Anthropic 的 Fable 5 模型价格是其前代 Opus 4.8 的两倍,虽然智能水平显著提升,但容易“过度用力”,消耗多余 token。然而,最新观察表明,存在一种有效的任务分配系统,可将成本降低 50% 以上。这种方法被称为 10-80-10,已被 Anthropic 工程师积极采用。
该方法的核心思想是仅在真正需要其独特智能水平时才使用 Fable 5,其余工作应委托给更便宜的模型。这可以说是使用 Fable 5 而无需担心破产的“作弊码”。
10-80-10 系统的本质
前 10% 的工作用于规划。Fable 5 扮演架构师角色:它确定结构、方法、成功标准和限制条件,然后才开始实际工作。如果计划正确,其余一切都将建立在坚实的基础上。
主要的 80% 是执行。日常事务、迭代和小修小补交给更便宜的模型:Opus 4.8 处理标准任务,Haiku 处理简单任务,某些情况下甚至可以使用 GPT-5.5。正是在这个阶段消耗了最多的 token,因此以双倍价格使用 Fable 显然不划算。
最后的 10% 是验证。Fable 5 再次介入,将结果与原始架构进行比对:是否符合计划,是否存在漏洞。由于这是对已完成结果的检查,而非从头生成,因此这次运行消耗的 token 明显更少。
与传统的“请求-响应-验证-重新请求”循环(其中用户自身扮演循环角色)不同,这里建议通过 /goal 命令一次性设定目标,并通过 /loop 配置自动循环。之后,模型会自动启动子任务。
如何进一步降低成本
除了 10-80-10 系统,还有其他实用建议。首先,不要从最高努力级别开始,而是从中等水平开始:数据显示,Fable 在中等模式下优于 Opus 在增强模式下的表现。
此外,建议删除为旧模型创建的旧技能(skills),因为更短的指令成本更低。同时,不仅应给模型分配任务,还应说明原因——这能减少修改次数,从而降低 token 消耗。使用 /usage 命令可以跟踪支出。
特别指出了两个代价高昂的错误。第一个是意外启动 Fable:Claude Code 和应用程序现在默认使用该模型,因此每次会话都应检查模型选择器。第二个是没有设置支出限制。Fable 很快将转为按 token 计费,因此应提前在设置中设定严格限制。
分析师观点: 10-80-10 系统不仅是节省成本,更是使用 AI 方法上的根本性转变。它将 Fable 5 从昂贵的“万能锤子”转变为战略资产,仅用于最复杂和最关键的任务。在计算成本不断上升的世界中,这种优化对于任何严肃项目而言,不仅可取,而且至关重要。