클로드 페이블 5가 어떻게 작동했는지, 사라지기 전에 기록된 것. 정직함을 유지하는 평가와 함께.

구독에서 제외되기 전 마지막 날들, Claude Fable 5는 문제에 접근하는 방식을 어떤 모델이든 실행할 수 있는 기술 집합으로 정제했습니다: 요청 사항을 분류하기 전에 아무것도 건드리기 전에, 명명된 검증으로 완료를 정의하기, 1차 출처에서 병렬로 증거를 수집하기, 한 가지 권고에 전념하기, 가장 작은 올바른 사항만 변경하기, 관찰로 검증하기, 결과를 먼저 보고하며 솔직한 단서를 붙이기. 그 후 그 증류를 15회의 평가 라운드와 260회 이상의 에이전트 실행에 걸쳐 대립적으로 테스트했고, 실패 기록을 기록에 남겼습니다.

대부분의 에이전트 명령어 파일은 모델에게 무엇을 가치 있게 평가해야 하는지(“조심하라, 작업을 검증하라”)를 알려줍니다. 이 명령어는 무엇을 해야 하는지, 어떤 순서로, 임계값과 함께를 알려주어 중간 등급 모델도 문자 그대로 따를 수 있습니다. 네 가지 기술과 하나의 철학: think(우화 방법), act(우화 루프), prove(우화 판사), grow(우화 도메인, 저자 모델이 만든 것처럼 새로운 도메인 어댑터를 생성함).

The Fable Method (The Fable Workflow)

How Claude Fable 5 worked, written down before it was gone. With the eval that keeps it honest.

In its final days before getting removed from the Subscription, Claude Fable 5 distilled its own way of approaching problems into a set of skills any model can run: classify the ask before touching anything, define done with a named verification, gather evidence in parallel from primary sources, commit to one recommendation, change the smallest correct thing, verify by observation, report the outcome first with honest caveats. Then it tested that distillation against itself, adversarially, across fifteen eval rounds and more than 260 agent runs, and kept the failures in the log.

Most agent instruction files tell the model what to value (“be careful, verify your work”). This one tells it what to do, in what order, with thresholds, so a mid-tier model can follow it literally. Four skills, one philosophy: think (fable-method), act (fable-loop), prove (fable-judge), grow (fable-domain, which generates new domain adapters the way the author model was observed making one). Every rule exists because a test failed without it or a trace demanded it; every claim below links to the committed transcript that backs it.

Results at a glance

Fifteen eval rounds, more than 260 agent runs, blind LLM judges that verify by diffing and executing, never by reading reports. Read the evidence as stories: eval/cases/ has one case study per scenario (the exact problem, what each agent actually did, who passed); start with the surprise trap. Full log: eval/RESULTS.md · raw judge outputs: eval/results/