Claude Fable 5 คืออะไร ราคา ข้อจำกัด และต่างจาก Mythos 5 อย่างไร

พอ Anthropic ประกาศ Claude Fable 5 Matt Penny จาก Applied AI ได้ review ภาพรวมของโมเดลนี้ไว้อย่างละเอียด และมีจุดที่ผมอยากขยายความเพิ่มเติม เพราะมันซับซ้อนกว่าที่ headline "โมเดลใหม่ดีขึ้น" สื่อให้เห็นค่อนข้างมาก สิ่งแรกที่หลายคนสับสนคือชื่อ — Claude Fable 5 กับ Claude Mythos 5 ไม่ใช่สิ่งเดียวกัน และความแตกต่างนั้นสำคัญมาก

ทั้งสองสร้างบน Mythos architecture แต่ความแตกต่างหลักอยู่ที่ว่าคุณสามารถใช้มันทำอะไรได้บ้าง Fable 5 คือเวอร์ชันสาธารณะที่ทุกคนเข้าถึงได้แต่มี safety classifiers คอยกรอง query บางประเภทออกก่อนที่จะถึงโมเดล ส่วน Mythos 5 คือเวอร์ชันเต็มที่ Anthropic เปิดให้เฉพาะพันธมิตรด้าน cyber defense และโครงสร้างพื้นฐานสำคัญที่คัดเลือกมาแล้ว ตอนนี้ยังไม่เปิดให้สาธารณชนทั่วไป

อีกสิ่งที่หลายคนยังไม่รู้คือโมเดลนี้มีอายุการใช้งานบน subscription plans แค่ ถึงวันที่ 22 มิถุนายน 2026 หลังจากนั้นจะถอดออกจากทุกแพลนแล้วให้ใช้ผ่าน API เท่านั้น ซึ่งราคาต่างกันมากพอที่ทำให้หลายคนต้องคิดหนักก่อนตัดสินใจ บทความนี้จะอธิบายว่า Fable 5 ดีกว่า Opus 4.8 อย่างไรบ้าง ราคาอยู่ระดับไหน และคุ้มสำหรับใครกันแน่

สรุปสั้น ๆ

• Claude Fable 5 สร้างบน Mythos architecture มี safety classifiers จำกัดงาน cybersecurity, bioweapons และ model distillation
• ราคา $10/1M input tokens, $50/1M output tokens — แพงกว่า Opus 4.8 สองเท่า แพงกว่า GPT-5.5 เกือบเท่าตัว
• ใช้ได้บน Pro/Max/Team/Enterprise ถึง 22 มิถุนายน 2026 หลังจากนั้น API เท่านั้น
• ดีขึ้นชัดเจน: agentic coding ขึ้นจาก 69% เป็น 80%, file-based memory ดีกว่า 3 เท่า, large codebase handling
• CEO จาก Stripe, Cursor, GitHub, Figma, Lovable ยืนยันผลการใช้งานจริงว่าดีกว่า model รุ่นก่อนอย่างมีนัยสำคัญ

Fable 5 กับ Mythos 5 สร้างจากพื้นฐานเดียวกันแต่ใช้คนละแบบ

ที่ Anthropic แยก Fable 5 ออกจาก Mythos 5 ไม่ใช่เรื่อง marketing อย่างเดียว แต่เกี่ยวกับ safety classifiers ที่ทำงานอยู่หน้าโมเดลก่อนที่ prompt จะถูกประมวลผล classifier จะสแกนก่อนว่า request เข้าข่ายหัวข้อที่ต้องระวังหรือเปล่า ถ้าใช่ ระบบจะ fallback ไปใช้ Claude Opus 4.8 แทนโดยอัตโนมัติ โดยที่คุณอาจไม่รู้ด้วยซ้ำว่า response ที่ได้มาไม่ได้มาจาก Fable 5

หัวข้อที่ classifier จะ intercept มีสามด้านหลัก คือ cybersecurity (การค้นหาและ exploit vulnerabilities), bioweapons และเคมี (Anthropic ขยายกว้างขึ้นจากเดิมเพราะไม่มั่นใจว่าการบล็อกแค่ query แคบ ๆ เพียงพอ) และ model distillation ซึ่งก็คือการเอา output ของ Fable 5 ไปเทรน AI ตัวอื่นโดยไม่ได้รับอนุญาต request ที่ถูกตรวจว่าเป็น distillation pipeline จะ fallback ไป Opus 4.8 เช่นกัน

ผมลองถาม Fable 5 ให้ช่วยตรวจสอบ vulnerabilities ของ server ที่รัน agent อยู่ — ระบบ fallback กลับไป Opus 4.8 ทันที เข้าใจเหตุผลด้านความปลอดภัยดี แต่ก็ต้องยอมรับว่าน่าหงิดเล็กน้อย เพราะ cybersecurity คือเหตุผลหลักที่หลายคนตั้งตารอ Mythos-class model นี้อยู่ ถ้าต้องการความสามารถด้านนี้จริง ๆ ต้องรอ Mythos 5 เวอร์ชันสาธารณะที่ Anthropic บอกว่าจะมาในอนาคต แต่ยังไม่มีกำหนดชัดเจน

ราคาและ Timeline ที่ต้องรู้ก่อนตัดสินใจ

ตัวเลขที่บอกได้ตรงที่สุดว่า Fable 5 เหมาะกับใครคือราคา $10 ต่อ 1 ล้าน input tokens และ $50 ต่อ 1 ล้าน output tokens ผ่าน API ซึ่งแพงกว่า Claude Opus 4.8 ประมาณสองเท่าตรง ๆ ถ้าเทียบกับ GPT-5.5 standard ก็ยังแพงกว่าเกือบเท่าตัว และถ้าดูที่ Grok ซึ่งหลายคนใช้อยู่ ราคาต่างกันถึง 20 เท่า ชัดเจนว่า Fable 5 ไม่ได้ออกแบบมาสำหรับ use case ทั่วไป

แต่สิ่งที่น่าสังเกตกว่าตัวเลขราคาคือ โครงสร้างการเข้าถึง Anthropic เปิดให้ใช้บน subscription ทุกตัว (Pro/Max/Team/Enterprise) จนถึง 22 มิถุนายน 2026 หลังจากนั้นถอดออกจาก subscription แล้วให้ใช้ผ่าน API เท่านั้น หมายความว่าการ subsidize ราคาที่ทำให้คุณใช้ได้แบบ unlimited ในแพลนรายเดือนจะหายไปทันทีในวันนั้น

ผมมองว่ากลยุทธ์นี้คือการ test ขนาด market — ให้คนลองของดีก่อนสองสัปดาห์เพื่อหวังว่าพอติดแล้วจะยอมจ่ายผ่าน API แต่ในความเป็นจริง ธุรกิจขนาดเล็กถึงกลางส่วนใหญ่คงประเมินแล้วว่าไม่คุ้ม กลุ่มที่จะยืนใช้ API ราคาเต็มน่าจะเป็นแค่บริษัทใหญ่ที่มี dedicated AI budget สูงและงานที่ต้องการความแม่นยำระดับนั้นจริง ๆ เช่น hedge fund หรือ enterprise ที่ decision แต่ละครั้งมีมูลค่าสูงพอที่จะ justify ต้นทุน

Coding และ Codebase ขนาดใหญ่คือจุดเด่นที่วัดได้

ถ้าดูที่ benchmark อย่างเดียว agentic coding ขึ้นจาก 69% เป็น 80% และ overall coding score เพิ่มขึ้นมากกว่าสองเท่าเมื่อเทียบกับ Opus 4.8 ตัวเลขเหล่านี้อาจฟังดู abstract แต่มีกรณีศึกษาที่ทำให้เป็นรูปธรรมมากขึ้น

Stripe รายงานว่าใช้ Fable 5 กับ codebase ขนาด 50 ล้านบรรทัด Ruby และงานที่ปกติใช้เวลาหลายเดือนเสร็จภายในไม่กี่วัน แม้จะไม่ชัดเจนว่าเปรียบกับทีม human หรือ model รุ่นก่อน แต่ตัวเลขนี้สอดคล้องกับที่ CEO จากหลายบริษัทออกมายืนยัน Mario จาก GitHub Copilot พูดถึงระดับ autonomy ในการทำ complex long-horizon tasks ที่เกินกว่า benchmark ก่อนหน้า Matt จาก Figma บอกว่าเป็น strong result ที่สุดที่เคยทดสอบมาจาก Claude และ Fabian จาก Lovable ยืนยันในทิศทางเดียวกัน

สิ่งที่อธิบายผลลัพธ์เหล่านี้ได้คือ file-based memory ที่ดีขึ้นสามเท่า เมื่อเทียบกับ Opus 4.8 แม้ context window จะยังเป็น 1 ล้าน tokens เท่ากัน แต่ความสามารถในการ compress และ navigate ข้อมูลใน codebase ขนาดใหญ่ดีขึ้นอย่างมีนัยสำคัญ นี่คือเหตุผลที่ Stripe ทำงานกับ 50 ล้านบรรทัดได้อย่างมีประสิทธิภาพ — ไม่ใช่แค่ context window กว้างขึ้น แต่การใช้ context ที่มีอยู่ฉลาดขึ้นในระดับที่วัดได้

Vision และ Knowledge Work ที่ราคาต้องคุ้ม

ด้าน vision Anthropic อ้างว่ามี engine ใหม่ที่สามารถ rebuild source code ของเว็บไซต์จาก screenshot เพียงอย่างเดียว ได้ ถ้าทำได้จริงแบบ one-shot นี่คือ workflow ที่มีประโยชน์จริงสำหรับนักพัฒนาที่ต้องการ prototype จาก reference ที่ชอบอย่างรวดเร็ว demo ที่ Anthropic เลือกใช้คือการเล่น Pokémon Fire Red ผ่านการดู screenshot แล้วให้ model ตัดสินใจ move ถัดไป ซึ่งน่าสนใจในเชิง technical แต่ใน practical use มี use case ที่มีคุณค่ากว่านั้นมาก

ส่วน knowledge work และ reasoning เชิงลึก อย่างเช่น complex analytical tasks, document-based reasoning, chart/table interpretation Fable 5 ทำได้ดีกว่า Opus 4.8 ชัดเจน แต่สิ่งที่ต้องคิดประกอบคือ reasoning call ที่ $50/M output tokens แพงมากสำหรับ workflow ที่ต้อง iterate หลายรอบ ถ้าทำระบบ multi-agent ที่ agent คุยกันไปมาหลายขั้น ค่าใช้จ่ายจะพุ่งเร็วมาก use case ที่คุ้มจริง ๆ คืองานที่ decision แต่ละครั้งมีมูลค่าสูงพอ เช่น financial analysis หรือ legal document review ที่ความผิดพลาดหนึ่งครั้งมีต้นทุนสูงกว่า API cost มาก

นโยบาย Data Retention ที่ต้องตรวจสอบก่อน Deploy

นอกจาก safety classifiers แล้ว Anthropic ยังกำหนด data retention policy 30 วัน สำหรับ traffic ทั้งหมดที่ผ่าน Mythos-class models รวมถึง Fable 5 ด้วย เหตุผลที่ให้คือเพื่อใช้ข้อมูลในการป้องกัน complex attacks ที่ซับซ้อน สำหรับธุรกิจที่มีข้อกำหนด data privacy เข้มงวดหรืออยู่ใน regulated industries จุดนี้ต้องตรวจสอบกับ compliance team ก่อนนำ Fable 5 เข้าไปใน production workflow จริง

เรื่อง model distillation classifier น่าสนใจในเชิง technical เพราะ distillation ในแง่ทั่วไปก็แค่การถามโมเดลแล้วเอา output ไปใช้ แต่ Anthropic บอกว่ามีวิธีตรวจจับ request ที่เป็นส่วนหนึ่งของ distillation pipeline ถ้าถูกตรวจพบก็จะ fallback ไป Opus 4.8 สิ่งนี้สะท้อนชัดว่า Anthropic protective เรื่อง IP ของตัวเองมากขึ้นเรื่อย ๆ ซึ่งสมเหตุสมผลเมื่อดูมูลค่าที่ลงทุนไปกับการสร้าง Mythos-class models

สิ่งที่ Anthropic กำลังทำกับ Fable 5 ไม่ใช่แค่ launch โมเดลใหม่ — มันคือการ calibrate ว่าตลาดยอมจ่ายเพิ่มแค่ไหนสำหรับประสิทธิภาพที่ดีกว่า และจะมีใครใช้จริงผ่าน API หลัง 22 มิถุนายน

สรุป

Claude Fable 5 ดีกว่า Opus 4.8 จริงในหลายด้านที่วัดได้ทั้ง coding, large codebase memory, reasoning เชิงลึก และ vision — และยังมี CEO จากบริษัทชั้นนำยืนยันจากการใช้งานจริง ไม่ใช่แค่ benchmark อย่างไรก็ตาม โครงสร้างราคาและข้อจำกัดในการเข้าถึงทำให้มันเหมาะสำหรับกลุ่มแคบกว่าที่ headline ทำให้คิด

สิ่งที่ผมเห็นซ้ำ ๆ จากการทำงานกับธุรกิจหลายแห่งคือ การสลับไป model ใหม่โดยไม่ปรับ workflow หรือ prompt ไม่ค่อยได้ผลต่างจากเดิมมากนัก Fable 5 ดีกว่า Opus 4.8 จริง แต่ถ้างานยังออกแบบมาแบบเดิม ความแตกต่างที่ได้จะน้อยกว่าที่คาด ใช้ช่วง subscription ที่มีอยู่ทดสอบกับงานจริงก่อน แล้วค่อยตัดสินใจ

ขั้นตอนต่อไปถ้าสนใจ Claude Fable 5:

• ทดสอบก่อน 22 มิถุนายนบน subscription ที่มีอยู่ — ไม่ต้องจ่ายเพิ่ม
• เปรียบเทียบ output vs Opus 4.8 บนงานที่ทำจริง ไม่ใช่แค่ demo ทั่วไป
• ถ้าจะใช้ API หลัง 22 มิถุนายน คำนวณ cost-per-task ของงานจริงก่อนตัดสินใจ
• งาน cybersecurity ยังต้องรอ Mythos 5 เวอร์ชันสาธารณะ
• ตรวจสอบ 30-day data retention กับ compliance ก่อน deploy production