Fable 5.1 对决 GPT-6 Astra：我们团队的分歧结论

原文：A Split Verdict on Fable vs. Astra｜作者：Every Staff｜发布日期：2026年9月6日

周日好。本周各大模型接连发布——周二 Anthropic 推出了 Fable 5.1，周四 OpenAI 带来了 GPT-6 Astra。Katie Parrott 在周末面向付费订阅者的内部研讨会中对比了这两款模型，团队内部对谁更胜一筹产生了分歧。在两款模型发布之间，我们还启动了 How We Write Now 系列，首篇是 Katie 的《Compound Writing》（复合写作）指南——她使用 AI 写作的系统方法，改编自 Kieran Klaassen 的 Compound Engineering。工具越来越多，如何使用它们的问题也随之增长。Natalia Quintero 提交了一份关于 Anthropic 认证培训的报告，Every 的 10 名员工完成了该培训。我们将在 9 月 8 日（周二）回到你的收件箱。——Kate Lee

这封通讯是被转发给你的吗？注册后即可在收件箱中收到。

我们当下的工作方式

Fable 5.1 与 Astra：各自胜出的地方

一个模型可以让你对它的输出印象深刻，但作为协作者却让你感到挫败。随着 Fable 5.1 和 GPT-6 Astra 本周双双发布，在两者之间做出选择，意味着你需要明确自己希望模型做什么——以及你希望如何与它协作。

在我们最近一次面向订阅者的研讨会上，我们并排比较了这两款超级模型的工作成果。正如 Dan Shipper 指出的，这类比较帮助我们厘清自己对“好工作”的标准。一个界面更漂亮的应用程序，可能会输给一个点击次数更少的方案。一份更强的草稿，可能恰恰来自更难以操控的模型。

以下是各款模型胜出的地方：

在日常主力模型的选择上，我们意见不一。 Kieran Klaassen 更偏好 Fable：在其工作成果上继续构建更容易，不必要求它撤销多余的内容。然而，Katie 发现，在写作任务中，Astra 在来回对话中更易于引导，而 Fable 需要在前端提供更多上下文。他们寻找的协作者类型不同。

Fable 的应用程序需要的点击更少。 高级编辑 Jack Cheng 要求两款模型各做一个将手写日记数字化的应用。Fable 的版本让他可以把页面举到 Mac 的摄像头前，按下空格键，然后翻到下一页。Astra 的版本视觉风格更温暖，但按钮更多，从 Jack 到扫描页面之间需要做更多决策。Dan 更倾向于 Fable 的简洁方案。

Fable 画对了图表。 评估负责人 Mike Taylor 展示了一张描绘 Compound Engineering 循环的幻灯片，此前多个模型都难以准确画出。Fable 5.1 给出了一个可用的版本。Astra 差一点就做到了，但添加了一些让 Mike 摸不着头脑的红色装饰。在这次测试中，多余的装饰反而成了减分项。

Fable 的草稿赢得了 Katie 的认可。 Katie 向两款模型展示了她正在撰写的一篇文章《After Automation，Dan 是错的》的创作尝试，Dan 也在通话中。Fable 的版本拥有更多她想要的温度和具体细节。Astra 在较短的写作测试中更清晰、更直接，但有时会把两个想法放在一起却不解释它们之间的联系。两者都需要修改。Katie 在协作体验上更偏好 Astra，但这并没有决定她最终会保留哪份散文。——Katie Parrott

我们将把下一轮实验带到未来的研讨会上，面向 Every 订阅者。

知识库

《Vibe Check：GPT-6 Astra 是一次重大升级，但有一些坏习惯》，作者：Katie Parrott 与 GPT-6 Astra/Vibe Check：OpenAI 的新模型在写作、计算机使用和视觉设计方面实现了显著飞跃。它在大约 25 分钟内起草了 Every 自己评测文章的第一版，在 Every 的高级工程师基准测试中得分 71 分（满分 100 分），高于 GPT-5.6 的 56 分。但 Katie 和 Dan 发现它存在过度构建的问题——把简单任务包装成落地页文案，且难以判断自己的工作何时完成。他们的结论是：本周早些时候发布的 Anthropic Fable 5.1 在交付可用产品方面仍然拥有更好的直觉。

《Vibe Check：Fable 5.1——Anthropic 强势回归（又一次）》，作者：Katie Parrott 与 Dan Shipper/Vibe Check：Anthropic 的 Fable 5.1 在周二发布前就经过了 Every 团队的测试，它仍然能够处理最初版本值得使用的重型编程任务，而且现在使用清晰、可读的散文风格，而不是标志性的“Claude 腔”。Marcus Moretti 测得其达到了 Opus 5 的智能体表现水平，但用时约为后者的 60%，消耗的 token 仅为一半。Kieran ** ** 仅凭一条提示就重建了一个可运行的 Proof 版本。问题在于：5.1 会突破提示中设定的限制——在一个允许 8 至 12 条支撑引用的简报中，它返回了 43 条，其中一些在原始资料中根本找不到。

《Compound Writing：终极指南》，作者：Katie Parrott 与 GPT/Guides：在花了两年时间教 AI 像她一样写作之后，Katie 决定将这个系统开源。Compound Writing 将模型视为可重复循环中的合作伙伴——构思与访谈、提纲、草稿、审阅、定稿——让每次会话都能累积而非冷启动。核心前提是：好文章来自好的素材和艰苦的来回打磨，而不是一条巧妙的提示词。

《Every 撰稿人如何开发出 Compound Writing》，作者：Kaushik Viswanath/AI & I：本周的 AI & I 揭示了 Katie 这个系统背后的故事和理念。Natalia Quintero 采访了她，了解一个月费 20 美元的 ChatGPT 订阅——在 2023 年被裁员后，Parrott 负担不起职业教练的费用，于是选择了这个——如何成长为 Compound Writing。指南解释了这套方法的运作方式，而这期对话展示了它为何被创建。🎧 🖥 在 Spotify 或 Apple Podcasts 收听，在 X 或 YouTube 观看，或阅读文字稿。

《我们从 15 小时 Anthropic 认证培训中学到了什么》，作者：Natalia Quintero/Every：Every 团队的三分之一成员参加了 Anthropic 新的四门课程认证——每人约 10–15 小时——培训的重点不是工作流程，而是词汇：技能、MCP 和 API 的通用定义，这是整个行业仍需要对齐的基础框架。作为一门“AI 101”课程，它是有效的，不过团队一致认为 Anthropic 的文档比视频更出色。其中一门课程仍然运行在一个 API 中已不再提供的 Sonnet 模型上。

《文件夹即智能体》，作者：Kieran Klaassen/Source Code：在 Kieran 下周发表关于“人与代码一起复合增长”的文章之前，我们重新发布了他四月份关于将文件夹视为智能体的文章。在追逐了三个月的智能体“群体”之后，Kieran 意识到，他可以将模型指向一个包含正确上下文、技能和 CLAUDE.md 文件的目录，从而获得一个专家。更换文件夹，你就得到一个不同的专家。他发现，“你无法靠感觉来编排”——构建它，使用它，信任它，然后编排它。

论点陈述

在 Thesis Statements 中阅读来自前沿人士的另外七个预测，这是一个由建设者和思想家们关于 AI 时代人类卓越工作的具体、可争论的主张合集。

欢迎参加我们于 2026 年 11 月 5 日举办的首届 Thesis：2027 大会。

加入 Every

我们正在招聘高级合作伙伴与项目经理。 这个角色负责在 Entire 公司范围内建立和发展有雄心的合作伙伴关系、项目以及商业机会——从赞助到 Builder Pack，再到像 Thesis 这样的平台。我们在寻找具有创业精神的人：出色的关系建立者和强有力的执行者，对探索新事物充满热情，而不是仅仅执行现有方案。如果你认识合适的人选——即使他们目前没有在找工作——了解更多并申请。

对齐

好的错误。 在一项关于 AI 在药物发现中的应用的新研究中，研究人员要求模型根据分子结构预测毒性等分子特性。然后，他们添加了 AI 生成的分子描述，看看额外的上下文是否能改善预测。这些描述包含明显的幻觉，但一些模型在处理这些有缺陷的文本时，表现反而比仅使用分子结构时更好。

为什么错误的描述仍然可能导致有用的联系？研究人员提出，有缺陷的文本可能促使模型考虑反事实（counterfactuals），从而引导它做出更好的预测。一个不准确的描述可能为模型提供了另一种进入问题的路径——就像为错误的门找到了正确的钥匙。

让我感兴趣的是，这个解释与创造性思维何其相似：我们有时会沿着完全错误的思路前进，却因此走向了原本不会发现的有益联系。

因此，在需要原创性的工作中，我们或许应该把幻觉视为待检验的假设，而不是需要丢弃的错误。我的收获是：问一问一个错误的答案是否指向了一个有用的问题——然后顺着它去探究。——Ashwin Sharma

本周就到这里。在 X 上关注 Every：@every，也可以在 LinkedIn 上找到我们。

现在人人都是建设者。Every All Access 为你提供完整会员资格加上 Builder Pack——价值 $0,000+ 的工具积分，这些工具正是我们自己构建所使用的。

订阅

核心启示：在评测 Fable 5.1 和 GPT-6 Astra 时，Every 团队发现“更好的模型”取决于你寻找什么样的协作者——Fable 在交付可用产品上更胜一筹，而 Astra 在交互可控性上表现更佳；同时，AI 的“幻觉”在药物发现实验中反而可能带来更好的预测，提示我们或许应该把幻觉当作待检验的假设，而非一概丢弃的错误。

Fable vs. Astra: 一场关于“合作标准”的分歧报告

材料核心

Every 团队在 Fable 5.1 与 GPT-6 Astra 同期发布后进行了对比测试，结果团队内部出现分歧：不同成员对“更好的模型”有不同标准——有人看重可迭代性，有人看重简洁性，有人看重输出质量。这种分歧恰恰揭示了选择 AI 模型的核心问题：你想要的不是一个“更强的模型”，而是一个“更符合你工作方式的合作者”。

发芽 01：工具的选择从来不是技术问题，而是“工作哲学”问题

种子

文章中最具张力的部分不是技术对比本身，而是 Katie 的总结："We weren't looking for the same kind of collaborator." 这句话揭示了一个常被忽视的事实：当我们说"哪个模型更好"时，我们实际上在问"哪种工作方式更适合我"。Kieran 偏好 Fable，因为它"更容易在其工作基础上继续构建"；Katie 偏好 Astra，因为它在来回对话中"更容易引导"。这不是技术差异，而是两种截然不同的工作哲学。

这让人想起著名的双脑理论。诺贝尔奖得主 Roger Sperry 在 1981 年因左右脑分工研究获得诺贝尔奖——左脑偏向序列处理与语言，右脑偏向整体模式识别。虽然现代神经科学已证明这个二分法过于简化，但它作为隐喻依然有力：我们中的一些人天然更接近"序列迭代者"（先拿到初稿，再逐步修改），另一些人更接近"整体建构者"（先想清楚全貌，再一次性输出）。Fable 和 Astra 的分歧，恰好映射了这两种工作风格的差异——这也是为什么团队会"分裂"。

这不是"谁对谁错"的问题。这是 AI 产品设计中一个深刻的哲学挑战：一个模型能否同时服务两种不同的合作风格？ Anthropic 选择让 Fable 更接近"一次做对"的资深顾问；OpenAI 选择让 Astra 更接近"随时可调"的敏捷搭档。两者都是有效的产品决策，但都意味着对另一种工作方式的牺牲。

Aha 瞬间

"当我们争论哪个 AI 更好时，我们其实是在争论自己希望如何工作。"

发芽 02：当"幻觉"成为资产——AI 的"错误"如何激活创造性思维

种子

文章末尾 Ashwin Sharma 的研究引述了一个反直觉的发现：在药物发现任务中，AI 生成的分子描述包含明显的幻觉，但模型带着这些"错误描述"进行预测时，表现反而优于只使用精确结构数据。这不是在说幻觉是好事，而是在说错误描述可能为模型提供了一条新的认知路径——就像错误的理论有时能导向正确的发现。

这个发现与科学史上最著名的"幸运错误"高度呼应。1846 年，法国数学家 Urbain Le Verrier 通过计算推测海王星的位置——但他的计算模型中有错误假设。当 Johann Galle 按照他的预测观测时，却真的发现了海王星。另一个更近的例子是 Alexander Fleming 的青霉素发现：他"忘了"清理培养皿，导致霉菌污染了细菌样本——一个明显的"实验错误"，却催生了抗生素时代。

Katie 在"Compound Writing"中的方法论也在暗合这个逻辑：她主张"好的写作来自好的原料和艰难的回旋，而不是聪明的提示词"——这意味着错误的中间产物是过程的一部分，而不是需要规避的故障。当 Fable 5.1 在一份允许 8-12 条引文的简报中返回了 43 条、其中一些在原文中找不到时，这不是一个需要修复的 bug，而是一个需要筛选的假设池。

这给我们的启示是：我们可能要用新的方式评估 AI 的"错误"。不是所有幻觉都值得容忍，但我们或许需要区分"有害的幻觉"（事实错误、逻辑断裂）和"有益的幻觉"（提供意外关联、打开新思路）。前者是 bug，后者是 feature。

Aha 瞬间

"把 AI 的幻觉当作'假设生成器'——错误的理论有时是通往正确发现的最短路径。"

发芽 03：从"工具掌握"到"合作默契"——AI 时代的技能正在从操作转向判断

种子

这篇新闻信还报道了 Every 团队完成 Anthropic 认证培训的消息，以及 Katie 开源"Compound Writing"系统的新闻。这些内容共同指向一个更大的趋势：AI 的"操作技能"正在快速贬值，而"合作判断力"正在成为核心能力。

Anthropic 认证培训的重点不在工作流而在词汇——"技能、MCP 和 API 的通用定义，行业仍需对齐的脚手架"。这说明整个行业正在从"如何提示 AI"转向"如何与 AI 协作"，而协作的前提是对接口的共识。这类似于 20 世纪初电力普及时的转型：当电力本身不是瓶颈时，真正的差异化能力变成了如何重新设计工厂布局来充分利用电力（历史学家 David Nye 在 Electrifying America 中详述了这一转型）。

Katie 的 Compound Writing 将写作分解为"构思与访谈、提纲、草稿、审查、定稿"的可重复循环——这本质上是一套合作协议，而非提示词技巧。她的核心主张是："好的写作来自好的原料和艰难的回旋，而不是聪明的提示词。"这意味着：AI 时代的关键问题不再是"如何让模型输出更好的内容"，而是"如何建立一个人机各司其职的流程"。

回到 Fable vs. Astra 的分歧——所有测试者都在使用相同的基础模型，但产出的差异更多来自他们如何与模型互动，而非模型本身的能力。Jack 的日记应用测试中，Fable 胜出不是因为模型"更聪明"，而是因为它的精简设计契合了 Jack 的使用场景。Mike 的图表测试中，Astra 失败的原因不是技术缺陷，而是它"添加了让 Mike 无法理解的红色小花饰"——这恰恰是"误判用户需求"而非"能力不足"。

Aha 瞬间

"AI 时代真正稀缺的技能不是'使用工具'，而是'判断何时该用、用多少、如何用'——这需要的不是技术培训，而是审美与判断力的培养。"

你的思考空间

  • 当你评估一个 AI 工具时，你更看重"它一次能做对多少"还是"它多容易让你把它带到对的方向"？这种偏好反映了你怎样的工作风格？
  • 如果一个 AI 模型在你面前"过度装饰"输出——比如在图表上添加无意义的细节——你会视其为创造力还是噪音？你的判断标准是什么？
  • "幻觉作为假设生成器"的观点在药物发现上有效，但它在新闻写作、法律文件或医学诊断中是否同样成立？什么情况下"错误"是危险的，什么情况下它是生产的？
  • Compound Writing 的核心是"可重复的循环"，但人与 AI 的合作是否真的可以在流程化与自发性之间取得平衡？还是说，真正优秀的输出往往来自打破流程的时刻？
  • 当 AI 工具越来越复杂、认证越来越多、方法越来越系统化时，你如何避免"学工具"本身变成一种逃避真实工作的手段？