O czym jest ten film
- Główna teza: najsilniejszy model (Fable 5) opłaca się tylko tam, gdzie osąd zmienia wynik — nie jako domyślny model do wszystkiego.
- Metoda „kompresuj, oceń, wykonaj”: tanie modele zbierają i streszczają dane, Fable 5 podejmuje decyzję, a wykonanie idzie do zdolnego modelu (czasem samego Fable).
- Pięć wyzwalaczy uruchamiających Fable 5: smak/gust, architektura, strategia, przegląd (review) i „codify” (skodyfikowanie rozwiązania).
- Budowa systemu routingu w agencie Hermes, który sam decyduje, kiedy sięgnąć po Fable 5.
- Mechanizm jest „bramkowany”: przed użyciem Fable 5 agent podaje szacunek kosztu w tokenach i dolarach oraz prosi o zgodę.
- Praktyczne wdrożenie: dodanie persony (np. „Alchemik”) w Pantheonie systemu Agentic OS, przypisanie modelu Fable 5 i ustawienie poziomu wysiłku.
- Use case 1: zbudowanie systemu kontroli routingu jako umiejętności (skill) w Hermesie.
- Use case 2: zbudowanie i wdrożenie strony z osadzonym agentem „w jednym strzale” na Vercel przy pomocy Agent Stack — koszt Fable wyniósł 26 centów.
- Use case 3: analiza własnych danych (maile, kalendarz, czaty, notatki) tanimi modelami i oddanie Fable 5 samych wniosków do oceny strategicznej.
- Całość jest „model-agnostyczna” — gdy pojawi się lepszy model, po prostu podmienia się go w tym samym schemacie.
Redakcyjne tłumaczenie
Wstęp — pomysł na „nową metę”
Wyobraź sobie, że możesz połączyć najlepszego agenta AI ze światowej czołówki z najpotężniejszym modelem, Fable 5. Zrobiłem to i odblokowało to niesamowite możliwości. W tym materiale pokażę trzy przypadki użycia, które pokazują, jak uzyskać znakomite wyniki z Fable 5 dzięki jednemu prostemu systemowi — bez przepalania pieniędzy. Efekt: dostajesz o wiele więcej z systemów produktywności w Hermesie niż inni, którzy przepłacają za drogie agenty.
Jeśli mnie nie znasz — jestem Jack. Zbudowałem i sprzedałem sześć startupów z ogromną liczbą klientów, a teraz buduję własne startupy AI i dzielę się tym, co naprawdę działa. Weź kawę i przejdźmy do rzeczy.
(Informacja dodatkowa: „Fable 5”, „Hermes”, „Agentic OS”, „Pantheon”, „Ministry of Experts” to nazwy narzędzi i modeli używane przez autora; część z nich to elementy jego własnego ekosystemu i społeczności.)
Oprócz Fable 5 pojawił się też GPT 5.6 („salt”). Wszystkie systemy, które pokażę, działają z dowolnym z tych świetnych modeli. Kazałem zaprojektować to samo prostą rzecz zarówno Fable 5, jak i GPT „salt”. To, co dał Fable 5, jest bardzo eleganckie i wyraziste, a to jest wersja „salt”. Wstępnie wygląda na to, że pod względem designu Fable jest o klasę wyżej. Zrobię więcej testów, ale chciałem pokazać wczesną zapowiedź i podkreślić, że ta zasada dotyczy wszystkiego.
Kluczowa zasada: nie każ geniuszowi pracować na roli
Jest jedna rzecz, którą trzeba zrozumieć, jeśli chcesz mieć naprawdę „superludzkiego” agenta Hermes. Nie każemy geniuszowi harować w polu. Nie stawiamy Einsteina do mycia podłóg. Używając Fable 5 w Hermesie, nie stosujemy go jako domyślnego modelu do każdej rozmowy. Jeśli nie chcesz wydać miliona dolarów, to jedna z podstawowych zasad, których musisz się tu nauczyć.
Jak zatem będziemy używać Fable 5? Jest kilka strategii. Jedną nazywamy „kompresuj, oceń, wykonaj” (compress, judge, execute). Pokażę ją na trzech przypadkach użycia.
Idea jest taka: bierzemy tanie modele albo takie, które mamy za darmo — jak ChatGPT 5.5, DeepSeek czy Grok. One zbierają i kompresują wielkie ilości danych, wykonują całą czarną robotę. Traktuj je jak tysiące, a nawet miliony pracowników. Fable dostaje briefing — wyciąg kluczowych wniosków i danych. Na tej podstawie Fable dokonuje osądu i podejmuje decyzję. Siedzi pośrodku — mamy więc pipeline wstępnego przetwarzania, potem Fable podejmuje decyzję, a wykonanie trafia z powrotem do Hermesa, który realizuje zadanie bardzo zdolnym modelem. W niektórych sytuacjach samo Fable wykona pracę.
Fable 5 rezerwujemy więc do: smaku/gustu, architektury, przeglądu strategii oraz „skodyfikowania” rozwiązania.
Przypadek 1: system routingu wewnątrz Hermesa
Zbudujmy system kontroli routingu w agencie Hermes. Ma on sprawić, by Hermes wiedział dokładnie, kiedy przekazać zadanie do Fable 5, a kiedy użyć zupełnie innego modelu — w oparciu o pięć filarów. Fajne jest to, że gdy damy Hermesowi ten system, może go stosować do dowolnego skomplikowanego zadania, sięgając po najlepsze modele tylko wtedy, gdy naprawdę tego potrzeba.
Ważne: mechanizm jest bramkowany. Jeśli agent ma sięgnąć po Fable 5, najpierw zapyta i poda szacunek kosztu.
Zbudowałem do tego umiejętność (skill) złożoną z dwóch części. Najpierw wchodzę do Agentic OS i do Hermesa. W Pantheonie dodaję własną personę AI — w tym przypadku „Alchemika”. Nadaję jej zadanie, opis i system prompt, po czym wybieram model — tutaj nowiutki Claude Fable 5. Wybieram też strategię, czyli „pokrętło wysiłku” (effort dial). Robię to w Agentic OS, bo pomaga mi wizualny przegląd tego, co robią wszyscy moi agenci i persony w Pantheonie. Jeśli tego nie masz, możesz przekazać instrukcje bezpośrednio Hermesowi i pozwolić mu je zapamiętać.
System prompt mówi, że chcemy „wyroczni” włączanej tylko do decyzji o dużym znaczeniu, wyjaśnia zadanie Fable 5 i przypomina o koszcie: za każdym razem, gdy Fable jest używany, ma wyjaśnić, ile to będzie kosztować w tokenach i dolarach. Dzięki temu wiadomo, czy warto — model jest potężny, ale ma swoją cenę, więc trzeba to uwzględniać. Wybieram poziom wysiłku „high” — między „high”, „extra high” a „max” nie ma zresztą dużej różnicy. I gotowe: mamy Fable 5 w naszym Pantheonie.
(Informacja dodatkowa: autor odsyła w tym miejscu do swojego wcześniejszego materiału o „Ministry of Experts” oraz do płatnej społeczności z masterklasą Hermesa — to elementy promocyjne, nie techniczne.)
Drugi potrzebny element to dokument z instrukcją. Zaznaczasz całość (w Notion trzeba stuknąć dwa razy), kopiujesz i wklejasz do Hermesa z prośbą: „chciałbym zapisać to jako skill”. To samo można zrobić w Telegramie, wklejając prompt do agenta. Można też dodać informację: „dodałem do Pantheonu nową personę, która obejmuje więcej szczegółów”. W systemie operacyjnym dostajemy ładny opis tego, co skill robi — z szablonami zadań „w jednym strzale”, żeby było tanio. Lubię ten interfejs, bo pokazuje podział okna kontekstu i długość rozmowy oraz pozwala jednym kliknięciem zmienić model.
Możemy teraz zapytać: „W jakich okolicznościach użyłbyś Fable 5? Kiedy byś go włączył i jaki proces byś zastosował?”, żeby zweryfikować, że Hermes rozumie zasady. Odpowiedź brzmi mniej więcej tak: „Fable 5 używam tylko wtedy, gdy osąd zmienia wynik. Wyzwalacze to smak/gust, architektura, przegląd strategii lub »codify«. Poza tymi przypadkami nie używam go. Startuję modelem roboczym, zbieram kontekst, kompresuję go do briefu, sprawdzam, czy odpala się któryś z wyzwalaczy Fable, a jeśli tak — szacuję koszt i proszę o zgodę, po czym wywołuję Fable, gdy brief jest gotowy”.
Najlepiej podłączyć Fable 5 do Hermesa przez klucz API, który weźmiesz z OpenRouter. Podsumowując schemat: tani model (np. GLM) etykietuje zadanie i typ, uwzględniając prywatność kontekstu; domyślnie działa najtańsza zdolna „ścieżka”; eskalacja do Fable następuje tylko przy dużym wyzwalaczu; a Fable może następnie przeglądać błędy i routing, który z czasem staje się coraz lepszy.
Przypadek 2: strona z agentem „w jednym strzale” na Vercel
Zróbmy coś ciekawszego niż zwykła strona. Chcę stworzyć w jednym strzale stronę www — i to z osadzonym na niej agentem. Potrzebna jest do tego fajna technologia od Vercel.
Wszyscy używają Vercel do hostowania stron, a teraz można użyć czegoś, co nazywa się Agent Stack, żeby hostować na nim agenty. Jeśli typowy hosting to strona, to Agent Stack to raczej pracownik AI wewnątrz niej, który może korzystać z narzędzi (to tzw. AI gateway), ma piaskownicę (sandbox) do wykonywania kodu, workflowy, różne modele — i zarządza tym wszystkim w jednym miejscu. Stronę wypchniemy na Vercel z użyciem Fable 5, a agent będzie myślał, wywoływał modele, uruchamiał narzędzia i wdrażał się w tym samym środowisku.
Najpierw instaluję wtyczkę Vercel, kopiując i wklejając ją do Hermesa — połączy nas z całym ekosystemem Vercel: 28 różnych skilli, AI gateway, sandbox, workflowy, wyspecjalizowane agenty. Wklejam to do Hermesa: „zainstaluj tę umiejętność i potwierdź, gdy będzie działać”.
Wyzwanie: zbudować i wdrożyć agenta przy pomocy Agent Stack — całość w jednym strzale. Prawdziwa strona z produktem, agent i „mózg”, z którym da się rozmawiać, wdrożone na Vercel bez żadnego dodatkowego kodu. Struktura: jedna strona docelowa (landing page) i jeden osadzony agent, oba na Vercel. Agent siedzi w folderze, a jego „mózg” to plik instructions.md. Jedno narzędzie w TypeScripcie pełni rolę np. rezerwacji. Mózg jest podpięty do AI gateway: domyślnie tani, a przy naprawdę ważnych rzeczach — Fable.
Warto zrozumieć, czym jest Agent Stack: AI gateway to jak linia telefoniczna do pokoju ekspertów — jeden klucz daje dostęp do 100+ modeli; domyślnie routujemy do taniego, ale możemy poprosić o Fable. Sandbox to jednorazowy komputer z Linuksem dla każdego agenta, plus workflowy.
Bierzemy przykładowy prompt i wrzucamy go do Hermesa, żeby zobaczyć, jak sam wciąga Fable 5. To wszystko jest model-agnostyczne: gdy wyjdzie Fable 6 albo kolejny GPT, po prostu podmieniamy model na lepszy. Chodzi o rozsądne używanie najlepszego modelu w trudnym zadaniu — będziesz budować lepsze rzeczy, bo wprowadzamy Fable 5, ale tylko na właściwych poziomach, bez rujnowania budżetu.
I gotowe — agent zrobił, co trzeba. Podał wycenę: „Jack, tyle będzie kosztować użycie Fable, zgadzasz się?”. Zgodziłem się. Strona jest już na żywo, wypchnięta na Vercel wraz z agentem. Był przebieg architektoniczny i kontynuacja, a koszt Fable to 26 centów. Efekt: prosta strona o wodzie — „woda traktowana poważnie” — z kroplami w szklance i prostym menu 1-2-3 (cytryna, truskawka, grejpfrut). To w pełni hostowana strona, którą można od razu udostępnić. Gdybyśmy popracowali nad architekturą i kontrastem, wyglądałaby spektakularnie, ale kluczowe jest to, że powstała w jednym strzale — i ma działającego agenta.
Testuję: „Chciałbym zarezerwować degustację. Czy jest jakiś termin w przyszły wtorek?”. Agent odpowiada: przyszły wtorek pasuje, rezerwacja przyjęta, poproszę o imię, nazwisko i adres e-mail. To w pełni autonomiczny agent AI działający w naszym środowisku.
Przypadek 3: Fable 5 jako doradca strategiczny nad Twoimi danymi
Trzeci, świetny przypadek: użycie silnika Fable 5 do przemyślenia, jak można coś poprawić. To istotnie inne zastosowanie, bo to nie Fable 5 przegląda wszystkie maile, dokumenty i logi czatów z Hermesa i Claude Code. Dzięki systemowi pamięci w Agentic OS mamy w jednym miejscu informacje z Claude Code, z Codeksa, zewsząd — mnóstwo pamięci, danych i plików, ale przeglądanie tego bywa drogie.
Zamiast tego tańszy model przechodzi przez maile, kalendarz, czaty i notatki, a następnie przekazuje Fable same wnioski. Fable może wtedy zdecydować i wnieść swoje strategie, nie kosztując nas nawet w przybliżeniu tyle, ile gdyby sam zajmował się wszystkim.
Przykładowa prośba: „Chciałbym wykorzystać inteligencję Fable 5, żeby dostać kilka sugestii, jak poprawić moją produktywność. Tańsze modele mają przejść przez dane i logi czatów z różnych źródeł, jak Hermes i Claude, a potem Fable 5 ma to przejrzeć i dać swoją perspektywę na podstawie tych wniosków. Ale najpierw chcę zapytać Fable 5: skoro celem są najlepsze możliwe wnioski, jakie pytania należy zadać? Potem zadaj te pytania tańszym modelom, a Fable 5 skonsoliduje wnioski — dzięki temu dostajemy maksymalną wydajność za ułamek kosztu”.
Skille mamy już podpięte, więc wysyłamy to do Hermesa, a on koordynuje modele w tej sekwencji — zyskujemy i wydajność, i oszczędność.
Zakończenie
Idea jest prosta: każdy model ma swoją ścieżkę, a naszym zadaniem jest ustawić właściwy model na właściwym torze, żeby posunąć nas znacznie do przodu. To, co ludzi zgubi, to używanie złego modelu do złego zadania. To tylko jeden z wielu wniosków z tego materiału — jeśli chcesz z Hermesem wyprzedzić innych o lata świetlne, warto go obejrzeć w całości.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Nie stawiaj najdroższego modelu do każdego zadania
Na czym polega: Najsilniejszy model rezerwuj do decyzji, w których osąd zmienia wynik; rutynowe zbieranie i przetwarzanie danych oddaj tanim modelom.
Jak stosować: Zbuduj domyślną „tanią ścieżkę” (np. GLM, DeepSeek, darmowy ChatGPT) do gromadzenia i streszczania danych, a drogi model włączaj świadomie i punktowo.
Na co uważać: Pokusa ustawienia mocnego modelu jako domyślnego czatu jest duża — właśnie to najszybciej generuje wysokie rachunki.
2.Schemat „kompresuj, oceń, wykonaj”
Na czym polega: Tanie modele kompresują dane do briefu, silny model podejmuje decyzję, a wykonanie realizuje zdolny (niekoniecznie najdroższy) model.
Jak stosować: Zawsze wchodź do drogiego modelu z gotowym, zwięzłym briefem, a nie z surowymi danymi — płacisz wtedy za osąd, nie za czytanie.
Na co uważać: Jakość decyzji zależy od jakości kompresji — jeśli tani model zgubi istotny kontekst, drogi model podejmie decyzję na złych przesłankach.
3.Zdefiniuj jasne wyzwalacze użycia mocnego modelu
Na czym polega: Autor uruchamia Fable 5 tylko przy pięciu wyzwalaczach: smak/gust, architektura, strategia, przegląd i „codify”.
Jak stosować: Spisz własną, krótką listę sytuacji, w których droga inteligencja realnie zmienia wynik, i trzymaj się jej jako reguły routingu.
Na co uważać: Zbyt szerokie albo mętne kryteria sprawią, że model będzie eskalował niemal zawsze — wyzwalacze muszą być wąskie i konkretne.
4.Bramkuj koszty i wymagaj zgody z wyceną
Na czym polega: Zanim agent użyje drogiego modelu, podaje szacunek kosztu w tokenach i dolarach oraz prosi o zatwierdzenie.
Jak stosować: Wpisz do system promptu wymóg wyceny przed każdym drogim wywołaniem i akceptuj je świadomie (w przykładzie realny koszt to zaledwie 26 centów).
Na co uważać: Szacunki bywają orientacyjne — traktuj je jako sygnał decyzyjny, a i tak monitoruj rzeczywiste zużycie po fakcie.
5.Buduj routing jako wielokrotnie używalny „skill”
Na czym polega: Reguły routingu zapisujesz raz jako umiejętność agenta, którą można stosować do dowolnego złożonego zadania.
Jak stosować: Zapisz instrukcje jako skill (wklejając dokument do agenta) i weryfikuj zrozumienie pytaniem: „kiedy i jak użyjesz drogiego modelu?”.
Na co uważać: Sprawdź odpowiedź agenta zanim mu zaufasz — jeśli źle streszcza własne reguły, popraw prompt, zamiast zakładać, że „na pewno działa”.
6.Projektuj system model-agnostycznie
Na czym polega: Cała mechanika zależy od ról, nie od konkretnego modelu — nowy, lepszy model po prostu podmieniasz na tym samym torze.
Jak stosować: Odwołuj się do „modelu do osądu” i „taniego modelu roboczego”, a wybór konkretnego modelu trzymaj w jednym, łatwym do zmiany miejscu (np. konfiguracji persony).
Na co uważać: Nie zaszywaj nazwy modelu w wielu miejscach promptów — inaczej migracja na następcę stanie się bolesna.
7.Podłącz modele przez jeden klucz/gateway (OpenRouter, AI gateway)
Na czym polega: Jeden klucz API daje dostęp do wielu modeli, więc routing i podmiana modeli są proste.
Jak stosować: Skonfiguruj dostęp przez OpenRouter lub AI gateway i domyślnie routuj do taniego modelu, eskalując do drogiego tylko na żądanie.
Na co uważać: Jeden gateway to jeden punkt kosztu i ryzyka — pilnuj limitów wydatków i uważaj na prywatność danych przekazywanych przez pośrednika.
8.Weryfikuj zdolność wdrożeniową na realnym, trudnym zadaniu
Na czym polega: Autor testuje schemat, budując i wdrażając w jednym strzale stronę z osadzonym, działającym agentem.
Jak stosować: Sprawdzaj swój pipeline na zadaniu z realnym efektem końcowym (wdrożona strona, działający agent), a nie na sztucznym demie.
Na co uważać: „W jednym strzale” daje szybki szkielet, ale nie od razu produkt — efekt wizualny i dopracowanie wymagają osobnej pracy nad architekturą.
9.Analizuj własne dane tanio, a strategię zostaw drogiemu modelowi
Na czym polega: Tanie modele przeczesują maile, kalendarz, czaty i notatki; drogi model dostaje tylko destylat i wnosi perspektywę strategiczną.
Jak stosować: Najpierw poproś mocny model o właściwe pytania, potem odpowiedz na nie tanimi modelami, a na końcu niech mocny model skonsoliduje wnioski.
Na co uważać: Przepuszczanie prywatnej korespondencji i logów przez wiele modeli to realne ryzyko prywatności — świadomie decyduj, co i przez co przechodzi.
10.Największy błąd to zły model do złego zadania
Na czym polega: Kluczowa lekcja: każdy model ma swój tor, a wartość bierze się z dopasowania modelu do zadania.
Jak stosować: Zanim odpalisz zadanie, świadomie przypisz je do „taniego” lub „drogiego” toru według swoich wyzwalaczy.
Na co uważać: Materiał jest mocno promocyjny (własny ekosystem i płatna społeczność autora) — bierz z niego zasadę routingu kosztów, a konkretne narzędzia traktuj jako jeden z możliwych wyborów, nie jedyny.