童年时的折纸，大概是许多人关于“创造”最初的记忆。一张纸，折几下，变成一架飞机，哈一口气，用力掷出去——那个瞬间的快乐，简单得近乎奢侈。只是后来我们慢慢长大，纸飞机落进了抽屉深处，折纸的手感也连同那份童趣一起，被日常的琐碎一点点磨掉了。
直到有一天，我的小孩拿着一沓彩纸跑过来，仰头问我：“爸爸，你教我叠纸飞机好不好？”那一刻，好像有什么东西在记忆里被重新打开了。我一边回忆着小时候的折法，一边想：既然孩子有兴趣，为什么不干脆做一个能看、能转、能拆解每一步的 3D 折纸演示网站呢？纸质教程太静态，视频又只能跟着走，一个可以自由旋转视角、逐步骤回放的 3D 演示，正好能把“折”的过程真正讲清楚。
于是趁热打铁，我用 Fable 5.2 试了一下。结果不到 半小时，一个可交互的 3D 折纸演示原型就搭了出来——折纸小课堂 · 3D 折纸教学，同样的和之前的网站一样，它被我托管到我自己的cloudfare的worker下面，大家可以通过域名直接访问。步骤切换、视角旋转、折痕高亮这些细节都能跑通。这个速度放在以前，大概够我从头翻好几遍 Three.js 文档了。
Fable 5.2 是什么
Fable 5.2 是 Anthropic 在 2026 年 11 月发布的旗舰模型，和 Mythos 5.2 共用同一底座，但面向通用用户开放，带有网络安全和生物领域的安全防护。它在发布时被多家媒体称为“最强”的通用模型，依据主要来自几个硬指标：
基准测试登顶。 在 AA Intelligence Index v5 上，Fable 5.2 以 65 分位列第一，比 Opus 5.5 的 59 分高出 6 分，比上一代 Fable 5.1 的 49 分高出约 15 分，九项评测中拿下五项最高分。在最难的 ARC-AGI 3 中冲到 81%，刷新了当时的纪录。编程侧，FrontierCode 2.0 得分 49.1%，领先 Opus 5.5 的 45.5% 和 GPT-6 Astra 的 42.8%。
长任务能力的跃升。 这是 Fable 5.2 最核心的升级方向。它协调 1000 个子智能体连续工作 30 小时，完成了费马大定理的 Lean 形式化证明；此前的研究版需要 11 天并依赖人工引导。它还以 1000 个子智能体从空文件夹出发，用 8 天写出了可在笔记本上启动的操作系统原型，自带内核、磁盘驱动、文件存储和登录界面。在机器人控制基准 RoboDojo Sim 上，得分从 Fable 5.1 的 27.6% 直接拉升到 64.9%。
价格反而降了。 API 价格从 Fable 5.1 的每百万输入/输出 10/50 美元降到 8/40 美元，降幅 20%，输出速度最高提升 30%，并支持 100 万 token 上下文和 12.8 万 token 最大输出。
3D 和游戏生成是它的长项之一。 发布当天就有开发者用一句话提示让 Fable 5.2 生成了一款画面精致的 FPS 游戏；Anthropic 的开发者 Felix Rieseberg 用它做出了浏览器可玩的 3D 射击游戏 Saltline；还有开发者用一句话提示生成了包含建模、运镜和渲染的 3D 短片。一个 131 KB 的单文件 HTML 3D FPS 演示，从零生成，全程 73 轮无人干预，折算 API 成本约 16 美元。换句话说，一个 3D 折纸演示网站，对它来说是“杀鸡用牛刀”级别的任务——但正是这种“牛刀”，让 20 分钟从想法到可运行原型变得不再夸张。
Fable 5.2 也不是没有短板：高推理档位下它比较“话痨”，单任务实际成本可能并不低，常规编程和资料研究用 Opus 5.5 性价比更高，把最棘手的开放性项目交给它才划算。但对于一个“趁孩子有兴趣，顺手把童年也捡回来”的 3D 折纸网站来说，Fable 5.2 给的，恰恰是一个足够快的起点。
该网站包括非常经典的纸飞机、青蛙、四角、护理、老虎、大象、小狗、纸杯等。每一步都会有详细的步骤演示，小孩可以根据步骤进行折叠来实现，它还非常贴心的将前折后折以不同的颜色进行区分，还有箭头作为指引。
当然有些对折纸不熟悉的同学还可以通过鼠标来旋转、暂停模型来查看具体步骤。
另外我还通过workbuddy同样的提示词做了一个网站，结果它只是把步骤在右侧通过文字和图示来表达出来了图示也有问题，3D的模型建模也有部分错误，完全没有达到我所预想的目的。
因为自己感觉它实现的效果不好，也就不将其部署在cf上了。
对于我的感觉来说，claude虽然被广为成为A/，对中国大陆非常不友好，上半年账号都封禁了1100万个，相信绝大多数都是国内账号，其中就包括我自己的三个账号，申述无门，但是其在编程、计算分析等领域确实有无法撼动的领先优势。在CC上，用户只需要通过简单的提示词描述，它基本上能够完全领会创作者的意图，而整个过程几乎不怎么需要纠正和测试就能非常完好的实现可交付成果。
感兴趣的同学可以在自己的AI或者智能体中尝试。