Claude Fable 5 发布之后，奥特曼又要被吓到眩晕瘫坐，犹如看到原子弹爆炸了。
短短 24 小时里，社交平台几乎被各种案例淹没。视频一个接一个冒出来，我们还没看完上一个，时间线又跳出一个由 Fable 5 制作的新案例，网友们玩得不亦乐乎。
甚至就在刚刚，《华尔街日报》报道称，OpenAI 正在考虑大幅下调 token 价格，试图通过打起价格战从 Anthropic 手里争夺用户。
只是，热度一上来，各种串子发布的假案例也跟着混了进来。有人把旧视频包装成 Fable 5 的新案例，蹭热点打广告；也有人故意发纯手搓视频，讽刺网友对 AGI 的盲目追捧。
与此同时，用户很快发现，Fable 5 的安全分类器实在是太敏感了，话题一旦涉及生物、化学、网络安全，模型就可能直接回退到 Opus 4.8。有网友称，自己的资料里带有生物医学背景后，连一句 Hi 都可能触发回退。
Claude Fable 5 一夜爆火，但网友已经开始分不清案例真假
Fable 5 第一批出圈案例，大多和 3D、物理、游戏、浏览器交互有关。
有 X 用户只给 Claude 5 Fable high 一个目标：「制作一个我的世界克隆版」。大约 20 分钟后，它生成了一个包含多个生物群落、昼夜变化、不同矿石和洞穴系统的版本。它还远谈不上真正替代游戏开发团队，但已经比过去那种「按钮加贴图」的 AI 小游戏复杂得多。
自打 Gemini 3.0 发布之后，用 AI 打造克隆 Windows 系统已经不算稀奇，但 Fable 5 完成度之高，还是令人震撼不已：登录界面、通知、Edge、纸牌游戏，Copilot 一应俱全，充分展现了 Vibe Coding 指哪打哪的魅力。
机械和工程案例的表现也没拉胯，让它用 Three.js 实现完整瑞士杠杆擒纵机构。成品包含真实齿轮比、运转中的擒纵机构、呼吸式游丝和显示实际时间的指针。呐呐呐，这看了谁不迷糊。
类似的还有街区模拟器。Bilawal Sidhu 让 Fable 5 做了一个包含多 Agent 交通、实时检测框、轨迹和昼夜循环的城市街区。它不是成熟交通仿真软件，但它把「城市、多主体、轨迹、识别框、昼夜变化」这些元素组织成了一个能看的原型。
要说更夸张的案例， 还得是让 Fable 5 设计人形机器人。
提示词非常简单，让它设计一个紧凑、轻量、类似现代高机动研究机器人的人形平台，带有 25 到 30 个自由度、外露关节、铝合金或复合结构，以及带传感器的头部。
就这，仅仅用了两个小时、消耗约 140 万 token 后，Fable 5 就甩出了一版完整草稿。换句话说，很多过去要开几次会才能讲清楚的想法，现在可能先由模型做成一个能看的版本。
是的，Fable 5 自己不一定能生成最好的视觉素材，但它很擅长把素材、规则和交互组织成产品。而这种路径，反而比一句话全交给 AI 更接近生产实际。
3D 鞋子产品网站也是类似路径。创作者用 Magnific MCP 在 Claude Code 里生成产品图，再转成 3D 模型，下载后交给 Fable 5，用来开发一个交互产品页面。最后效果接近一个能直接展示的 3D 电商落地页。
还有人用 GPT Image 2 负责设计，用 Blender MCP 负责模型和照明，再让 Fable 5 完成乒乓球游戏逻辑，总开发时间约 6 小时。
把不同模型生成的案例放在一起，就更能看出模型在处理 3D 流体、体积动画和复杂物理效果的区别了，毫不夸张地说，Fable 5 的画面复杂度、运动感和空间表达明显遥遥领先。
Fable 5 强是真的强，但发布之后，也没少遭到网友的吐槽，主要舆论炮火都集中在过于敏感的安全分类器。按照用户反馈，网络安全、医学、生物、化学等领域很容易触发回退到 Opus 4.8。
有生物研究背景的用户称，因为 Claude 的记忆和偏好里出现过前列腺癌、细胞系、免疫荧光、图像分析、R 编码等内容，Fable 5 上线后，无论问什么都被转到 Opus 4.8，甚至一句 Hi 也不例外。
被误伤的用户很难不觉得荒谬：模型记住了你的专业背景信息，然后以此为理由拒绝为你工作。
此外，伴随着 Fable 5 刷屏，各路牛鬼蛇神也跟着出动，社交平台上很快出现了大量反串假视频。
有人拿着之前网上流传的 GTA-6 网友视频制作画面，硬说是 Fable 5 生成的；
还有人吃起了 AI 的流量馒头，借此接单做广告。
它们未必都是真骗子，里头不乏纯粹的乐子人，就像用这种离谱的假视频，讽刺大众对 AGI（通用人工智能）毫无理智的盲目追捧。
真正榨干 Fable 5，需要给它目标、工具和记忆
Fable 5 的强项不只是一句话出结果。它真正适合的用法，是给模型设计一个能自我修正的工作环境。
AI 知名研究员 Lance Martin 提到，Mythos 级模型正在改变 Anthropic 内部很多人的工作方式。核心方法有两个：自我修正循环，以及跨会话记忆。
所谓自我修正循环，可以理解为给模型一个明确目标和评分标准，让它反复尝试、读取反馈、修改方案，直到达到要求。Claude Code 里的 /goal，以及 Claude Managed Agent 里的 Outcomes，都是这类机制的代表。
