Claude Fable 5 — co potrafi nowy model Anthropica i czy warto się nim interesować

To nie jest zwykły kolejny Claude

Claude Fable 5, udostępniony przez Anthropica 9 czerwca 2026 roku, nie wygląda jak zwykła kolejna aktualizacja rodziny Claude. Firma przedstawia go jako publiczną, zabezpieczoną wersję modelu Mythos 5 — nowej klasy modeli stojącej ponad linią Opus. W praktyce oznacza to jedno: użytkownicy dostają więcej mocy do długich, złożonych zadań, ale bez pełnego otwarcia najbardziej ryzykownych możliwości modelu.

Jeśli więc szukasz prostej etykiety, brzmi ona tak: Claude Fable 5 to najmocniejszy szeroko dostępny model Anthropica, ale z twardymi bezpiecznikami. To ważne, bo właśnie ten balans między możliwościami a ograniczeniami decyduje dziś o tym, dla kogo Fable 5 ma realny sens.

Co naprawdę wyróżnia Fable 5

Anthropic twierdzi, że Fable 5 osiąga najlepsze wyniki w swojej klasie (state of the art) na niemal wszystkich testowanych benchmarkach możliwości AI — i że jego przewaga rośnie wtedy, gdy zadanie staje się dłuższe, bardziej złożone i bardziej samodzielne. To nie jest model budowany głównie pod szybki czat. To model pod sytuacje, w których AI ma planować, pracować na dużym kontekście, korzystać z narzędzi i dowozić wynik w kilku lub kilkunastu krokach.

W oficjalnych materiałach najmocniej przewijają się cztery obszary: inżynieria oprogramowania (software engineering), praca z wiedzą i dokumentami (knowledge work), rozumienie obrazu (vision) oraz wnioskowanie na bardzo długim kontekście (long-context reasoning). Anthropic pokazuje przykłady migracji wielkich baz kodu, analizy dokumentów finansowych, odtwarzania aplikacji ze zrzutów ekranu i pracy na bardzo dużych zbiorach kontekstu z wykorzystaniem pamięci plikowej.

Specyfikacja, która ma znaczenie w praktyce

Na poziomie technicznym publicznie wiadomo sporo. claude-fable-5 ma 1 mln tokenów kontekstu, generuje maksymalnie 128 tys. tokenów odpowiedzi, działa z zawsze włączonym adaptacyjnym myśleniem (adaptive thinking), używa tego samego tokenizera co Opus 4.8, a jego wiedza treningowa sięga stycznia 2026 roku. W zadaniach wizyjnych obsługuje obrazy do 2576 px na dłuższym boku, a API potrafi przyjąć nawet 600 obrazów lub stron PDF w jednym żądaniu.

Jednocześnie część rzeczy pozostaje nieujawniona. Anthropic nie podał publicznie liczby parametrów, pełnej architektury ani treningowej mocy obliczeniowej — szczegółów, które zwykle pojawiają się przy modelach z otwartymi wagami. To ważne, bo Fable 5 jest produktem opisanym bardziej przez swoje zachowanie i pozycjonowanie niż przez klasyczną kartę specyfikacji.

Gdzie Fable 5 ma najwięcej sensu

Najbardziej naturalne zastosowanie to kod. Anthropic podaje przykład Stripe, gdzie Fable 5 miał skompresować miesiące pracy inżynierskiej do dni, a w bazie kodu Ruby liczącej 50 mln linii wykonać migrację, która ręcznie zajęłaby całemu zespołowi ponad dwa miesiące. Do tego firma podkreśla wysoką skuteczność na benchmarkach jakości kodu i długich zadań inżynierskich.

Drugie mocne pole to analityka i dokumenty. Anthropic wskazuje wyniki na benchmarkach finansowych Hebbia i opinie partnerów mówiące o dużych zyskach w rozumieniu dokumentów, tabel, wykresów i wieloetapowej analizie. Jeśli ktoś porównuje modele pod research, inwestycje, prawo, zgodność regulacyjną (compliance) albo analitykę biznesową, Fable 5 wygląda dużo ciekawiej niż model zoptymalizowany tylko pod szybkie odpowiedzi.

Trzeci obszar to rozumienie obrazu. Anthropic twierdzi, że Fable 5 potrafi wyciągać dokładne liczby z gęstych rycin naukowych i rekonstruować kod aplikacji ze zrzutów ekranu. To coś znacznie bardziej konkretnego niż ogólne „model widzi obrazy”.

Największe zalety

Największa zaleta Fable 5 to nie tylko „większa inteligencja”, ale lepsza praca w długim horyzoncie. Anthropic i partnerzy podkreślają mniej tur rozmowy, lepszą samodzielność, sprawniejsze korzystanie z narzędzi i większą efektywność tokenową (mniej tokenów na ten sam efekt). W praktyce to może znaczyć mniej ręcznego „dopchaj, popraw, doprecyzuj” i więcej sytuacji, w których model faktycznie dowozi sensowną pierwszą wersję.

W materiałach premierowych pojawiają się też ciekawe sygnały jakościowe: przebicie 90% na wewnętrznym benchmarku złożonych zadań analitycznych, lepsze wyniki w testach arkuszowych i wyraźne skoki w prototypowaniu aplikacji. Jasne, warto pamiętać, że część tych danych pochodzi od Anthropica lub partnerów testujących model we wczesnym dostępie, ale kierunek jest spójny: Fable 5 ma być modelem do „prawdziwej pracy”, nie tylko do pisania ładnych odpowiedzi.

Ograniczenia, prywatność i bezpieczeństwo

To właśnie tutaj Fable 5 przestaje być uniwersalny. Anthropic wbudował w model nowe klasyfikatory bezpieczeństwa. Jeśli zapytanie dotyczy cyberbezpieczeństwa, biologii, chemii albo prób wydobywania zdolności modelu (destylacja, ekstrakcja rozumowania), odpowiedź może zostać przejęta przez Claude Opus 4.8 albo zakończyć się odmową. Firma przyznaje też wprost, że zabezpieczenia (safeguards) są na starcie dość szerokie i czasem złapią niewinne prośby. Według wczesnych danych Anthropica takie przełączenie zdarza się w mniej niż 5% sesji — w ponad 95% przypadków Fable 5 odpowiada bez przełączania.

Od strony prywatności jest jeden bardzo ważny detal: Claude Fable 5 na API wymaga 30-dniowej retencji danych i nie jest dostępny w trybie zerowej retencji (zero data retention). To nie przekreśla modelu, ale dla części organizacji będzie realnym ograniczeniem wdrożeniowym. Dobra wiadomość jest taka, że dla produktów komercyjnych Anthropic deklaruje, że domyślnie nie używa danych wejściowych i wyjściowych do trenowania modeli, chyba że firma wyraźnie wyrazi na to zgodę (opt-in) w programie partnerskim. W produktach konsumenckich ustawienia są inne: użytkownik może zezwolić na wykorzystanie rozmów do ulepszania modelu, ale czaty incognito nie są do tego używane.

Do tego dochodzi cena. Fable 5 kosztuje 2× tyle co Opus 4.8 na poziomie tokenów. To sprawia, że pytanie nie brzmi tylko „czy jest lepszy?”, ale raczej „czy jest lepszy na tyle, żeby uzasadnić koszt w moim przepływie pracy?”.

Fable 5 kontra GPT-5.5, GPT-4.1, Gemini i Llama

Szybkie zestawienie najważniejszych punktów odniesienia:

Model	Kontekst / maks. długość odpowiedzi	Cena za 1 mln tokenów (wejściowych / wyjściowych)	Najkrótszy wniosek
Claude Fable 5	1 mln / 128 tys.	10 / 50 USD	najmocniejszy publiczny Claude do długiej pracy, z twardymi zabezpieczeniami
GPT-5.5	1 mln / b.d.	5 / 30 USD	aktualny flagowiec OpenAI, omnimodalny i tańszy
GPT-4.1	ok. 1 mln / 32,8 tys.	2 / 8 USD	najtańszy długi kontekst w rodzinie GPT
GPT-4o	128 tys. / 16,4 tys.	2,50 / 10 USD	popularny i tani, ale z krótkim kontekstem
Gemini 3.1 Pro	1 mln / 64 tys.	2 / 12 USD (do 200 tys. tokenów)	najmocniejszy obecny rywal po stronie Google
Llama 4 Maverick	1 mln / —	otwarte wagi, koszt zależy od hostingu	maksymalna swoboda wdrożenia

Zacznijmy od aktualnego flagowca OpenAI. GPT-5.5 (premiera 23 kwietnia 2026) również ma 1 mln tokenów kontekstu i kosztuje 5 / 30 USD za milion tokenów — o połowę mniej za tokeny wejściowe i o 40% mniej za wyjściowe niż Fable 5. To dziś najpoważniejszy bezpośredni rywal: model omnimodalny i rekordzista indeksu Artificial Analysis. Anthropic odpowiada pozycjonowaniem: Fable 5 to publiczna wersja modelu klasy wyższej niż Opus, strojona pod najdłuższe, samodzielne zadania — z bezpiecznikami, których GPT-5.5 w tej formie nie ma. (Szersze tło tej rywalizacji: podsumowanie tygodnia 20–26 kwietnia.)

Na tle GPT-4o Fable 5 wygrywa przede wszystkim kontekstem i pozycjonowaniem pod długie, samodzielne zadania, ale przegrywa ceną. GPT-4o ma 128 tys. tokenów kontekstu i kosztuje 2,50 / 10 USD za 1 mln tokenów, więc dla wielu szybszych i lżejszych zastosowań nadal będzie bardziej opłacalny.

Na tle GPT-4.1 robi się ciekawiej, bo OpenAI też daje około 1 mln tokenów kontekstu, przy niższej cenie i maksymalnie 32,8 tys. tokenów odpowiedzi. Jeśli ktoś patrzy głównie na koszt i długi kontekst w API, GPT-4.1 jest bardzo mocnym punktem odniesienia. Z kolei Fable 5 sprzedaje bardziej narrację o „najtrudniejszej pracy agentowej” i bezpiecznej publicznej wersji modelu klasy Mythos.

Po stronie Google realnym konkurentem jest dziś Gemini 3.1 Pro, a nie PaLM. Warto to powiedzieć wprost, bo w wyszukiwarkach wciąż żyje wiele zapytań o PaLM — a text-bison i chat-bison zostały oficjalnie wycofane 21 kwietnia 2025 roku. PaLM to dziś kategoria historyczna, nie realny wybór produktowy.

A jeśli porównujesz Fable 5 z Llama 4 Maverick, to tak naprawdę porównujesz dwa różne style produktu. Fable 5 jest w pełni zarządzany przez dostawcę (managed), zamknięty i mocno obudowany zabezpieczeniami. Llama 4 Maverick daje bardziej elastyczne wdrożenie: otwarte wagi (open-weight), pobranie modelu, Llama API i ekosystem zewnętrznych dostawców. To dobrze pokazuje, że „najlepszy model” zależy też od tego, czy ważniejsza jest dla ciebie wygoda i bezpieczeństwo, czy kontrola i swoboda wdrożenia.

Trzy prompty, od których warto zacząć

Poniższe przykłady są dopasowane do obszarów, które Anthropic podkreśla najmocniej: długie zadania koderskie, analitykę dokumentów i rozumienie obrazu. Jeśli prompt zahacza o cyberbezpieczeństwo ofensywne, biologię lub chemię, Fable 5 może przełączyć się na Opus 4.8 albo odmówić odpowiedzi.

Prompt do refaktoru kodu

Jesteś staff engineerem prowadzącym migrację dużego repozytorium.
Cel: przeprowadzić migrację z [stara biblioteka] do [nowa biblioteka].
Najpierw:
1. Zmapuj miejsca zależne od starej biblioteki.
2. Podziel migrację na etapy z ryzykiem, rollbackiem i testami.
3. Wskaż, które pliki można zmienić automatycznie, a które wymagają ręcznego review.
4. Zwróć wynik w formacie: plan, lista plików, potencjalne regresje, przykładowe commity.
Jeśli czegoś brakuje, zadaj maksymalnie 5 precyzyjnych pytań.

Prompt do analizy raportu i dokumentów

Przeanalizuj załączone dokumenty i przygotuj memo dla zarządu.
Chcę:
- executive summary w 8 punktach,
- 3 najważniejsze ryzyka,
- 3 główne szanse,
- tabelę: teza / dowód / poziom pewności / brakujące dane,
- rekomendację: działać teraz, poczekać, odrzucić.
Nie streszczaj wszystkiego. Pokaż tylko to, co zmienia decyzję.

Prompt vision do screenshot-to-app

Na podstawie załączonego zrzutu ekranu odtwórz strukturę interfejsu.
Najpierw opisz:
- layout,
- komponenty,
- hierarchię informacji,
- style, które warto zachować.
Potem przygotuj:
- plan implementacji,
- strukturę komponentów React,
- przykładowy kod startowy,
- listę rzeczy niejednoznacznych, które trzeba doprecyzować.
Nie zgaduj, jeśli element jest niewidoczny — oznacz go jako unspecified.

Werdykt

Claude Fable 5 wygląda dziś na jedną z najciekawszych publicznych premier AI roku 2026, szczególnie dla osób, które potrzebują czegoś więcej niż szybkiego modelu do rozmowy. Jeśli tworzysz aplikacje, pracujesz na dużych dokumentach, robisz research albo chcesz zamieniać zrzuty ekranu w działające prototypy, Fable 5 jest modelem, którego nie da się zignorować.

Ale to nie jest model idealny dla każdego. Jest droższy od Opus 4.8, ma mocniej odczuwalne ograniczenia bezpieczeństwa i wymaga pogodzenia się z 30-dniową retencją danych na API. Dlatego najtrafniejsze podsumowanie brzmi nie „to nowy absolutny zwycięzca”, tylko raczej: to najmocniejszy publiczny Claude do długiej, złożonej pracy — o ile twoje zastosowania mieszczą się w jego bezpiecznych granicach.

FAQ

Czy Claude Fable 5 to to samo co Claude Mythos 5?

Nie. Anthropic mówi, że to ta sama baza modelowa, ale Fable 5 ma dodatkowe zabezpieczenia, a Mythos 5 jest dostępny tylko w ograniczonym programie zaufanego dostępu (Project Glasswing).

Czy Fable 5 jest lepszy od Opus 4.8?

Anthropic pozycjonuje Fable 5 jako najmocniejszy szeroko dostępny model, a przewodnik migracji traktuje go jako naturalny krok w górę dla najbardziej wymagających zadań. Jednocześnie Opus 4.8 pozostaje tańszy i pełni rolę modelu zapasowego (fallback) przy treściach objętych zabezpieczeniami.

Czy mogę używać Fable 5 do cyberbezpieczeństwa lub biologii?

W publicznej wersji — tylko w bardzo ograniczonym zakresie. Anthropic kieruje zapytania z obszaru cyberbezpieczeństwa, biologii i chemii do Opus 4.8 lub odmawia odpowiedzi, bo właśnie te domeny uznano za zbyt ryzykowne dla szerokiego wydania.

Ile kosztuje Fable 5 i gdzie jest dostępny?

Cena publiczna to 10 USD za milion tokenów wejściowych i 50 USD za milion tokenów wyjściowych. Model jest ogólnie dostępny w Claude API, Amazon Bedrock, Google Vertex AI i Microsoft Foundry; w płatnych subskrypcjach Claude jest włączony bez dopłaty do 22 czerwca 2026, a od 23 czerwca ma przejść na kredyty zużycia (usage credits), o ile Anthropic nie przedłuży tego okna.

Czy Fable 5 nadaje się do danych wrażliwych?

Dla zastosowań komercyjnych Anthropic deklaruje, że domyślnie nie trenuje na danych wejściowych i wyjściowych, ale Fable 5 na API wymaga 30-dniowej retencji i nie wspiera zerowej retencji danych. Jeśli prywatność jest krytyczna, ten warunek trzeba ocenić przed wdrożeniem.

Źródła: Anthropic (anthropic.com) — oficjalne ogłoszenie Claude Fable 5 i Mythos 5, dokumentacja modeli, przewodnik migracji i polityki retencji danych. Prasa: Reuters, The Verge, Ars Technica, TechCrunch. Stan na 9 czerwca 2026.