Claude Fable 5 的 high、xhigh 與 max：該怎麼選？

在 Claude Fable 5 裡，該選 high 還是 max effort？結論其實很直接：絕大多數情況維持 high 就好；碰上棘手的程式任務或 agentic 工作，再升到 xhigh；max 應視為極少數情境才動用的最後手段。多數任務下，max 的成本大約會翻倍，品質提升卻不容易量化，甚至可能因為想得太多而表現失準。許多人忽略的是，high 與 max 中間其實還有一檔 xhigh；當你想知道 effort 是否該往上調時，它通常才是正解。

Fable 5 的 effort 設定實際改變了什麼？

Effort（output_config.effort）共分五級：low、medium、high、xhigh、max。Fable 5 預設為 high；根據 Anthropic 的 effort 文件，明確設定 high 與完全不傳此參數，效果相同。

有兩件事常讓人意外。第一，effort 不只是控制推理深度的旋鈕，它會影響所有 token 用量：可見的輸出文字、extended thinking，以及 agentic 迴圈中的工具呼叫。較低 effort 代表工具呼叫較少且更集中、前言更少、確認訊息更精簡；較高 effort 則代表更多呼叫、更完整的規劃過程，以及更長的摘要。第二，Fable 5 的 thinking 永遠開啟，無法關閉（thinking: {type: "disabled"} 會報錯），因此 effort 就是控制其推理深度的方式。在 high、xhigh 與 max 下，Claude 幾乎都會進行深度思考；而在 low 與 medium 下，面對簡單問題時則可能跳過思考。

不是 high 對 max，而是三段式選擇

所謂「high 與 max 怎麼選」，實際上是三段式問題，因為中間還有 xhigh，提供更細緻的推理深度與延遲取捨。Anthropic 工程師 Boris Cherny 形容它是「介於 high 和 max 之間的新級別」。目前只有 Fable 5、Mythos 5、Opus 4.8、Opus 4.7 與 Sonnet 5 支援這一級；較舊的 Opus 4.6 和 Sonnet 4.6，則會直接從 high 跳到 max。

以下是完整的 effort 階梯，以及 Anthropic 為各級別定義的用途：

因此，當有人問 Fable 5 是否該開到 max，更誠實的第一個問題應該是：你試過 xhigh 了嗎？針對最困難的程式與 agentic 工作，建議優先升到 xhigh，而不是直接使用 max。

你拿成本與延遲換到了什麼？

提高 effort 不會改變每 token 的單價。Fable 5 在所有級別下，輸入皆為每百萬 token $10、輸出皆為每百萬 token $50；成本上升純粹是因為模型產生了更多 token。

這張圖僅用於說明，並非實測數據。它將下文所述取捨的趨勢視覺化，並以 max 在兩個軸向皆為 1.0 進行標準化。品質在 high 時已接近上限，但成本隨著級別提高仍持續大致翻倍。

從 xhigh 升到 max，往往就是投入報酬開始失衡的地方。軟體工程師 Ishu Agarwal 在 2026 年 7 月 11 日的分享中指出，high → xhigh 的品質提升「通常可能不到 3%」，成本卻會增加「30% 到 100%」，而模型在較高 effort 下傾向「過度思考」。另一篇在 7 月 14 日廣泛流傳的貼文則宣稱，Fable 5 在 max 與 xhigh 得到完全相同的分數：「89.0 對 89.0，成本大約卻是兩倍。」這些是具方向性的社群觀察，並非受控 benchmark；不過其結論與 Anthropic 的說法一致：max「以顯著成本換取相對有限的品質提升」，而在某些結構化輸出或對智慧要求較低的任務上，甚至可能導致過度思考。

延遲的趨勢也相同。產品經理 Pawel Huryn 在 2026 年 6 月 11 日測試各 effort 級別後發現，「在 max 以下，完成時間幾乎不太變動」，但實際工作中，「從 xhigh 往上，完成時間會明顯跳升」。還有一個容易忽略的陷阱：Fable 5 與最新一代 Opus 共用 tokenizer，同樣文字所計出的 token 數可能比舊版 Claude 高出最多約 ~35%，因此若你拿先前模型的成本作基準，實際成本會顯得偏低。

high、xhigh、max 的實用選擇規則

high 是品質與 token 效率最平衡的甜蜜點；xhigh 能為最困難的工作帶來真正更充分的推敲；而 max 則是在 xhigh 已經失敗後，成功機率不高的一次加碼。很多時候，往下調反而更明智：依 Anthropic 的說法，Fable 5 在較低 effort 下依然表現出色，且「經常超越舊模型的 xhigh 表現」。CTO Morgan Linton 說得很直接：「從程式開發角度來看，我大約 95% 的工作只需要 Fable 5 Low 和 Medium。」當 Low 或 Medium 已能給出相同結果，卻一律使用 high，只會更快耗盡方案額度。

如果真正的問題在於模型本身不適合這項工作，調整 effort 也無濟於事——那是模型選擇問題，而非 effort 問題。

關於 Fable 5 effort，最常見的三個誤解

更高 effort 不代表模型更聰明。 Effort 決定 Claude 在回答前要投入多少工作量，包括更多思考與更多工具呼叫，而不是決定模型能力。low 與 max 的回答都來自同一個模型；若任務超出模型能力，max 只會花更多資源得到相同結果。

Claude Code 的預設值不同於 API。 Claude Code 預設為 xhigh，API 預設則是 high。這正好解釋了許多「為什麼同一模型在這裡表現不同」的疑問：Claude Code 因為預設值較高，看起來更周詳，成本也更高。若希望 API 的行為與其一致，請明確設定 xhigh。

ultracode 不是 effort 級別。 它會出現在 Claude Code 的選單中，但 API 僅接受從 low 到 max 的級別。Ultracode 是把 xhigh 與可隨時啟動多代理工作流程的權限結合在一起；它很吃 token，且無法作為參數傳給 API。

如何設定 effort，以及 max_tokens 注意事項

Effort 設定放在 output_config 中，不需要 beta header。由於 Fable 5 的 thinking 永遠開啟，請完全省略 thinking 參數：

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-fable-5",
    max_tokens=64000,          # give room at xhigh/max (see note below)
    output_config={"effort": "xhigh"},   # low | medium | high | xhigh | max
    messages=[{"role": "user", "content": "Refactor this module and add tests."}],
)

max_tokens 是總輸出的硬上限，包含 thinking 與回應文字。在 xhigh 或 max 下，thinking 可能消耗其中大部分預算；因此請設定充足額度，建議從約 64,000 開始，否則回答可能在思考中途遭截斷。Fable 5 支援 1M-token context 與 128K output tokens。

常見問題

Fable 5 的 high 與 max effort 有何差異？

high 是預設值，會投入足夠資源來取得優異結果；max 則移除所有限制，以進行最深度的推理。不過，從 high 往上調時，通常真正有意義的升級是介於兩者之間的 xhigh。

Fable 5 的 max effort 值得用嗎？

很少值得。相較於 xhigh，它的成本約翻倍，卻幾乎沒有可量測的提升，還可能過度思考。只有在前沿問題，或 xhigh 也無法解決的 bug 上，才建議保留給 max。

如何更改 effort 級別？

設定 output_config: {"effort": "..."}，可填入 low、medium、high、xhigh 或 max。在 Claude Code 中，則使用其 effort 選單。

預設 effort 級別是什麼？

API 的預設值為 high，與不傳此參數相同。Claude Code 則預設為 xhigh。

更高 effort 的每 token 成本會更高嗎？

不會，費率固定。更高 effort 之所以更貴，只是因為模型會產生更多 token。

Fable 5 的 effort 與 Sonnet 或 Opus 的 effort 級別相同嗎？

參數與名稱相同，但 xhigh 僅存在於 Fable 5、Mythos 5、Opus 4.8、Opus 4.7 與 Sonnet 5，各模型的建議預設值也不同。如果你正在兩者之間選擇，可參考 Sonnet 5 versus Fable 5。