刚刚，Claude Fable 5又拿第一了，这次是“断层式”碾压！

TL;DR：

Claude Fable 5在MirrorCode编程评测中以64%的成功率断层登顶，把第二名GPT-5.6 Sol（24%）远远甩开。更夸张的是，换到冷门语言Ada，它的成绩只从64%降到61%，说明它不是在背答案，而是真正理解了项目。AI编程已经卷到了项目级交付，人类工程师，你们怕了吗？

刚刚，MirrorCode排行榜刷新，Claude Fable 5再次登顶，而且这次不是险胜，是降维打击——64%的绝对成功率，直接打出断层。¹

被压在身下的对手有多惨？第二名GPT-5.6 Sol只有24%，还不到Fable 5的三分之一。第四名GPT-5.5更惨，只有10%，甚至被自家前辈GPT-5.4（21%）按在地上摩擦。¹

这到底是什么神仙榜单？MirrorCode可不是普通的编程题集，而是一个专门逼AI“从零造项目”的极限测试。模型被关进隔离环境，没网、没源码、没第三方依赖，只有一份高层文档、一部分可见测试，和一个可以反复调用的原程序。它得不断给原程序喂数据、看输出、猜逻辑，然后自己写出一套行为完全一致的新程序。¹

而且，所有可见测试和隐藏测试必须100%通过，99.9%都不行。只要漏掉一个边缘案例，整次运行就算失败。¹

为了逼模型补上最后几个缺口，比赛直接上狠活：单次预算100亿Token，最长能连跑7天。论文里最贵的一次任务，模型连续跑了19天，花了2600美元。¹

比如一个叫gotree的生物信息学工具——约1.6万行Go代码、40多个命令。Claude Opus 4.7用了14小时和251美元，通过了2001项测试中的2000项，完成度99.95%。但还是漏了一个处理日期注释的冷门边界，被100%通关线无情拦下。¹

不过，人类工程师干这活要多久？Epoch估计，至少2到17周。¹ 虽然AI没拿满分，但把按周计的工作压进了十几个小时——这效率，就问你怕不怕？

语料荒漠里的“真学霸”

更让人惊掉下巴的是Fable 5的跨语言表现。拿公开训练数据作参考，Python语料大约是Ada的230倍。按理说，如果模型主要靠记住热门语言的语法来写代码，换成冷门语言Ada，成绩应该断崖式下跌才对。¹

但Fable 5在Go语言上解出率64%，换成Ada仍然高达61%，只降了3个百分点。¹

这说明了什么？它根本没有在逐句翻译，而是先摸透原程序的工作逻辑，再换一门语言把相同的行为重新造出来。这就是真正的工程思维，而不是记忆复现。¹

相比之下，其他模型就没这么稳了。GPT-5.6 Sol从24%降到19%，GPT-5.4从21%降到12%，GPT-5.5从17%掉到5%。语言一换，谁在裸泳一目了然。¹

独立评测也印证了这一点：在SWE-Bench Pro上，Fable 5拿下80.3%，而Opus 4.8是69.2%，GPT-5.5只有58.6%。² 在更硬的FrontierCode Diamond上，差距直接翻倍——Fable 5达到29.3%，Opus 4.8仅为13.4%。²

技术圈里有句话糙理不糙的说法：学霸不仅会做题，还能用中英文各做一遍；学渣换了语言就抓瞎。

从“写代码”到“造项目”，交给AI的单位变了

MirrorCode的64%之所以震撼，是因为它量化的不是代码片段，而是完整的软件项目。现在，交给AI的单位已经从一段代码、一个bug，变成“一个下午”、“一周”甚至“整个项目”。¹

Cursor已经让数百个Agent协作近一周，从零写出超过100万行、分布在1000个文件里的浏览器代码；Anthropic则让16个Claude Agent并行跑了近2000次会话，最终搭出一套10万行、能够编译Linux 6.9内核的C编译器。¹

OpenAI披露的Codex个人用户样本中，70.2%至少提交过一次预计超过一小时人类工作量的任务，25.6%提交过超过八小时的任务。¹

还有更极端的例子：Stripe在自己5000万行的Ruby代码库里测试，Fable 5一天就搞定了团队原本要两个月才能完成的迁移工作。³ 虽然Fable 5价格不菲——它的定价大约是Opus 4.8的五倍²——但贵有贵的道理。³

Anthropic的产品定位也说明这点：Fable 5隶属于新推出的“Mythos”层级，专为长周期推理、自主编码和复杂任务设计。日常小项目用Opus 4.8性价比更高，但一旦需要大规模重构或迁移，Fable 5的性价比反而更高——毕竟一天抵两个月。²

更有意思的是，Fable 5还有一个双胞胎兄弟叫Mythos 5，能力完全一样，只是卸掉了安全护栏，被锁在Anthropic的Project Glasswing项目里，只给经过审核的合作伙伴用。² 这波操作，老用户看了直呼“会玩”。

代码越来越便宜，会提问的人越来越值钱

MirrorCode的64%像一个信号：只要目标足够明确、结果能够自动验收，前沿模型已经可以独立交付一部分中大型软件。¹ 以前你需要盯着AI写每一段代码，接下来你更可能只在关键节点检查它有没有跑偏。¹

代码会越来越便宜，但那些能把问题说清楚、把结果验明白的人，会越来越值钱。¹

所以，当AI都能自己“造项目”时，你准备好当那个“检查作业”的人了吗？

---

引用

• Claude Fable 5
• MirrorCode
• AI编程
• 断层领先
• 项目级交付
• GPT-5.5