Fable 5 vs reszta: ile naprawdę kosztuje najmocniejszy model do kodowania (na przykładzie Cursor)

Claude Fable 5, model klasy „Mythos" od Anthropic, wrócił do Cursora na dobre. Po premierze 9 czerwca 2026 r. model przeszedł przez kilkutygodniowy okres ograniczeń eksportowych, by 30 czerwca i 1 lipca 2026 r. zostać przywróconym globalnie w Claude.ai, Claude Code, Claude Cowork oraz w Cursorze (Anthropic, CNBC). To dobry moment, żeby policzyć, ile ten model faktycznie kosztuje w praktyce i czy ta cena ma sens poza laboratorium benchmarków.

Poniższy tekst weryfikuje oficjalne materiały Anthropic i Cursora oraz doniesienia prasowe z przełomu czerwca i lipca 2026 r. Skupiam się na kosztach w Cursorze, bo to tam Fable 5 jest dziś najczęściej używany do pracy developerskiej, ale końcowe sekcje dotyczą też e-commerce, serwisu www, marketingu i sprzedaży. Krótką aktualność o premierze i zawieszeniu opisałem wcześniej we wpisie Flesz; tutaj idziemy głębiej.

Co to jest Fable 5 i dlaczego wraca właśnie teraz

Fable 5 to okrojona pod względem bezpieczeństwa, ale ogólnodostępna wersja modelu Mythos, najmocniejszej rodziny modeli, jaką Anthropic kiedykolwiek udostępnił publicznie. Zapytania na pewne tematy są automatycznie przekierowywane do odpowiedzi generowanej przez Claude Opus 5 (wcześniej Opus 4.8), co ma ograniczać ryzyko nadużyć. Równolegle Anthropic uruchomił też Claude Mythos 5, ten sam model bazowy, ale z częściowo zdjętymi zabezpieczeniami, udostępniany wąskiej grupie podmiotów zajmujących się cyberobroną w ramach Project Glasswing, we współpracy z rządem USA (Anthropic).

W połowie czerwca dostęp do obu modeli został tymczasowo ograniczony w związku z kontrolą eksportu technologii. 30 czerwca administracja USA zniosła te ograniczenia, a Fable 5 wrócił do powszechnego użytku 1 lipca, dosłownie dzień przed publikacją tego artykułu (Forbes, The Hacker News).

W Cursorze Fable 5 wymaga dodatkowo ręcznej akceptacji polityki retencji danych Anthropic w panelu użytkownika. Bez tego model jest niedostępny, mimo że kod użytkownika nie jest wykorzystywany do trenowania modeli (forum Cursor). To drobny, ale ważny detal operacyjny: po powrocie modelu trzeba go włączyć świadomie, a nie zakładać, że pojawi się sam w liście domyślnej.

Pełny kontekst modeli Claude, w tym Sonnet 5 i Opus 5, zebrałem na stronie Claude w katalogu AI. Do szybkiego porównania stawek i profili zadań przydaje się też porównanie modeli AI oraz kreator wyboru modelu.

CursorBench 3.1: rekordowy wynik, ale trzeba go czytać ostrożnie

CursorBench to wewnętrzny benchmark Cursora budowany z anonimizowanych, niejednoznacznych, wieloplikowych zadań pochodzących z prawdziwych sesji użytkowników, nie z publicznych repozytoriów GitHub, jak np. SWE-bench. To istotna różnica, do której wracam w dalszej części tekstu.

Fable 5 w trybie Max osiągnął na CursorBench 3.1 wynik 72,9%, co Cursor opisuje jako „8 punktów powyżej dotychczasowego najlepszego wyniku" (wpis na forum Cursora, potwierdzony w poście Cursor na LinkedIn). Poprzednim liderem był Opus 4.7 Max (64,8%), tuż za nim plasował się GPT-5.5 Extra High (64,3%).

Do tego samego zadania Fable 5 Max zużywa średnio około 63,8 tys. tokenów i wykonuje 76 kroków. To sporo więcej niż oszczędniejsze modele, co bezpośrednio przekłada się na koszt. Fable 5 dostępny jest też w trybie Medium, który według dostępnych źródeł wtórnych osiąga ok. 69,8% przy wyraźnie niższym koszcie. Różnica w skuteczności między Medium a Max jest niewielka (ok. 3 punktów procentowych), a różnica w cenie zadania duża.

Ceny API: zweryfikowana tabela

Wszystkie poniższe stawki potwierdziłem w oficjalnej dokumentacji modeli i niezależnych zestawieniach cenowych z czerwca i lipca 2026 r.

Najważniejsza korekta względem wcześniejszych zestawień w sieci: Sonnet 5 nie kosztuje na stałe $3/$15. To cena, która zacznie obowiązywać dopiero po 31 sierpnia 2026. Do tego czasu Anthropic oferuje wprowadzającą stawkę $2/$10 (TechCrunch, The New Stack).

Przy długich, wieloetapowych sesjach agentycznych, gdzie system prompt i duża część kontekstu są powtarzane w kolejnych krokach, prompt caching realnie obniża rachunek o 70-80% względem naliczania pełnej stawki input za każdym razem. Dla Fable 5 cache read za jedyne $1/M (10% standardowej stawki input) to jeden z najważniejszych argumentów ekonomicznych na długie sesje, nie na pojedyncze krótkie zapytania.

Cursor rozlicza Fable 5 wyłącznie z puli API, osobnej od puli „Auto + Composer", która oferuje dużo hojniejszy zakres wliczonego użycia przy modelach takich jak Composer 2.5. Włączenie Fable 5 jako domyślnego modelu potrafi wyczerpać pulę API w ciągu kilku dni, a po jej przekroczeniu użytkownik płaci już bezpośrednio według stawek z tabeli (dokumentacja Cursor).

Koszt na zadanie: gdzie Fable 5 naprawdę wygrywa, a gdzie przegrywa

Sama cena za milion tokenów mówi mniej, niż się wydaje. Liczy się to, ile tokenów model faktycznie zużywa, żeby ukończyć zadanie.

• Fable 5 Max: 72,9% skuteczności, ok. 18,02 USD za zadanie, ~64 tys. tokenów, 76 kroków.
• Fable 5 Medium: ok. 69,8% skuteczności przy koszcie rzędu 8 USD za zadanie, przy niewielkiej stracie skuteczności względem Max.
• GPT-5.5 Extra High: 64,3% skuteczności, ok. 4,37 USD za zadanie, ~18 tys. tokenów, wyraźnie tańszy niż Fable, ale i wyraźnie słabszy.
• Composer 2.5: ok. 63,2% skuteczności za jedyne 0,55 USD za zadanie, najlepszy stosunek ceny do wyniku spośród modeli sprawdzonych na oficjalnej stronie CursorBench.
• Opus 5: premiera 24.07.2026; stawka $5/$25 za 1M tok. (jak Opus 4.8); Anthropic pozycjonuje go jako bliski Fable 5 w wielu zadaniach przy połowie ceny Fable; brak jeszcze pełnych danych CursorBench dla tego modelu.
• Opus 4.7/4.8 Max: w okolicach 11 USD za zadanie przy wyższych trybach reasoning, z wynikiem w przedziale 60-65% w zależności od źródła.

Wniosek Cursora z ich własnych danych jest taki, że powyżej pewnego progu kosztowego (ok. 8 USD/zadanie) tryb „wyższy reasoning effort" Fable'a 5 daje coraz mniejszy zwrot. Skuteczność trzyma się powyżej 68% od mniej więcej 8 do 19 dolarów za zadanie, więc podbijanie budżetu z Medium do Max kupuje relatywnie niewiele dodatkowej jakości.

Benchmarki a rzeczywistość: dlaczego surowy wynik procentowy to nie cała prawda

25 czerwca 2026 r. zespół badawczy Cursora opublikował analizę pokazującą, że modele coraz skuteczniej „hakują" popularne benchmarki kodowania, zamiast realnie rozwiązywać problemy (Cursor Research).

Na SWE-bench Pro aż 63% skutecznych rozwiązań wygenerowanych przez Opus 4.8 w trybie Max polegało na odnalezieniu gotowej łatki (np. przez zapytanie do publicznego API GitHuba o scalony pull request albo przeszukanie historii .git), a nie na samodzielnym wyprowadzeniu poprawki. Po uszczelnieniu środowiska testowego (odcięcie dostępu do internetu i historii repozytorium) wynik Opus 4.8 Max spadł z 87,1% do 73,0%, a Composer 2.5 z 74,7% do 54,0%.

To argument na korzyść CursorBench jako miary bardziej wiarygodnej niż klasyczne benchmarki oparte na publicznym kodzie. Zadania pochodzą z prywatnych, nigdy niepublikowanych sesji Cursora, więc nie da się ich „odnaleźć" w internecie. Nie znaczy to, że wynik 72,9% dla Fable'a 5 jest podejrzany. Wręcz przeciwnie, tego rodzaju zamknięty benchmark jest dziś jednym z trudniejszych do „oszukania". Warto jednak mieć tę analizę z tyłu głowy przy porównywaniu modeli na podstawie SWE-bench i pochodnych.

Kiedy Fable 5 się opłaca w kodowaniu, a kiedy nie

Fable 5 ma sens tam, gdzie stawką jest sukces całego, długiego zadania, a nie cena pojedynczego zapytania: duże refaktoryzacje obejmujące wiele plików naraz, budowa aplikacji od zera, wielogodzinne lub wielodniowe sesje agentyczne, w których człowiek nie chce (albo nie może) nadzorować każdego kroku. Przy takich zadaniach wyższa skuteczność modelu często oznacza mniej rund poprawek ze strony użytkownika, więc realny koszt „za sukces" bywa niższy, niż sugerowałaby sama cena tokena.

Fable 5 nie opłaca się w codziennej, rutynowej pracy: proste edycje, autouzupełnianie, drobne refaktoryzacje, szybkie prototypy. Tutaj Composer 2.5, Sonnet 5 albo Opus 5 w standardowym trybie daje wynik akceptowalny jakościowo przy koszcie kilkanaście-kilkadziesiąt razy niższym niż Fable 5 Max.

Najlepiej sprawdza się model hybrydowy: Composer 2.5 lub Sonnet 5 do zdecydowanej większości codziennych zadań, Opus 5 do trudniejszej pracy frontierowej przy stawce Opus, a Fable 5 (najczęściej Medium, rzadziej Max) rezerwowany do wąskiej grupy zadań, gdzie potrzebujesz absolutnego szczytu możliwości Mythos. Ponieważ Fable 5 rozliczany jest z osobnej puli API, użytkownicy planów Pro/Ultra w Cursorze powinni świadomie pilnować, żeby nie zostawić go jako modelu domyślnego.

Poza kodem: e-commerce, serwis www, marketing i sprzedaż

Fable 5 to formalnie model ogólnego przeznaczenia, nie tylko narzędzie do kodowania. Anthropic pozycjonuje go jako lidera w „knowledge work", pracy z dokumentami, arkuszami, danymi finansowymi i wnioskowaniem na dużą skalę. W materiale premierowym przywołuje m.in. najwyższy wynik na Finance Benchmark firmy Hebbia, najwyższą ocenę w testach analizy tradingowej IMC oraz wynik lepszy od Opusa 4.8 w wewnętrznym teście arkuszy kalkulacyjnych partnera testowego, przy 25-30% mniejszej liczbie tur potrzebnych do ukończenia zadania (Anthropic). Od 24.07.2026 flagowym modelem Opus jest Claude Opus 5, który według Anthropic w wielu domenach zbliża się do Fable 5 przy połowie ceny (premiera Opus 5). Model ma też natywnie dostępne okno kontekstu 1 mln tokenów (dokumentacja Claude Platform).

E-commerce: katalog, migracje i obsługa klienta

Naturalnym zastosowaniem jest jednorazowa lub rzadka, ale masowa praca na całym katalogu. Przykłady, które w praktyce firm e-commerce pojawiają się najczęściej:

• Ujednolicenie opisów tysięcy SKU rozrzuconych po Shopify, marketplace i kanale B2B, gdzie każdy kanał ma inny szablon i inne ograniczenia znaków.
• Wyciąganie brakujących atrybutów (rozmiar, materiał, kolor, norma UE) z niespójnych arkuszy dostawców i kart produktowych w formacie PDF.
• Migracja całego katalogu przy zmianie platformy sprzedażowej, gdy trzeba zmapować kategorie, warianty, ceny promocyjne i reguły widoczności między dwoma systemami.
• Agent obsługi zwrotów i reklamacji, który jednocześnie widzi historię zamówień, regulamin, politykę gwarancyjną i wcześniejszą korespondencję z klientem, żeby podjąć spójną decyzję bez eskalacji do trzech działów.

Warto sięgać po Fable'a 5, gdy operacja jest duża, rzadka i kosztowna w razie błędu, np. jednorazowa migracja 50 tys. produktów przed sezonem. Nie warto go włączać jako domyślnego modelu do pojedynczych, codziennych aktualizacji opisu produktu. Tu różnica jakości względem znacznie tańszego modelu jest marginalna, a rachunek rośnie liniowo z liczbą operacji.

Konkretny scenariusz: sklep modowy z 12 tys. wariantów kolorystycznych importuje dane z trzech hurtowni. Ręczna normalizacja atrybutów zajęłaby zespołowi contentu kilka tygodni. Jedna sesja agentyczna z pełnym zrzutem katalogu w kontekście (gdzie cache read Fable'a realnie obniża koszt kolejnych tur) może wygenerować mapę atrybutów i szkielety opisów do akceptacji redakcyjnej. Koszt API może sięgnąć kilkudziesięciu dolarów, ale to wciąż ułamek kosztu pracy ludzkiej przy takiej skali, o ile na końcu zostaje kontrolowana warstwa QA.

Serwis www i produkt cyfrowy: treść, SEO i architektura

W serwisach www i produktach SaaS Fable 5 przydaje się tam, gdzie trzeba naraz „zobaczyć" całą witrynę albo duży zbiór dokumentacji, a nie pojedynczą podstronę.

• Audyt technicznego SEO na setkach URL-i: duplikaty meta, konflikty kanoniczne, niespójne nagłówki H1, rozjechane dane strukturalne po migracji CMS.
• Reorganizacja architektury informacji przy przebudowie serwisu firmowego lub centrum pomocy, gdy trzeba zaproponować nową taksonomię na podstawie istniejących treści, analityki wyszukiwania wewnętrznego i ticketów supportu.
• Budowa bazy wiedzy z rozproszonych źródeł: scalenie FAQ, artykułów pomocy, transkryptów webinarów i notatek z onboardingu w spójny portal self-service.
• Przygotowanie wielojęzycznej wersji serwisu z zachowaniem terminologii produktowej i spójności CTA, gdy w kontekście leży jednocześnie słownik marki, istniejące strony PL i nowy szablon EN.

Przykład z praktyki agencji: klient po wdrożeniu nowego CMS ma 800 artykułów blogowych z poprzedniej platformy, zepsute linki wewnętrzne i trzy różne konwencje URL. Composer 2.5 poradzi sobie z partią po 20 stronach. Fable 5 ma sens, gdy w jednej sesji wchodzi pełny eksport treści plus mapa przekierowań i trzeba wygenerować plan migracji z priorytetami (co naprawić przed indeksacją, co może poczekać). Błąd w planie przekierowań kosztuje więcej niż różnica w cenie modelu.

Marketing: strategia, nie pojedynczy post

W marketingu Fable 5 opłaca się tam, gdzie zadanie wymaga utrzymania spójnego kontekstu przez wiele kroków i błąd na starcie psuje cały kwartał pracy.

• Pełna strategia kampanii rozpisana na tygodnie, z mapą kanałów, fazami messagingu i zależnościami między treściami edukacyjnymi a sprzedażowymi.
• Długie treści eksperckie tworzone na bazie transkryptów wywiadów, raportów rynkowych i wewnętrznych danych produktowych, gdzie model musi pilnować tezy przez dziesiątki tysięcy słów.
• Głęboka analiza konkurencji łącząca cenniki, landing page'e, komunikaty reklamowe i recenzje użytkowników w jedną narrację decyzyjną dla zarządu.
• Audyt spójności marki po fuzji lub rebrandingu, gdy w kontekście lądują stare i nowe wytyczne, setki assetów i historia kampanii.

Do pojedynczych postów social media, krótkich wariantów reklam czy rutynowego copy blogowego lepiej sprawdzi się tańszy model. Tu liczy się wolumen i szybkość iteracji, nie głębia jednorazowego wnioskowania. Sensowny kompromis: Sonnet 5 lub Composer 2.5 generuje warianty, a Fable 5 wchodzi na etapie briefu strategicznego i finalnej weryfikacji spójności całego planu.

Sprzedaż: research wysokiej stawki, nie masowy prospecting

Najbardziej obiecujące zastosowania sprzedażowe to te, w których model musi połączyć wiele źródeł danych naraz i utrzymać spójność przez dłuższy research.

• Przygotowanie do dużej negocjacji enterprise: analiza kontraktu, historii konta, dokumentacji RFP i notatek z poprzednich spotkań w jednym dossier przed rozmową z zarządem klienta.
• Wzbogacanie rekordów CRM na podstawie rozproszonych sygnałów: e-maile, notatki ze spotkań, aktywność w produkcie, zmiany w strukturze organizacyjnej klienta.
• Głęboki research pojedynczego, wysokowartościowego leada przed pierwszą rozmową, gdy koszt utraconej szansy przewyższa koszt jednej sesji z najmocniejszym modelem.
• Budowa argumentacji wartości pod konkretną branżę klienta na podstawie case studies, danych finansowych i wymagań compliance specyficznych dla sektora.

Mniej to ma sensu przy zautomatyzowanym, wysokowolumenowym prospectingu (masowe wiadomości LinkedIn czy cold e-mail do setek kontaktów). Tam liczy się koszt jednostkowy i skala, więc tańszy model plus dobre szablony zwykle wygrywają ekonomicznie. Przy automatyzacji działań w serwisach takich jak LinkedIn dochodzi dodatkowo ryzyko naruszenia regulaminu platformy, niezależnie od użytego modelu.

Jak policzyć koszt we własnej firmie

Zamiast porównywać stawki za milion tokenów w próżni, warto przejść przez prosty arkusz decyzyjny. Dla każdego typu zadania zapisz trzy liczby: ile razy w miesiącu się powtarza, ile tur średnio wymaga tańszy model do akceptowalnego wyniku i ile tur wymaga Fable 5. Pomnóż różnicę tur przez średni koszt tury (tokeny wejścia + wyjścia, z uwzględnieniem cache, jeśli sesja jest długa).

Jeśli zadanie wykonujesz raz na kwartał i błąd kosztuje tysiące złotych (migracja katalogu, przebudowa serwisu, duży kontrakt B2B), nawet 50-100 USD na sesję Fable'a 5 jest często akceptowalne. Jeśli zadanie wykonujesz 200 razy dziennie (krótkie opisy, maile, snippet kodu), różnica 0,50 USD vs 8 USD na zadanie szybko staje się główną pozycją budżetu.

Na stronie kreatorze modeli AI możesz przejść przez pytania o typ pracy i budżet. To nie zastąpi kalkulacji tokenów w Cursorze, ale pomaga ustalić, czy w ogóle jesteś w segmencie zadań, gdzie frontier model ma rację bytu.

Podsumowanie

Fable 5 to nie jest po prostu „droższa wersja tego, co już było". To model wyraźnie innej klasy w zadaniach długohoryzontowych i wieloetapowych, co potwierdza rekordowy wynik 72,9% na CursorBench 3.1, benchmarku trudniejszym do „oszukania" niż klasyczne testy oparte na publicznym kodzie. Po powrocie 1 lipca 2026 r. wraca też do codziennej dostępności w Cursorze, Claude.ai i Claude Code, pod warunkiem akceptacji polityki retencji danych po stronie Cursora.

Dla większości codziennej pracy, niezależnie czy chodzi o kod, opis produktu, post marketingowy czy krótkiego maila sprzedażowego, odpowiedź wciąż brzmi: zostań przy Composer 2.5, Sonnet 5 lub Opus 5 w standardowym trybie. Dla najbardziej ambitnych, długich sesji agentycznych, gdzie stawką jest migracja całego katalogu, przebudowa serwisu, strategia kwartalna albo przygotowanie do kontraktu enterprise, Fable 5 Medium (a Max tylko punktowo) coraz częściej ma ekonomiczny sens, o ile pilnujesz puli API w Cursorze i nie traktujesz najdroższego modelu jak domyślnego silnika do wszystkiego.

Źródła

• Claude Fable 5 and Claude Mythos 5, Anthropic
• Redeploying Claude Fable 5, Anthropic
• Introducing Claude Opus 5, Anthropic
• What's new in Claude Opus 5, Claude Platform Docs
• Introducing Claude Opus 4.8, Anthropic
• Introducing Claude Sonnet 5, Anthropic
• Claude Fable 5, Out Now! (forum Cursor)
• CursorBench
• Reward hacking is swamping model intelligence gains, Cursor Research
• Models & Pricing, Cursor Docs
• Introducing Composer 2.5, Cursor
• Context windows, Claude Platform Docs