传媒：Claude Fable 5：AGI雏形

（以下内容从华福证券《传媒：Claude Fable 5：AGI雏形》研报附件原文摘录）
投资要点：
一、决策验证：可承接长周期任务，并自行检查修正
1、任务规划：除了回答单个问题实现一次性交付成果外，针对长难任务Fable5会先拆任务、排步骤，再按目标往下推进，并且实现子任务多线并行。据Anthropic披露，Stripe曾使用Fable5完成5000万行Ruby代码库的迁移，Fable5具备长任务的完成能力。
2、过程验证：Fable5在执行的过程中可以检查中间结果，发现问题后重新分析、修改路径，减少一次性答错的问题。
3、Agent能力：规划、执行、验证形成闭环后，Fable5接近于可以长时间持续工作的Agent，决策主体与验证主体从外部转移到模型本身。
二、长期记忆：支撑多轮、多文件、多步骤任务
1、上下文容量：ClaudeAPIdocs披露，Fable5支持1M上下文，可对百万级长文档与代码库做全局理解。更长上下文让Fable5可以同时处理更多资料，例如长文档、代码库和多轮任务记录，信息密度处理能力提升。
2、状态保持：长任务中，Fable5能记住前面的约束、步骤和中间结论，不需要反复重新交代背景；在SlaytheSpire任务中，引入持久化文件记忆后，Fable5的性能提升幅度约为Opus4.8的3倍。
三、成本控制：推理强度自适配与长上下文共同降低任务损耗
1、推理分配：据ClaudeAPIdocs，Fable5将adaptivethinking做成常开模式，核心作用是避免模型每一步都重度思考，让模型在长任务中持续保留推理能力，同时避免简单步骤过度消耗。
2、路径探索：Fable5可以先在内部探索多条路径，再选择更优结果提交。Therawchainofthought主要用于内部推理和方案筛选，不直接变成最终输出文本，提升过程质量。
3、长上下文理解：Fable5的上下文窗口进一步扩大，可以一次性处理更长文档、更多代码和更复杂任务记录。长上下文减少了反复拆分材料、重新补充背景和多轮纠偏的成本，使模型更适合长链条任务。
四、投资建议
Fable5开始具备更接近AGI的任务形态：能自主拆解复杂任务并自我检查。当前模型能力的竞争重点转向长任务交付能力。后续重点关注具备长上下文、长期记忆、自我验证和Agent执行能力的模型，以及由长时间推理带来的算力、存储和CPU需求提升。
风险提示
AI模型竞争激烈，AI应用竞争激烈