Claude Fable 5 沒變笨，是 Router 太敏感：一名老兵工程師的真心話

📉 模型真的變差了？還是隻是你沒拿到真的 Fable 5？

July 1 日，Claude Fable 5 重新上線。不到 24 小時，社群媒體上的哀嚎聲已經快把 X（以前的 Twitter）給淹沒了。

「爛透了」、「被閹掉了」、「變笨了」、「跟 Opus 沒法比」——這些評論瘋狂湧入，彷彿 Anthropic 真的把 Fable 5 給「降級」了一樣。

但我從 2023 年就開始用 Claude 系列產品做到現在，歷經好幾次模型更新。這一次，我必須站出來說句公道話：你罵錯物件了。

🔍 兩份報告，兩個世界

就在大家罵翻天的同一天，兩份基準測試報告出爐，結論卻截然不同：

• BridgeBench：發現嚴重質量下滑，Debugging 從 86.2 暴跌到 25.9，Refactoring 從 73.6 掉到 38.4。
• Arena AI：人類偏好投票顯示 Fable 5 表現幾乎持平，某些領域甚至微幅上升。

一個說爛透了，一個說還好啊——到底誰對？

答案是：兩個都對。但他們測的根本不是同一件事。

🚧 真正的問題：模型沒變，是守門員變嚴了

讓我解釋給你聽，這個道理其實很簡單：

Fable 5 回歸的條件，是 Anthropic 必須部署一個全新的安全分類器（safety classifier）。這東西的作用是什麼？攔截。

話說前陣子 Amazon 研究人員發現了一個 jailbreak 技巧，能讓 Fable 5 辨識並演示軟體漏洞。美國政府把這當成國安威脅，Anthropic 被迫動手——於是這個分類器就上線了。

問題來了：這個分類器太敏感了。

它把「debugging TypeScript」看成「 security work」，把「fix memory management」看成「exploit code」。一個普通的程式碼除錯問題，對它來說像是恐怖分子的請求。

所以發生了什麼？你問 Fable 5 一個問題，分類器先幫你「攔截」，然後叫 Claude Opus 4.8 來回答。

你以為你在用 Fable 5，其實你根本沒用到。BridgeBench 測的就是這個——他們把所有「被攔截」的請求都當成零分，當然分數難看。

🧪 Arena 為什麼說還好？因為它測的是「真的接到 Fable 5 的任務」

Arena AI 的方法不同。它讓人類評審員在完全盲測的情境下，比較模型輸出誰比較好。然後用 Elo 評分系統——跟西洋棋排名一樣的統計方法。

結果呢？

• 前端程式碼：1650 → 1623（還在統計誤差範圍內）
• 檔案分析：提升了 34 分
• 專業文字：提升 25 分
• 創意寫作：微幅上升 9 分

只有 Coding 和「hard prompts」掉了 18 分——而這些恰恰是最容易被分類器攔截的題目型別。

翻成白話文就是：當 Fable 5 真的回答你的問題時，它依然還是那個 Fable 5。問題是你不一定拿得到它。

👥 你是哪種使用者？這決定了你該不該生氣

讓我直接幫你分類：

✅ 創意寫作者、研究員、分析師：
你們應該不會注意到太大差別。Arena 顯示你們拿到的輸出甚至可能更好了一點點。放心，繼續用。

⚠️ 開發者、資安工程師、任何程式碼相關工作者：
這裡就是地雷區了。你只要在 prompt 裡用到「vulnerability」、「exploit」、「hook」、「fix」這些詞——對，連「fix」都算——分類器就會跳出來說「不行」，然後派 Opus 4.8 來解決。

你花了 Fable 5 的錢，卻拿到 Opus 的答案。難怪大家暴怒。

📊 我的結論：不是模型爛，是計費方式有問題

說穿了，這就是一個「你以為你買的是 A，其實大部分時間你用到的是 B」的商業問題。

Anthropic 自己承認了：分類器現在確實撒網太寬，未來會調整。但他們沒給時間表。

也就是說，在未來的某一天之前，你使用 Fable 5 的體驗會像在俄羅斯輪盤——到底會拿到 Fable 5 還是 Opus 4.8？只有分類器知道。

💡 給讀者的建議

如果你現在正在考慮要不要訂閱 Fable 5，我的建議是：

1. 先確認你的使用場景——如果主要是創意寫作、檔案分析、翻譯，那沒問題。
2. 如果是程式開發者，先把期待值調低，或者等幾週再說。
3. 持續關注後續更新——Anthropic 說會最佳化分類器，我們拭目以待。

這個產業總是這樣：新技術上線，總是要經過幾次「過度防禦」的陣痛期。當年的區塊鏈、智慧型手機都是這樣走過來的。

Claude Fable 5 會回來的——但不是現在。不是以你期待的那種方式。

我是老兵，我們下篇見。