Code with Claude Tokyo 2026：開幕主題演講（第 2/4 段） ☕ Buy me a coffee

🧑‍🏫 這是 Claude 東京開發者大會開場演講的第二段，發表了新模型 Fable 5 和 Mythos 5。講者說明新模型強在哪裡、怎麼防止被濫用，也給開發者建議。這段值得看，是因為它說明 AI 的用法正在改變：以前是交辦一件事，以後可以把一整個目標交給它負責。

• 10:36 模型智慧提升時，它帶來的用例價值會呈指數成長。例如現在的 agentic coding 遠比幾年前單純的 autocomplete 有價值，而 Fable 5 已經展現這個現象
  ↳ 模型變聰明一點，能做的事會多很多。以前的 autocomplete（幫你補完下一行程式）只省打字；現在的 agentic coding（AI 自己規劃、寫、測試程式）能直接交出成品。Fable 5 已經是這樣。
• 10:36 先從 coding 談，因為他們認為大多數開發者會最先在這裡感受到效果。Fable 5 在 Sweepbench Pro（字幕原文拼法）上表現最高
  ↳ 開發者最先有感的是寫程式，所以先講這塊。Fable 5 在一個叫 Sweepbench Pro 的寫程式測驗拿到最高分（名稱照字幕拼法）。
• 11:08 benchmark 本身其實低估了實際差距：任務越長、越複雜、越精細，Fable 和其他所有模型的差距就越大
  ↳ benchmark 是用同一套題目比較各家模型的測驗。講者說分數反而把差距講小了：真實工作越長、越複雜、越要求細節，Fable 和其他模型差得越多。
• 11:08 造成差距的第一個原因是 single-shot correctness：給 Fable 5 一個複雜但定義清楚的問題，它第一次就能做對
  ↳ single-shot correctness 意思是「一次就做對」。問題再複雜，只要講清楚，它第一次就能交出正確結果，你不用一直來回要它改。
• 11:38 早期測試者表示，單一 prompt 就能產出原本需要一群團隊花好幾天、甚至好幾週才能完成的工作
  ↳ 早期試用的人說，只下一個 prompt（給 AI 的指令），它的產出就相當於一整個團隊忙好幾天、甚至好幾週的工作量。
• 11:38 第二個原因是 long horizon autonomy：Fable 5 能針對單一目標連續跑好幾天並全程保持連貫，即使任務橫跨數百萬 tokens 也記得你的規格
  ↳ long horizon autonomy 指 AI 能長時間自己做事而不走偏。Fable 5 能為一個目標連續跑好幾天，處理的內容多到數百萬 tokens（模型計算文字的單位），也不會忘記你一開始的要求。
• 11:38 Fable 5 能派出 subagent，而且比他們過去推出的任何模型都更可靠地讓 subagent 不偏離方向，也更有成本意識
  ↳ subagent 是主 AI 分派出去做子任務的小幫手。Fable 5 分工時，比以前的模型更能讓小幫手不跑題，也更會控制花費。
• 12:10 Fable 5 不只寫 code 厲害，讀 code 更強：更會排查 outage、更會翻 repo 歷史找出什麼東西在什麼時候壞掉，還會主動提出改進建議
  ↳ 看懂別人寫好的程式往往比寫新的更難。它更會排查 outage（服務中斷），能翻 repo（程式碼倉庫）的修改紀錄，找出哪一次改動把東西弄壞，還會主動提改善建議。
• 12:10 coding 以外也有同樣幅度的進步：財務分析、文件、簡報、試算表等企業實際依賴的工作，Fable 5 都能端到端處理
  ↳ 進步不只在寫程式。財務分析、文件、簡報、試算表這些公司天天在用的工作，它都能從頭做到完成，不用人在中間一段一段接手。
• 12:41 它會遵循指示、不超出範圍，產出達到專業等級，因為這是為大規模 workflow 打造的模型
  ↳ 它照你交代的做，不會擅自多做，品質達到專業水準。這是因為它的設計目的是放進 workflow（公司固定的工作流程）裡大量執行。
• 12:41 需求不清楚時表現也更好：交給它雜亂、多線並行的事情，請它判斷下一步，它的表現勝過其他版本的 Claude
  ↳ 現實中的需求常常很亂。把幾件同時在跑、還沒整理好的事丟給它，請它判斷下一步，它比其他版本的 Claude 更會抓重點。
• 13:13 讀圖能力是業界最佳：解讀密集的技術圖片、網頁應用、plots、diagrams、charts 的準確度，遠高於先前任何版本的 Claude
  ↳ 看圖能力業界最強。密密麻麻的技術圖、網頁畫面、plots 和 charts（數據圖表）、diagrams（流程圖或架構圖），它都讀得比以往任何 Claude 更準。
• 13:13 以上講的都是好處，但這種程度的智慧是雙面刃
  ↳ 前面講的都是好處，但這麼聰明的模型也可能被拿去做壞事，好壞是一體兩面。
• 13:44 兩個月前他們推出 Project Glass Wing，只開放 Mythos preview 給一小群合作夥伴，因為它的資安能力強到可能遭濫用
  ↳ 兩個月前他們啟動 Project Glasswing，只讓少數合作夥伴使用 Mythos preview（Mythos 的搶先試用版），因為它的資安能力強到可能被拿去攻擊系統。
• 13:44 之後他們打造了新的 safeguard 系統，讓同樣的智慧能透過 Fable 5 開放給所有人使用
  ↳ 之後他們做了新的 safeguard（安全防護機制），把危險用途攔下來。有了這層防護，同等級的智慧才能透過 Fable 5 開放給所有人用。
• 14:15 運作方式：請求一碰到資安、生物或化學主題，Fable 會把它轉給次強的模型 Opus 4.8；回應會清楚標示，並以 Opus 的價格計費
  ↳ 做法是：問題一碰到資安、生物、化學，就改由能力次一級的 Opus 4.8 回答。回覆會清楚標示是它答的，費用也照 Opus 的價格算。
• 14:15 他們承認這套機制還不完美：在這些領域做合法研究的人有時會被擋下或被轉送，他們會持續改進
  ↳ 他們承認這套機制會誤擋：真的在做合法資安或生物研究的人，有時會被擋下或被轉給 Opus 4.8。他們說會持續改善。
• 14:45 正是這種取捨，讓最強的模型從今天早上起就能開放給所有人使用，而不必再等好幾個月
  ↳ 他們接受偶爾誤擋的代價，換來最強的模型從今天起就能開放給所有人，而不是再關起來等好幾個月。
• 14:45 客戶案例 Rakutin（字幕原文拼法）：在最高 effort level 下，Fable 5 會反思並驗證自己的工作，讓他們得以大規模進行自主的自動化營運
  ↳ Rakutin（字幕拼法）說，把 effort level（讓模型花多少力氣思考的設定）調到最高時，Fable 5 會回頭檢查自己的成果，所以他們敢讓它大規模自動處理營運工作。
• 15:17 客戶案例 Cognition：用他們的前沿 coding 評測 Crunchier bench（字幕原文拼法）測試 Fable 5，拿到他們測過所有模型中的最高分
  ↳ Cognition 用自家高難度的寫程式評測 Crunchier bench（字幕拼法）測 Fable 5，結果是他們測過所有模型裡的最高分。
• 15:17 Cognition 特別提到 Fable 5 的 long horizon reasoning，以及它能直接泛化到不熟悉的工具和複雜的 context
  ↳ Cognition 特別看重兩點：它能長時間推理不斷線，而且碰到沒用過的工具或複雜的 context（任務背景資料），也能直接上手。
• 15:17 客戶案例 Jensen Spark（字幕原文拼法）：Fable 5 在他們的評測中排名第一，正面對決勝過所有測過的模型，在 UI 設計、遊戲 coding 這類最難的任務上最強
  ↳ 在 Jensen Spark（字幕拼法）的評測裡，Fable 5 排第一，和其他模型一對一比較全勝。它在 UI（使用者介面）設計、寫遊戲這類最難的題目上最強。
• 15:48 Mythos 5 和 Fable 5 是同一個底層模型，但解除了 cyber 和 bio 的 safeguard；它比 Mythos preview 更進一步
  ↳ Mythos 5 和 Fable 5 其實是同一個模型，只是拿掉了資安和生物方面的防護限制，能力也比之前的 Mythos preview 更強。
• 15:48 Mythos 5 今天起開放給 Glasswing 合作夥伴，屬於 Project Glasswing 的一部分
  ↳ Mythos 5 今天起先開放給 Glasswing 的合作夥伴，是這個計畫的一部分。
• 16:19 本月稍晚會開始招募更多生命科學研究者使用 Mythos 5，因為讓生物領域有風險的能力，正是 AI 最能帶來實際益處的能力
  ↳ 本月稍晚會讓更多生命科學研究者使用 Mythos 5。理由是：讓 AI 在生物領域有風險的那些能力，正好也是最能實際幫上研究的能力。
• 16:19 講者用 time horizon 這個指標理解這些變化：模型能自主工作多久，才會失去對下一步該做什麼的連貫判斷
  ↳ time horizon 指模型能自己連續做事多久，才開始搞不清楚下一步該做什麼。講者用這個指標來看模型進步了多少。
• 16:49 Fable 5 的 agent 會主動行事，不用別人告訴它該做什麼；它能負責較高層級的目標，也就是需要判斷力、協作和主動品味的職責
  ↳ Fable 5 的 agent（能自己執行任務的 AI）會主動做事，不用人一步一步交代。它能負責比較大的目標，也就是需要判斷、協調和品味的工作。
• 16:49 例一：以前請 Claude 寫專案進度更新，現在可以請 Fable 確保專案整週都照進度走
  ↳ 以前是請 Claude「寫這週的進度報告」，現在可以請 Fable「這週盯著專案，確保照進度走」。從做完一件事，變成負責一個結果。
• 17:21 例二：以前請 Claude 做財務預測，現在可以讓 Fable 負責這份預測，持續更新、迭代、改進，讓它保持準確
  ↳ 以前是請 Claude「做一份財務預測」，現在可以說「這份預測交給你負責」。它會持續更新、修正，讓數字一直保持準確。
• 17:21 指數成長還在持續，所以要為正在出現的能力打造產品，而不只針對現在的模型
  ↳ 模型還在快速變強，所以做產品要瞄準接下來會出現的能力，不要只配合現在的模型做得到的事。
• 17:51 他們預期未來版本的 Claude 會比今天發表的更強，Fable 5 和 Mythos 5 只是那個未來的一瞥
  ↳ 他們預期之後的 Claude 會比今天發表的更強，Fable 5 和 Mythos 5 只是讓大家先看到未來的一小部分。
• 17:51 建議一：為下一版 Claude 設計，而不只為目前這版。一再看到的是，勝出的開發者都讓架構、harness 和產品體驗準備好承接下一次智慧躍升
  ↳ 第一個建議：為下一版 Claude 設計。常勝的開發者會先把系統架構、harness（包在模型外面、提供工具和流程的程式）和產品體驗準備好，模型一升級就能馬上受益。
• 18:23 模型越聰明，靠檔案系統、sandbox 運算環境這類基本 primitive 就能走得更遠，越不需要精密或過度複雜的 harness
  ↳ 模型越聰明，只要給它檔案系統、sandbox（隔離的安全運算空間）這類基本 primitive（最基礎的工具積木），它就能做很多事，不必再搭複雜的外框。
• 18:54 建議二：要做更難的 eval，也要替目前還做不到的體驗做原型。原本不太穩的任務或原型開始成功時，就是推出以前做不到的新東西的訊號
  ↳ 第二個建議：做更難的 eval（評估測驗，檢查模型能不能做好某件事），也先做目前還做不到的原型。原本常失敗的東西開始成功，就是推出新產品的時機。
• 18:54 建議三：節奏越來越快，勝出的團隊會把模型升級的效益發揮到最大，並把升級當成商業機會
  ↳ 第三個建議：新模型推出得越來越快。勝出的團隊會把每次升級的好處發揮到最大，把升級當成新的生意機會。
• 19:25 要讓模型升級變容易：建立自動化 eval 和測試流程，並持續親自測試、挑戰新版 Claude、用它做新東西，藉此判斷新能力是否足以為客戶帶來新體驗
  ↳ 要讓升級變容易，就建好自動化測試，新版一出就能快速驗證。同時也要自己動手試、刁難新版，看新能力夠不夠為客戶做出新體驗。
• 19:56 開發者是最早感受到這些變化的人，可以實驗、打造新產品，最先發現別人還沒看到的新市場機會
  ↳ 開發者最早摸到新能力，可以先實驗、先做產品，比別人早一步看見新的市場機會。
• 20:28 接下來由 Angela 和 Caitlyn 示範 Claude platform 如何實現這些；上台的是 Claude platform head of product Angela Jen（字幕另一處拼作 Jang）
  ↳ 接下來由 Claude platform（讓開發者把 Claude 接進自己產品的平台）產品負責人 Angela Jen（字幕另一處拼作 Jang）和 Caitlyn 示範怎麼做到上面這些。
• 21:04 Angela 的開場故事：昨晚大家睡覺時，某個產品發現自己壞了，它讀了自己的錯誤報告、找到 bug、寫好修正，並推送給所有使用者
  ↳ Angela 開場講了一個情境：昨晚大家睡覺時，某個產品發現自己壞了，自己讀錯誤回報、找到 bug（程式錯誤）、寫好修正，再推送給所有使用者。

根據演講內容，當請求涉及資安、生物或化學主題時，Fable 5 會怎麼處理？