Claude Fable 5.1 正式发布！夯爆了还是拉完了？

豆芽菜小萌

发布于 2026-09-04 12:59:35

90

Claude Fable 5.1 今天凌晨正式发布！

早上起来赶紧实测了一波，这篇文章简单分享一下。

我先去翻了下 Anthropic 给出的 Benchmark，表格里居然直接放了 GPT-5.6 Sol，这波直接不演了。。。

Terminal-Bench 4.0，Fable 5.1 是 55.8%，GPT-5.6 Sol 是 37.3%：

Claude Fable 5.1 官方 Benchmark：与 Fable 5、Opus 5 和 GPT-5.6 Sol 的成绩对比

如果只看这张表，Fable 5.1 已经赢了。

但懂的都懂，新模型数据都很牛叉。而且，这份成绩由 Anthropic 发布，effort、工具和 Agent Harness 一变，数字跟着变。

Fable 5.1 和 Mythos 5.1 有什么差别

这次一起发布的还有 Claude Mythos 5.1。两个名字看着像高低配，其实用的是同一个底层模型，主要区别在安全限制。

Fable 5.1[1] 是一般可用的公开版本，可以通过 Claude、Claude Code、API 和部分第三方平台使用。

Mythos 5.1[2] 走可信访问计划，面向经过审核的网络防御方和生命科学研究者，目前只对美国机构开放。

Claude 官方发布 Claude Fable 5.1 与 Claude Mythos 5.1

涨幅有点夸张

我先看 Fable 两代之间的差距，这一列最没有水分。Terminal-Bench-Science 从 24.7% 涨到 52.6%，翻了一倍多，Opus 5 停在 29.0%；AutomationBench 从 17.1% 涨到 31.4%，也把 Opus 5 的 26.9% 甩开了。Humanity's Last Exam 不用工具时是 60.9%。

Terminal-Bench 4.0 那一行要分开看。Fable 5.1 是 55.8%，Opus 5 是 52.3%，差距不大；Mythos 5.1 的 60.9% 高出一截，但它和 Fable 用的是同一个底层模型，差的只是安全配置，这个分数不该拿来给 Fable 排座次。

贵还是贵，缓存便宜了

发布当天就有人贴出截图：让 Fable 5.1 给项目写文档，一个请求烧掉 200 美元/月会员一周额度的 38%。

社区用户分享 Claude Fable 5.1 的长任务用量体验

我拿着这张图去对了价格表。输入 10 美元、输出 50 美元每百万 Token，和 Fable 5 一分没动；100 万上下文、12.8 万最大输出也和上一代一样。

降的只有缓存读取，1 美元变 0.25 美元，砍掉 75%。API 单价没涨；订阅额度怎么折算 Fable 的用量，官方没有给公式，这张截图只能说明一次长输出的请求确实很吃额度。

Anthropic 对 Claude Fable 5.1 与 Claude Mythos 5.1 的介绍

Claude Fable 5.1 官方规格：1M 上下文、128K 最大输出、输入 10 美元和输出 50 美元

Claude Fable 5.1 官方价格：缓存读取每百万 Token 0.25 美元

缓存便宜了能省多少？Anthropic 按实际工作负载估算，普通任务总成本约少 25%，工具调用特别密的任务最多约少 45%。前提是 Agent 反复读同一批代码，缓存真的命中；输出 Token 该花多少还是多少。

Claude 官方给出的 Fable 5.1 缓存降价与实际成本变化

effort 这一档我是被 Terminal-Bench-Science 0.1 那张曲线劝住的：effort 从 low 往上调，成绩和单任务成本一起涨，到 max 时平均一个任务接近 40 美元。所以后面的小测试我没把两边开到 max，统一放在 High 档。

Claude Fable 5.1 与 Fable 5 在不同 effort 下的准确率和单任务成本

GPT-5.6 Sol 的 API 单价是输入 4 美元、输出 20 美元。不算缓存，Fable 5.1 两项都是它的 2.5 倍，后面看结果时这笔差价得一起算进去。

长任务案例分享

Anthropic 这次反复讲长任务，发布页里 Ramp 的案例最能说明他们想强调什么：Fable 5.1 无人值守连续跑了 38 小时，先发现前一次机器学习实验受标签问题干扰，修正数据后启动 6 个并行实验，让任务跑了一整夜，第二天再回来交结果和下一步计划。

MongoDB 给它的任务是做一个复杂原型。模型先把各服务的代码和文档翻了一遍出设计，然后无人值守跑了几个小时写实现，带着验证循环，早上交出一份可视化走查，整个原型大约 3 天完成。Millennium 那边则是一处百万次运行才冒出来一次的崩溃，工程师追了四五年；Fable 5.1 最后顺着 Core Dump 和第三方库的反汇编，定位到供应商库里的 Bug。

这几段都是 Anthropic 发布页引用的客户案例，测试环境各不相同，只能看出他们想卖的是什么：模型愿意跑很久，中途出问题自己接着修。

Anthropic 对 Fable 5.1 长任务、失败恢复、自动测试和视觉检查能力的介绍

愿意跑很久，不等于提示词可以只扔一句“帮我完成”。我去翻了 Fable 5.1 的 Prompt 指南[3]，想看它会在哪停住。

Claude Fable 5.1 Prompt 指南列出的任务完成、修改范围和定点编辑问题

指南点了两个坑。一个是改动范围：小改动可能换来整份文件重写，需求没把范围写死，模型还可能顺手扩功能。另一个是长任务里的停顿：跑到一半停在“下一步准备做什么”，等人确认。这两条我都写进了后面测试的提示词，一条是不要加需求之外的功能，一条是授权过的操作直接做完，不要停在下一步建议。

顺手跑个小测试

题目是从空目录做一个 React + TypeScript 的“面试排期助手”：面试可以新增、编辑、删除，待面试记录之间要查时间冲突，数据落在 localStorage，冲突逻辑要有自动测试。Fable 5.1 和 GPT-5.6 Sol 都开 High 档，拿到的是同一份提示词，中途我不追加要求，也不帮它们点遗漏。