Fable 5 重出江湖，GPT 仍需努力

概览

本期围绕 Fable 5 回归后的实际体验展开。主播认为，当前开放的版本可能已不是最初短暂开放时的“满血版”，但在技术实现、复杂需求拆解和一次性交付可用产品方面，体感仍明显强于 Opus 4.8 和 GPT 5.5。

节目中大量讨论了 AI 编程工作流：Fable 5 更适合做需求讨论、规划、PRD 和 issue 拆解，Codex 则适合执行和 code review。围绕 Superpowers、GrillMe/Matpaco skills、token 消耗、订阅额度和 API 成本，主播比较了自动化流程和手动工程化控制的取舍。

后半段从 Fable 5 的能力延展到更大的产品想象：AI 是否能降低独立开发、独立游戏和内容生产的成本，下一代软件是否会变成由 token 驱动、按用户和场景实时变化的交互系统，以及这种变化对 2C 产品、商业化、大公司和个人开发者意味着什么。

分段落总结

[00:09] Fable 5 回归与初步评价

[事实] 主播开场说明本期要聊 X-Rapid 新开放的 Fable 5，并提到它此前只短暂开放了两三天，自己因为 WWDC 等事务错过了最初版本。 [事实] 主播听朋友说最初开放的是“满血版”，现在回归的版本有明显削弱感。 [事实] 即便如此，主播认为当前 Fable 5 在实际开发体验上仍比 Opus 4.8 和 GPT 5.5 更靠谱。 [推测] 节目将 Fable 5 的价值重点放在实际工程产出，而不是单纯跑分。

[01:17] 跑分与真实使用体验的差异

[事实] 主播提到 Fable 5 早期评测分数很高，重新开放后的版本分数明显打折。 [事实] 主播认为 SWE-bench 一类单点跑分意义有限，因为一些模型跑分很高但实际应用仍欠缺。 [事实] 他们更看重实现质量、是否需要人工干预、是否能完成较大需求。 [推测] 节目隐含观点是：AI 编程模型的真实价值要通过复杂项目和长期工作流来判断。

[02:40] Fable 5 的 one-shot 编程能力

[事实] 主播认为 Fable 5 可以 one-shot 解决技术问题，甚至实现较大的需求，且严重 bug 明显减少。 [事实] 让 Codex review Fable 5 写出的代码时，通常只能找出一两个小问题，P0 级问题较少出现。 [事实] 主播认为使用 Fable 5 能省下大量时间。 [推测] Fable 5 的优势不只是写代码，而是减少返工和人工审查成本。

[03:00] 使用门槛、额度与计费限制

[事实] 主播提到 7 月 7 日前可以用订阅额度的一部分使用 Fable 5，但它有单独的 Fable limit。 [事实] Fable 5 的用量消耗比 Opus 4.8 更快，主播自己的 Fable 额度已用到 64%。 [事实] 主播提醒不能只看 weekly limit 或 session limit，还要去官网看 Fable limit。 [推测] 对重度用户来说，Fable 5 的主要限制不是能力，而是可用额度和成本。

[04:27] Fable 5 做规划，Codex 做执行

[事实] 主播当前用 Fable 5 做计划、提 PR、讨论需求、写 PRD 和 issues。 [事实] 他们会让 Fable 5 做设计，让 Codex 做执行，因为两者都是当前较强的模型。 [事实] 主播测试了几个不同规模的小工具，小型和中型任务 one-shot 出来的结果已经可用，只需轻微调整。 [推测] 这种分工体现了“强模型负责判断与规划，执行模型负责落地”的工作流趋势。

[06:10] Fable 5 的主动澄清能力

[事实] 主播提到，以前 one-shot 出来的东西 API 可能可用，但界面通常不可用；现在 Fable 5 生成的界面也能达到可用状态。 [事实] 主播认为 Fable 5 像自带 agent，会考虑多步测试和边界情况。 [事实] 另一位主播指出，这部分也可能来自 harness 或 skills，而不完全是模型本身能力。 [推测] Fable 5 的体验提升可能是模型能力与工作流提示共同作用的结果。

[07:48] Superpowers 的优点与问题

[事实] 主播认为 Superpowers 很适合非资深程序员、产品经理或小白用户，因为它提供固定、完整的软件开发流程。 [事实] Superpowers 会引导 brainstorming、spec、plan、任务拆分、subagent 执行、code review、TDD 和验收。 [事实] 主播认为 Superpowers 的明显缺点是极其费 token，并且容易把小问题复杂化。 [事实] 主播还认为它的 TDD 流程更适合纯逻辑、前端或后端代码，不一定适合 iOS、Mac app 或 UI 测试。 [推测] Superpowers 更像教学式或保守式流程，适合降低出错率，但不适合所有高频小任务。

[12:02] 转向 Matpaco/GrillMe skills

[事实] 主播建议懂软件工程流程的人可以去掉 Superpowers 的自动 hooks，改成需要时手动触发。 [事实] 主播介绍了 Matpaco 的 GrillMe 一套 skills，认为它把主动权交还给用户，token 消耗更少。 [事实] 这套流程可用于需求问答、产出 spec 或 ADR、写 PRD、拆 issue，并把任务交给 Codex、GLM 或其他 agent 执行。 [事实] 主播已基本切到新的 skills，不再使用 Superpowers。 [推测] 对有工程经验的人来说，手动选择合适 skill 比全自动流程更高效。

[17:58] API 成本与订阅焦虑

[事实] 主播提到用 Fable 5 API 修改一个小功能花了 5 美元。 [事实] 主播认为如果用 Superpowers 跑 Fable 5，token 消耗会非常大，因此更愿意关闭自动模式。 [事实] 他们讨论了 Codex 订阅、额度 reset、Fable 5 限期开放和账号封禁风险。 [推测] 模型能力增强后，成本控制和账号可用性成为重度用户的核心问题。

[22:12] 交叉 review 与模型能力对比

[事实] 主播会让 Fable 5 先 plan，再让 Codex 5.5 执行，并用 Codex 做 code review。 [事实] Fable 5 会检查 Codex 的 review 结果，判断哪些 issue 值得改，并提出更细的修改方式。 [事实] 主播认为 Fable 5 在理解和评估 review 结果方面已强于 GPT 5.5，也明显不同于 Opus 4.8 以前偏“都挺好”的反馈。 [推测] 节目将 Fable 5 描述为更适合做高级判断和质量把关的模型。

[23:36] 对 GPT 5.6 与 Anthropic 领先的期待

[事实] 主播希望 GPT 5.6 尽快发布，并提到 5.6 似乎处于部分企业或 science 用户预览阶段。 [事实] 主播认为 Fable 5 背后可能还有更强的满血版本，而当前版本已经被削弱过。 [事实] 主播认为 Anthropic 目前在模型能力上领先，同时手里还保留进一步释放能力的空间。 [推测] 他们担心 Fable 5 收费或限额后，用户会出现对 GPT 5.5 的“戒断感”。

[25:56] 更少 human-in-the-loop 的可能

[事实] 主播认为 Fable 5 提高了 one-shot 成功率，可能让原本需要多次人工介入的流程变得更自动化。 [事实] 他们讨论了长任务中模型跑偏的问题，认为除了基座模型能力，还需要工程化的验收和拉回机制。 [事实] 主播提出可以在任务每一步让 Fable 5 做验收，减少长任务偏离目标。 [推测] 真正可用的长任务自动化，需要强模型和端到端工程闭环同时成立。

[30:16] AI 内容生产与产品生产链条

[事实] 主播以 AI 漫改短剧为例，认为它已经跑通了生产、消费和营收链条。 [事实] 他们认为短剧制作成本低，如果能批量生产并有作品爆发，就可能收回成本。 [事实] 主播把这种流程类比到 app、网站和 Mac/iOS 产品，认为 Fable 5 让从 idea 到可用产品的过程更顺。 [推测] Fable 5 这类模型可能让软件生产更接近内容工厂式流程。

[33:11] 从“能用”到“优雅”的打磨问题

[事实] 主播区分了“能用”和“特别优雅”的产品，认为中间的打磨仍然需要大量人工品位介入。 [事实] 他们认为当前模型生成的结果通常是平均化、最大公约数式的，不容易达到独特或优雅。 [事实] 但主播从 Fable 5 的 one-shot 结果中看到了减少打磨时间的可能，因为有些小工具已经可直接自用。 [推测] AI 可能先大量生产“够用但不独特”的产品，再逐步侵入品位和打磨环节。

[36:44] token 驱动的软件形态想象

[事实] 主播设想下一代软件可能不再依赖固定用户界面，而是由 agent 或 token 驱动。 [事实] 他们讨论了软件可以根据用户、天气、手机状态、明暗程度和使用场景不断变化。 [事实] 主播用《底特律：变人》和《西部世界》类比由 token 临场生成的分支、NPC 和交互体验。 [推测] 他们想象的软件更像一个动态框架，而不是传统意义上固定代码和固定界面的 app。

[40:54] 实时生成界面、交互流与 AI OS

[事实] 主播提到一个实验性巴黎地图网站，用户点击地图任意点后，系统会通过模型生成放大后的视觉结果。 [事实] 他们进一步设想，如果模型能力足够强，手机界面可以点到哪里就生成相应交互。 [事实] 主播把这种随机、持续探索的交互体验类比为短视频流之外的“交互流”。 [事实] 他们认为这种能力可能更适合操作系统级别承载，并提到 AI 原生 OS 和 Rabbit R1 出现得过早。 [推测] 未来的 AI OS 可能不是简单替用户点按钮，而是创造新的交互入口。

[45:01] 传统软件加 AI 的局限与相机例子

[事实] 主播认为很多传统软件只是把 AI 加进去提升原有效率，并没有带来真正意外的体验。 [事实] 他们设想可以先用 AI 预生成大量不同效果，或在未来成本下降后接近实时生成。 [事实] 以相机为例，主播想象拍摄同一物体时，AI 可以基于当前内容生成不同、不可预期的 AR 或视觉效果。 [事实] 主播提到 GPT 或 Claude 接 3D 模型的流程已经能跑通，只是时间和 token 成本仍高。 [推测] AI 的新价值可能来自“不确定但合理”的生成式反馈，而不仅是效率工具。

[49:19] 沙盒游戏、世界模型与科研应用

[事实] 主播用《塞尔达》举例，传统游戏中的物品交互本质上依赖开发者预先穷举。 [事实] 如果由 token 驱动，未被开发者预设的组合也可能得到合理结果，从而增强沙盒探索感。 [事实] 主播还提到合成类游戏可以让 AI 为各种元素组合生成结果。 [事实] 他们认为世界模型在科研中也有价值，可以在虚拟环境中降低真实实验成本。 [推测] 游戏和科研可能是动态生成世界规则较早落地的场景。

[52:03] AI 产品的商业化难题

[事实] 主播认为互联网时代常见路径是先走量、做 DAU，再转化和变现。 [事实] 但 AI 时代 token 成本高，个人开发者很难提供无限免费服务。 [事实] 他们以豆包为例，认为大公司可以烧钱提供免费能力，但免费用户转付费很难。 [事实] 主播对比提到 Seedance、Cdream 等面向 2B 或短剧产业链的变现更清晰。 [推测] 2C AI 产品仍在寻找可持续商业模式，2B 和产业链场景目前更容易闭环。

[56:06] 个人开发者的新机会与新风险

[事实] 主播认为 AI 可以让个人开发者做以前难以完成的大规模产品或独立游戏。 [事实] 他们提到独立游戏开发原本需要大量手绘、光效和素材制作，AI 可显著降低这些成本。 [事实] 主播也讨论了开源复刻或替代收费软件的现象，认为只解决基本需求可能不再构成独特优势。 [推测] AI 拉平开发门槛后，个人开发者需要寻找更难复制的体验、入口或市场位置。

[61:17] 复制、秘密与竞争优势

[事实] 主播认为界面和产品功能越来越容易被多模态模型一比一复刻。 [事实] 另一位主播指出，即便是生成式交互或 skills，也可能通过大量输出样本反推出近似工作流。 [事实] 主播提出可能仍存在某种“秘密”或竞争优势，使别人知道也难以做到，并以 Claude Code 的领先作为类比。 [推测] 未来产品护城河可能不在表层界面，而在难以外显的工作流、数据、组织能力或模型使用诀窍。

[65:33] 大公司、组织惯性与 AI-native 人才

[事实] 主播认为 AI 缩小了个人与大团队在产出规模上的差距。 [事实] 他们指出大公司组织架构转型更慢，而个人开发者只需改变自己的工作流。 [事实] 主播提到一些公司招人更看重 AI native，或偏向特别资深的人和年轻的新手。 [事实] 主播认为资深人士能借 AI 放大能力，而新人可能没有旧思维定势。 [推测] AI 时代的组织竞争不只是模型竞争，也是工作方式和人才结构竞争。

[69:00] 人类思考仍然重要

[事实] 主播认为目前大多数 AI 产品仍在旧路径上迭代，只是用 AI 提效。 [事实] 他们提到 Meta 的 brain-to-query 方向，认为脑电波或意念交互可能代表全新交互方式。 [事实] 主播说最近并没有完全把事情交给 AI，而是更愿意阅读和参与与 AI 的讨论过程。 [事实] 主播认为讨论过程中会产生新分支和新想法，因此“慢下来”有价值。 [推测] 即使模型很强，人类在定义问题、发现新方向和判断优先级上仍不可替代。

[72:32] Fable 5 之后的访问、竞争与 Google

[事实] 主播提到 7 月 7 日之后 Fable 5 可能需要 credit usage，后续能否纳入订阅取决于算力等条件。 [事实] 主播认为 GPT 5.6 可能很快追上，硅谷技术壁垒会因人才流动而逐渐被抹平。 [事实] 他们讨论 Google 把 Gemini Client 改成 Anti-Gravity，并批评 Google 产品线和团队山头林立。 [事实] 主播认为 Anti-Gravity 的量变大，但模型本身并不让他特别想用来写代码。 [推测] 节目对 Google 的组织效率持怀疑态度，但仍把它视为潜在竞争者。

[75:23] token 成为底层资源与模型路由需求

[事实] 主播认为 token 已经像一种底层资源，不同任务应按模型能力和成本分级处理。 [事实] 他们讨论了用高中低不同等级模型处理不同任务的统一入口需求。 [事实] 主播认为简单任务可以丢给便宜模型，复杂任务再给 Pro 或顶级模型。 [事实] 他们提到 DeepSeek 适合很多简单日常任务，价格仍相对便宜。 [推测] 随着模型选择增多，模型路由和成本控制会成为 AI 产品基础设施的一部分。

[78:38] 结尾与节目说明

[事实] 主播表示希望尽快发布本期，让大家能尽快体验 Fable 5。 [事实] 主播说明最近节目几乎不剪，口误和措辞会保留较多。 [事实] 主播感谢新增订阅听友，并提到更新频率受忙碌程度影响。 [事实] 主播建议大家不要小看 skills，虽然看起来只是 prompt，但背后体现了软件工程支持。

播客点评/总结

本期的价值在于，它不是泛泛讨论“模型更强了”，而是从真实编程工作流切入，具体讲了 Fable 5 在规划、one-shot 实现、review、token 成本和长任务自动化中的位置。对于正在用 AI 写代码、做独立产品或尝试 agent 工作流的人，参考价值很高。

节目的亮点是把工具体验延展到产品和软件形态的想象：从 Superpowers 到 GrillMe，从短剧流水线到 token 驱动的交互流，再到 AI OS、沙盒游戏和个人开发者机会，讨论范围很开，但基本围绕“模型能力提升后，工程和产品会怎样变化”这一主线。

局限也比较明显：很多关于 Fable 5 满血版、模型削弱、未来软件形态和竞争优势的判断都来自主播体感或延展讨论，严格来说应视为 [推测]。此外，节目中涉及的产品名、版本名和部分模型状态可能因转录误差或口语表达而不够精确。

[推测] 这期更适合 AI 编程重度用户、独立开发者、产品经理和关注 AI-native 软件形态的人收听；如果只想要入门级模型新闻，信息密度和术语会偏高。