Claude Fable 5 實戰：我四天用掉 6 億 tokens 做了什麼

Anthropic 推出 Claude Fable 5 解禁後，我看完官方說明，當天就把訂閱升級到每月 $200 美金的 Max 20x 方案。

四天後回頭看數據：Claude Fable 5 一個模型就用掉 6.22 億 tokens，換算 API 牌價 $1,158 美金。

燒掉多少錢看起來很厲害，但那不是重點。

重點是：這個模型到底解決了多少以前模型解決不了的問題？我把這四天的實戰全部攤開，包含連紅兩週修不好的 CI、970 題題庫的 subagent 複核、跨國提案送件，以及讓 AI 回頭稽核 AI 自己立的制度。

Claude Fable 5 是什麼？跟以前的模型差在哪？

Claude Fable 5 是 Anthropic 在 2026 年 7 月推出的旗艦 AI 模型，屬於位階在 Opus 之上的全新 Mythos 級，用途是處理長時程、多步驟、需要指揮其他 AI 的複雜任務。

依官方說明，Fable 5 與 Claude Mythos 5 共用同一個底層模型，Fable 5 是一般使用者拿得到的版本，Mythos 5 只開放給通過審核的組織。

Fable 5 的差別不是 code 寫得更好，是你第一次可以放手讓 AI 管 AI。

以前的模型是很強的執行者，你派一件事，它做一件事，做得好不好要你自己盯。

Fable 5 是第一個能穩定當管理者的模型：它可以派出一批子代理人平行工作、設計驗收機制抓下屬的錯、發現自己權限之外的問題會停下來等裁決，這三件事以前的模型都做不太到。

所以我當天升級 Max 20x 的判斷很簡單：讓管理者等額度，是最貴的浪費，接下來就是實戰。

兩件以前搞不定的工程債，Claude Fable 5 怎麼清掉？

先講兩個最有感的案例，它們的共同點是：以前的模型不是沒試過，是試了好幾次都失敗。

連紅兩週的 CI：Fable 5 怎麼挖出四層互相遮蔽的根因？

CI（Continuous Integration，持續整合）我之前一直很頭痛，就是每次改 code 就自動跑一輪測試的機制，全綠才准上線。

我的網站 AITerms.tw 的 CI 連紅了兩週，之前的模型修了四五次都沒用，每次都回報修好了，下一輪照樣紅。

Fable 5 接手後做了一件以前模型沒做的事：不急著修，先把每一輪失敗的錯誤訊息逐輪比對差異。

結果挖出四層互相遮蔽的錯誤：測試指令用了一個根本不存在的參數、資料庫查詢默默只回傳 1,000 筆但實際有 1,120 個術語、修好的 code 部署上線了卻沒進版本庫、87 個頁面的描述文字低於稽核門檻。每修掉一層，下一層的錯誤才會浮出來。

之前的模型每次只看到最外層的錯，修完就宣告完成，這不是它偷懶，是它真的看不到下面還有三層。Fable 5 從錯誤訊息的變化判斷出有換錯誤訊息代表有進展、不是無效，然後一口氣挖到底，一天收工。

970 題題庫複核：8 個 subagent 為什麼前兩輪全部作廢？

subagent 是主 AI 派出去平行工作的子代理人，用途是把大量同質任務切開、同時處理，再由主 AI 統一驗收。

我的備考平台有 970 題已上線的題庫，要逐題複核答案對不對，人工做要好幾天。

Fable 5 派出 8 個便宜的 Haiku subagent 平行複核，前兩輪的成果全部作廢。

作廢的原因很有教育意義：第一輪 worker 只回報彙總數字，沒有逐題紀錄，根本無法驗收。

第二輪 worker 讀長檔案被截斷了卻沒說，等於複核了半份考卷就交差。

第三輪 Fable 5 改了規則：每個 worker 必須交出逐題的判定紀錄，主 AI 再用程式機械比對題目集合有沒有缺漏，不採信任何一句「我檢查過了」。

這一輪 970 題全數過驗，抓出 7 個爭議題，其中程式題直接把 code 實際跑一遍取標準答案，最後確認 2 題是真錯誤，當場修掉資料庫。

subagent 的重點不是平行，是驗收設計。

同一批 subagent 還順手跑完 50,185 筆真實作答紀錄的統計分析，抓出鑑別度有問題的題目，這種派工加驗收的組合拳，是我在舊模型身上從來不敢放手的事。

把 13 年功力蒸餾成 AI 讀得懂的大腦？兩個實驗

AI 有沒有辦法把你這個人變成可以重複使用的資產？以前的答案是不行，模型讀不完你的東西，讀了也會腦補。

這四天我做了兩個實驗，答案改變了。

7 個 subagent 掃 1,305 個檔案，蒸餾出我的決策模型？

我的 Obsidian 筆記庫累積了 1,305 個檔案，日記、逐字稿、專案紀錄、年度規劃全在裡面。

Fable 5 派出 7 個平行 subagent 分區掃完全庫，蒸餾出一份 301 行的決策模型文件：我的思考順序、6 個心智模型、31 條決策習慣，連我自己沒意識到的矛盾張力都列出來了。

重點是驗收方式，它找了一個完全沒讀過我筆記的 AI 來盲測：拿 5 個真實情境問「Hans 會怎麼決定」，用那份文件回答，再對照我實際的決定。5 題全過，其中 1 題邊緣情境它正確標注了「這題不確定」，沒有硬掰。

以前模型做這件事會死在兩關：一次讀不完 1,305 個檔案，以及讀完之後把我期望中的自己跟實際的決策習慣混在一起。平行拆分加盲測驗收，把這兩關都過了。

讓便宜的 AI 也能寫我的講師風格？

我是講師，我請 Fable 5 把過往演講蒸餾成一份講師大腦規範，目標是讓便宜的低階模型也能穩定寫出我的風格。

驗證方式是工程界的 TDD（Test-Driven Development，測試驅動開發）：先讓低階模型 Haiku 在沒有規範的情況下寫稿，記錄它犯的錯，包括編造數字、開場收尾亂寫、英文名詞不解釋，再掛上規範重寫一次，逐項比對，結果所有錯誤類型全部修正。

你可能會想：這跟我的公司有什麼關係？

關係是：你公司裡最貴的那個人的判斷力，第一次可以被蒸餾成一份文件，然後讓便宜的 AI 帶著這份文件去做大量重複工作，品質還能用測試驗證。

這是省錢的正確順序：不是叫最強的模型做所有事，是讓最強的模型把規範建好，剩下的交給便宜的模型。

Claude Fable 5 不只寫 code？跨國送件與睡覺時重寫產品

Claude Fable 5 在非工程任務上的表現，跟寫 code 一樣讓我意外。

跨國合製案送件：Fable 5 當提案團隊的營運長？

7 月 6 日下午 5 點是一個跨國合製提案的送件截止時間，對象是政府文化機構。這種案子的痛苦不在創意，在行政工程：中英雙語企劃書改到第 7 版、15 個項目的雙語預算表反覆核對，合作備忘錄與附函的條款要跟預算數字互相對齊，任何一處不一致就是退件。

Fable 5 做的事：逐欄驗算預算表並修掉統計殘影的 bug、同步改企劃書兩處對應章節、擬好給國外合作方的確認信草稿，最後在截止前完成送件，還把三天衝刺散落四處的檔案歸檔成一份交接手冊，讓沒碰過這個案子的人 5 分鐘看懂現況。

以前的模型可以幫你寫其中任何一份文件，但所有文件之間的數字一致性這種跨檔案、跨語言、多輪改版的守門工作，只能靠人。這次守門的是 AI，我負責拍板。

睡覺時重寫產品：Fable 5 凌晨交出 42 個測試全綠的 MVP？

我有一個自研的會議 AI 顧問工具，舊版爛尾了：因為 5,420 行邏輯全擠在一個巨大檔案裡，三場真實會議零產出，七週沒有進展。以前的模型面對這種案子，會在爛 code 上面繼續貼補丁。

睡前我丟了一句指令：架構優先，跑通 MVP，通過品質驗證。

凌晨 Fable 5 交卷：它先診斷出舊版零產出的四個機械性根因，發言配額第 9 分鐘就被扣光、網路錯誤被靜默吞掉、語音品質降級誤殺輸出、核心邏輯寫死在介面層，然後砍掉重寫成乾淨的核心，42 個自動化測試全綠。

同一場真實會議的回放測試，舊版只命中 4 個關鍵時機中的 2 個，新版 4 個全中。

我最欣賞的是它寫進架構文件的一句話：「沉默必須是有理由的輸出，不是輸出的缺席」。

舊版壞掉時安安靜靜，你根本不知道它壞了，新版連不說話都要交代原因。

後續評測我們也立了規矩：跑 3 輪沒達標就停損，不無限加碼，AI 產品開發最燒錢的不是 API 費，是捨不得停的沉沒成本。

我立了一部憲法再讓 Claude Fable 5 挑它的錯

這是四天裡我認為最有長期價值的一件事，它完全不是寫 code。

agent-os：一份制度，Claude Code、Codex、Hermes 三家共讀？

我同時用三套 AI 工作系統：Claude Code、OpenAI Codex、Hermes Agent，以前三家各有各的指令檔，規則改了一家忘了另外兩家，天天打架。

Fable 5 上線第一天做的事，是把三家的歷史紀錄全部掃一遍，蒸餾出一份放在 git 版本控制裡的跨 AI 制度正本，我叫它 agent-os。

核心是五條鐵律：驗證才能說完成、兩次失敗就停下來等人、不順手改沒被要求的東西、數字查證不憑記憶、改使用者的檔案只改指定欄位，三家 AI 開工前都先讀同一份。

接著它把我的 Obsidian 筆記庫升級成三家共用的記憶正本：29 條協作鐵律放在固定位置，還寫了防飄移的檢查腳本，任何一家 AI 偷改鏡像檔都會被抓到。

減法稽核：Fable 5 在 AI 自己立的制度裡抓出 15 條矛盾？

制度立完的第三天，我讓 Fable 5 做一件反向的事：回頭稽核這套制度本身，包含它自己前幾天寫的部分，只挑錯、不修改。

它交出 15 條發現：5 條規則互相矛盾、4 條是舊模型時代留下的過時護欄、5 條是制度自己違反自己、1 條規範已經跟現實脫節。其中最典型的一條：兩份「記憶正本」並存，7 月 4 日跟 7 月 5 日的兩個決議在打架，而這兩個決議都是 AI 自己寫的。

它在稽核報告裡寫了一句我背下來的話：「由模型 N 維護的系統，會保留模型 N 看不見的錯誤」。

更重要的是它的分寸：15 條發現，零修改，全部列清單等我裁決。

它知道制度不是它可以順手動的東西，這種看得到問題也守得住權限的分寸，是我判斷 Fable 5 能當管理者的關鍵證據。

花了多少、省了多少？Claude Max 四天用量數據全公開

回到大家最關心的錢，這四天 Claude Fable 5 用掉 6.22 億 tokens，換算 API 牌價 $1,158 美金，我付的訂閱費是 Claude Max 20x 每月 $200 美金，逐日數據如下。

日期	Fable 5 tokens	API 牌價換算	當天主要在做什麼
7/3	1,771 萬	$44	升級 Claude Max、掃描三家 AI 歷史紀錄
7/4	2.81 億	$499	建 agent-os 制度、修 CI 四層錯誤、課程大腦蒸餾
7/5	2.16 億	$385	970 題複核、記憶正本工程、凌晨重寫會議顧問
7/6	1.07 億	$231	跨國提案送件、第二大腦蒸餾、制度減法稽核
四天合計	6.22 億	$1,158	–

ccusage 怎麼查 Claude Code 的用量？

ccusage 是一個開源的命令列工具，用途是讀取 Claude Code 在你電腦上的本機紀錄，統計 token 用量並換算成 API 牌價。裝了 Node.js 之後一行指令就能跑：

npx ccusage@latest daily --since 20260703

把上面四天加上其他 Claude 模型（Opus 4.8、Sonnet 5、Haiku 4.5 這些 subagent 的用量），合計是 8.62 億 tokens、牌價 $1,385。

如果連我同時在跑的 OpenAI Codex 跟 Hermes Agent 一起算，三套系統四天合計 12.09 億 tokens、牌價 $1,647。

$200 月費換到牌價 $1,385 的量，這樣比公平嗎？

不完全公平，先把話說清楚：牌價換算不是實際帳單。

訂閱制的意思是我只付 $200，Anthropic 提供的是額度不是無限量，Claude Max 20x 依官方說明是 Pro 方案 20 倍的用量上限，尖峰時段一樣會碰到限流。

但方向是對的：如果我走 API 計費做同樣的事，四天就要付超過月費 6 倍的錢。

上個月我還在為了省額度，捨不得讓模型多跑一輪驗證，現在跑下來真的很划算。

但真正該問的不是划不划算，是你有沒有辦法把這個量用出價值，額度是原料，制度才是產能。

企業主決策摘要

這篇對三種人重要：已經在用 Claude Code 或其他 AI 工作系統、正在評估要不要升級 Claude Max，以及想知道 AI 能不能接手管理型工作的企業主。

如果你是企業主，應該先把驗收制度建起來，再放大 AI 的用量，最後才考慮要不要升級最貴的模型。

判斷的順序：

第一，你手上有沒有以前模型試了好幾次都失敗的具體任務？有，才值得用 Claude Fable 5 重試一次，那是它價值最明顯的地方。

第二，你的工作流程有沒有辦法驗證 AI 的產出？沒有驗收機制，用量放大只是放大錯誤。

第三，$200 美金月費對照的不是工具費，是你請一個全年無休、可以同時開好幾條線的執行團隊的成本。

下一步很簡單：挑一件你自己反覆做、有明確對錯標準的事，讓 AI 做一次，然後用這篇文章裡的驗收思路檢查它。

結論：Claude Fable 5 四天實戰，最大的產出是制度不是 code

四天用掉 6.22 億 tokens 之後，我對 Claude Fable 5 的結論是：它是第一個值得你為它改變工作方式的模型。

連紅兩週的 CI、作廢兩輪才跑通的 970 題複核、睡覺時重寫的產品、跨國提案的截止送件，這些案例的共同點不是 AI 變聰明了，是它終於能承擔管理的責任：派工、驗收、認錯、守權限。模型會過期，Fable 5 總有一天會被 Fable 6 取代，但這四天建立的制度、規範、驗收方法，會留下來繼續用。

寫這篇有三個目的：給想做類似嘗試的人一份實戰參考、公開我的數據跟做法讓大家檢驗，以及交換玩法。

如果你也在用 Claude Fable 5 或 Claude Max，做出了我沒想到的用法，歡迎寫信或留言告訴我，我們互相交流學習。

---

推薦閱讀

Fable 5 駕馭工程 Harness Engineering 實戰提示詞：強化 AI 大腦

Claude Opus 4.7 更新比較：4 大模型企業主怎麼分配最划算

Anthropic 洩漏 Claude Code 原始碼的 3 個警訊，如何看 AI 資安風險

---

參考資料

Anthropic (2026). “Introducing Claude Fable 5 and Claude Mythos 5”

Anthropic (2026). “Plans & Pricing | Claude”

Claude Help Center (2026). “What is the Max plan?”

Claude Platform Docs (2026). “Prompting Claude Fable 5”

Claude Code Docs (2026). “Subagents”

ryoppippi (2026). “ccusage: Analyze your Claude Code token usage from local JSONL files”

---

FAQ