Anthropic 放出了 Claude Fable 5 跟 Mythos 5。官方公布的基準測試數據大幅領先自己跟其他對手，文章裡還秀了一段案例：金流公司 Stripe 處理五千萬行程式碼的搬遷，本來要整個團隊花兩三個月，用新模型一天就做完。

但你應該跟我一樣，看到新模型出來已經無感了。官方每次都說基準測試怎樣怎樣，實際用起來的體驗差異卻沒那麼大。所以你心裡一定有個問題：這個新模型到底值不值得花時間跳進去用？

我不細講跑分。我只做一件事：把我每天在用的 YouTube 影片生產流程裡，一個長久以來不好處理的問題，直接丟給 Fable 5 實測。先說結論：它通過了。但過程裡它做了一件我沒要它做的事，幫我把一個我自己沒想到的問題抓出來，那一段比結論更值得看。

文末我會把我給它的那份開發模板直接給你，抄了就能用在你的工作流。而且這件事有期限：Fable 5 免費開放給訂閱用戶只到 6 月 22 日。

Fable 5 到底是什麼

你可能對 Fable 這個名字很陌生。它就是幾個月前傳出來的那個 Mythos：等級跟以往模型完全不同的大語言模型。Mythos 因為太強，只開放給特定族群，像資安開發者、跟美國國防相關的機構。

Fable 5 是 Mythos 開放給一般人用的安全版本。遇到資安攻擊這類安全性問題時，它會退回 Opus 的模型。簡單講：Fable 5 就是神級模型的民用版。

費用的部分先講清楚。現在 Claude 的 Pro、Max、Team 訂閱方案都直接內含 Fable 5，但只到 6 月 22 日。之後要走 API 或用量點數付費，每百萬詞元（token）輸入 10 美元、輸出 50 美元，是 Opus 的兩倍。換句話說，你大概有兩個禮拜可以不多花一毛錢，去試這個到目前為止最強的模型。

最重要的觀念：給目標，不要給步驟

進實測之前，先講這支影片最重要的一個觀念。你只要記住這一點，今天就值得了。

以前用 Claude 或 Cursor 開發，流程通常是：下指令讓 AI 做，人工檢查（或讓 AI 檢查），有問題再叫它改。人卡在中間不斷輸入、不斷循環，像一個主管盯著員工，一步都不敢放。

到了 Fable 5，問題不再是它做得對不對，而是確認它做的是對的事情。你的工作從檢查它的每一步，變成確認它走的方向是你要的。

具體來說，用法有三個改變，這三條是 Anthropic 官方建議的：

1. 把它當同事用。 像平常跟同事工作那樣，不斷跟它討論：這個方法你有什麼建議？有沒有更好的切法？
2. 給大目標，不給小碎步。 模型已經聰明到你可以直接把第十步要的終點給它，讓它自己找路。但給目標不是丟一句話就好，要帶上你的驗收標準、什麼情況要停下來問人、怎樣才算做完，寫清楚它跑出來的結果才會是你要的。
3. 把野心放大。 以前你覺得 AI 做不到的事，現在都值得重新丟一次。

我要補一條官方沒講、我自己試出來的：模型越強，你越要把設計的邊界講清楚。 不要因為它變強了就隨便要求它。你隨便給，它只是更快地把錯的事情做完。怎麼設邊界，下面實測就會看到完整做法。

環境設定

進 Claude 的命令列工具之後，預設選不到這個模型，要自己下 /model claude-fable-5 切過去。

接著看推理深度（effort）。大部分情境用 high 就很夠，不要一上來就調到最高，不夠用再調。

模式的部分，一開始要討論就用規劃模式（Plan Mode），討論完用 Shift+Tab 切回來。我自己預設用 Auto Mode，最大好處是不用每一步都按確認。

最後一個好習慣：先開一個新的 worktree。概念類似版本控制，等於隔離出一塊乾淨的工作區，不會污染你原本跑得好好的程式。

為什麼不做零到一的 demo

很多國外創作者講新模型，都直接用一個從零做起的 app 來展示：做一個生產力工具，要有待辦清單、行事曆，最好還有番茄鐘跟小遊戲。

那種測法有個問題：沒有歷史包袱、沒有舊程式碼，怎麼做都對，改壞了也沒有會痛的壓力。看不出模型真正的能力。而你的工作從來就不是面對一個全新空白的專案，對吧？

所以我拿真的東西考它：我的 AI 影片剪輯生產線。影片丟進去，從語音辨識、自動剪片、字幕、片頭、補充畫面（B-roll）、去贅詞，到縮圖跟上架文案，整套用 Claude Code 搭起來，花了我大概兩個禮拜，現在每一支影片都靠它。我自己打分大概九分，剩下那一分就是今天的考題：retake 的拼接。

錄影時講壞一段我會重錄，常常重錄很多次，每次講的字還可能不一樣。系統要負責把正確那一段拼接回去。砍很簡單，接得天衣無縫非常難：不能切在字的中間、前後語句要銜接得自然、音量跟底噪要連續、停頓要像真的。變數多到爆。

就算你不剪片也沒差，把它換成你系統裡那種平常跑得還行、偶爾就給你出包一次的 bug，本質上是同一件事。我把這些壞掉的案例都記錄下來，今天拿它來考 Fable 5。

而且我的標準比「能不能寫程式」還高一截。我的工作流裡有一條鐵律：修問題要修在機制層。出了 bug 不是把症狀蓋掉就好，要找到根因，再加上測試，確保這類問題永遠不會再發生。以前的模型你不盯著，它就很愛給你打發過去，很多時候連程式都不改，只把輸出結果弄對。Fable 5 號稱是一名資深工程師，那我自然用資深工程師的標準看它。

實測第一步：先讓它問問題

注意看，我不會叫它直接開工。第一步，我先讓它問我問題。

我把問題講給它聽：影片剪輯在 retake 拼接時會出哪些狀況、壞掉的案例放在哪裡讓它去看。更重要的是跟它說：你先不要動手，用資深工程師的角度，把你需要知道的問題一次問完，包括我漏掉了什麼、哪裡最容易爆，我們把事情釐清再開始。

實際的指令長這樣（路徑換成你自己的）：

我的中文影片剪輯 pipeline 在 retake 拼接上有幾個會重現的壞接點，case 我都留下來了，

整理在：(你的案例檔路徑)

（來源專案 edit 資料夾路徑、preview 時碼、症狀描述都在裡面）。

先不要動手。用資深工程師的角度，把你需要知道的問題一次問完：

我漏掉了什麼？哪裡最容易爆？我們把問題弄清楚再開始。

它花了三四分鐘把我給的東西看完，然後開始發問。這裡跟以前的模型差很多：它問得非常細，從資料保護、驗證深度、PR 怎麼拆、案例檔的處理方式，一路問到最後怎麼提交。

它的第一個問題就是我自己沒想清楚的。它自己發現：改完之後重跑影片，會覆蓋掉之前產生的過渡檔、最終檔跟中間產出的 JSON 文件。它問我要不要先複製一份出來保護原始狀態。這件事我原本完全沒想到。

這就是把它當同事而不只是工具的用法：要求它有問題要問、先把事情釐清、確認有沒有我沒考慮到的，都搞清楚再開工。

四要素目標模板

雙方釐清問題之後，我把需求整包丟給它。注意看，這個目標裡我給了它四個東西：

1. 終點：做完之後長什麼樣子
2. 驗收標準：怎樣才算通過
3. 禁區：什麼不能碰（不准用蓋症狀的方式硬修、不准弄壞原本正常的功能、什麼資料不能刪）
4. 停損：遇到什麼狀況先停下來問我（例如要動到核心假設、或有破壞性操作時）

這就是邊界的設計。我實際下的開工指令長這樣：

好，開始。目標如下，做完、自己驗證、驗過才算結束：

【終點】cases.md 裡的五個壞接點在 preview 中消失，而且修在機制層

（演算法/helper 層級），不是逐條手修。

【驗收標準】

1. 原本的 pytest 全綠（回歸：其餘 130+ 個好接點一個都不准壞）
2. 五個壞接點寫成測試案例（從真實 timing 取 fixture），跑起來全綠
3. 受影響段落重新 render 後，我會親耳 A/B 驗收

【禁區】

• 不准手動改 EDL 把這五條症狀蓋掉
• 不准改動原本通過案例的行為
• 只在這個 worktree 動，不碰 main

【停損】

• 要動到演算法的核心假設（例如詞邊界 cap、VAD 門檻的語意）時，先停下來問我
• 任何破壞性操作（刪檔、覆寫來源素材）先停下來問我

指令下下去，我把模式從規劃切成 Auto Mode，接著就是長達三十五分鐘的開發過程。中間我完全放手，它把五個任務一個一個做完。

驗收分兩層：耳朵＋測試

程式改完，驗收分兩層。

第一層是聽感。 五個壞接點修的是聲音的拼接，所以由我當裁判，五個檔案一個一個聽，比對修改前後。例如其中一個案例，原本在「然後有人」的地方跳幀，修完之後接得順了。五個問題我聽下來都解決了。

第二層是程式測試。 切到目錄跑測試，五個被修正的片段全部通過。這次它總共改了兩個 commit，因為有兩個問題，它事前還問我要放同一包解決還是分開，我選分開。要看細節就上 GitHub 看那兩個 pull request，每一包裡面它會寫清楚：什麼問題、改了什麼、做了什麼測試、動了哪些程式。確認沒問題就合併回主程式。

另外我的習慣是還會再下一個指令，讓它把整條 AI 影片剪輯功能從頭到尾跑一次完整測試。因為開頭那條鐵律：改任何功能都不能把原本的功能改壞，這是平常做 AI 寫程式最討厭碰到的事。跑完，原本 130 多個好接點一個都沒壞。

回到驗收卡片：人工聽過了，測試項目也全部通過，全部過關。

這邊帶一個觀念。你會看到我的測試分兩層，一層可以寫程式自動測，另一層需要人介入，用眼睛看介面、用耳朵聽音檔。AI 再怎麼強，方向對不對永遠是人的價值跟人的工作。只是以前你要一個一個下指令盯著，現在模型夠強，你不用再一整天盯著 AI，但值不值得做、什麼樣的成果才算好，判斷是人，這件事外包不掉。

兩個禮拜的免費窗口，挑一個卡很久的問題丟給它

最後回到開頭的期限。Fable 5 現在在 Claude 的 Pro、Max、Team 訂閱方案內含，只到 6 月 22 日。之後要走 API，每百萬詞元輸入 10 美元、輸出 50 美元，是 Opus 的兩倍。

代表你大概有兩個禮拜，可以不多花錢去體驗目前最強的模型。這種等級的模型最適合很長、很大、很複雜的任務，正好拿你以前沒辦法解決的問題、想都不敢想的專案來試。

所以不要只是看完點個讚。這一週挑一個你真正卡很久、本來覺得 AI 做不到的工作：先讓它問你問題，再用上面那份四要素模板給它明確的目標跟驗收標準，然後放手讓它長時間跑。也歡迎留言告訴我你用這個模板跑出了什麼成果。

觀看完整影片

如果你想看我怎麼把整條 AI 生產線搭起來的其他案例，我在 Skool 社群「AI 效率革命聯盟」把所有專案與模板全部公開：70+ 個 AI 自動化模板與專案、5 大核心主題課程、持續更新的進階實戰課，加上不定期直播 AMA 與 Live Build。

👉 加入 AI 效率革命聯盟

還沒準備加入付費社群？我在免費社群「AI 效率啟動營」準備了 AI 公司一天時間表、Multi-Agent 角色設計速查表，以及 5 個 APP 的建置 Prompt（Second Brain、Kanban Dashboard、Mission Control、Content Analytics、Stock Watchlist）含完整設定說明書。

👉 免費加入 AI 效率啟動營

如果你不想錯過更多 AI 自動化與 AI agent 的內容，記得訂閱我的頻道。