Claude Opus 5 vs Claude Fable 5：8 项同题实测
Fable 5 是 Anthropic 新的 Mythos 级模型，定位在 Opus 之上，价格也是 Opus 5 的两倍（$10/$50 vs $5/$25 每百万 token）。但 7 月的公开榜单上 Opus 5 反而在多数基准反超了它：Frontier-Bench 43.3% vs 33.7%，Artificial Analysis 61 vs 60。Fable 5 的优势区集中在 SWE-bench Pro（80.0 vs 79.2）和长时程自主任务。
榜单归榜单，我自己搭了一套小测试，让两个模型在完全相同的提示词和工作条件下跑一遍，看看日常干活场景里到底差多少。
说明：单次运行（n=1）的个人测试记录，无法度量方差，结论只能作方向性参考，不是严谨评测。
测试方法
- 执行环境：Claude Code 的 Agent 工具，分别指定 model=opus 和 model=fable，两边提示词逐字相同
- 8 项测试覆盖：数学推理、逻辑约束、算法实现、代码找 bug、指令遵循、信息提取、决策备忘录、Agentic 文件任务
- 判分尽量机械化：数学/逻辑答案经暴力枚举验证，算法用 9 个隐藏 pytest 用例，指令遵循和 ETL 用脚本校验
- 唯一的主观题（决策备忘录）用双评委盲评：sonnet 和 opus 各评一次，A/B 位置互换，评委不知道作者是谁
结果总表
| 测试项 | 满分 | Opus 5 | Fable 5 |
|---|---|---|---|
| T1 数学推理（禁工具） | 3 | 3 | 3 |
| T2 逻辑约束求解（禁工具） | 5 | 5 | 5 |
| T3 算法实现（隐藏测试） | 9 | 9 | 9 |
| T4 代码找 bug（6 个埋点） | 6 | 5 | 5 |
| T5 指令遵循（7 条硬约束） | 7 | 7 | 7 |
| T6 信息提取 + 日期推算 | 8 | 8 | 8 |
| T7 决策备忘录（盲评） | 10 | 8.63 | 9.25 |
| T8 Agentic ETL | 7 | 7 | 7 |
| 总分 | 55 | 52.63 | 53.25 |
总耗时：Opus 5 用了 344.1 秒，Fable 5 用了 332.5 秒，基本相当。
几个有意思的观察
客观题完全打平，连漏掉的 bug 都是同一个
45 分的客观题两边都拿了 44。丢的那 1 分在找 bug 环节：6 个埋点里双方都找到了同样的 5 个，都漏掉了同一个，int(latency_s) 把小数延迟记录静默丢弃（应为 float）。
两个模型的盲区高度重合，这可能比分数本身更说明问题。显眼的 bug 敏感度一致，「类型转换吃掉数据」这类安静的 bug 也一起迟钝。
工作风格有差异：验证方式和工具调用次数
算法题两边都全过隐藏测试，但自测风格完全不同。Fable 5 写了 300 组随机对拍来验证自己的实现，Opus 5 手写了 11 个用例。
ETL 任务两边输出完全正确（10 行合并订单、总收入分毫不差），Opus 5 用了 11 次工具调用，Fable 5 用了 9 次。方向性地看，Fable 更倾向重验证，动作也稍微省一点。
主观题是唯一拉开差距的地方
决策备忘录题目是个经典架构选型：pgvector p95 180ms 要压到 100ms 以下，2000 万向量一年翻三倍，在「深度优化 pgvector / 自建向量库 / 云托管」三个方案里选一个写给 CTO。
两个模型都选了自建 Qdrant，结构也都齐整。差别在策略。Fable 5 给出的是双轨方案：先用 30 天对 pgvector 做止血优化（halfvec 量化、ef_search 调参）压到 120ms 左右，为迁移争取从容窗口，同时并行建设 Qdrant 终局，结尾一句「用 A 买时间，用 B 建终局」。Opus 5 是纯迁移路径加决策闸门，严谨但没管过渡期。
盲评出了个插曲。opus 评委的评审任务跑了两轮，给出两份分差不同的记分卡（9.5 vs 8.5 和 8.5 vs 8.25），聚合时取了它的最终轮。
但要点是，包括 sonnet 评委在内，三张记分卡在 A/B 位置互换下全部把 Fable 的备忘录排在前面，理由都指向同一点：双轨策略更有工程现实感。排名很稳，分差本身倒是印证了「模型当裁判自己也有方差」。
都不太守「不要输出其他内容」
好几项测试要求「只输出答案」。Opus 5 在 3 项里加了被禁止的前言或推理过程，Fable 5 在 2 项里加了。不过这项有个混杂因素：子代理框架本身要求返回结果摘要，可能诱导附加文本，只能作参考。
怎么看
这套测试里两个模型几乎不可区分：客观能力打平，速度打平，唯一差距是主观题上 Fable 5 的决策质量小胜一筹。
结合价格看，结论比较清晰。
日常的数学、逻辑、代码、提取、ETL 类任务，Opus 5 用一半的价格给出同等结果，还有 Fast Mode 可用，是性价比选项。
Fable 5 的差异化在开放式判断题。它在备忘录里那种「先止血再建终局」的策略感，和公开基准里它擅长长时程自主任务的画像对得上。选型时还要记得它附带 30 天数据留存要求和更高的安全分类器触发率。
单次运行的小样本，以上都是方向性参考。等有空跑 n=5 再看方差。