Fable 5遇冷，最强模型不再通吃

Anthropic最强公开模型Claude Fable 5正在遭遇一场并不体面的商业现实：企业认可它的能力，却不愿意把大多数预算交给它。

据8月24日披露的数据，支付集团Ramp根据约7万家公司的支出记录估算，Fable 5发布两个多月后，仅占这些企业Anthropic相关工具支出的约11%，而且增长曲线已经趋于平稳。对一款被定位为旗舰、又赶在IPO前承担“技术秀肌肉”任务的模型来说，这个数字显然算不上成功。

这不是一次普通的新品采用放缓，而是企业购买AI方式开始变化的信号。过去两年，前沿实验室默认了一条简单路径：训练更大、更强、也更昂贵的模型，再让企业为能力上限付费；现在，客户正在反过来问——如果旧模型能解决80%的任务，为什么要让100%的请求都经过最贵模型？

11%的支出占比，意味着什么

Claude Fable 5是Anthropic面向公众和企业开放的首款Mythos级旗舰模型，重点能力不是普通聊天，而是长时程、多步骤、高复杂度的Agent任务。它与能力限制更少的Claude Mythos 5共享底层技术路线，但增加了网络安全、生物和化学等高风险领域的安全护栏，以便进行更广泛的商业部署。

前沿模型是指处在当前能力边界、训练和推理成本通常也最高的一类大模型。Fable 5的价值主要体现在多文件代码迁移、复杂代码审查、长上下文研究、金融分析，以及需要模型连续调用工具并反复修正的工作流中，而不是邮件润色、客服分类或简单信息提取。

Ramp的11%首先是支出占比，而不是请求量占比或客户采用率。由于Fable 5单价更高，同样金额对应的Token数量通常更少，因此它在实际调用量中的占比可能低于11%；但Ramp数据来自支付记录，无法完整覆盖企业通过云平台套餐、长期合同或内部额度产生的使用，这个数字也不能直接等同于Anthropic全体客户的产品结构。

即便考虑统计口径，支出在新品发布两个月后便趋于平稳，仍然是一个值得警惕的信号。企业通常会在旗舰模型发布初期集中测试，随后才决定是否扩大生产部署；如果测试预算没有顺利转成持续预算，往往意味着模型的边际能力还不足以覆盖边际成本。

| 选型维度 | Claude Fable 5 | Anthropic旧款模型 | 其他低价模型 | |---|---|---|---| | 核心定位 | 长时程Agent、复杂推理、高难度软件工程 | 日常知识工作、常规编码和分析 | 分类、摘要、抽取、客服等标准化任务 | | 已披露价格 | 每百万输入Token 10美元；每百万输出Token 50美元 | 本次资料未提供统一价格 | 因供应商和模型而异，通常以低成本作为卖点 | | 主要优势 | 能力上限高，复杂任务中更少需要人工接管 | 成熟、稳定，企业已有提示词和评测体系 | 单次调用成本低，适合高并发、大批量任务 | | 主要问题 | 输出价格高，安全路由可能改变部分请求的模型表现 | 在超长任务和高难推理上可能较弱 | 复杂Agent任务的稳定性和完成率可能不足 | | 更合理的使用方式 | 仅处理高价值、高难度请求 | 承担大多数默认流量 | 承担低风险、结构化和高频请求 |

Fable 5不是不够强，而是太贵

Fable 5的公开价格是每百万输入Token 10美元、每百万输出Token 50美元。输出价格达到输入价格的5倍，这对一次性问答影响有限，但对会长时间思考、反复调用工具、生成大量中间结果的Agent系统非常敏感。

推理成本是模型在实际运行中处理输入、生成输出和调用工具所产生的计算费用。传统聊天产品的成本主要由一问一答决定，而Agent会规划步骤、读取文件、执行操作、检查结果并再次尝试，同一个任务可能触发数十次甚至数百次模型调用。

一个简单的假设就能说明企业为什么开始精打细算。某项业务每月向Fable 5发送1亿输入Token并获得2000万输出Token，按公开单价计算，输入费用为1000美元，输出费用也是1000美元，总计2000美元；如果可替代模型的综合成本只有其五分之一，该业务每月成本会降至约400美元，降幅为80%。当调用规模扩大100倍，差额就从1600美元变成16万美元。

企业真正关心的也不是单个Token的价格，而是完成一次有效任务的总成本。一个便宜模型如果需要重试5次、频繁产生错误并消耗人工审核时间，未必真的便宜；反过来，一个昂贵模型若只是把客服标签分类准确率从96%提高到97%，也很难证明数倍价差合理。

Fable 5的麻烦正在于，它最突出的能力集中在企业任务分布的“长尾”。大多数公司确实需要处理邮件、合同摘要、工单分流、知识库问答、简单SQL和常规代码补全，但并不会每天迁移5000万行代码，也不会让模型持续数小时完成高风险安全审计。

顶级能力正在从默认配置变成升级选项

模型路由是根据任务难度、风险和预算，把请求自动分配给不同模型的调度机制。企业不再需要在“全用最强模型”和“完全不用最强模型”之间二选一，而是可以先让便宜模型处理，再将低置信度、失败或高价值请求升级给Fable 5。

一套更现实的企业模型栈通常会分成三层：

• 低成本层：负责文本分类、实体抽取、格式转换、批量摘要和简单客服问答；
• 通用能力层：负责常规编码、文档分析、营销内容和内部知识检索；
• 前沿能力层：负责复杂软件工程、跨系统Agent、高风险决策支持和长周期研究。

这种分层架构会压低旗舰模型的流量份额，却不一定降低它的战略价值。Fable 5更像数据库中的高性能实例或云计算中的GPU集群：不是每项工作都需要，但关键任务离不开；问题在于，Anthropic能否靠少量高价值任务，覆盖训练下一代前沿模型所需的数十亿美元投入。

Accel合伙人Miles Clements对这种变化的判断很直接：大多数用户不需要在前沿领域运行，客户默认只选择最先进模型的时期并不是一个可以长期维持的时代。Accel已经向Anthropic投资接近10亿美元，这番表态更像投资人对商业现实的承认，而不是对技术路线的否定。

前沿模型仍然是实验室吸引研究人才、证明技术领导力和争夺资本估值的重要展示品。治愈疾病、自动完成大型软件项目或开展原创科研，依然要求能力边界继续前移；但展示品能否成为利润中心，是另一回事。

Fable 5的能力，并没有因为遇冷而缩水

Fable 5在复杂软件工程上的表现仍然具有吸引力。Anthropic披露的早期案例显示，支付公司Stripe曾让该模型在约5000万行Ruby代码构成的大型代码库中执行迁移任务，模型用一天完成了原本预计需要一个团队两个月处理的工作。

这个案例证明了Fable 5的能力上限，却不能直接证明所有企业都能获得相同回报。大型代码迁移任务边界明确、价值高、结果可测试，正适合昂贵Agent发挥；普通企业更常见的需求则是修改几个接口、补测试或解释遗留代码，旧模型可能已经够用。

Fable 5的安全设计也会影响企业体验。该模型在网络安全、生物和化学等敏感领域设置了更严格的防护机制，触发限制时，系统可能拒绝请求或切换到Claude Opus 4.8处理；这有利于降低滥用风险，但也意味着开发者不能假设每次请求都会由同一个模型以同一种能力完成。

Anthropic披露，其外部漏洞赏金测试累计超过1000小时，未发现能够全面绕过限制的通用越狱方法。安全能力对金融、医疗和大型企业采购非常重要，但对已经建立私有权限控制和人工审批流程的客户来说，额外护栏也可能带来误拒绝、行为不一致和评测难度上升。

政治风波已经退场，价格成为主要矛盾

Fable 5在6月初发布时曾受到美国政府干预。相关报道显示，特朗普政府以国家安全担忧为由要求Anthropic撤回模型，直至7月1日获准重新上线，这一过程一度让企业担心产品会再次受到访问限制。

政治不确定性如今已经退居次要位置。分析师和投资者认为，随着模型恢复上线且访问限制担忧减弱，企业是否采购Fable 5更多取决于价格、性能和现有模型能否完成工作，而不是政策风险。

这一变化对Anthropic未必是好消息。政策问题可以通过合规沟通和恢复供应解决，单位经济性问题却必须靠降价、提高任务成功率、缩短推理时间或重新设计产品组合来解决。

65亿美元还是650亿美元，需要看清统计口径

Anthropic披露的7月收入按年化计算达到650亿美元，高于5月的470亿美元。年化收入是把某个月或某一时期的收入速度外推到12个月得到的运行率，并不等于公司已经在一个完整财年确认了同等金额收入。

按这一口径计算，Anthropic的年化收入运行率两个月增加了180亿美元，增幅约38.3%。但这一数字仍低于部分投资者期待的800亿美元，差额为150亿美元，低约18.75%。

高速增长和旗舰产品遇冷可以同时发生。Anthropic可能依靠旧模型、企业订阅、云平台合作以及整体客户增长继续扩大收入，但如果新增收入更多来自低价产品，公司就必须面对毛利率、算力采购和前沿训练投入之间的压力。

市场预计Anthropic最早可能在9月推进IPO，潜在估值达到2万亿美元或更高。若直接用650亿美元年化收入运行率粗略计算，2万亿美元估值对应约30.8倍市销率；这一倍数隐含的前提不只是收入继续高速增长，还包括Anthropic最终能够把技术优势转化为可持续利润。

真正受冲击的是“越强越赚钱”的行业假设

Fable 5遇冷说明，模型能力排行榜与企业采购榜正在分离。基准测试第一、上下文更长或Agent运行时间更久，能够帮助实验室获得关注，但企业采购最终仍会回到三个指标：任务成功率、完成一次任务的总成本，以及上线后的可控性。

低价模型也不需要全面击败Fable 5，只需要在足够多的日常任务上达到“可用”。当一个旧模型能以更低成本完成合同摘要、工单分类和基础代码生成时，Fable 5多出来的能力就不会自动转化为预算。

Anthropic接下来最值得关注的动作不是再发布一张更漂亮的跑分表，而是能否降低Fable 5的实际使用门槛。可行路径包括下调价格、提供更激进的批处理折扣、优化提示缓存、缩短Agent推理链，以及把模型路由直接做成平台默认能力。

对开发者而言，最合理的策略也不是押注单一旗舰模型。团队应建立自己的任务集和失败标准，用真实业务数据分别测量不同模型的准确率、延迟、重试次数、人工接管率和单任务成本，再决定哪些请求值得升级到Fable 5。

Fable 5并没有输掉技术竞争，但它正在输掉“默认模型”的位置。前沿模型未来仍会很重要，只是它更可能成为企业AI架构中的昂贵专家，而不是包办所有工作的通用员工。

参考来源

• IT之家：Anthropic最强大模型Fable 5遇冷，企业用户转向更便宜AI产品——转述《金融时报》报道，包含Ramp对约7万家公司支出的统计、Anthropic年化收入及IPO预期等信息。