模型更新很快——本页有日期标注
价格与跑分截至 2026 年 8 月已核实。Opus 5 于 2026-07-24 成为 Claude Max 的默认模型——而就在三天前 Fable 5 还短暂地是自家旗舰。把任一模型接入流水线前请重新确认。
查看 Fable 5 与 Opus 5 完整对比开发者决策指南
编程该用 Fable 5 还是 Opus 5？
两个模型都是出色的工程师。差别在于各自最擅长的工作——以及另一款在哪些场景下才是更好的工具。这里帮你用跑分和真实的成本算账来做出选择。
一句话结论
日常编程默认用 Opus 5 高投入。仅在以下情况升级到 Fable 5：长链条多文件 Agent 工作、安全关键/Mythos 级别代码评审与加固、以及 1M 上下文的全仓库分析。
规格一览
价格来自 Anthropic 官方发布（每百万 token 美元），截至 2026 年 8 月。token 成本差异是真实的；跑分差异才是需要判断的问题。
| 维度 | Fable 5 | Opus 5 |
|---|---|---|
| 发布时间 | 2026-06-09 | 2026-07-24 |
| 输入价格（$/M） | $10.00 | $5.00 |
| 输出价格（$/M） | $50.00 | $25.00 |
| 上下文窗口 | 1M | 1M |
| 最大输出 | 128K | 128K |
| 数据保留 | 30 天 | 无 |
诚实的编程跑分
Anthropic 公布的数字我们如实引用；未公布的我们标注“未确认”，而不是猜测。第三方数据会标明来源。
| 维度 | Fable 5 | Opus 5 |
|---|---|---|
| SWE-bench Pro | 80.3% | 未确认 |
| FrontierCode | 29.3% | 未确认 |
| Frontier-Bench v0.1 | 33.7% | 43.3% |
| CursorBench 3.2 | 峰值 | 距 Fable 峰值 0.5% 以内（最大投入） |
| 每个已解决任务的成本 | 约 $2.75 | 约 $2.03 |
所有数字截至 2026 年 8 月已核实。Fable 5 的 SWE-bench Pro 80.3%、FrontierCode 29.3%、Frontier-Bench v0.1 33.7% 均为 Anthropic 公布。Opus 5 的 SWE-bench Pro 与 FrontierCode 未确认——Anthropic 尚未发布。Frontier-Bench v0.1 上 Anthropic 列出 Opus 5 为 43.3%（其已公布的最佳编程得分）。CursorBench 3.2（第三方）显示 Fable 5 为峰值，Opus 5 在最大投入下距峰值 0.5% 以内。每个任务成本为 Artificial Analysis 数据，非 Anthropic。
决策矩阵
让模型匹配工作。下面四条路径覆盖实际会遇到的编程工作。
默认：Opus 5 高投入
大多数日常编程——功能开发、修 bug、评审、小幅重构——用 Opus 5 高投入就是正确选择。token 价格约一半，在与这类工作相关的跑分上接近 Fable，且无保留要求。便宜、快、够用。
Agent：长链条多文件重构
当任务跨越多个文件、多个步骤、需要很长的推理链时——跨模块重构、迁移、子系统重写——Fable 5 的优势会被放大。其最佳已公布 SWE-bench Pro 得分（80.3%）反映的正是这种持续、多步的工作，它能在 Opus 5 可能掉链子的地方保持主线。此时升级。
安全：Mythos 级别评审与加固
对于安全关键的代码评审、威胁建模、以及一个漏掉的边界情况就是在线漏洞的加固工作，Fable 5 为此而生——它与 Mythos 5 安全分级配合，30 天保留也保留了审计线索。如果代码会被攻击，就为这多出来的余量付费。
仓库：1M 上下文全仓库分析
两个模型都有 1M 上下文窗口，但当你把整个代码库倒进去提问时，Fable 5 的长上下文优势及其已公布编码得分使它更稳妥。适合架构评审、大规模入门问答、全库审计。
这些是默认值，不是铁律。预算有限时，Opus 5 高投入覆盖的一天远多于 Fable 5。如果你撞到 Opus 5 反复掉链子的墙——那正是升级的信号。
真正要紧的成本计算
通过率不是全部——重试才是。
规格表说 Fable 5 每 token 贵 2 倍，但实际支出由重试驱动。如果模型一次就解决任务，2 倍 token 价格没问题。如果同一结果要试三次才落地，你为同一输出付了 3 倍。Artificial Analysis 的每个任务成本估算抓住了这一点：Fable 5 约 $2.75、Opus 5 约 $2.03。差距是 1.35 倍而非 2 倍——因为困难任务上 Opus 5 较低的通过率吃掉了它的价格优势。长 Agent 运行中，省下的重试可能完全反超胜负。
每个任务成本是 Artificial Analysis 混合价格、延迟与通过率的估算，非 Anthropic 数据。你的真实数字取决于工作负载构成、缓存命中率与重试频率。