Fable 5 免费期 6 月 22 日结束，23 日起每一次调用都是真金白银：$10/$50 每百万 token，正好是 Opus 4.8 的两倍。
我们的上手实测（这篇）给过一个模糊结论：“有 1M 上下文瓶颈的值，没有的不值”。这篇把模糊结论变成一张能直接抄的决策表，顺便晒一下我们自己管线切换前后的账单。
先看基准差距有多大
官方口径是 Fable 5 部分基准比 Opus 4.8 高 10% 以上。注意两个关键词：“部分"和"10%"。
翻译成人话：在大多数常规任务上，你感觉不出区别；在最难的那一档任务上，它明显更聪明。这就是典型的"旗舰溢价"结构，为最后 10% 的能力付 100% 的加价。
按场景的决策表
| 场景 | 用谁 | 理由 |
|---|---|---|
| 日常写作、翻译、总结 | Opus 4.8 | 能力早已溢出，别浪费钱 |
| 常规代码补全、单文件修改 | Opus 4.8 | 差距感知为零 |
| 整库重构、跨模块分析 | Fable 5 | 1M 上下文是硬门槛，没得选 |
| 数百页文档对比与审查 | Fable 5 | 同上 |
| 复杂多步 agent 任务 | Fable 5 | adaptive thinking 在长链路上失误率更低 |
| 高频自动化管线 | Opus 4.8 甚至更低档 | 计量收费下，频次 × 单价才是大头 |
| 需要 128K 长输出（整本文档生成） | Fable 5 | 32K 输出确实会截断 |
规律很明显：Fable 5 赢在"装得下"和"想得深”，其余全是 Opus 4.8 的主场。
我们自己的账单实验
我们把站内一条内容处理管线做了两周对照：第一周全量跑 Fable 5，第二周按上表分流（约 15% 的任务给 Fable 5，其余 Opus 4.8）。
结果：分流后的总成本大约是全量 Fable 5 的 45%，产出质量的差异，盲评几乎分不出来。唯一能感知的差距在两个最重的分析任务上，这两个任务我们本来就留给了 Fable 5。
结论不新鲜但值钱：模型分流是 2026 年最简单的降本手段，没有之一。
一个容易踩的坑
adaptive thinking 是 always-on 的，Fable 5 会自己决定想多久，而思考 token 是计费的。同一个 prompt，简单场景可能烧出意料之外的思考量。
两条实用建议：给不需要深度推理的调用明确写上"直接回答，无需展开推理"；在管线里给单次调用设 token 上限做熔断。别问我们怎么知道的。
结论
把 Fable 5 当成团队里那个时薪最贵的专家：只把真正的硬问题递给他，让性价比选手处理日常。旗舰模型的正确用法从来不是"全用它"，是"知道什么时候该用它"。