Fable 5 复开后周报 Vol.6：贵模型开始退到编排层

复开后的第二周，Fable 5 的问题已经从「能不能用」变成了「什么时候该用」。最清楚的信号来自 ClaudeDevs：他们公开建议把 Fable 5 放在 advisor 或 orchestrator 的位置，让 Sonnet 5 执行大多数 token 密集的工作，从而把主要账单留在更低的执行模型费率上。1

这不是一句省钱口号。Fable 5 仍然在 AA-Briefcase 这类复杂知识工作里保持领先，但 GPT-5.6 Sol 已经把综合智能分数追到只差 1 分，并在编码 agent 指数里领先。Fable 5 的位置正在收窄：它更像规划、判断和复核层，不再适合被无脑设成所有任务的默认执行层。

Anthropic 的 Fable 5 提示指南把模型优势说得很直接：长程自主性、复杂问题的一次通过率、视觉理解、企业工作流、代码审查和调试、模糊任务导航，以及并行 subagent 调度。7 这些能力的共同点不是「输出更多字」，而是能在不完整的目标里判断下一步该做什么。

这也解释了本周 ClaudeDevs 的 advisor 建议。让 Sonnet 5 跑执行层，再让 Fable 5 在关键节点给方向，等于把 Fable 的强项留在高杠杆环节。搜索、批量改文件、机械测试和格式清理消耗大量 token，但判断密度不高；需求拆解、架构取舍、失败诊断和验收标准则相反，token 不一定最多，但错了会让整轮工作跑偏。

Claude Platform 的多 agent 文档也支持这种结构：协调者可以把独立子任务并行分发给不同 agent，每个 agent 有自己的模型、系统提示、工具和上下文；适合的模式包括并行化、专业分工和升级咨询。8 这给了 API 用户一个更正式的迁移方向：不要只问「我要不要用 Fable」，而是问「哪几个环节必须由 Fable 判断」。

Artificial Analysis 本周的新数据让 Fable 5 的领先更贵了。GPT-5.6 Sol 在 Intelligence Index 得 59 分，接近 Fable 5 的 60 分；AA 还称 Sol 在 Codex harness 下拿到 Coding Agent Index 80 分，领先其三项编码评测，而且每任务成本比 Claude Code 里的 Fable 5 低约 40%。2

但这不是「Fable 被反超」这么简单。AA-Briefcase 上，Fable 5 仍靠 rubric score 56% 对 Sol 42%、Analytical Quality Elo 1764 对 1592 保持优势。2 也就是说，Fable 的强项仍在复杂知识工作和分析质量，而不是所有 agent 任务的平均性价比。

更刺眼的反例来自 Dam Secure 的 PR 安全审查。它的测试只看新增 PR 里的访问控制漏洞，不是全仓库漫游，也不是通用安全能力。就在这个窄场景里，Fable 5 → Opus 4.8 fallback 的 recall 88%、precision 83%、F1 0.85，成本约 $3.61/PR；GPT-5.6 Sol recall 100%、F1 0.91，成本 $0.70/PR。3

这条结果对 Fable 5 很不友好，但对读者有用。安全任务正好是 Fable 分类器最敏感的区域之一。Anthropic 自己也说明，Fable 5 的安全分类器覆盖 offensive cybersecurity、生命科学内容和思维提取，良性网络安全工作也可能触发 safeguards；被拒绝的请求应配置回退到 Opus 4.8。7 如果你的 workload 就是 PR 安全扫描，先做小规模复测，比直接押 Fable 更稳。

Anthropic 7 月 6 日发布的 Alberta 政府案例没有说用 Fable 5，而是说该团队用 Claude Code 搭配 Opus 和 Sonnet 模型扫描政府系统。案例里给出的量级很大：1,280 个应用、3,400 个代码仓库，约 50 个 agent 并行，在 20 小时内评估 4.66 亿行代码，并对每个应用检查约 95 项安全控制。9

这对 Fable 5 追踪反而是个提醒：企业级 agent 工作流不一定靠单个最强模型硬跑。Alberta 的案例更像「多 agent + 可验证流程 + 人类工程师审核」的组合。Claude Code 先用规则引擎标出已知模式，再让模型审查并引用具体文件和行，修复上线前仍由团队审查批准。9

如果把这套方法迁移到 Fable 5，Fable 最可能承担的不是 4.66 亿行代码的全部阅读，而是定义扫描策略、判断哪些发现需要升级、复核高风险修复。低价值遍历交给低价层，关键判断交给 Fable，这和本周社区讨论的方向一致。

Reddit 那个 1374 分的帖子很有代表性。作者把 Fable 5 放在主会话或编排位，把 Haiku/Sonnet/Opus 分成 scout、mechanical executor、verifier、security executor 等角色，并特别提到安全角色不走 Fable，因为良性安全工作可能被分类器误伤。4 对普通 Claude Code 用户来说，这比抽象 benchmark 更接近日常问题：为什么额度消耗得这么快，哪些后台搜索其实不该用高价模型跑。

pilotfish 项目把这套思路做成配置包。它的 README 说自己安装的是三层结构：settings 里设置主模型和 fallback，agents 里定义不同角色，CLAUDE.md 里写委派策略；GitHub 页面显示最新 release v1.1.4 在 7 月 12 日发布。5 这不是官方产品，也不能证明所有人都能省到同样比例，但它说明 Fable 5 的成本问题已经催生了一类新工具：模型路由配置本身变成了开发者生产力的一部分。

第一，usage credits 后的真实账单。社区现在讨论最激烈的不是 Fable 能不能做事，而是 $200 订阅用户还要不要为 Fable 额外买单。下周如果出现更多可复现的工作流账单样本，价值会比单条抱怨高得多。

第二，编排模式有没有官方化。ClaudeDevs 已经公开讲 advisor pattern，Platform 文档也有多 agent 编排能力。下一步要看 Anthropic 会不会把「Fable 做大脑、Sonnet 做手」包装成更明确的产品入口，而不只是文档和社区配置。

第三，安全类任务的 fallback 口径。Dam Secure 的 PR 评测给了一个反例，Anthropic 的提示指南也承认良性安全工作可能触发 safeguard。后续如果有更多安全 benchmark，需要分清楚是 PR diff、全仓库扫描、漏洞修复还是红队任务；把这些混成一个「Fable 安全能力」结论，会误导选型。