● 砚数 · 模型评测 · 2026-06-10
砚数批注：为什么读这篇：Mollick 和 Claude Fable 干了一票真实项目，从等时线地图到 9 小时的数据分析软件，这是目前最贴近「AI 同事」的实测。
Claude Fable 代表着 AI 的又一次大跨越。我提前拿到了第一个对外发布的 Mythos 级模型 Claude 5 Fable。外界对 Mythos 的讨论大多围着它对软件安全的影响转，但我测了除了那以外的几乎所有东西（Fable 的护栏基本让它完全没法用于网络安全）。我的结论是：它相对于我用过的每一个模型都是实打实的飞跃，而也许更重要的是，它暗示我们和 AI 的关系正在发生剧烈变化。
Fable 有多强
在我做的一个又一个实验里，它大幅超越了用过的几乎所有其他公开模型。它在很多问题上都能干，还给出了一些惊人的结果，能就一份多页规格说明连续干上十几个小时。稍后我带你看过几个更复杂、更严肃的用例，但总的来说，每个任务上都能看到全面提升。写这篇文章的难处在于，最惊艳的结果只对一小部分读者有意思。比如，它用一个 prompt 加一条反馈，就写出了我见过的最讲究的学术社科论文；还写了一首 10 页的史诗级押韵长诗，讲一次理发，每个词都以 s 开头。
作为更接地气、更好玩的示例，我让它做了几个你能试的游戏。这些都是在 Claude Code 里一个初始 prompt，Fable 得把我的模糊指令变成能跑的东西，再加一两条带点鼓励（"做得更好"）或反馈的 prompt。最厉害的是，Claude 不会生成图像，所以每幅画、每个 3D 物体都是纯靠数学算出来的，没用任何外部素材。你都能试：一个「硬币翻转版 Balatro」的翻面游戏（还挺上头）；一条有自我意识的蛇、会发生怪事的贪吃蛇；以及一个向深处坠落看下面有什么的游戏。
输出确实惊艳。但尤其当我转向更严肃的项目时，用这个工具的感觉常常在「愉悦」和「发毛」之间。愉悦，是因为我说要什么，它就发生了。发毛，也是因为我说要什么，它就发生了。
砚数批注：文中最反直觉的一点：Fable 自己启动多个子 agent 研究 2200 条航班、写代码、跑测试，烧了几小时 token 产出完整地图。人的角色退化成「给一句指令、几条反馈」。
地图与方法
要理解为什么，得看 Fable 是怎么干活的。我想用一个我在很多模型上测过的例子：做一张等时线地图（isochrone map），显示给定时间里你能到达的范围，第一张是 1881 年画的伦敦周边通行时间图。没有哪个之前的模型能把这种图做出半点用处，因为它要研究几千条可能的行程距离，还要做大量细小的判断。我用一个很激进的 prompt 在 Claude Code 上试了 Fable：「我要你做一张完全研究过、也好看的等时线地图，让我能选不同城市、看到基于真实数据的等时线。设计要独特。要考虑机场（及往返机场的时间）、火车、步行、开车。数据不必实时，但要基于你的研究和数据真实。可以先从几个城市开始，但越通用越好，这应该是一个全新项目。」它建议按原图风格来做，我同意了，它就开工了。
值得花两秒看看 AI 自己跑的那场长达数小时的建设过程记录，因为你能看到些不寻常的东西。首先，AI 启动了多个其他 AI（我猜大多是更便宜的 Claude Sonnet）帮它研究通行时间，最终取到 2200 多条具体航班、从 TGV 到新干线的火车时刻表、以及多篇论文里各国的道路限速。那些 agent 跑着的时候，它已经开始写代码了。接着又启动更多 agent 和测试来验证代码，一边还记着进度笔记。
结果是一张功能完整、精巧得吓人的地图，很像 1881 年那张原图，但这不代表它完美。我注意到很多偏远地点（比如格陵兰）只是估算通行时间，不是精确数字，于是我让 Fable 修，指令里包括「真的去拿偏远机场和地点的通行时间」。这次 AI 启动了一个工作流，让互相对抗的 agent 组去各自研究、互测结果。它搞清楚了去太平洋皮特凯恩岛的船多久一班，以及从渥太华怎么到 Grise Fjord。短时间内烧掉了海量 token。
结果很惊艳。我又往自己感兴趣的方向推了几把（包括要别的可视化方式等）。建议你花两分钟点着玩玩。这张图说明了 AI 在解决一个硬问题：研究、数学、视觉开发、品味、判断、复杂编码，全包了。而发毛的地方在于，我做得太少。我给了一个野心很大的指令，AI 照做了。我给了几条微小反馈，AI 自己搞定了。我的角色极其有限。
重要的是，不仅是我干的活相对模型来说少，我对模型「怎么做」、「为什么选某条路子」、甚至「结果有多深入」的控制也有限。AI 的决策细节不向我展示，过程也长到根本不值得跟。那张地图要 AI 对几百个小选择做判断，它就那么做了，我既不理解这些选择，也没机会插嘴。一方面这堪称神迹（我最后总能要它改），另一方面，它把 AI 变成了终极黑箱。
和 Mythos 级模型共事
我从 Fable 拿到的最野心项目，得多解释两句。我做过很多研究，人类给出混乱的答案，要做任何分析都得先把答案分好类：一个想法有多创新？人们为什么喜欢这本书？为此我们请人类研究员做判断，再统计比对不同人的答案，判断数据能否信任。不少近期研究表明 AI 或许能接这活，但校准 AI 和人的判断一直又难又贵。于是我让 Fable 解决：它先生成了一份 19 页的复杂设计文档，然后执行。
它干了九个半小时。结果是一个极其精巧的软件，AI 管它叫 Concord，能接收多个数据集、校准人和 AI 的回答，再对结果做复杂数据分析。 again，不完美。作为专家，我能挑出一些错误和遗漏（有些是我要求的设计算出来的），让 AI 改了。但这个项目、以及很多其它项目的交付量级，超过了我之前见过的任何东西。这回是一套研究者盼了多年、却从没划算到值得做的软件。代码现在就能用、能改。它肯定不完美（我只花了一小时看结果），但工程师能把我一时找不出的潜在 bug 磨掉，这也说明未来我们可能更需要、而不是更不需要程序员，去消化软件爆炸式的新用途。
这种力量和怪异、局限是绑在一起的。局限之一是用 token 的量。Fable 比 Opus 贵一倍，烧 token 的速度让人觉得生产环境里「要花不少」，不过它聪明地委派给更便宜的模型，可能把实际价格压低不少。Fable 的护栏一嗅到丁点安全问题的味儿就触发，退化到更弱的 Claude 4.8 Opus，而且触发得太频繁。锯齿状前沿也还在。比如 AI 还是写那种怪风格（其实 Fable 产出的软件带着 Claudism 的痕迹，进度报告也是，满屏「扛起重量」「赢得答案」）。但更深的怪异是：我做得太少，过程中能看到的也太少。
去年我把这叫「和巫师共事」：你念咒，事就成了。到了 Fable，咒语已经强到让我不再确定自己就是那个巫师。我更像一个出资人（patron）。我描述想要什么，付钱，评判结果。施法发生在我看不到的地方，在几百个我从未投票的小选择里。工作从「过程」移到了「结果」。我不再掌舵，我下委托。
这种被晾在一边也许是暂时的，只是界面没跟上，将来我们会有更好的窗口看清模型在干嘛、有更好的办法中途纠偏。但也可能反过来说才对：模型越强，人能有意义地做的事越少，黑箱是这份能力的代价。我更怀疑后者才是真实方向。这不等于某种显而易见的控制丧失，我仍能指挥 Fable，它听指令好得惊人：指令越野心，结果越好。但「指挥」已不同于「动手」。我把需求 brief 给模型，它拉起自己的 agent 去研究、去写、去互查，回来的就是成品。出资人委托单个画师；Fable 更像一整个工作室，而我是那个从不上场、只在终稿上签字的客户。
（原文配有多张 Fable 生成的等时线地图与游戏截图，此处略。）
砚数批注：给我们每个人的建议：当 AI 从「指令到成品」自闭环十几小时，人从「动手者」变成「签字者」。控制权在衰减，这是 AI 时代最被低估的心理转变。争议点：Fable 频繁触发护栏降级到弱模型，说明安全机制还很不成熟。
砚数翻译
原文作者：Ethan Mollick
原文出处：One Useful Thing（Substack 专栏）
原文网址：https://www.oneusefulthing.org/p/what-it-feels-like-to-work-with-mythos
原文标题：What it feels like to work with Mythos / Claude Fable represents another big jump in AI
栏目：砚数 · 模型评测
☆ 星标「砚数」，第一时间收到深度好文
谢谢阅读，下期见。
热门跟贴