使用 Mythos 级模型的工作体验

Claude Fable 代表了 AI 领域的又一次重大飞跃。

Ethan Mollick 2026年6月9日

我有幸第一时间体验了首个面向公众的 Mythos 级 AI 模型——Claude 5 Fable。关于 Mythos 的讨论大多集中在它对软件安全的影响上，但我测试了除安全之外的所有方面（Fable 的护栏本质上禁止它用于网络安全）。我的结论是：它在我使用过的所有模型中实现了真正的飞跃，更重要的是，它表明我们与 AI 的关系正在发生深刻变革。

Fable 有多强？

在我进行的每一项实验中，Fable 的表现都大幅超越了我使用过的其他公开模型。它能处理多种问题，并产生了一些令人惊叹的结果——它能够连续工作十几个小时来执行多页规格说明。后面我会介绍几个更复杂、更严肃的用例，但你可以看到它在所有任务上的全面改进。问题是，要将这些成果通过一篇文章传达出来很困难，因为许多最令人印象深刻的成果可能只对少数读者有吸引力。例如，它仅通过一次提示和一次反馈，就生成了我所见过的质量最高的 AI 学术社会科学论文。它还创作了一首关于理发的 10 页史诗级押韵诗，其中每个单词都以字母 S 开头。

为了让例子更亲民、更有趣，我还让它创建了一批你可以亲自试玩的游戏。这些游戏都来自 Claude Code 中的一次初始提示——Fable 需要根据我模糊的指令生成可运行的程序，然后我再通过几次额外提示稍加鼓励（比如“做得更好”）或反馈进行调整。特别令人印象深刻的是，Claude 无法生成图像，因此所有的艺术资产和 3D 对象都完全通过数学计算生成，没有使用任何外部资源。你可以试试其中任意一个：一个关于抛硬币的游戏（提示：“Balatro，但用于抛硬币”），相当好玩；一条蛇游戏，蛇有自我意识并会引发疯狂事件；或者一个向下探索深渊并发现真相的游戏。

输出结果确实令人印象深刻。但尤其是在我转向更严肃的项目时，我常常感到使用这个工具既令人愉悦又令人不安。愉悦是因为我只是提出要求，事情就发生了。不安也是因为我只是提出要求，事情就发生了。

地图与方法

要理解为什么，我们需要了解 Fable 是如何完成工作的。为此，我想举一个我之前在许多 AI 模型上测试过的例子：构建等时线地图。这种地图显示在给定时间内可以到达的距离范围，第一张等时线地图诞生于 1881 年，展示了从伦敦出发的旅行时间。

之前没有任何模型能够勉强完成这种地图的构建，因为它需要研究数千条可能的出行距离，并做出大量细微的判断和决策。我决定在 Fable 上尝试，使用 Claude Code 并给出了以下提示：

我希望你构建一个完全经过研究且美观的等时线地图，允许我选择不同城市并基于真实数据查看真正的等时线。我想要独特的设计。你应该考虑机场（以及往返机场的交通时间）、火车、步行、驾车。数据不需要实时，但必须基于你的研究和数据真实可靠。你可以从几个城市开始，但越通用越好，这应该是一个全新的项目。

接着，它建议按照原始地图的风格来实现，我同意了，它便开始工作。

回顾 AI 独自进行的长达数小时的构建会话记录，你会发现一些不寻常的现象。首先，AI 启动了多个其他 AI（我认为主要是更便宜的 Claude Sonnet），帮助它研究旅行时间，最终获取了超过 2200 条具体航班信息、从 TGV 到新干线的铁路时刻表，以及来自多篇学术论文的各国道路速度。在这些智能体运行的同时，它开始编码。然后它又启动了更多智能体和测试来验证自己的代码，并全程记录自己的进展。

结果是一个功能完善且复杂度极高的地图，看起来很像 1881 年的原版，但这并不意味着它完美无缺。我注意到许多偏远地点（如格陵兰）只包含旅行时间的估算值，而非精确数字，所以我让 Fable 修复这个问题，并指示它：“实际获取通往偏远机场和地点的旅行时间。”这次，AI 启动了一个工作流——由对抗性智能体群组进行研究并相互测试结果。它查明了船只前往太平洋皮特凯恩岛的频率，以及如何从渥太华前往格赖斯峡湾。它在极短的时间内消耗了大量的 Token（稍后会详细说明）。

结果令人印象深刻。我又按照自己感兴趣的方向推了几次（包括要求其他可视化方法等）。我建议你花几分钟点击查看结果，并在图表底部阅读其方法和来源。

这或许对你来说不是一个实用的项目，除非你非常喜欢旅行和地图，但它表明 AI 能够解决一个涉及研究、数学、视觉开发、品味、判断、复杂编码等多个维度的难题。令人不安的是，我几乎什么都没做。我给出了一个非常雄心勃勃的指令，AI 就执行了。我给了几条小小的反馈，AI 就自己搞定了。我的作用极其有限。

重要的是，不仅我相对于模型所做的工作量有限，我对模型如何做事、为什么选择特定方法，甚至其结果深入程度的控制也有限。AI 决策的细节没有向我展示，而且过程太长，不值得跟踪。地图需要 AI 对数百个微小的选择做出判断，它就这么做了，而我既不了解这些选择，也没有机会参与。从很多方面来看，这很神奇（我总能在最后要求修改），但从另一方面看，它把 AI 变成了终极黑箱。

与 Mythos 级模型一起工作

我从 Fable 那里得到的最雄心勃勃的项目需要更多说明。我经常做研究，其中人类会给出混乱的回答，而任何分析都需要对这些回答进行正确分类：一个想法有多创新？人们为什么喜欢这本书？为了解决这个问题，我们使用人类研究人员对一条信息做出判断，并统计地将他们的答案与他人进行比较，以确定我们是否能够信任数据。最近大量研究表明，AI 或许能够完成这项重要工作，但校准 AI 和人类的判断一直困难且昂贵。所以我让 Fable 来解决这个问题，它首先生成了一篇复杂的 19 页设计文档，然后执行了它。

它连续工作了九个半小时。

结果是一个极其复杂的软件，AI 称之为 Concord，它可以接收多个数据集，校准人类和 AI 的回答，然后对结果进行复杂的数据分析。同样，它并不完美。作为专家，我能够发现一些错误和遗漏（有些是由于我要求的设计所致），并让 AI 进行修正。但这个项目以及其他许多项目的交付范围，超越了我之前见过的任何东西。在这种情况下，它是一个研究人员多年需要却从未有盈利动力的软件。你现在可以在这里使用或修改代码。我确信它并不完美（我只花了一个小时与结果打交道），但软件工程师可以解决我未能快速发现的剩余潜在错误（这也是我们未来可能需要更多、而非更少程序员的原因之一——帮助应对软件新用途的爆发）。

这种力量伴随着奇异和限制。其中一个限制是 Token 消耗。Fable 的价格是 Opus 的两倍，而且其 Token 消耗速度表明，在实际生产中的成本是“非常高”，尽管它巧妙地将任务委派给更便宜的模型可能大幅降低实际价格。Fable 的安全护栏也过于敏感，一有安全问题的微弱迹象就会触发，默认切换到较弱小的 Claude 4.8 Opus，而且这种情况发生得太频繁。此外，不平坦的前沿仍然存在。例如，AI 仍然以同样奇怪的风格写作（事实上 Fable 生成的软件带有 Claude 的痕迹；它的进度报告也是如此，始终是“承载着重量，赢得答案”）。但更深层的奇异之处在于，我几乎不需要做什么，而且在其执行过程中我几乎看不到什么。

去年我曾将这种工作方式称为与巫师合作：你念出咒语，事情就发生了。有了 Fable，咒语已经强大到让我不再确定自己是巫师。我更接近于一位赞助人。我描述我想要的东西，我为之付费，然后我评判结果。召唤的过程发生在我无法看到的某个地方，在数百个我永远无法投票的小选择中。工作已经从过程转向了结果。我不再操控，而是委托。

可能这种边缘化是暂时的，仅仅是界面尚未跟进的产物，我们将会获得更好的窗口来了解这些模型正在做什么，以及更好的方式在过程中引导它们。也有可能恰恰相反：模型越强大，人类能够有意义地做的事情就越少，而黑箱就是力量的代价。我怀疑后者更可能是真正的方向。这显然不是通常意义上的失控。我仍然可以引导 Fable，它非常出色地遵循指令：指令越雄心勃勃，结果越好。但引导已经不再等同于执行。我向模型简要说明，它启动自己的智能体进行研究、写作和相互检查工作，然后返回的是成品。一个赞助人委托一位艺术家。Fable 更像是一个完整的工作室，而我是那个从未踏入地面却最终签字确认成品质量的客户。