Как пользоваться Claude Fable 5 и не разориться: система 10-80-10

Fable 5 — лучшая AI-модель, которой пользовался автор. И безумно дорогая: вдвое дороже Opus 4.8. А из-за того, что она такая умная, она ещё и пере-думывает — гоняет циклы рассуждений и жжёт токены так, как ни одна Claude-модель до неё. За первые часы тестов автор чуть не спалил весь лимит. Ниже — его система, которая срезала расходы на 50%+ без новых инструментов и без потери результата.

Ошибка первого дня

Вы открываете Claude Code — Fable теперь модель по умолчанию. Просите исправить опечатку, отформатировать JSON, переименовать переменную. Fable думает 12 секунд, сжигает 8 000 токенов рассуждений и возвращает ответ. Цена: $0.60 за задачу, которую Haiku решила бы за $0.02.

Вы платите по тарифу хирурга за светскую беседу. Fable — архитектор, а не сосед по комнате. Как только вы это интернализируете, всё меняется.

Система 10-80-10

У каждого проекта три фазы, и большинство гоняет все три на Fable. Умный ход — оставить ей только две.

Первые 10% — планирование. Здесь Fable отрабатывает свой ценник. До старта проекта она определяет структуру и подход, критерии успеха, ограничения и краевые случаи. Самая дорогая ошибка в стройке — дать строителям плохой чертёж. Fable выдающийся архитектор.

Средние 80% — исполнение. Здесь сгорает большинство токенов: итерации, циклы реализации, черновая работа. Fable здесь не нужна. Переключайтесь на Opus 4.8 для обычной работы, Haiku — для лёгкой, Codex/GPT-5.5 — для механической.

Последние 10% — ревью. Верните Fable: пусть сверит результат с изначальным планом. Совпадает ли с архитектурой? Нет ли пропущенных краевых случаев? Ревью готового результата тратит долю токенов от генерации с нуля.

Роутинг-таблица в CLAUDE.md

Самый большой анлок: одна таблица маршрутизации в вашем CLAUDE.md. Fable выступает оркестратором — читает её и сама раздаёт работу нужным моделям.

## Model Routing Table

### Fable 5 (только оркестратор)
Для: планирование, архитектура, ревью финального результата
Никогда: механические задачи, массовая генерация, бойлерплейт
Effort: high (не xhigh — это печка с результатами хуже)

### Opus 4.8 (исполнитель для глубоких рассуждений)
Для: сложный дебаг, многошаговые рассуждения — всё, что требует
     думать, но не является архитектурой

### Sonnet 5 (механическая работа)
Для: генерация кода, рефакторинг, стандартные фичи

### Codex / GPT-5.5 (исполнитель-напарник)
Для: имплементация, проверка UI/UX, хорошо описанные задачи
Заметка: Fable можно научить рулить Codex — один раз

### Haiku (массовые задачи)
Для: форматирование, линт, простые правки, бойлерплейт,
     переименования, каркасы тестов

### Kimi / GLM-5.2 (длинный контекст)
Для: чтение огромных файлов, анализ репозитория —
     чтобы Fable не тратила на это токены

### DeepSeek / Qwen (почти бесплатная черновая работа)
Для: бойлерплейт, тесты, чистка данных, переводы, черновики доков

Fable не трогает дешёвую работу напрямую: планирует, делегирует нужному уровню, потом сверяет результат с планом. Дорогой мозг тратит токены только на решения. Этот один файл — причина, почему счёт автора пошёл вниз, а выработка вверх.

Если свернуть таблицу в дерево решений, выглядит так:

flowchart TD
  T["Новая задача"] --> Q1{"Архитектура, план<br/>или финальное ревью?"}
  Q1 -->|"да"| F["Fable 5<br/>(effort: high)"]
  Q1 -->|"нет"| Q2{"Нужны глубокие<br/>рассуждения?"}
  Q2 -->|"да"| O["Opus 4.8"]
  Q2 -->|"нет"| Q3{"Огромные файлы,<br/>анализ всего репозитория?"}
  Q3 -->|"да"| K["Kimi / GLM-5.2"]
  Q3 -->|"нет"| Q4{"Стандартная фича<br/>или код по спеке?"}
  Q4 -->|"да"| S["Sonnet 5 / Codex"]
  Q4 -->|"нет"| Q5{"Бойлерплейт, тесты,<br/>форматирование?"}
  Q5 -->|"полегче"| H["Haiku"]
  Q5 -->|"массово"| D["DeepSeek / Qwen"]

Секция оркестрации, сэкономившая 70% токенов

## Orchestration Workflow

Ты (Fable) — оркестратор. Планируй, декомпозируй, синтезируй.
НЕ исполняй механические задачи сама.

### Правила делегирования:
- Фазы с тяжёлыми рассуждениями → deep-reasoner (Opus 4.8)
- Механика → fast-worker (Sonnet/Haiku)
- Анализ кодовой базы / огромные файлы → Kimi
- Бойлерплейт / массовое → DeepSeek или Qwen
- Свежий взгляд со стороны → Codex

### Codex — напарник, а не ревьюер:
Относись к Codex как к крутому senior-инженеру с другим
взглядом. Для важных решений: дай Opus и Codex одну задачу
параллельно, синтезируй лучшее из обоих ответов,
не показывая им ответы друг друга.

### Дисциплина контекста:
Держи свой контекст поджарым.
Не перечитывай файлы, которые уже обработала.
Суммируй выводы инструментов перед возвратом в контекст.

### Уровни усилий:
- Планирование и архитектура: high
- Ревью: medium
- Никогда не используй xhigh/max по умолчанию

И промптуйте Fable как тимлида:

Цель: [что вы хотите]
Контекст: [файлы, ограничения, чего вы боитесь]

Ты — лид. Рассуждения делегируй deep-reasoner (Opus).
Черновую работу — fast-worker (Sonnet/Haiku).
Codex — для задач, где нужен свежий взгляд.

Сначала покажи план, потом исполняй.

Fable планирует. Всё остальное исполняет. Счёт не растёт.

Связка с Codex — умножающий ход

Codex + Fable вместе в 10 раз лучше, чем Fable в одиночку: Fable делает архитектуру, Codex исполняет на уровне GPT-5.5, а лимиты Claude вы почти не трогаете.

Настройка за 5 минут:

npm install -g @openai/codex

/plugin marketplace add openai/codex-plugin-cc
/plugin install codex@openai-codex
/codex:setup

Затем создайте двух субагентов через /agents: deep-reasoner (Opus 4.8, «для тяжёлых рассуждений, архитектуры, сложного дебага; думай тщательно, возвращай сжатый вывод») и fast-worker (Sonnet 5, «для механики, бойлерплейта, тестов, форматирования; исполняй эффективно»).

И последний штрих — попросите Fable один раз написать SKILL.md для Codex:

Напиши SKILL.md, который научит Codex:
- читать и исполнять планы реализации
- гонять тесты и докладывать результаты тебе
- работать со структурой файлов этого проекта

Fable пишет скилл один раз — Codex читает его при каждом запуске.

Команда /loop — самый мощный приём

В старой модели работы вы — цикл: промпт → ответ → проверка → новый промпт. Циклы убирают вас как бутылочное горлышко: вы задаёте цель, Fable поднимает субагентов, они промптят сами себя и докладывают, когда закончат.

/goal — задача и конечное состояние

/goal отрефактори модуль auth, пока все 47 тестов не пройдут,
не трогая платёжный сервис и схему базы

/loop — запуск промпта по расписанию

/loop прогоняй проверку безопасности всех API-эндпоинтов
--interval 24h --expires 7d

Fable проектирует цикл, дешёвые модели гоняют 80% исполнения внутри, Fable возвращается, когда цикл закрылся или упёрся. Вы просыпаетесь — задача готова.

7 промптов, которые стоит запустить в Fable прямо сейчас

1. Найти задачи, достойные Fable: «Просмотри мои проекты, доки и память. Выпиши топ-5 задач, которые реально стоит запускать на тебе, с причиной в одну строку. Работу пока не делай».
2. Пересобрать процесс до кода: «Полностью проаудируй и переспроектируй мой рабочий процесс. Вот как я работаю: […]. Код не пиши. Перепроектируй фабрику до того, как её запускать».
3. Спланировать большой проект: «Хочу спланировать: […]. Не строй. Разложи фазы, ключевые решения, риски и открытые вопросы. План должен быть такой ясности, чтобы Sonnet или Codex исполнили его без вопросов ко мне».
4. Найти всё сломанное до релиза: «Я собираюсь выкатить проект. Сначала найди всё, что с ним не так. Прочитай весь код. Ищи реальные баги и краевые случаи. По каждому: как воспроизвести и как чинить. Держи высокую планку».
5. Переписать CLAUDE.md: «Прочитай мой CLAUDE.md. Он писался под старые модели и раздут. Убери инструкции, которые Fable не нужны, ужми процессы, добавь роутинг-таблицу, держи секции до 5 строк».
6. Бизнес-совет: «Ты мой бизнес-советник. Прочитай мой план, инструменты и память. Одна страница: топ-3 фокуса на 3 месяца, что бросить и почему, и одна вещь, к которой я, вероятно, слеп».
7. Проверка безопасности на автопилоте: «/loop прогоняй проверку безопасности моих API: открытые ключи, дыры в авторизации, пробелы rate-limit, инъекции. Только реальные проблемы с оценкой серьёзности. –interval 24h –expires 7d».

Уровни усилий — самая недопонятая настройка

Большинство по умолчанию ставит max или xhigh. Это ошибка:

• Low — быстро, дёшево и на удивление способно для простых задач.
• Medium — золотая середина. Fable на medium бьёт Opus на максимуме. Ставьте по умолчанию.
• High — сложный дебаг, многофайловые рефакторинги, архитектурные решения.
• xhigh / max — печка для токенов, часто с результатами хуже, чем high. Только для самых сложных задач в вашей жизни.

И ещё одна настройка-убийца бюджета: Extended Thinking держите выключенным по умолчанию. Включённый постоянно — это как оставить двигатель работать на парковке.

Приём /handoff — лечим раздувание контекста

Длинные сессии — тихий убийца: каждый ход пересылает всю историю разговора, и 200k-токенов сессия становится самой дорогой строкой счёта. Лечение — часто открывать новые чаты, не теряя контекст:

Дай мне промпт, которым я перезапущу эту сессию в новом чате
без потери контекста. Включи: что решили, что построили,
какие следующие шаги, какие ограничения помнить.
Уложись в 500 токенов, чтобы новая сессия стартовала поджарой.

Копируете вывод → новый чат → вставляете. Свежая сессия каждые 30–60 минут = огромная экономия.

4 дорогие ошибки

1. Fable теперь модель по умолчанию. Проверяйте селектор модели перед каждой сессией.
2. Нет лимита расходов. Задайте жёсткий месячный лимит: Settings → Usage → Adjust Limit. Один ночной запуск агента без лимита — и счёт вырастет, пока вы спите: кто-то уже получил $960 за один промпт.
3. Просьбы объяснить рассуждения. По опыту автора, такой запрос может триггерить классификаторы — и работу тихо заберёт модель слабее. Судите по качеству результата, а не по процессу.
4. Кормление крошечными промптами. Fable держит часы контекста в голове. Дайте ей всю задачу разом: полный контекст, ограничения, чего вы боитесь. Автор отдал одним брифом рефакторинг, которого боялся неделями, — она вернулась с готовым.

Сравнение цен — знайте, за что платите

Модель	Вход, $/млн	Выход, $/млн	Лучше всего для
Fable 5	~$15	~$75	Планирование, ревью
Opus 4.8	~$5	~$25	Глубокие рассуждения
Sonnet 5	~$3	~$15	Стандартное исполнение
Kimi K2.7	~$0.95	~$4.00	Массовый код, длинный контекст
GLM-5.2	~$1.40	~$4.40	Работа с целым репозиторием
Haiku 4.5	~$1	~$5	Чистка, форматирование
DeepSeek v4	~$0.28	~$1.10	Почти бесплатная черновая работа
Локальные (Qwen/Llama)	$0	$0	Автодополнение, бойлерплейт

Разрыв между Fable и DeepSeek: 53x на входных токенах, 68x на выходных. Один и тот же 30-шаговый агент-рефакторинг: всё на Fable — ~$25 за прогон; план Fable + исполнение Kimi — ~$1.40. Тот же код, те же зелёные тесты.

Роутинг — это не про экономию. Это про точность.

Итог в три строки

Fable планирует. Остальные исполняют. Fable проверяет.

Одно это правило режет счёт на 50%+ до любых других оптимизаций. Остальное — тюнинг.

Что с этим делать

От себя. Даже если вы не пишете код, паттерн переносится один в один на контент и маркетинг: дорогая модель проектирует и проверяет, дешёвые — исполняют. В моих клиентских системах так и устроено: сильная модель раз в месяц строит контент-стратегию и «правила голоса», а конвейер на дешёвых моделях штампует посты по этим правилам ежедневно. Разница в счетах — на порядок, разницы в качестве клиент не видит. Это и есть 4 слоя AI-маркетинга в действии.

Хотите такой конвейер под ваш бюджет? Напишите «система» в Telegram — за 15 минут посчитаем вашу экономику.