Fable 5发布，写代码实测有多强？
Fable 5发布那天，技术群都在转那张基准对比图，SWE-Bench Pro拿了80.3%，压过Opus 4.8的69.2%一大截。我第一时间申请了API试用，跑了两天真实业务代码，说说体感。强是真的强。我让它重构一个三年没人敢动的老模块，跨了六个文件、牵扯十几个历史接口，它居然一次通过编译，还主动指出了两处潜在的空指针隐患。长上下文确实能打，一百万的窗口，把整个项目的核心代码丢进去它还能记得上下文，这换一年前想都不敢想。但冷水也得泼。它的强，是建立在高成本上的——输出价格$50/百万token，几乎是GPT-5.6 Sol的两倍，我测了两天，账单比我预期涨了一倍多。而且它同样会犯错，只是错得更隐蔽，错得更像"一个资深工程师的合理失误"，这种错最危险，因为你不容易怀疑它。所以别被80.3%冲昏头。基准是别人的代码，你的业务才是自己的考场。分数再高，该review的代码一行也不能少。
发布于 广东
分享
评论
1
未登录
友善发言
评论
加载中
