Claude Fable 5 在工程接入上最反直觉的一点，是它的扩展思考（extended thinking）始终开启、不可关闭。你拿不到一个"纯直答"的 Fable 5，思考是它的固有工作方式。这听起来像是失去了一个开关，但实际上 Anthropic 把控制权换了个维度交还给你——用 output_config.effort 调节思考的深度与开销。本文聚焦这一对机制：始终思考意味着什么、effort 怎么用、以及如何在深度和成本之间找到合适的平衡点。

始终思考：不是开关，而是前提

在一些上一代模型里，扩展思考是个可选项，你可以为了省 token 或降延迟把它关掉。Fable 5 不行。思考是默认且不可关闭的前提条件。

这背后的取向很清晰：Fable 5 被设计为一个"会先想再答"的模型，它在难任务上的优势恰恰来自这段推理过程，强行关掉等于废掉它的核心能力。所以正确的心态不是"怎么把思考关了省钱"，而是"针对这个任务，我该让它想多深"。

一个直接的工程后果是：难任务上 Fable 5 的单轮推理可能跑数分钟。调用方必须把超时阈值、流式等待、用户侧的进度反馈都按"它会思考很久"来设计，不能套用过去几秒内返回的假设。

effort：把思考深度变成一个可调参数

你能控制的是思考投入多少，通过 output_config.effort 设置，取值为 low / medium / high / xhigh / max 五档。档位越高，模型投入的思考越深、消耗的 thinking token 越多，单次调用也越贵越慢。

1
2
3
4
5
6
response = client.messages.create(
    model="claude-fable-5",
    max_tokens=8192,
    output_config={"effort": "medium"},
    messages=[{"role": "user", "content": "..."}],
)

需要强调的是，在 Fable 5 上 effort 的影响比以往更大。它不是一个"调了也看不出区别"的微调旋钮，而是会实质性改变行为质量和成本结构的关键参数。同一个任务，从 low 到 max，你看到的可能是从"勉强应付"到"稳定做对、但贵很多"的区别。正因为影响显著，它也更值得针对任务类型专门调试，而不是全局写死一个值。

怎么选 effort：按任务难度分层

没有放之四海皆准的最佳档位，合理的做法是按任务难度分层：

  • 简单、高频、格式化任务（分类、抽取、短改写）：用 low 或 medium。这类任务不需要深推理，高 effort 只是白白烧钱拖慢响应。
  • 中等复杂任务（多步推理、带约束的生成）：high 通常是性价比拐点。
  • 困难、高价值、长程任务（复杂代码、深度分析、自治 agent 的关键决策）：xhigh 或 max。这里一次想对的收益远高于成本，省思考反而是亏的。

换句话说，effort 的选择本质是一道 ROI 题：思考越深，单次越贵，但试错和返工越少。把高 effort 留给"做错代价大"的环节。

成本：effort 之外，还有分词器和定价两重放大

谈 effort 的成本平衡，绕不开 Fable 5 的两个底层变化，它们会放大每一档 effort 的实际花费。

第一是定价本身偏高：输入 $10 / 百万 token，输出 $50 / 百万 token，明确高于 Opus 档。而 thinking token 属于产出侧的开销，effort 越高，这部分越大。

第二是新分词器。Fable 5 换了分词器，同样内容的 token 数比 Opus 档约多 30%。这意味着你过去对"一段内容大概多少 token、大概多少钱"的直觉全部失真，且是系统性偏高。

两者叠加，effort 提升带来的成本增长会比你凭经验预估的更陡。所以在为某个任务定 effort 之前，建议用 count_tokens 对真实负载实测 token 量，再结合定价把"low vs high"的真实成本差算出来，而不是拍脑袋。

1
2
3
4
5
6
# 实测真实负载的 token 数，再据此估算不同 effort 的成本
count = client.messages.count_tokens(
    model="claude-fable-5",
    messages=[{"role": "user", "content": payload}],
)
print(count.input_tokens)

受保护思维链：你调了深度，但看不到过程

这里有个和 effort 直接相关的约束需要交代：Fable 5 的原始思维链永不返回。无论你把 effort 调到多高，API 给你的都只是思考摘要（display: "summarized"），拿不到逐字的内部推理。

由此引出多轮场景的硬性要求：与同一模型多轮对话时，必须把上一轮返回的 thinking block 原样回传，不要丢弃或改写。这一点在搭建会复用上下文的 agent 时尤其关键——你看不到完整思考，但模型需要它来延续推理，缺了会导致行为异常。

refusal：高 effort 也救不了被分类器拦截

最后提一个和"想得深不深"无关、但同属响应处理的要点。Fable 5 的安全分类器可能拒答，返回 HTTP 200 加 stop_reason: "refusal"，主要针对生物、网络安全等高风险领域。这与 effort 无关——再高的思考深度也不会绕过安全拦截。

处理上要先判 stop_reason 再读 content，必要时回退到 claude-opus-4-8：

1
2
3
4
5
6
7
resp = client.messages.create(
    model="claude-fable-5",
    output_config={"effort": "high"},
    ...
)
if resp.stop_reason == "refusal":
    resp = client.messages.create(model="claude-opus-4-8", ...)

总结

Fable 5 把"要不要思考"变成了既定前提，把"思考多深"交给 effort——而真正的工程功力，在于结合任务难度、偏高的定价和约多 30% 的分词器开销，为每类任务选出那个既做得对又不浪费的档位。