原廠自己勸你少用的最強模型：Claude Fable 5.2 降價登場，企業該學的是讓模型分工
Anthropic 在 11 月 9 日推出 Claude Fable 5.2，同時更新只開放給資安測試者的 Mythos 5.2。發表文案裡最耐人尋味的一句話，不是哪項跑分破紀錄，而是原廠自己的建議：多數寫程式與知識工作，請先用 Opus 5.5。
推出最強模型，卻勸使用者別急著用，這在模型競賽裡並不常見。
科技 YouTuber Matt Wolfe 在發表當天的解說影片中，把這個訊號放在核心位置。對正在為 AI 預算傷腦筋的台灣企業而言，這次發表真正值得看的不是「誰又登上第一」，而是旗艦模型的角色正在改變：它不再是每件事都該派上場的主力，而是坐鎮後方的顧問與總指揮。
最強模型的定位，已從主力改為後援
影片指出，Fable 5.2 與 Mythos 5.2 本質上是同一個模型，Fable 多了資安防護機制，因此能開放給一般付費用戶與 API 使用者。
Anthropic 把 Fable 定位在最具野心的開放式技術難題，並建議兩種用法：一是當「顧問」，讓 Haiku、Sonnet、Opus 等較小模型卡關時向它請教；二是當「協調者」，由它拆解任務、把簡單部分分派給小模型。
Matt Wolfe 認為，只需要查資料或處理小型程式專案的使用者，換用 Fable 5.2 不會感受到巨大跳躍；差距出現在遊戲開發、難纏的程式錯誤、科學研究與實體硬體設計這類高難度工作。
跑分的大躍進，集中在多數人碰不到的領域
從影片整理的基準測試看，Fable 5.2 在多數項目取得領先，但幅度並不平均。
進步最明顯的是 Agent 式科學研究：他指出，Opus 5.5 約 58.7%、GPT-6 Astra 約 68.1%、Gemini 4 Carbon 約 64.8%，Fable 5.2 則來到 74.6%。日常寫程式的測試只是穩定前進；商務流程測試上，Gemini Carbon 甚至領先約兩個百分點。
官方示範也印證這個方向。影片轉述：一位工程師讓 Fable 5.2 從空資料夾開始設計作業系統，模型協調超過一千個子 Agent、連續工作八天，最後做出能在筆電上開機的原型。官方也展示它僅憑一段提示，就設計出三款含電路板、3D 列印外殼與軟體的電子裝置。
不過 Matt Wolfe 也提醒，這些都是原廠挑選過的案例。
想得越久不等於越聰明，推理深度要按需購買
最實用的資訊，藏在推理強度的設定裡。
他指出，在一項程式碼測試中，Fable 5.2 開到最高的「max」推理等級，分數反而不如次一級的「extra high」，花費卻更高。換言之，讓模型無止境地多想，已出現明顯的報酬遞減。
另一個發現是，Fable 5.2 設在「high」時，表現與開到最高等級的 Opus 5.5 相當，成本卻較低。用大模型的中段設定，有時比把小模型推到極限更划算。
成本面仍不容忽視。他引用評測機構 Artificial Analysis 的數據：最高推理等級下，Fable 5.2 平均每項任務成本約 26.54 美元，是榜上最昂貴的模型。他自己的一次趣味測試，讓模型畫一張向量插圖，就耗時近二十分鐘、用掉十二萬多個 Token，花費將近 5 美元。
單價降了，總帳單卻取決於派工方式
定價是這次發表的另一個轉折。影片提到，Fable 5.2 的 API 價格為每百萬輸入 Token 8 美元、每百萬輸出 Token 40 美元，比前一代 Fable 5.1 的 10 美元與 50 美元便宜，也略低於 OpenAI 的 GPT-6 Astra；但仍約是 Opus 5.5 的兩倍。
本文認為，單價調降容易讓人誤以為升級旗艦變便宜了。真正決定帳單的，是哪些任務交給它、推理強度開多高，以及它親自處理細節，還是只負責規劃與把關。
Matt Wolfe 的實測也顯示，模型的強項並不全面。他用中等推理等級讓 Fable 5.2 做一款動作遊戲，約十六分鐘完成，遊戲機制一次就能正常運作，但他認為畫面設計不如 Opus 5.5。
對台灣企業：先設計模型分工，再談升級
對台灣企業的 IT 與採購主管而言，模型選擇正從「選一款」轉向「設計一套分工」。
較穩健的做法，是先把 AI 任務依難度分級：例行摘要、客服草稿與一般程式修改交給日常主力模型；跨系統架構規劃、難以重現的錯誤排查或研發任務，才升級到旗艦模型，並從較低推理等級起步，確認效果再往上調。
用量報表也應納入推理等級與每任務成本，而非只看每百萬 Token 牌價。
回到開頭那句原廠建議。當最強的模型被定位成顧問，企業該問的已不是「要不要升級」，而是「哪些問題值得請顧問出馬」。答得出來的團隊，才能把旗艦模型的能力換成實際競爭力。
延伸閱讀
立即行動
如果團隊正在評估是否升級到 Fable 5.2，不妨先挑兩三項真正卡關的任務，分別用日常主力模型與旗艦模型、不同推理等級各跑一次，記下每項任務的成本與結果，再決定哪些工作值得升級。模型一多，用量與費用也需要一起盤點；若想把多個模型的用量與費用集中在同一處管理，可以參考 AI Token King。
資料來源與編輯註記
來源影片標題：Anthropic's Fable 5.2 is the World’s Best AI Model
頻道：Matt Wolfe
發布日期：2026 年 11 月 9 日（YouTube 標示日期，UTC）
擷取時觀看數：約 12.2 萬次（121,542 次，2026 年 11 月 11 日擷取）
贊助揭露：影片說明欄未標示業配或贊助內容，僅附講者自家網站與電子報連結；影片中提及的社群示範由講者友人製作。本文無贊助。
編輯註記：本文為依影片內容整理轉述的編輯文章，非逐字翻譯；文中跑分、定價與成本數據均為影片轉述 Anthropic 官方公告及第三方評測的說法，定價已與 Anthropic 官方發表頁比對一致，其餘數據未經本站獨立驗證。標明「本文認為」之處，以及「對台灣企業：先設計模型分工，再談升級」一節與結語，為本站編輯的分析推論，不代表講者立場。
留言