Claude Fable 5 完整教學：Loop Engineering 上手
Claude Fable 5 是 Anthropic 2026 年 6 月 9 日推出的旗艦模型,主打 1M context、多天無人監督自主運作、xhigh effort 級推理。Fable 5 曾於 6 月 12 日因商務部出口管制暫停,6 月 30 日解除禁令重新上線,是 Anthropic 目前 API 可用的最高等級模型。 本篇彙整 Anthropic 官方《Prompting Claude Fable 5》handbook 精華,拆解 Fable 5 相比 Opus 4.8 的核心行為改變,以及對應的 prompt 與 harness 調整方式。適合開發者、AI Agent 建構者、企業技術決策者作為 Fable 5 上手的第一份中文完整指南。 Fable 5 是什麼：1M context、xhigh effort、多天自主運作 Fable 5 API 型號 claude-fable-5,同時具備以下規格： Context window:1M token(百萬級 context),單次 output 最高 128K tokens 定價：Input $10/M tokens、Output $50/M tokens(prompt caching 可打 9 折);美國本地推論加價 1.1 倍 可用平台：Claude API、Claude Platform on AWS、Amazon Bedrock、Google Cloud、Microsoft Foundry Adaptive thinking:唯一 thinking 模式,無法關閉;thinking.display 可設為 summarized(讀 summary)或 omitted(不讀,預設) Safety classifier:Fable 5 內建拒絕分類器,涉及攻擊型資安、生物與生命科學、model reasoning 提取的請求會被拒(HTTP 200 但 stop_reason: refusal),Mythos 5 版本無此分類器,僅開放給 Project Glasswing 受核准客戶 資料保留：30 天(不可用 ZDR 零資料保留) Anthropic 官方對 Fable 5 相對 Opus 4.8 的改進定調為 7 項：長時序自主(Long-horizon autonomy)、複雜問題單次通過率(first-shot correctness)、視覺、企業工作流、程式碼審查與除錯、模糊需求處理、併發子代理。這 7 項改進的共同底層邏輯是同一件事：Fable 5 可以在用戶不看的時間裡持續穩定產出。 核心典範轉向：從 Prompt Engineering 進到 Loop Engineering Fable 5 最大的心法轉變不是 prompt 寫更好,而是從 prompt 步驟改成設計 loop。過去 Opus 4.6/4.7 的心法是：寫一個好 prompt、Claude 回一個好答案。Fable 5 的心法是：設計一個能讓 Claude 自我修正的環境迴圈,讓它反覆 plan → act → review → improve,直到任務完成。 Anthropic 在官方 handbook 明確給出這條 loop 設計指令： Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification. 這一段的翻譯:「建立一套自我檢查機制,以 [X] 為間隔驗證你自己的工作。每 [X] 間隔跑一次驗證,用子代理對照規格檢查。」關鍵是用一組獨立 context 的驗證子代理(fresh-context verifier subagents),而不是讓主 agent 自我批評—因為主 agent 已經有偏見。 這個轉向也回應了 過去報導的「Harness Engineering」概念—AI 的下一個戰場不是模型,而是模型外面那層架構;以及 Akshay 提出的「模型只是迴圈中的一個節點」觀點。Loop engineering 是 Anthropic 對這條思路的官方版本。 Effort 參數分級：5 級控制 Fable 的 token 花費 Effort 是 Fable 5 最重要的成本控制旋鈕,分成 5 級,由高到低影響 Claude 願意花多少 token 在 thinking、tool calls、text response 上： max:最高能力、無成本上限。用於需要最深推理的前沿問題。頻繁調用會產生大量成本,不建議常態使用 xhigh:延伸能力,適合超過 30 分鐘、token 用量...
Claude Fable 5 是 Anthropic 2026 年 6 月 9 日推出的旗艦模型,主打 1M context、多天無人監督自主運作、xhigh effort 級推理。Fable 5 曾於 6 月 12 日因商務部出口管制暫停,6 月 30 日解除禁令重新上線,是 Anthropic 目前 API 可用的最高等級模型。 本篇彙整 Anthropic 官方《Prompting Claude Fable 5》handbook 精華,拆解 Fable 5 相比 Opus 4.8 的核心行為改變,以及對應的 prompt 與 harness 調整方式。適合開發者、AI Agent 建構者、企業技術決策者作為 Fable 5 上手的第一份中文完整指南。 Fable 5 是什麼：1M context、xhigh effort、多天自主運作 Fable 5 API 型號 claude-fable-5,同時具備以下規格： Context window:1M token(百萬級 context),單次 output 最高 128K tokens 定價：Input $10/M tokens、Output $50/M tokens(prompt caching 可打 9 折);美國本地推論加價 1.1 倍 可用平台：Claude API、Claude Platform on AWS、Amazon Bedrock、Google Cloud、Microsoft Foundry Adaptive thinking:唯一 thinking 模式,無法關閉;thinking.display 可設為 summarized(讀 summary)或 omitted(不讀,預設) Safety classifier:Fable 5 內建拒絕分類器,涉及攻擊型資安、生物與生命科學、model reasoning 提取的請求會被拒(HTTP 200 但 stop_reason: refusal),Mythos 5 版本無此分類器,僅開放給 Project Glasswing 受核准客戶 資料保留：30 天(不可用 ZDR 零資料保留) Anthropic 官方對 Fable 5 相對 Opus 4.8 的改進定調為 7 項：長時序自主(Long-horizon autonomy)、複雜問題單次通過率(first-shot correctness)、視覺、企業工作流、程式碼審查與除錯、模糊需求處理、併發子代理。這 7 項改進的共同底層邏輯是同一件事：Fable 5 可以在用戶不看的時間裡持續穩定產出。 核心典範轉向：從 Prompt Engineering 進到 Loop Engineering Fable 5 最大的心法轉變不是 prompt 寫更好,而是從 prompt 步驟改成設計 loop。過去 Opus 4.6/4.7 的心法是：寫一個好 prompt、Claude 回一個好答案。Fable 5 的心法是：設計一個能讓 Claude 自我修正的環境迴圈,讓它反覆 plan → act → review → improve,直到任務完成。 Anthropic 在官方 handbook 明確給出這條 loop 設計指令： Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification. 這一段的翻譯:「建立一套自我檢查機制,以 [X] 為間隔驗證你自己的工作。每 [X] 間隔跑一次驗證,用子代理對照規格檢查。」關鍵是用一組獨立 context 的驗證子代理(fresh-context verifier subagents),而不是讓主 agent 自我批評—因為主 agent 已經有偏見。 這個轉向也回應了 過去報導的「Harness Engineering」概念—AI 的下一個戰場不是模型,而是模型外面那層架構;以及 Akshay 提出的「模型只是迴圈中的一個節點」觀點。Loop engineering 是 Anthropic 對這條思路的官方版本。 Effort 參數分級：5 級控制 Fable 的 token 花費 Effort 是 Fable 5 最重要的成本控制旋鈕,分成 5 級,由高到低影響 Claude 願意花多少 token 在 thinking、tool calls、text response 上： max:最高能力、無成本上限。用於需要最深推理的前沿問題。頻繁調用會產生大量成本,不建議常態使用 xhigh:延伸能力,適合超過 30 分鐘、token 用量...