O czym jest ten film
- Anthropic wypuszcza Claude Fable 5.1 — według autora to skok jakościowy w każdej mierze, a nie typowa drobna aktualizacja „,1”.
- W kategorii badań naukowych wyniki podwoiły się; nowość zdeklasowała GPT-5.6 Soul także w autorskich testach Finna.
- Cena za token bez zmian, ale model potrzebuje mniej tokenów na zadanie — oszczędność rzędu 25–40% względem Fable 5.
- Filtry treści przestały blokować proste zadania — Fable 5 odmawiał nawet testu polegającego na szukaniu ukrytych elementów w plikach.
- Testy własne Finna: symulator kolejki górskiej 3D, wyłapywanie błędów w losowym repozytorium GitHub, zadanie agentowe na plikach i odtwarzanie apple.com — wszędzie wyraźna przewaga nowej wersji.
- Pierwsza rekomendacja: audyt własnej konfiguracji agentów — wygeneruj plik opisujący cały setup i wrzuć go do Fable 5.1 po świeże pomysły.
- Druga rekomendacja: przepuść stare sesje burzy mózgów przez nowy model — te same prompty dają nowe kąty patrzenia.
- Teza autora: nacisk na badania służy budowaniu „asystentów badawczych” i pętli rekurencyjnego samodoskonalenia modeli.
- Trzecia rekomendacja: zbuduj własny, powtarzalny zestaw testów pod swoje codzienne zadania, zamiast bezkrytycznie ufać cudzym benchmarkom.
- Finn zapowiada serię kolejnych premier Anthropic po miesięcznej ciszy u tego producenta.
Redakcyjne tłumaczenie
Premiera, która robi wrażenie
Claude Fable 5.1 właśnie trafił do użytkowników i to, co potrafi, robi ogromne wrażenie. Pod każdym względem to wyraźny krok naprzód względem Fable 5. Jest jednak jedno „ale”: użyty w niewłaściwy sposób, po prostu przepali Ci sporą sumę. Poniżej omawiam wszystkie zmiany wprowadzone w tej wersji i wszystko to, w czym model zyskał — a przede wszystkim to, jak wziąć się za niego już dziś, żeby wycisnąć z tej premiery maksimum.
Benchmarki: podwojone wyniki tam, gdzie zwykle bywa „plus pięć procent”
Zacznijmy od krótkiej wizyty przy benchmarkach — dosłownie na trzy sekundy. Postęp widać w każdej kategorii, ale najbardziej zadziwia jego skala: w części testów wyniki procentowe wzrosły dwukrotnie, co oznacza miażdżącą przewagę. Drobne wydania oznaczane przyrostkiem „,1” zwykle wyciągają z testów pięć, może dziesięć punktów — i to jeszcze przy szczęśliwym zbiegu okoliczności. Tym razem wyniki w badaniach naukowych podwoiły się wprost, kodowanie agentowe — czyli zadania programistyczne wykonywane samodzielnie przez model, krok po kroku, z użyciem narzędzi — poszybowało wyraźnie w górę, a GPT-5.6 Soul został zdeklasowany.
Najbardziej intryguje mnie jednak co innego — i jeszcze do tego wrócę: największy skok nastąpił właśnie w badaniach naukowych. Gołym okiem widać, że to one były głównym ośrodkiem zainteresowania twórców. Moim zdaniem stoi za tym poważny powód — powód, który może przemeblować całą branżę.
Od 25 do 40 procent oszczędności na każdym zadaniu
Badania to jedno, ale druga rzecz, która bardzo mnie cieszy, to wydajność. Fable 5.1 potrafi być znacznie oszczędniejszy od Fable 5: na dowolnym zadaniu zyskujesz od 25 do 40 procent. Mówiąc konkretniej: wykonanie tego samego zadania w nowej wersji wyjdzie mniej więcej o jedną czwartą do dwóch piątych taniej niż w Fable 5 — a ten, jak pokazują dane, był absurdalnie drogi. Wychodzi na to, że za te same pieniądze dostajesz znacznie więcej pracy od modelu o klasę lepszego.
Cztery filary nowej wersji
Gdybym miał ułożyć największe ulepszenia w całość, wyszłyby cztery punkty.
Po pierwsze: znacznie taniej, choć cennik bez zmian. Cena za token jest identyczna jak w Fable 5. Cała różnica polega na tym, że nowa wersja załatwia sprawy mniejszą liczbą tokenów — więc rachunki spadają same.
Po drugie: zdecydowanie sprawniejszy w każdej dziedzinie. Potwierdzają to publiczne benchmarki, a za chwilę pokażę to w słynnych na cały świecie benchmarkach Alexa Finna — tych, na które czekała cała planeta. Dario pisał do mnie dziś rano: „Człowieku, daj znać, jak poszło z twoimi światowej sławy testami”. Odpowiedziałem, że musi uzbroić się w cierpliwość — najpierw muszą je zobaczyć moja ekipa. (Informacja dodatkowa: chodzi o Daria Amodei, szefa Anthropic — firmy stojącej za rodziną modeli Claude.)
Po trzecie: znacznie rzadsze blokowanie treści. Fable 5 odpalał filtry treści na każdym kroku. Spytałeś „ile jest dwa plus dwa?”, a on: „Zaraz, zaraz — to pytanie jest zbyt niebezpieczne. Ktoś mógłby nim wysadzić świat w powietrze. Przekażę je Opusowi 5”. Z Fable 5.1 ten czas mamy za sobą: moje testy pokazują, że model podejmuje się znacznie większej liczby pytań — pokażę to za chwilę. W benchmarkach filtry także dają się we znaki rzadziej i bardzo dobrze.
Po czwarte: zbudowany pod badania, czyli pod nowe pomysły. Jak zdradziły wyniki, nowa wersja powstała z myślą o pracy badawczej. Mam teorię, dlaczego tak jest — przedstawię ją w części o zastosowaniach. Ta sekcja mocno Wam się spodoba, bo serwuję w niej całą porcję konkretnych pomysłów na wykorzystanie modelu.
Testy autorskie: Fable 5.1 kontra GPT-5.6 Soul
Czas na moje prywatne testy, które mają udowodnić wyższość nowej wersji. W moim zestawieniu Fable 5.1 rozbił GPT-5.6 Soul na łopatki.
Symulator kolejki górskiej. Zadanie: zbudować trójwymiarowy symulator kolejki górskiej. Najpierw podejście GPT. Wygląda całkiem nieźle — klikamy „jazdę” i patrzymy. Przyzwoicie, choć wózków podczas przejazdu ledwo widać. Da się żyć. A teraz Fable 5.1 — różnica bije w oczy. Znacznie więcej budynków i więcej detali w każdym z nich, drzewa dopracowane, trawa z wyraźną fakturą. Wsiadamy: spójrzcie na tor, na kolory, na poszczególne segmenty. Chmury, niebo — wszystko dopracowane do detalu.
Pojedynek na debugowanie. Drugi sprawdzian polegał na pobraniu losowego repozytorium z GitHuba i wyłapaniu w nim wszystkich błędów. Fable 5.1 znalazł je wszystkie przy wyraźnie mniejszej liczbie wywołań narzędzi — czyli pojedynczych kroków, w których agent sięga po narzędzie, choćby przeszukiwanie plików — niż GPT-5.6. Przełożone na prosty język: do tych samych lub lepszych rezultatów dochodzi krótszą drogą.
The Gauntlet. Trzeci test, „The Gauntlet”, to zadanie agentowe: dostarczamy modelowi paczkę różnych plików i prosimy o odnalezienie ukrytych w nich „jajeczek” — drobnych, specjalnie posianych elementów. Obaj konkurenti uporali się z nim naprawdę dobrze, ale Fable 5.1 wykonał go odrobinę lepiej i zebrał wyższy wynik. Podsumowując starcie: dość łatwe zwycięstwo Fable 5.1.
Fable 5.1 kontra poprzednik: koniec z odmawianiem
Porównanie z Fable 5 wygląda jeszcze bardziej jednostronniej — poprzednik przegrał po krótkiej walce. I wchodzimy w sedno: Fable 5 konsekwentnie odmawiał wykonania „Polowania na relikty” — testu, w którym dostaje pliki i ma wyszukać ukryte elementy. We wszystkich moich próbach nigdy się na to nie poważył, bo zadanie uruchamiało filtry treści. Fable 5.1 podchodzi do niego bez oporów. Rzeczy, których stara wersja nie chciała tknąć, nowa wykonuje — i to porządniej, i sprytniej.
Klonowanie apple.com. Na koniec test „Pixel Perfect”, czyli odtwarzanie strony apple.com. Tak wygląda prawdziwa witryna: urządzenia, serial Ted Lasso i tak dalej. Odtworzenie przez Fable 5.1? Całkiem udane. Idealne? Nie — ale bez trudu rozpoznacie iPhone’y, MacBooka Air, Maca mini i iPada Pro; kształty się zgadzają. A co wyprodukował Fable 5? Logo Apple wcale nie przypomina logo Apple. Ludzie to zbiór kwadratów. iPhone wyszedł niezły, ale pozostałych urządzeń nie da się zidentyfikować. Bohaterowie Ted Lasso wyglądają jak wszystko, tylko nie jak istoty ludzkie, a Sabrina Carpenter to dwa kółka. Test odtwarzania strony — kolejna wygrana Fable 5.1, i to bezdyskusyjna.
Pierwsze zastosowanie: audyt konfiguracji agentów
Przechodzimy do rzeczy, które warto zrobić z Fable 5.1 od razu. Jedna z moich ulubionych: audyt całego setupu agentów AI. Zacznij od swojego głównego agenta-orkiestratora — agenta, który u Ciebie dyryguje pozostałymi. U mnie jest to Grockbot, ale równie dobrze może to być Hermes, OpenClaw czy cokolwiek innego. (Informacja dodatkowa: wymienione narzędzia — Grockbot, Hermes i OpenClaw — to środowiska do pracy z autonomicznymi agentami AI; Finn traktuje je zamiennie jako przykłady głównego agenta koordynującego pozostałe.)
Poproś go o przysługę: „Stwórz plik Markdown, który opisuje całość naszego setupu — umiejętności, podagentów, wszystko — i zapisz go do pobrania”. Plik pobierasz, przenosisz do Claude Fable 5.1 i prosisz: „Obejrzyj mój setup i wskaż, co można w nim poprawić”.
Dlaczego akurat ta wersja nadaje się do zadania jak ulał? Bo ma rzadki talent do wymyślania rzeczy, których wcześniej nikt nie powiedział — to bodaj najlepszy model wszech czasów, jeśli chodzi o nowe pomysły. Wspominałem już o benchmarkach: nowość powstała z myślą o badaniach, a badania to nic innego jak rozkładanie zagadnienia na pierwsze zasady — na fundamentalne prawidła — i budowanie na nich koncepcji, których dotąd nikt nie próbował. Dlatego model świetnie nadaje się do przyjrzenia się rzeczom, które już robisz: wpuszczasz opis własnego setupu do środka i dostajesz świeże podejścia do zajęć, które wykonujesz od dawna. Krótko mówiąc: nieistotne, z czego korzystasz — każ swojemu głównemu agentowi szczegółowo opisać wszystko w Markdownie, wrzuć plik do Fable 5.1, odbierz audyt i wdrażaj to, co ma sens.
Drugie zastosowanie: ponowna burza mózgów
Druga rzecz, którą zrobiłbym natychmiast: weź kilka ostatnich sesji burzy mózgów przeprowadzonych z Fable 5 i przebiegnij nimi ponownie — tym razem w Fable 5.1. Sam przepuszczam przez nową wersję wszystkie pomysły wypracowane ze starą, żeby sprawdzić, czy wyłoni jakieś nowe kąty, koncepcje, podejścia. I szczerze mówiąc — się udało. Przepuszczając przez wersję 5.1 te same prompty, które kiedyś trafiały do piątki, wyszedłem z pomysłami, których wcześniej nie miałem.
Dlaczego akurat badania? Pętla samodoskonalenia
To moim zdaniem najważniejsza rzecz w tej premierze: z Fable 5.1 zrobiono prawdziwego badacza. OpenAI poruszało ten temat kilka tygodni temu przy okazji Astri, o której mówiło jako o swoim nowym asystencie badawczym. Moim zdaniem wszystkie firmy budujące modele zmierzają w to samo miejsce: chcą własnych asystentów badawczych, bo to brama do pętli rekurencyjnego samodoskonalenia. Jeśli powstanie model, który umie prowadzić badania i na gruncie pierwszych zasad rodzić nowatorskie pomysły, będzie mógł ulepszać sam siebie. Dlatego zarówno Astra, jak i Fable 5.1 celują właśnie w tę kompetencję — i dlatego Fable 5.1 prowadzi teraz w stawce. To wyścig o rekurencyjne samodoskonalenie.
Z tego wszystkiego wynika prosty wniosek praktyczny: zrób z Fable 5.1 własnego, osobistego asystenta badawczego — czyli podawaj mu wyzwania, których nie da się rozwiązać bez świeżych pomysłów. Ja buduję własne studio deweloperskie gier i pozwalam Fable 5.1 napisać silnik od zera. W Henry Intelligent Machines, moim nowym startupie, również zlecam mu budowę silnika, który będzie napędzał całość — od pierwszych zasad w górę. Praktycznie: wróć do sesji z Fable 5, wyłuskaj pomysły cierpiące na brak nowego spojrzenia i przenieś je do Fable 5.1. Wnioski będą znacznie lepsze, bo w tym modelu badania to nie dodatek, a rdzeń.
Trzecie zastosowanie: własne testy pod własne zadania
Trzecia rzecz, którą polecam zrobić od razu, to dokładnie to, co widzicie teraz na ekranie: własny zestaw testów. Moje słynne benchmarki powstały w całości od zera i opierają się wyłącznie na moich przypadkach użycia — na tym, co robię na co dzień. Moja rada: zróbcie dokładnie to samo. Cudzym benchmarkom nie ufajcie. Moim — jak najbardziej. Ale cudzym — nie.
Jak się za to zabrać? Wejdź do Fable 5.1 i zapytaj: „Jakie są pięć najważniejszych kategorii zadań, które wykonujemy regularnie?”. Następnie, w oparciu o te kategorie, każ wymyślić po jednym złożonym, wieloetapowym teście do porównywania modeli — a na końcu zbuduj wokół tego stronę internetową, tak jak ja. Jeśli to zrobisz, Fable 5.1 przygotuje znakomite środowisko testowe, dzięki któremu przy każdej kolejnej premierze zmierzysz modele w warunkach własnych — na własnych zadaniach. Przestaniesz zgadywać, który model nadaje się do czego, bo ocenisz wszystko sam.
Co dalej
To trzy sposoby, z których skorzystałbym natychmiast — pozwalają jednocześnie wyciągnąć z Fable 5.1 najwięcej wartości i wykorzystać to, co uważam za jego największe atuty. Materiałów o Fable będzie u mnie znacznie więcej, bo moim zdaniem ta premiera zmienia zasady gry. Anthropic nie wypuszczało niczego nowego od miesięcy — co samo w sobie budzi zdziwienie — i właśnie zaczęło się to zmieniać. W najbliższych tygodniach spodziewam się całej serii premier, więc warto zostać z kanałem: każde nowe narzędzie omówię i pokażę, jak go używać. Na koniec autor zachęca też do subskrypcji oraz dołączenia do swojej społeczności Vibe Coding Academy, którą reklamuje jako czołówkę środowisk poświęconych AI.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Ta sama cena tokenów, rachunki niższe o ćwierć i więcej
Na czym polega: Fable 5.1 kosztuje tyle samo za token co Fable 5, ale wykonuje zadania mniejszą ich liczbą — według Finna oszczędność sięga 25–40% na dowolnym zadaniu.
Jak stosować: Zanim przeniesiesz pracę na nową wersję, zmierz zużycie tokenów na kilku typowych zadaniach — przed i po. W pierwszej kolejności migruj powtarzalne, rutynowe procesy, bo tam oszczędności mnożą się najszybciej.
Na co uważać: Oszczędność dotyczy wykonania zadania, nie cennika. Przy krótkich, prostych zapytaniach różnica będzie mniejsza — opieraj się na własnych pomiarach, nie na górnej granicy widełek.
2.Nowa wersja myśli jak badacz — kieruj ją tam, gdzie liczy się pomysł
Na czym polega: Największy skok nastąpił w pracy badawczej: model rozkłada zagadnienia na pierwsze zasady i na tej podstawie generuje koncepcje, których poprzednik nie proponował.
Jak stosować: Odsyłaj do niego problemy otwarte — strategie, architektury, pomysły na produkty — zamiast zadań z gotowym schematem, do których wystarczy sprawniejszy wykonawca.
Na co uważać: „Nowy” nie znaczy „trafny”. Pomysły modelu traktuj jako materiał do oceny, a nie gotowe decyzje — ostateczny filtr musisz przepuścić sam.
3.Luźniejsze filtry treści: wróć do zadań, które wcześniej odrzucono
Na czym polega: Fable 5 blokował nawet proste zadania; Fable 5.1 podejmuje się znacznie większej ich liczby, w tym testów na plikach, których poprzednik konsekwentnie odmawiał wykonać.
Jak stosować: Zrób przegląd zadań odrzuconych przez Fable 5 z powodu filtrów i spróbuj ponownie w nowej wersji — część z nich wróci do obiegu bez wymyślnych obejść w promptach.
Na co uważać: Mniej blokad nie zwalnia z kontroli jakości. Sprawdź, czy model odpowiada merytorycznie, a nie tylko chętniej.
4.Audyt konfiguracji agentów w trzech krokach
Na czym polega: Główny agent może wygenerować plik Markdown opisujący cały setup (umiejętności, podagentów), a Fable 5.1 przeprowadza na takim opisie audyt i proponuje ulepszenia.
Jak stosować: Poleć agentowi-orkiestratorowi opisać konfigurację do pliku, pobierz go, wgraj do Fable 5.1 i poproś o konkretne propozycje poprawek. Zabieg warto powtarzać po każdej większej zmianie setupu.
Na co uważać: Model zna wyłącznie to, co jest w pliku — kontekst, którego tam zabrakło, może go wprowadzić w błąd. Wdrażaj wybiórczo i zawsze trzymaj kopię konfiguracji sprzed zmian.
5.Przepuść stare burze mózgów przez nowy model
Na czym polega: Te same prompty z Fable 5 przepuszczone przez Fable 5.1 wygenerowały — w doświadczeniu Finna — nowe kąty i koncepcje, czyli drugie życie dla starych sesji.
Jak stosować: Wybierz kilka niedawnych sesji pomysłowych, uruchom je bez zmian w nowym modelu i porównaj wyniki z pierwotnymi notatkami — interesujące będzie to, czego wcześniej zabrakło.
Na co uważać: Odmienny wynik to nie automatycznie postęp. Ustal z góry kryteria oceny pomysłów, żeby nie dać się porwać samej nowości.
6.Zbuduj własny benchmark zamiast ufać cudzym
Na czym polega: Finn powtarza: nie ufaj cudzym testom (poza jego własnymi — co mówi z przymrużeniem oka). Zestaw zadań zbudowany pod Twoją codzienną pracę mówi więcej niż publiczne rankingi.
Jak stosować: Poproś Fable 5.1 o wskazanie pięciu kategorii zadań wykonywanych regularnie, następnie o złożony, wieloetapowy test dla każdej z nich — i zbuduj wokół tego prostą stronę porównującą wyniki. Uruchamiaj ją przy każdej premierze.
Na co uważać: O wartości własnych testów decyduje powtarzalność: te same prompty, dane i warunki. Bez tego porównania między modelami będą przypadkowe.
7.Traktuj model jako osobistego asystenta badawczego
Na czym polega: Skoro rdzeniem wersji 5.1 jest kompetencja badawcza, najwięcej daje podawanie jej wyzwań wymagających nowych pomysłów — Finn zleca jej między innymi budowę silnika gry od pierwszych zasad.
Jak stosować: Wyznacz jeden poważny problem, na który nie masz sprawdzonego schematu, i poproś model o podejście od podstaw — krok po kroku, od fundamentalnych założeń.
Na co uważać: Długie sesje badawcze potrafią pochłonąć sporo tokenów mimo wyższej wydajności. Ustal limit kosztów na każdy eksperyment.
8.Licz wywołania narzędzi jako miarę efektywności agentów
Na czym polega: W teście debugowania Fable 5.1 znalazł wszystkie błędy przy wyraźnie mniejszej liczbie wywołań narzędzi niż GPT-5.6 — krótszą drogą doszedł do tego samego celu.
Jak stosować: W agentach śledź liczbę kroków i wywołań narzędzi na zadanie. Porównując modele, patrz nie tylko na wynik, ale i na koszt dojścia do niego.
Na co uważać: Mniej kroków nie zawsze znaczy lepiej — model może uciąć drogę, pomijając istotne sprawdzenia. Porównuj zawsze też poprawność rezultatu.
9.Grafika i klonowanie interfejsów: lepsze prototypy, wciąż nie perfekcja
Na czym polega: W symulatorze kolejki 3D i w odtwarzaniu apple.com Fable 5.1 wyraźnie przebił zarówno GPT-5.6, jak i Fable 5 — więcej detali, rozpoznawalne kształty urządzeń — choć to wciąż nie kopia co do piksela.
Jak stosować: Sięgaj po nową wersję do szybkich prototypów interfejsów, stron startowych i wizualizacji 3D. Jako punkt wyjścia oszczędza najwięcej czasu.
Na co uważać: Traktuj wynik jako szkic, nie produkt: elementy związane z marką — logo, twarze, typografia — nadal wymagają ręcznej korekty albo oryginalnych zasobów.
10.Kierunek branży: modele, które ulepszą same siebie
Na czym polega: Teza Finna: nacisk na badania (Astra u OpenAI, Fable 5.1 u Anthropic) służy budowaniu „asystentów badawczych”, którzy mają uruchomić pętlę rekurencyjnego samodoskonalenia — model wymyślający nowe pomysły może ulepszać sam siebie.
Jak stosować: Śledź wyniki modeli w kategoriach badawczych — według autora to najlepszy wskaźnik, dokąd zmierza branżowy wyścig i gdzie pojawią się kolejne premiery.
Na co uważać: To interpretacja komentatora, nie oficjalne stanowisko firm. Oddzielaj potwierdzone funkcje od spekulacji o strategii producentów.