Fable 之后：LLM 编程场景的「贵价模型 vs. 够用模型」取舍

AI 工程师 Drew Breunig 在个人博客中撰文《Fable & The End of the Free Lunch》，讨论了 Claude Fable 问世后团队在 AI 辅助编程场景下的模型选用策略转变。原文仅以一段引用形式被 Simon Willison 收录，但观点本身具有行业代表性。

从「坐等新模型」到「按工单分级」

Breunig 回顾称，在 Fable 出现之前，团队并不愿意花太多精力打磨编程 harness 或上下文策略——因为每隔一段时间就会出现更强的新模型，且价格持平甚至更低，足以「糊住」既有缺陷。然而 Fable 的到来打破了这一定律：它能力惊人，但调用成本显著偏高，迫使团队重新审视每一项任务究竟该交给哪一档模型。

Opus 仍是大主力，Fable 只用于关键路径

Breunig 表示，对于绝大多数日常编码需求，Claude Opus 已「足够好」，K3、GLM 4.5/4.6 等同档模型也能胜任；Fable 则被保留用于那些对生成质量、复杂推理要求更高的关键路径。他写道：「我们开始思考，哪些工作交给哪个模型。」这实际上是把 LLM 当作分层算力来调度，而不是默认调用最强档。

「免费午餐」结束意味着什么

Breunig 将这一变化称为「免费午餐的终结」：当模型能力不再是单调递增的廉价资源，开发者必须为每一次推理支付匹配其价值的成本，组织内部的模型路由、分级与成本核算会变得和 prompt 工程一样重要。这一观察与近期业内对「推理成本回升」「按 token 计费模型分化」的讨论相呼应，但原文未给出具体价格、token 消耗或量化对比数据，更多停留在经验层面的定性描述。