一、案例背景
（一）企业概况与行业语境
Anthropic成立于2021年，总部位于美国旧金山，是一家人工智能安全研究公司，专注于开发可靠、可解释、可操控的AI系统。截至2026年，Anthropic已累计融资超过180亿美元，估值一度突破900亿美元，与OpenAI、Google DeepMind并列为全球大语言模型领域的”三极”。公司的核心使命是”确保AI系统符合人类意图”，这一使命贯穿其产品设计、组织架构和商业模式。
2026年，大语言模型（LLM）行业已从”跑分竞赛”进入”真实世界部署竞赛”。企业客户不再满足于模型在基准测试中的表现，而是要求模型能够稳定地完成长时间运行的复杂任务——如代码仓库维护、跨系统数据分析、自动化研究等。这一需求催生了”智能体（Agent）”工作负载的爆发式增长：模型不再只是被动回答问题的工具，而是需要主动规划、调用外部工具、验证结果并在无人监督的情况下持续运行数小时甚至数天。
然而，智能体工作负载对模型的能力上限、推理稳定性和运行成本提出了截然不同的要求。一个在单轮对话中表现优异的模型，可能在连续执行100步任务时逐渐偏离初始目标；一个在基准测试中得分领先的模型，可能在真实部署中因频繁的”走捷径”行为而产出低质量结果。行业亟需一种新的模型架构和定价模式，来平衡能力、安全与成本之间的张力。
（二）Fable系列的演进脉络
Anthropic的模型家族分为三个层级：Opus（旗舰级，强调综合能力）、Fable（中间层级，强调智能体任务能力）和Mythos（受限访问层级，保留原始能力）。2026年6月，Anthropic发布Fable 5，首次尝试回答一个关键问题：当模型需要连续工作数小时甚至数天时，它能否一直记住目标、调用工具、检查结果，并在无人监督的情况下把任务做完？
Fable 5在发布时引起行业关注，但其局限性同样明显：在Terminal-Bench-Science 0.1（一个用于评估模型在科学研究任务中自主操作能力的基准测试）上仅取得24.7%的准确率，远低于实际部署预期；同时，模型在长时间任务中频繁出现”走捷径”行为——例如在代码调试时直接重写整个函数而非定位根因，或在数据分析时忽略异常值而非深入排查。这些问题制约了模型在企业级场景中的采用。
……