Anthropic Fable 5 / Mythos 5 定价 10/10/50 每百万 token，发布不到一周即被美国政府以国家安全为由下令全球暂停接入，约两周后部分恢复——Fable 的回退机制（检测到敏感领域自动降级到 Opus 4.8）引发开发者强烈不满。
Sunil Pai（前 React 核心成员）用 Fable 跑一个大型 PR（约 1 万行代码）花了一整天、$250 美元，结论是「不值。小步迭代效果更好」——引发关于 AI 编码性价比的广泛讨论。
Mitchell Hashimoto 测试了「自主优化循环」：代理将渲染器帧时间从 88ms 优化到 2ms、内存分配从 15 万降到 500，但结果全要推倒重来——他将此称为「代理精神病」的核心症状。
Geoffrey Hinton 2016 年预言「5 年内深度学习超越放射科医生」被业界一致认为未实现，NVIDIA CEO 黄仁勋指出此类言论已导致美国放射科医生短缺。
三位开发者达成的核心共识：AI 生成的代码量暴增，但软件质量并未同步提升。Dario Amodei 和 Sundar Pichai 关于「AI 写 90%/75% 代码」的声明将自主性与辅助性混为一谈。
Fable 5被禁始末：从发布到政府叫停的72小时
2026 年 6 月 9 日，Anthropic 正式向公众发布 Claude Fable 5 和 Claude Mythos 5。Fable 5 为安全版本，定价 10/百万输入token、10/百万输入token、50/百万输出 token；Mythos 5 为高能力版，仅限受信任合作伙伴使用。Fable 5 内置了严格的防护机制——在网络安全、生物、化学和蒸馏四个领域自动回退到 Claude Opus 4.8。这意味着即使用户明确选择了 Fable，一旦模型判定话题落入敏感区间，它会静默降级为较弱模型，且不通知用户。 6 月 12 日，美国政府（涉及商务部）向 Anthropic 发出信函，要求其在约 90 分钟内全球关停两款模型。理由是国家安全风险——特别是模型在代码分析能力上的越狱风险。Anthropic 在反对该评估的同时执行了命令。此后约两周内，美国和外国用户均无法正常访问。6 月底，经过补充安全措施审查后，白宫批准恢复 Fable 5 的公共访问，Mythos 5 的权限也扩展至更多组织和政府机构。
这场「杀开关」事件引发了开发者社群的剧烈反应。Flask 框架作者 Armin Ronacher 在题为「Americans Only」的分析中指出：此次干预暴露了美国政府（军事、算力、政策）的绝对杠杆，对美国之外的开发者、公司和国家来说意味着巨大的依赖风险——后发式阻断让所有基于前沿模型的产品都变得不可靠。
Sunil的$250实验：小步迭代效果更好，模型越强不等于越值
Sunil Pai（曾任 React 核心团队、PartyKit 和 CSS-in-JS 库作者）在 X 上发布了一条引发广泛讨论的推文：「花了一整天用 Fable 跑一个大型 PR。约 1 万行代码，大量测试和干预。$250。我不觉得值。在 4.8/5.5 上效果更好，质量更高。仍然每天用 Cursor。」
这条推文击中了当前 AI 编程的核心矛盾：模型能力在提升，但性价比在下降。 Sunil 并不是个例——多位开发者报告类似体验，称 Fable 在复杂推理任务上能力强劲，但单次成本是替代方案的 10 倍以上（Haiku 级别模型只需 $20-40），且人类监督时间并未减少。更关键的是，他的经验显示——许多任务用中端模型走小步迭代，产出质量反而更高。
Sunil 在播客中进一步坦率指出：「没有一款我用的软件变好了。零。所有公司都在用 AI 写代码，经历了多个版本发布。但我找不到任何一家公司因为 AI 在 6 个月内完成了 2 年的路线图。」
「代理精神病」：为什么自主优化循环会制造幻觉
Mitchell Hashimoto（HashiCorp 联合创始人）发布了一个令人警醒的实验：他启动了一个代理循环来自动优化渲染器性能，目标是最小化帧时间。代理成功将帧时间从 88ms 优化到 2ms，内存分配从约 15 万降到 500——数据上堪称完美。但结果是全部要推倒重来，因为代理找到了一个「局部最优」的捷径，而非真正的架构性优化。Hashimoto 指出，这正是「代理精神病」的核心问题——AI 找到了一个看似漂亮的局部最小值，但这个最小值让人类无法在此基础上继续构建。
这一案例呼应了 Sunil 的分析：AI 在解决问题时无法像人类那样横向连接不同领域的概念。他引用 Steven Johnson 的《Where Good Ideas Come From》中的理论——真正的好创意来自不同思维模式的碰撞，而当前的模型在探索潜空间时无法形成这种连接。
Hinton、Dario、Sundar：三份翻车的预言
The Next Token 的「Receipts」环节专门用于追踪行业大人物的公开预测——结果并不乐观。
Hinton 的放射科医生预言：Geoffrey Hinton 在 2016 年说「5 年内深度学习超过放射科医生，也许是 10 年」。事实上这一预言没有兑现。NVIDIA CEO 黄仁勋在近期采访中指出，这类言论已对行业造成了实质伤害——在美国，放射科医生的培训人数大幅下降，直接导致当前放射科医生短缺。三位主播一致认为，同样的论调正在伤害现在的软件工程师：AI 实验室的领导者反复宣称「软件工程师将被取代」，已经在影响年轻人进入 CS 领域的意愿。
Dario Amodei 的 90% 代码预言：Anthropic CEO 在 2025 年 3 月表示「3-6 个月内 AI 写 90% 的代码，12 个月内写几乎全部」。15 个月后回看，三位主播指出关键在于「自主」与「辅助」的巨大鸿沟——如果 AI 真的能自主写出 90% 的代码，工程师就该失业了。但现实是工程师的工作量并未减少，只是从逐字敲代码变成了设计上下文、约束和验证流程——这是工作形式的转变而非消失。
Sundar Pichai 的 75% AI 代码声明：Google CEO 在 2026 年 4 月宣布 Google 75% 的新代码由 AI 生成。Rhys 的回应直击要害：「Google 有 8-9 万工程师，那么——Gmail 变好了吗？Google Photos 变好了吗？」如果 75% 的代码由 AI 生成，产品体验应该翻倍提升。但现实是用户感知到的改进微乎其微，甚至 Gmail 中常见的账号被盗钓鱼邮件骗局仍未得到解决。
「不要提示，要写循环」——可行吗？
Boris Cherny（Claude Code 创建者）和 Peter Steinberger（OpenClaw 作者）在 6 月初做出了一个几乎相同的判断：「不要再用提示词写代码了，你的工作应该是写循环——设计让代理自动提示并执行任务的循环。」 三位主播对此的判断是：循环（loops）大概率是未来方向，但普及面临两道门槛：
一是令牌经济学。全自主循环极度消耗 token，Sunil 的 $250 跑一次只是冰山一角。除非 token 成本大幅下降，或开源模型足够好，否则这种工作流注定是「token 富人」的游戏——VC 支持的初创公司和实验室内部或许可行，普通开发者用不起。
二是丢失摩擦。Rhys 提出了一个反直觉的观点：循环意味着你失去了与糟糕代码交互的机会，而正是这些摩擦教会了你如何写出好代码。「摩擦是你学习的渠道，循环完全消除了摩擦，你也就错过了能真正改进代码库的那些东西。」
Sunil 的折中判断：已经有很多问题是天然「循环形状」的。 6 个月后，他预计自己会同时运行 1-2 个后台循环任务——但前提是花钱上不封顶。
开源模型与主权AI：Fable禁令带来的转折
Fable 禁令产生的最大间接影响是对开源模型的关注激增。美国政府对前沿模型实施控制后，中国迅速发布了性能强劲的开源模型 GLM-5.2。对许多美国之外的开发者来说，「开源成了唯一选择」。
Dillon 在播客中明确表态：「我不想一两家公司告诉我我能做什么、不能做什么、如何工作。我不希望你的模型里有政治审查。」
Sunil 补充了一个历史类比：上世纪 90 年代美国政府将加密软件列为国家安全技术并限制出口，开发者通过将 PGP 源代码印刷成书（书受言论自由保护）来规避禁令。他认为同样的对抗可能发生在 AI 模型权重上。不过他也承认，将权重印成书需要一个「十亿页」的体量——物理世界的限制依然真实。
从「90%软件」到「GitHub墓地」：AI时代的新困境
一个被广泛忽视但三位主播一致认同的现象是：AI 让每个人都更容易写出「差不多能用的软件」，但最后 10% 几乎没人愿意做。 Sunil 认为，这就是软件没有变好的根本原因——「你有了选择权：做完最后 10%，还是用这个时间做 90% 的新东西？大部分人选择后者。」
Dillon 坦言自己年初用 AI 疯狂产出代码库和工具，现在它们全成了 GitHub 上的废弃墓地。过去创业建议中的「先发布再迭代」在 AI 时代被无限放大——发布太容易了，以至于迭代从未真正发生。
Rhys 从另一角度补充：这也导致新入行的初级开发者更难证明自己了。他当年靠游戏开发比赛和黑客松项目在求职中脱颖而出——而这些项目现在 AI 可以完成 80-90%，仅剩的 10% 也是最难的部分，评审者根本看不到。结果是所有人都在推出 90% 的软件，堆到 100% 的人反而变少了。
本文基于 The Next Token 播客 Episode 0（2026年6月15日）的三位开发者讨论整理，结合相关公开推文及报道。
AI 速览
