odpowiada Opus 4.8 fallback, bez odmowy

To jedyny detal tej premiery, który dotyka każdego, kto buduje na API. Cichy fallback to lepszy UX niż twarda odmowa. Oznacza też, że w jednej sesji mogą odpowiadać dwa różne modele. Jeśli puszczasz evale albo pętle agentowe, musisz logować, który odpowiedział, inaczej twoje liczby po cichu mieszają dwa modele.

Co już dziś działa tu na Claude

Zanim powiem, co Fable zmienia, pokażę, w czym ma coś zmieniać. Ta strona to nie wizytówka. To system, a Claude jest w nim elementem nośnym.

Działa na Astro i Cloudflare, serverless, nie ma czym się opiekować. Strona wychodzi w ośmiu językach przez pipeline na DeepL, który zbudowałem, z warstwą ochrony marek, żeby tłumacz nigdy nie zrobił z „Opusa” rzeczownika pospolitego. Ten pipeline wyprodukował 89 zlokalizowanych wersji artykułów w siedmiu językach i każda z nich siedzi w kolekcjach treści tego repo, gdzie możesz je policzyć. Warstwa odkrywania, llms.txt, jest na bieżąco, żeby modele mogły znaleźć tę robotę. Nic z tego nie jest demem. Wszystko siedzi w repo za tą stroną.

Claude nie jest tu więc zabawką do pisania. Jest tym, co musi utrzymać wielojęzyczny, wieloaplikacyjny system w całości, nie gubiąc wątku. To jest robota, w której model frontier musi być dobry. Nie ciekawostki, nie błyskotliwy one-liner.

Jedna prawdziwa robota, osiem języków, jedna sesja

Porównanie cen, które znajdziesz niżej na tej stronie: oto jak powstało, dzisiaj, za jednym posiedzeniem. Taką robotę mam na myśli.

1. Jedna edycja, po angielsku. Napisałem porównanie cen raz, w języku kanonicznym, jako jedyne źródło prawdy.
2. Chirurgiczna wstawka, nie re-tłumaczenie. Skrypt przetłumaczył tylko nowy blok na siedem języków i wpiął go pod właściwy nagłówek, nie ruszając żadnego z ręcznie poprawionych tłumaczeń.
3. Część, której nie pokaże żaden wpis premierowy. Zajęło to cztery podejścia. DeepL odczytał “credits” jako napisy końcowe filmu, “model card” jako kartę postaci z RPG, a “$5 wejście, $25 wyjście” jako ceny kupna i sprzedaży. Przeczytałem każdą linię i poprawiłem sens. Model zrobił wolumen, osąd należał do mnie.
4. Na produkcji. Build zielony, 560 testów, push na maina. Osiem języków spójnych. Jedna sesja.

Tłumacz ogarnął osiem języków w kilka sekund. Cztery razy pomylił też sens. Żadna z tych rzeczy nie jest niespodzianką i obie są częścią roboty. Mocniejszy model przesuwa tę granicę: mniej podejść, mniej mojego osądu spalanego na sprzątanie.

Dokładnie tę granicę ma przesuwać model frontier. Nie „ładniejszą prozę”. Mniej rund między wolumenem a osądem.

Trzy fronty, które Claude Fable 5 musi przetrwać: czat, agenci, kod

Ten sam model, trzy zupełnie różne roboty. Szybki osąd w oknie czatu. Długi, wielokrokowy przebieg w agencie cowork. Kod w tym repo. Na każdym froncie psuje się inaczej, a model frontier jest wart swojej ceny tylko wtedy, gdy trzyma się na wszystkich trzech.

Front kodu mogę pokazać już dziś, bo działa tutaj, a nie za embargiem. Żeby uczciwie porównać modele, kazałem Claude’owi zbudować mały harness: ten sam prompt, każdy model, realna latencja, tokeny i koszt. To jego rdzeń i naprawdę się uruchamia:

// ten sam prompt, każdy model, prawdziwe liczby
for (const test of TESTS) {
  for (const model of MODELS) {
    const res = await callModel(model, test.prompt, test.maxTokens);
    const pass = test.grade ? (test.grade(res.text) ? "PASS" : "FAIL") : "--";
    const usd = cost(model, res.inTok, res.outTok);
    log(model, pass, res.ms, res.inTok, res.outTok, usd);
  }
}

Pierwszy paragon: Fable 5 znalazł żywego buga w moim failoverze

Pełne liczby trzech modeli są dwie sekcje niżej. Samo ich przygotowanie już się zwróciło, bo uczciwy test potrzebuje klucza odpowiedzi.

Żeby punktować modele za audyt tego repo, najpierw musiałem wiedzieć, co w nim naprawdę jest nie tak. Więc pierwszego dnia posadziłem Fable 5 nad infrastrukturą tej strony: worker failovera, ręczna zapadnia w GitHub Actions, Terraform. Wrócił z sześcioma znaleziskami, które zweryfikowałem w kodzie linia po linii. Jedno z nich to awaria produkcyjna czekająca na swój termin.

Monitor, który pilnuje tej strony, sprawdza zdrowie wojciech.io, czyli żywej domeny. Po failoverze ta domena wskazuje na backup. Podczas prawdziwej awarii monitor widziałby więc zdrowy backup, uznałby, że awaria minęła, i przepiąłby DNS z powrotem na zepsuty primary. Pięć minut później: znowu failover. Przez całą awarię moja strona huśtałaby się między działającą a zepsutą w rytmie pięciu minut.

Primary leży

monitor

Failover na backup

następny tick

Apex wygląda zdrowo bo serwuje backup

restore

Znowu zepsuty primary

Poprawka weszła tego samego dnia: monitor sprawdza teraz bezpośrednio origin primary, zanim przywróci DNS, a w innym wypadku zostaje na backupie. To jej serce, z commita e734c2f w publicznym repo, więc możesz przeczytać każdą linię zamiast wierzyć mi na słowo:

-  } else if (healthy && !onPrimary) {
-    await updateDns(env, CF_PAGES_HOSTNAME);
-    console.log(`RESTORE -> CF Pages: ${CF_PAGES_HOSTNAME}`);
+  } else if (!onPrimary) {
+    // After a failover the apex serves the backup, so apex health says
+    // nothing about the primary. Restore only when the primary origin
+    // itself responds, otherwise DNS flip-flops every cron tick while
+    // the primary is down.
+    const primaryHealthy = await checkHealth(`https://${CF_PAGES_HOSTNAME}`);
+    if (primaryHealthy) {
+      await updateDns(env, CF_PAGES_HOSTNAME);
+      console.log(`RESTORE -> CF Pages: ${CF_PAGES_HOSTNAME}`);
+    } else {
+      console.log(`HOLD: serving backup, primary still unhealthy`);
+    }

To ten sam podział pracy co w historii z blokiem cenowym, tym razem na infrastrukturze: Fable 5 przeczytał system i nazwał mechanizm, ja sprawdziłem każdą linię, zanim weszło.

Fable 5 vs Opus 4.6 vs Sonnet 4.6: jeden klucz odpowiedzi, liczby

Przebiegi spłynęły tego samego popołudnia. Trzy headlessowe audyty w tym sterylnym harnessie: identyczne klony jednego commita, identyczny prompt, identyczne limity narzędzi tylko do odczytu, po jednym przebiegu dla Fable 5, Opus 4.6 i Sonnet 4.6. Kluczem odpowiedzi było sześć bugów, które zweryfikowałem w kodzie ręcznie, zanim jakikolwiek model wystartował, ważonych po severity, jedenaście punktów łącznie. Punkt wymaga nazwania mechanizmu, nie samego pliku.

Werdykt jest mniej elegancki niż leaderboard. Fable 5 znalazł najwięcej i jako jedyny zgarnął całą warstwę failovera: flip-flop, dwie sprzeczne definicje zdrowia, dryf hostname. Opus 4.6 trafił głównego buga równie precyzyjnie za połowę ceny i na koszcie za punkt wygrywa, ale był ślepy na operacyjne detale wokół. Sonnet 4.6 w ogóle nie zobaczył flip-flopa, a i tak zarobił na swój przebieg: przyniósł najbardziej akcjonalne znalezisko spoza mojego klucza, endpoint zapisu na newsletter, który po cichu spada na starą appkę na Vercelu, której nikt już nie utrzymuje.

Jeszcze jedna uczciwa linijka, której leaderboardy nigdy nie drukują. Wszystkie trzy modele zgłosiły znalezisko, które mój klucz odpowiedzi jawnie oznaczał jako fałszywy alarm: byłem przekonany, że lista locale jest scentralizowana w jednym pliku. One powiedziały, że jest deklarowana niezależnie w pięciu miejscach. Sprawdziłem. Miały rację, a mój klucz się mylił. Benchmark zaudytował egzaminatora.

Co każdy model znalazł poza kluczem odpowiedzi

Tabela wyników liczy tylko to, co było w moim kluczu. Ale każdy model przyniósł też prawdziwe, zweryfikowane znaleziska, których nie wpisałem. To nie punkty bonusowe. To powód, dla którego puszczasz trzy modele zamiast jednego.

Jak się czytają raporty, nie tylko co znalazły

Liczby nie mówią, jak to jest czytać dwutysięczny raport o 23:00 i decydować, czy puszczać fixa. Każdy raport oceniłem na czterech osiach, 1 do 5.

Kiedy który model, w jednej tabeli:

Gdzie Fable 5 naprawdę zarabia u mnie na swoją cenę

Nie „mądrzejszy”. Jedna rzecz: trzyma wątek.

Każda pętla agentowa, którą puszczam, umiera tak samo. Model gubi kontekst na kroku N i zaczyna zmyślać. Mój pipeline lokalizacji przepuszcza każdy blok artykułu przez tłumaczenie, odtworzenie i ponowne złożenie, razy siedem języków. Pętla wzbogacania dotyka CRM-u przez wiele kroków. Dryf to podatek, który płacę, a dziś płacę go ponownymi przebiegami albo czytaniem każdej linii ręcznie, jak dziś rano, cztery razy.

Główna obietnica Fable’a celuje dokładnie w ten tryb awarii: trzymać kontekst przez miliony tokenów, kończyć długie przebiegi agentowe bez gubienia wątku. Najgłośniejszy dowód to Stripe, który w jeden dzień przeprowadził migrację 50 milionów linii Ruby w całym kodzie, robota, która według Anthropic zajęłaby zespołowi dwa miesiące ręcznie. Wersja do sprawdzenia to eval kodowania:

Jeśli to się potwierdzi na mojej robocie, wygrana to nie ładniejszy output. To jeden przebieg zamiast trzech. A to zmienia koszt wyniku, jedyną liczbę z całej premiery, która dotyka mojego P&L.

Cennik Fable 5: 2x Opus 4.8, i haczyk

Gdy 23 czerwca ruszy rozliczanie za użycie, Fable 5 i Mythos 5 będą kosztować po 10 $ za milion tokenów wejściowych i 50 $ za milion wyjściowych. To dokładnie dwa razy tyle co Opus 4.8, który stoi na 5 $ i 25 $. To opublikowane ceny katalogowe, nie moje szacunki.

Liczby, która rozstrzyga, czy to jest warte 2x, nie znajdziesz na żadnym cenniku: koszt skończonego wyniku. Model dwa razy droższy za token, który kończy długi przebieg agentowy w połowie kroków, może wyjść taniej na wynik. To jedyne porównanie, które się liczy, i dokładnie to ma mierzyć harness wyżej.

Co urodziło pierwsze 48 godzin Fable 5

Premiera była wczoraj, a użytecznego materiału już przybywa. To jest krótka lista rzeczy, które naprawdę otworzyłem i doczytałem do końca, nie wysypisko linków.

Warte twojego czasu od premiery

Wszystko zweryfikowane i otwarte przeze mnie 10 czerwca. Jeśli coś jest na tej liście, to to przeczytałem.

Pierwsze wrażenia Simona Willisona

5,5 godziny testów na żywym kodzie. Werdykt: powolna, droga bestia, która przerabia wszystko. Zgadza się z moimi liczbami.

Fable 5 w GitHub Copilot

Ogólnodostępny w Copilocie od dnia premiery. Najszybsza droga, żeby spróbować go w edytorze, który już masz.

Strona migracji API

Identyfikatory modeli, mechanizm fallbacku, nowe sygnały odmowy. Przeczytaj, zanim twoje pętle agentowe spotkają klasyfikator.

TechCrunch o timingu

Wątek dyskursu: najmocniejszy publiczny model kilka dni po tym, jak Anthropic ostrzegał, że możliwości robią się niebezpieczne.

Recenzja produktowa Lenny'ego

Co nowy model robi dobrze, a co bardzo źle, od strony produktu, nie benchmarku.

Wyciekły system prompt

120 000 znaków instrukcji, na GitHubie w dobę po premierze. Przeczytaj, co model dostaje, zanim odezwie się do ciebie.

Co zrobić z darmowym oknem

Fable 5 jest darmowy w planach Pro, Max, Team i Enterprise na stanowiska do 22 czerwca, potem przechodzi na kredyty za użycie. To darmowe okno to dwa tygodnie na przetestowanie go na prawdziwej robocie, zanim ruszy licznik.

Rób

• Przetestuj Fable 5 na swoim najtrudniejszym prawdziwym zadaniu w darmowym oknie
• Loguj, który model odpowiedział, gdy w pętlach agentowych odpali się fallback
• Mierz koszt skończonego wyniku, nie koszt tokena
• Przepuść własne evale, zanim uwierzysz w jakąkolwiek liczbę z dnia premiery

Nie rób

• Powtarzać benchmarków z premiery, jakbyś sam je zmierzył
• Wpinać outputu klasy Mythos w cokolwiek bez przeczytania polityki 30-dniowej retencji
• Zakładać, że zabezpieczenia nie zablokują uzasadnionego żądania
• Czekać do 23 czerwca i potem narzekać, że kosztuje kredyty

Pełne wyniki benchmarku masz wyżej: punkty, koszty, znaleziska spoza klucza, jakość raportów. Dalej: koszt wyniku na pipelinie lokalizacji i pętli wzbogacania, Fable kontra Opus na ciągłej robocie. Jeśli też testujesz, napisz mi, co się u ciebie wyłożyło. Tego żaden wpis premierowy ci nie da.

FAQ: Claude Fable 5 i Mythos 5

Czy Claude Fable 5 to ten sam model co Claude Mythos 5?

Tak. Anthropic potwierdza, że pod spodem to ten sam model. Różnica to zabezpieczenia: Fable 5 to wersja ogólnodostępna, która przy oznaczonych tematach po cichu przełącza się na Opus 4.8, a Mythos 5 działa z częścią zabezpieczeń zdjętą i trafia tylko do zweryfikowanych partnerów cyberobrony przez Project Glasswing.

Ile kosztuje Claude Fable 5?

10 $ za milion tokenów wejściowych i 50 $ za milion wyjściowych, dokładnie dwa razy tyle co Opus 4.8 (5 $ i 25 $). Do 22 czerwca 2026 jest darmowy w planach Pro, Max, Team i Enterprise na stanowiska; rozliczanie za użycie rusza 23 czerwca.

Czy Claude Fable 5 jest lepszy od Opusa i Sonneta?

Na moim własnym benchmarku, audycie repo tej strony punktowanym względem ręcznie zweryfikowanego klucza odpowiedzi, Fable 5 wziął 8.5 z 11 punktów przy 4.5 dla Opus 4.6 i 1 dla Sonnet 4.6, i jako jedyny zgarnął całą warstwę failovera. Na koszcie znalezionego buga wygrał jednak Opus 4.6: 0,28 $ wobec 0,30 $. Sztandarowa liczba samego Anthropic to SWE-Bench Pro: 80,3% dla Fable 5 wobec 69,2% dla Opus 4.8. Wszystko to traktuj jako wsad do własnego evala, nie jako werdykt.

Czemu na moje zapytanie do Fable 5 odpowiedział Opus 4.8?

Fable 5 nie odmawia przy oznaczonych tematach, tylko po cichu odpowiada jako Opus 4.8. Według Anthropic dotyczy to mniej niż 5% sesji. Jeśli puszczasz pętle agentowe albo evale, loguj, który model odpowiedział, inaczej twoje liczby mieszają dwa modele.

Źródła i dalsza lektura

Przeczytałem materiały źródłowe, żebyś ty też mógł. To prawdziwe linki, nie streszczenie streszczenia.

Źródła pierwotne

Strony samego Anthropic plus zewnętrzne evale cytowane w dniu premiery.

Ogłoszenie premiery

Pełny wpis Anthropic o Fable 5 i Mythos 5.

System card

Szczegóły testów bezpieczeństwa i możliwości stojące za deklaracjami.

Project Glasswing

Współpraca z rządem USA w obszarze cyberobrony.

Mythos Preview, aktualizacja cyber

Wcześniejszy odczyt krzywej możliwości cyber.

Cognition FrontierCode

Eval kodowania, w którym Fable 5 ma być na szczycie.

Niezależne badanie z biologii

Praca cytowana jako potwierdzenie jednej z hipotez Mythosa.

Jeśli chcesz kontekstu operatora wokół tego tematu, pisałem już o Claude Code jako stacku agentów GTM i o stacku produkcyjnym AI, na którym realnie wydaję. Zasada ta sama co tutaj: model to jedna warstwa, system wokół niego to jest robota.