@MatthewBerman：Fable（Mythos）展現極強自主長程任務處理能力。 核心優勢與工作流模式 Fable 最突出的功能在於其「工作流模式」（Workflow mode…

Fable（Mythos）展現極強自主長程任務處理能力。 核心優勢與工作流模式 Fable 最突出的功能在於其「工作流模式」（Workflow mode），能展現出與過往 Claude 或 GPT 模型截然不同的自主性。在實際測試中，當給予「完整程式碼審查」的指令時，該模型能並行啟動數百個 Agent，並為應用程式中的每個檔案指派專屬 Agent。這種架構使其能精準找出程式碼中的錯誤、邊緣案例、缺失的文件以及 UX 改進空間，其發現問題的能力遠超其他模型。 長程任務處理能力 該模型在處理複雜、長期的任務時表現卓越，使用者能感受到它具備完成大型專案的強烈意圖。與其他模型相比，Fable 更願意花費數小時進行深度作業，且在執行過程中展現出極高的可靠性，讓使用者敢於將複雜的任務交付給它。這種對長程任務的掌控力，使其在目前的模型市場中顯得獨樹一格。 模型運作的技術瑕疵 儘管能力強大，Fable 仍存在一些顯著的技術與體驗問題： 資訊密度過高與冗長：該模型輸出極度冗長，解釋內容往往過於深奧，即便透過修改 claude.md 進行限制，效果依然有限，容易讓使用者感到挫折。 過度依賴確認流程：Fable 傾向於在執行前進行繁瑣的確認，包括提出問題、總結回答、確認規格、確認 Agent 執行策略（並行或序列）等。使用者原期望模型能自主決策，而非陷入這種循環。 執行速度緩慢：相較於過往的 Opus 模型，Fable 的反應速度明顯較慢，無論是啟動時間還是解決問題的過程，都顯得較為遲緩。即使在簡單任務上，它也會為了追求極致的徹底性而耗費大量時間。 使用建議與未來展望 針對該模型的特性，建議使用者在設定時將「努力程度」（effort level）調低，即使在低設定下，它依然具備極強的處理能力且會進行深入思考。這些現存的瑕疵（如冗長、過度謹慎、速度慢）預計可透過模型優化、提升運算能力以及進一步的強化學習（RL）與系統提示詞調整來解決。總體而言，Mythos 是目前測試過最強大的模型，它不僅具備處理最艱難任務的潛力，更代表了新一代訓練成果的首次亮相。原文：https://easyvibecoding.app/curated/1858