2026年6月16日，华福证券发布了一篇传媒行业的研究报告，报告指出，AGI雏形。
报告具体内容如下：
投资要点： 一、决策验证：可承接长周期（883436）任务，并自行检查修正 1、任务规划：除了回答单个问题实现一次性交付成果外，针对长难任务Fable 5会先拆任务、排步骤，再按目标往下推进，并且实现子任务多线并行。据Anthropic披露，Stripe 曾使用Fable 5完成5000万行Ruby代码库的迁移，Fable 5具备长任务的完成能力。
2、过程验证：Fable 5在执行的过程中可以检查中间结果，发现问题后重新分析、修改路径，减少一次性答错的问题。
3、Agent 能力：规划、执行、验证形成闭环后，Fable 5接近于可以长时间持续工作的 Agent，决策主体与验证主体从外部转移到模型本身。
二、长期记忆：支撑多轮、多文件、多步骤任务
1、上下文容量： Claude API docs披露，Fable 5支持1M 上下文，可对百万级长文档与代码库做全局理解。更长上下文让Fable 5可以同时处理更多资料，例如长文档、代码库和多轮任务记录，信息密度处理能力提升。
2、状态保持：长任务中，Fable 5能记住前面的约束、步骤和中间结论，不需要反复重新交代背景；在 Slay the Spire（SR） 任务中，引入持久化文件记忆后，Fable 5 的性能提升幅度约为 Opus 4.8 的 3 倍。
三、成本控制：推理强度自适配与长上下文共同降低任务损耗
1、推理分配：据 Claude API docs，Fable 5 将 Adaptive（ADPT） thinking 做成常开模式，核心作用是避免模型每一步都重度思考，让模型在长任务中持续保留推理能力，同时避免简单步骤过度消耗。
2、路径探索：Fable 5可以先在内部探索多条路径，再选择更优结果提交。The raw chain of thought主要用于内部推理和方案筛选，不直接变成最终输出文本，提升过程质量。
3、长上下文理解：Fable 5 的上下文窗口进一步扩大，可以一次性处理更长文档、更多代码和更复杂任务记录。长上下文减少了反复拆分材料、重新补充背景和多轮纠偏的成本，使模型更适合长链条任务。
四、投资建议
Fable 5开始具备更接近 AGI 的任务形态：能自主拆解复杂任务并自我检查。当前模型能力的竞争重点转向长任务交付能力。后续重点关注具备长上下文、长期记忆、自我验证和 Agent 执行能力的模型，以及由长时间推理带来的算力、存储和 CPU 需求提升。
声明：本文引用第三方机构发布报告信息源，并不保证数据的实时性、准确性和完整性，数据仅供参考，据此交易，风险自担。
