在 Claude Cowork 中使用 Claude Fable 5 改变了委派的含义

Anthropic 正将在 Claude Cowork 中使用 Claude Fable 5定位为处理复杂工作的最强选择，这些工作可以持续数小时甚至数天。该模型必须手动选择，而 Claude Sonnet 5 仍是大多数 Cowork 会话的标准选择。

这一细节揭示了此次发布背后的真正张力。Anthropic 并未用 Fable 5 取代其日常模型，而是要求用户判断一项任务何时值得投入更强的智能、更长的执行时间和更多的资源消耗。

Fable 5 于 2026 年 6 月 9 日推出，三天后因一场涉及网络安全防护措施的争议而下线，并于 7 月 1 日在全球恢复上线。因此，与普通的模型升级相比，它进入 Cowork 的历程背负着更多争议。

这最终成为对智能体 AI 的一次考验——这类软件不仅回答问题，还会通过规划并采取行动来实现目标。Fable 5 提供了更高的自主性，但用户也必须接受更高的用量、更严格的防护措施以及后果更严重的失败。

在 Claude Cowork 中使用 Claude Fable 5 需要慎重选择

Anthropic 将 Fable 5 设为 Cowork 中的升级选项，而不是每项任务的默认模型。

用户首先打开 Cowork，然后通过模型选择器选择 Fable 5。如果不进行任何操作，Cowork 可以使用默认模型，该模型更适合常见文档、摘要和常规工作流。

这一区别反映了 Anthropic 更广泛的模型策略。Sonnet 5 负责处理注重速度和资源效率的高频任务。Fable 5 则面向需要持续推理、反复使用工具以及跨多个步骤进行协调的项目。

Anthropic 将 Fable 5 描述为其目前公开提供的最强大模型。该公司表示，它专为高难度知识工作、编程、视觉、计算机操作以及长期运行的智能体会话而设计。

实际上，这意味着当工作本身存在不确定性时，用户应选择 Fable 5。该模型应当调查证据、协调相互冲突的材料、检验结论，或随着新信息出现而重新调整计划。

总结一份文档的请求通常不需要这种处理方式。要求检查数百份文档、找出其中的不一致之处并提出有依据的建议，则可能需要。

Cowork 为模型提供执行环境。其智能体架构可以规划任务、运行代码、协调并行工作流、浏览已连接的数据源，并生成供审核的文件。

Fable 5 提供推理层，旨在让这一环境在处理要求更高的任务时保持高效。Anthropic 表示，该模型可以进行跨阶段规划、向子智能体分派任务，并检查自己的工作。

这种组合非常重要，因为仅靠模型智能无法完成一个项目。一个有效的智能体还需要工具、可访问的上下文、权限、持续执行能力以及对预期输出的明确定义。

这正是在 Claude Cowork 中使用 Claude Fable 5 与选择一个更智能的聊天机器人有所不同的原因。用户是在将一个结果委派给能够与文件和应用程序交互的系统。

因此，最佳的起始提示词更像是任务简报，而不是问题。它们应明确预期交付成果、可信来源、相关文件、审批边界以及评估结果的标准。

尽职调查任务就是一个很好的例子。用户可以提供合同、财务报表、政策文件、会议记录以及一份关注事项清单。

随后，Fable 5 可以制定调查计划，将审查工作的不同部分分配给子智能体、比较调查结果，并汇总成最终报告。用户只需审核输出及其支持证据，而不必监督每一个中间步骤。

深度研究也遵循同样的模式。一个范围明确的 Cowork 任务可以要求 Claude 收集资料来源、区分已确认的事实与主张、质疑其初步假设，并生成一份带引用的简报。

Anthropic 的 Fable 概览明确将深度研究、分析、文档密集型工作以及可直接提交审核的交付成果列为目标用例。这些工作的执行路径往往无法总是提前确定。

然而，Fable 5 并没有消除清晰指令的必要性。更强大的推理能力既可以消除不确定性，也同样可能将一项模糊任务扩展到用户不希望涉及的方向。

用户应明确规定 Fable 可以访问哪些内容、哪些操作需要批准，以及完成的交付成果必须包含什么。自主性越高，精确边界的价值就越大。

此次升级的重点是持久执行能力，而不是更好的初稿

Fable 5 的价值体现在任务必须长时间应对复杂性时，而不是用户只想获得一段润色得更好的文字时。

传统的 AI 交互将用户置于执行闭环之中。模型生成答案，用户发现缺漏，然后通过另一个提示词开始下一步。

这种结构适用于头脑风暴、改写、简短分析和直接提问。当项目涉及多个应用程序、文档、格式以及多轮验证时，它就会变得低效。

Cowork 通过让模型在收到初始请求后继续工作，改变了这一闭环。远程会话可以在用户合上笔记本电脑后继续运行，而计划任务则可以在设备不保持在线的情况下执行。

长期运行的工作对模型的考验不同于简短的基准测试问题。智能体必须保持目标一致、从失败的方法中恢复、跟踪未完成的任务，并避免让早期错误不断累积。

Fable 5 是 Anthropic 对这一问题的解决方案。该公司表示，它能够持续执行以前的模型无法可靠完成的多阶段项目。

这一说法尚未在所有知识工作类别中得到独立验证。尽管如此，Anthropic 的产品设计仍然体现了该公司认为 Fable 与 Sonnet 的区别所在。

Sonnet 5 仍然是处理可预测工作流的实用选择。当任务存在多条看似可行的路径，并且需要判断应该采用哪一条时，Fable 5 才会体现出价值。

以一份每周业务报告为例，它每次都使用相同的数据源和模板。一旦工作流能够可靠运行，Sonnet 可能就足以完成重复执行。

现在再考虑一项调查：为什么这些指标突然出现分歧？这项任务需要搜索常用数据源之外的信息、检验不同解释，并判断哪些异常值得关注。

Fable 的价值体现在第二项任务中。输出结果较少依赖遵循固定程序，而更多依赖在不确定的问题中探索前进。

这一区别可以避免一个常见错误。用户往往将前沿模型等同于普遍更好的结果，随后在速度更快的模型也能完成的工作上消耗额外用量。

Anthropic 承认，Cowork 本身消耗的用户用量额度就高于普通聊天。复杂任务需要更多 token，因为系统需要进行规划、调用工具、读取材料并修改输出。

Fable 5 又增加了一个需要谨慎选择的理由。当错误、遗漏证据或浅层分析会带来高昂代价时，其更深入的推理能力才最有价值。

常规格式化任务无法从长时间思考中获得太多收益。基于相互冲突的内部记录开展战略审查则可以。

因此，正确的问题并不是 Fable 5 是否优于 Sonnet 5，而是这项任务是否能从开放式调查和长时间执行中获益。

由此可以建立一套简单的分流规则：

• 当预期结果可以通过几轮对话生成时，使用 Chat。

• 当工作流包含多个步骤但具有较高可预测性时，使用搭载 Sonnet 5 的 Cowork。

• 当系统必须调查、调整或验证复杂工作时，使用搭载 Fable 5 的 Cowork。

• 当结果会影响法律、财务、安全或人事决策时，应让人工审核者参与其中。

这种分流模式对于构建可重复 AI 工作流的组织同样重要。团队可以在探索流程时先使用 Fable，然后将稳定的部分迁移到资源消耗较少的模型上。

这种方法将 Fable 同时视为执行者和工作流设计者。它可以探索流程中最困难的部分，然后团队再将成功路径转化为重复执行的任务。

知识工作者仍然需要访问可靠的源材料。个人 AI 知识库可以帮助保存智能体开展有依据的工作所需的文档、笔记和过往决策。

如果没有这些上下文，即使是先进的模型也必须推断缺失的细节。最终结果可能看起来很完整，却建立在用户从未预期的假设之上。

Fable 5 在完成工作方面向 OpenAI 和 Google 施压

Anthropic 正围绕完整交付成果展开竞争，而更广泛的 AI 市场仍然侧重于对话、生成内容和孤立的智能体功能。

如今，主要的竞争分界线已不再是一个模型与另一个模型之间的基准测试得分，而是对话式辅助与委派式执行之间的差异。

OpenAI、Google、Microsoft 和其他厂商都已开发出能够浏览网页、分析文件、编写代码或操作计算机的系统。Anthropic 的 Cowork 战略则围绕一项知识工作任务，将这些行为整合在一起。

这种整合方式改变了用户比较产品的标准。如果另一个系统能够生成电子表格、演示文稿、研究简报或整理好的文件夹，那么仅仅提供高质量答案已经不够。

Claude Cowork 可以读写文件、访问已连接的应用程序、协调子智能体并支持计划执行。Fable 5 提升了 Anthropic 所宣称的这一环境能够处理的最高复杂度。

压力最直接地落在那些要求用户手动在 AI 与办公软件之间传递输出的产品上。每一个复制粘贴步骤都会让人工继续留在操作闭环之中。

相比之下，Cowork 要求用户描述预期结果。智能体会确定许多中间步骤，并返回一个供审批的完整成果。

这是一个极具吸引力的承诺，但演示效果与可靠工作之间仍然存在巨大差距。一份精美的演示文稿仍然可能包含缺乏说服力的建议或错误核对的数字。

因此，竞争优势将取决于验证能力、可追溯性以及从错误中恢复的能力。模型质量固然重要，但周围的产品决定了用户能否信任结果。

Anthropic 针对这一问题构建了多项控制措施。Cowork 会显示进度，允许用户引导正在执行的任务，并要求用户在永久删除文件前明确授权。

项目可以保留各自的文件、指令、链接和记忆。这让重复执行的工作能够拥有稳定的上下文，同时不会自动让每项任务接触无关信息。

Cowork 还可以协调并行运行的子智能体。其中一个可以检查财务记录，另一个则审查合同，随后再通过一个步骤比较它们的发现。

并行工作可以缩短所需时间，但也会带来编排风险。子智能体可能以不同方式理解指令、重复工作，或依据不一致的证据得出结论。

因此，Fable 5 不仅要生成更好的单独回复，还必须正确分配工作、发现矛盾，并判断何时需要重新处理某项子任务。

Anthropic 早期发布的合作伙伴声明描述了长周期编码和自主操作方面的改进。这些用户证言提供了有用的信号，但仍属于经过筛选的客户反馈，而非独立评估。

周边市场也存在其他实现智能体式工作的途径。一些组织会通过 API 组建专用智能体，另一些组织则会依赖深度整合企业数据的生产力套件。

Cowork 的优势在于易用性。知识工作者无需构建智能体框架或打开终端，就能委派一个项目。

它的劣势在于，通用性可能掩盖重要的工作流假设。专门构建的法律、财务或研究系统或许会强制执行特定领域的检查，而通用智能体可能缺少这些检查。

Anthropic 正通过插件、连接器、技能和项目指令作出应对。这些组件让组织能够围绕既定流程和获准使用的信息源来定制 Cowork。

竞争最终将取决于这些系统处理异常情况的能力。可预测的演示很容易优化，而真实的工作场所项目往往包含缺失的文档、模糊的职责归属和相互冲突的要求。

Fable 5 为 Anthropic 提供了一个更强大的引擎来应对这些异常情况。但这并不能保证 Cowork 拥有足够的组织背景信息来正确解决它们。

模型切换暴露了完全自主的局限

Cowork 会话可以从 Fable 5 开始，但一旦 Anthropic 的安全系统标记相关上下文，就可能在不知不觉中转而依赖另一个模型。

由于 Fable 5 在网络安全、生物学及其他敏感领域的能力，Anthropic 对其实施了更广泛的安全防护。这些检查所审查的内容不止是用户最新的提示词。

它们可以检查文件、连接器内容、网页结果、记忆以及会话期间可用的其他材料。因此，一项无害的任务也可能因为智能体遇到的信息而触发安全防护。

Anthropic 表示，启用自动切换后，被拦截的 Fable 请求可以使用 Claude Opus 4.8 重新运行。界面会显示通知，回复也会标明生成该内容的模型。

此后，模型选择器会在后续请求中保持为 Opus，除非用户手动切换回来。这一行为适用于包括 Cowork 在内的所有 Claude 产品。

这种机制限制了对 Fable 最敏感能力的访问，但也使一致执行的承诺变得更加复杂。一个长周期项目可能会在不同阶段使用不同模型。

用户不能假定已完成交付成果的每个部分都经过了 Fable 级别的推理。他们需要查看模型切换通知，并了解哪些步骤被重新路由。

这一问题无法与 Fable 的发布历史分开讨论。Anthropic 于 6 月 9 日发布该模型，随后因与网络安全问题相关的美国政府限制，于 6 月 12 日暂停了访问。

在 Anthropic 推出更新后的安全分类器后，访问权限于 7 月 1 日恢复。该公司表示，该分类器针对已报告的行为，并将被拦截的请求路由至 Opus 4.8。

Anthropic 还表示，引发争议的行为并非 Fable 独有的能力。其重新部署声明称，其他多个模型也能识别相同的漏洞，并复现被引用的漏洞利用演示。

这一事件体现了一个重要的权衡。Fable 的价值来自其处理困难材料并进行推理的能力，但也正是这些能力促使 Anthropic 对某些类别实施更严格的限制。

误报是其中一个后果。生物技术市场研究、医疗文档分析或防御性安全项目可能包含触发安全防护的术语。

备用模型或许仍能完成任务。然而，用户选择 Fable，正是因为该任务据称需要 Anthropic 面向公众提供的最高级别能力。

这种不确定性在 Cowork 中比在聊天中更为重要。被拦截的聊天回复会立即显现，而长周期智能体任务可能包含许多隐藏的决策和工具调用。

用户应监控重要会话，而不是将后台执行视为盲目委派。他们应在接受具有重大影响的结论之前，检查进度、模型通知、引用和最终成果。

据 Anthropic 称，出于安全监控目的，Fable 5 还要求保留数据 30 天。当组织规划涉及敏感内部文档的工作流时，这一条件值得关注。

安全风险不只来自模型防护机制。Cowork 可以读取文件、浏览网站、运行代码，并通过已连接的应用程序执行操作。

Anthropic 的 Cowork 安全指南建议限制智能体可以查看的内容，并控制它可以更改的内容。写入权限比读取权限风险更高，因为错误会影响真实系统。

提示词注入还会带来另一个问题。隐藏在网页或文档中的恶意指令可能试图让智能体偏离用户的目标。

Anthropic 表示，Cowork 会筛查操作并提供审批模式，但同时也警告，没有任何防御措施是绝对可靠的。敏感工作仍需要受限访问和人工监督。

一种实用的设置方式是将研究与执行分开。先让 Fable 收集并分析信息，然后在其发送消息、编辑系统或修改重要文件前要求审批。

用户还应要求提供证据日志。每项重要结论都应标明其来源、不确定性，以及影响建议的所有假设。

这种做法无法消除模型错误，但可以让用户在错误扩散至最终决策之前更容易发现它们。

最适合 Fable 5 的任务在中间环节存在不确定性

当用户知道所需结果，却无法预先规定实现结果所需的每一步时，Fable 5 才能充分体现其价值。

Anthropic 自己的 Cowork 指南将问题与交付成果区分开来。Chat 负责解释和快速起草，而 Cowork 负责涉及多个输入、应用程序、文件或重复步骤的项目。

Fable 进一步缩小了这一类别。它应当处理那些需要调查、调整或持续判断才能完成交付成果的任务。

深度研究是最典型的例子。用户可以要求 Fable 根据官方文档、可信报道、内部文件和相互竞争的解读来制作简报。

该模型可以将主题拆分为不同研究方向、收集证据、比较主张，并修正其初始框架。最终报告可以包含引用和尚未解决的问题。

尽职调查也是合适的应用场景。Fable 可以审查文档集，查找缺失条款、相互矛盾的数字、异常义务，以及需要专家进一步审查的问题。

该模型不应作出最终的投资或法律决定。它可以缩小搜索范围，并向审查人员指出需要深入关注的部分。

复杂规划同样适用。产品团队可以提供客户访谈、支持工单、使用数据、路线图和以往决策。

Fable 可以梳理反复出现的需求、识别不同信息源之间的分歧，并起草有证据支持的建议。随后，审查人员可以直接质疑其推理，而无需亲自收集材料。

第四类场景是工作流探索。团队通常知道某个结果很重要，却从未记录过产出该结果的流程。

Fable 可以尝试执行工作、记录步骤、识别缺失信息，并提出一套可重复的流程。工作流稳定后，未来的运行可以交给更简单的模型处理。

这一模式尤其适用于周期性报告。第一个版本可能需要对信息源选择、计算规则和呈现方式进行大量推理。

后续版本则会变得更加可预测。定时 Cowork 任务可以运行既定工作流，而只有在流程遇到异常时才重新启用 Fable。

用户应避免向 Fable 分配范围宽泛却无法评估的目标。“分析我们的公司”没有为智能体提供明确的边界或完成标准。

更完善的任务会明确决策目标、受众、证据要求、排除项和输出格式，同时仍允许调查路径保持开放。

例如，可以要求 Fable 使用指定时间段内获准使用的数据，判断客户续约率下降的原因。输出可以要求提供三个有证据支持的解释，以及一份缺失证据清单。

这种提示词定义了成功标准，却没有规定每一次查询或计算。Fable 保留了探索空间，同时用户仍能控制范围。

良好的任务还会告诉模型何时停止。如果没有终止条件，智能体可能会不断收集价值有限的信息。

停止规则可以要求多个独立信息源达成一致、完成清单中的每一项，或明确指出尚未解决的缺口。

对于影响重大的任务，用户应要求设置中间检查点。Fable 可以在开始前展示研究计划，然后在完成证据收集后暂停，再生成建议。

这种结构能够及早发现范围错误，也能防止错误假设影响后续数小时的工作。

最终审查应同时检验内容和来源依据。一项陈述听起来可能合情合理，但其引用的信息源未必能支持该陈述。

审查人员应检查影响重大的主张、计算、排除项和建议。他们还应确认智能体使用了预期的文件和日期范围。

Fable 的自检能力可以协助这一过程，但该模型不能成为自己唯一的审计者。产生错误的同一种推理模式，也可能在审查期间忽略该错误。

独立检查仍然不可或缺。第二个模型、确定性计算、领域专家或信息源级别的审计，都可以从不同角度质疑结果。

三个信号将表明 Fable 5 是否会改变知识工作

接下来的考验不是 Fable 能否再次赢得基准测试，而是人们是否会反复信任它完成的工作。

第一个信号是 Cowork 内部可衡量的采用情况。Anthropic 要求用户手动选择 Fable 5，这为检验用户能否识别值得使用该模型的任务提供了一个有效方式。

频繁选择将表明市场对更深入的自主工作存在需求。选择次数有限则意味着 Sonnet 可以处理大多数任务，或者 Fable 的使用要求超过了它带来的收益。

重要指标不是原始会话数量。Anthropic 需要证明，Fable 能以更少的干预、更少的重启次数或更高的接受率完成更长周期的项目。

第二个信号是安全防护的精准度。Anthropic 当前的系统可以将敏感请求或被意外标记的请求重新路由至 Opus 4.8。

减少误报将增强 Fable 在研究密集型行业中的适用性。持续发生模型切换则会削弱其在生物学、网络安全、医疗保健及其他文档密集型领域的实用性。

透明度同样重要。企业买家会希望获得清晰的记录，说明每一步由哪个模型处理、哪些内容触发了切换，以及这种变化如何影响结果。

第三个信号是竞争对手的回应。OpenAI、Google 和 Microsoft 无需复制 Cowork 的界面，但它们必须回应用户对委派成果的同类需求。

值得关注的是，那些能够持续远程工作、协调专用智能体、安全使用公司文件，并返回附有可追溯证据的可编辑交付成果的系统。

一个可信的竞争对手还需要提供权限、模型路由、监控和恢复控制。缺乏治理的自主执行无法满足谨慎型组织的要求。

Anthropic 的押注是，其最强大的公开模型应当置于一个能够采取行动的工作空间中，而不应仅仅局限在聊天窗口里。Fable 5 让这一构想变得更加雄心勃勃，也更加难以验证。

对于知识工作者而言，眼下要采取的行动很明确。选择一个范围有限的项目，其中包含多个信息来源、清晰的交付成果，以及一个你有把握评估的结果。

先使用 Sonnet 5 运行该项目，然后再使用 Fable 5 重复处理其中的困难部分。比较人工干预次数、遗漏的证据、推理质量、完成时间，以及所需的纠正工作量。

如果在 Claude Cowork 中使用 Claude Fable 5 能够可靠地减少监督，同时不会掩盖更多错误，它就会产生重要价值。这一结论将来自实际完成的工作，而非发布时的宣传。