大家好，我是程序员天天困。
9 月 1 日深夜，Anthropic 甩出 Claude Fable 5.1 和 Mythos 5.1，第二天一早我的信息流就被「地表最强模型」「缓存降价 75%」刷了屏。
刷归刷，冷静一下：跑分是谁发的？降价降的是哪笔钱？第三方认不认？
这篇我不跑实战——老实说，跑一轮大项目评测的 token 账单，比这篇文章的稿费贵多了——就干一件事：把官方公告、第三方榜单和真实定价摊开对一遍。先说结论：提升是真的，坑也有，文末有张选型表，下个月选模型可以翻出来对照。
一、Fable 5.1 到底是谁：一个模型，两副手铐
先把名字搞清楚，这次其实发了两个模型。
Claude Fable 5.1：Anthropic 在 2026 年 9 月 1 日发布的旗舰模型，官方定位是「全球最先进的编程与知识工作模型」，API 里的模型 ID 是 claude-fable-5-1，所有用户都能用。
Claude Mythos 5.1：和 Fable 5.1 共用同一个底层模型，可以理解为「解开部分限制的版本」——网络安全和生命科学相关的能力放得更开，但不对外售卖，只通过网络安全验证计划（CVP）和生命科学验证计划（LSVP）发给审核通过的机构，目前仅面向美国组织。
打个比方：同一台发动机，Fable 是装了电子限速器、卖给所有人的民用车；Mythos 是解了限速的赛道版，但你得先有赛道驾照才卖给你。Terminal-Bench 4.0 上 Mythos 5.1 比 Fable 5.1 高 5.1 个百分点（60.9% 对 55.8%），差距就来自那些被防护机制拦下的任务。
补个背景：上一代 Fable 5 今年 6 月 9 日发布，三天后因美国出口管制紧急全球下架，直到 7 月 1 日才恢复上线。5.1 就是它回归后的第一次大版本更新，发布当天同步上架 AWS Bedrock、Google Vertex AI 和 Microsoft Foundry 三大云平台。
二、Fable 5.1 的官方跑分：先学会看成绩单的小字
官方跑分值得看，但照单全收就亏了。先上 Anthropic 公告里的完整对比表（2026 年 9 月 1 日发布）：
| 基准（考什么） | Fable 5.1 | Fable 5 | Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| Terminal-Bench-Science 0.1（Agent 做科研） | 52.6% | 24.7% | 29.0% | 22.4% |
| Terminal-Bench 4.0（Agent 终端编程） | 55.8% | 42.0% | 52.3% | 37.3% |
| CursorBench 3.2.0（Cursor 场景编程） | 73.4% | 70.5% | 70.0% | 67.2% |
| GDPval-AA v2（真实知识工作，Elo 分） | 1853 | 1723 | 1824 | 1711 |
| Humanity's Last Exam（跨学科推理，无工具/带工具） | 60.9/65.0% | 57.8/63.8% | 56.6/63.6% | — |
| OSWorld 2.0（操作电脑，strict 口径） | 41.7% | 36.1% | 39.6% | — |
| AutomationBench（端到端业务流程） | 31.4% | 17.1% | 26.9% | 19.6% |
一眼看过去，提升最猛的是两项：科研基准从 24.7% 到 52.6%，业务流程自动化从 17.1% 到 31.4%，差不多翻倍。读总分表，看这种量级跨越就行，别盯着排位上那一两分较劲。不过这张表有三个小字，官方写在脚注里，很多转述文章没提：
第一，跑分带着误差棒。 Terminal-Bench-Science 的标准误是 ±3.5～4.5 分。官方自己复现 Opus 5 是 29.0%，公开榜是 30.0%；Fable 5 官方复现 24.7%、公开榜 21.4%——都在噪声里。24.7 到 52.6 这种翻倍是真跳，你追我赶的 1～2 分，别拿来做购买决策。
第二，考试是戴着镣铐考的。 官方注明：安全防护介入的任务，OSWorld 直接记 0 分；其余被拦下的，网络安全类由 Opus 4.8、生物类由 Opus 5 代打。所以这张表是「商品版」分数，不是裸模型——既低估了真实能力，也意味着你买到手的就是这个戴镣铐的版本。
第三，分数和「努力档位」绑在一起。 Fable 5.1 在 Claude Code 里默认 High，在 Claude.ai 和 Cowork 里默认 Medium。官方还给了成本-精度曲线：Low/Medium 档的 5.1，就能打平甚至超过 Fable 5 的最高档。升级不一定非要开到最贵那档。
横轴是单任务成本（对数刻度），每个点一个努力档位——5.1 的低档点已经摸到 Fable 5 高档点的高度：
三、第三方榜单体检：学霸是真学霸，磨叽也是真磨叽
官方数据看完，轮到第三方上场。
Terminal-Bench：由独立团队维护、考察 AI Agent 在真实终端里自主完成任务的公开基准，算是 Agent 编程这块最被认可的第三方考场之一。发版次日（9 月 2 日）公开榜上还没有 Fable 5.1；到我写这稿时（9 月 8 日）独立复现已经上来了，当前前排是这几位：
| 排名 | 模型 | Agent | 解决率 | 跑完成本 |
|---|---|---|---|---|
| 1 | GPT-6 Astra（max） | Codex | 58.2% | $3.3k |
| 2 | Fable 5.1（max） | Claude Code | 57.9% | $6.2k |
| 3 | Opus 5（max） | Claude Code | 51.8% | $6.0k |
| 4 | Fable 5（max） | Claude Code | 44.5% | $7.3k |
| 5 | GLM-5.3（max） | Claude Code | 41.8% | $2.7k |
注意口径差异：Fable 5 官方自测 42.0%、公开榜 44.5%；Opus 5 官方自测 52.3%、公开榜 51.8%；Fable 5.1 官方自测 55.8%、公开榜 57.9%——两套考卷本来就不一样，差一两分多半落在误差棒里。公开榜上它紧贴 GPT-6 Astra，第二名坐稳了，但成本几乎是 Astra 的两倍——能打，不便宜。
再看 Artificial Analysis（第三方模型评测站，2026 年 9 月 8 日抓取）给 Fable 5.1 做的体检：
- 智能指数 53 分，在 202 个同场模型里排第 1（同场中位数只有 24 分）；
- 输出速度 69.0 token/s，排第 84 名，略低于同场平均线；
- 跑完一整套智能指数评测花了约 1.31 万美元、生成 1.9 亿个输出 token——而中位数模型只烧约 9000 万。
翻译成人话：榜首学霸，卷面最长，跑得慢，还贵。上下文倒是给足了，100 万 token。
官方还甩了 22 家早期客户的反馈，我挑 4 条有料的：
- Cognition（Devin 团队）：发布当天就把 Devin 里的 Opus 5 流量切到 Fable 5.1——「加上新的缓存定价，Fable 级模型在我们原本留给 Opus 的负载上终于划算了，先从代码审查开始切」。
- Millennium（对冲基金）：一个大概百万次运行才复现一次的崩溃，工程师和其他模型查了四五年没结果；Fable 5.1 反汇编第三方库、对照 core dump，定位到是那个库自己的 bug。
- Every：「Fable 级智能、Opus 级价格、Sonnet 级速度」——他们测下来 5.1 比 Opus 5 快约一倍，token 少用一半。
- Ramp：38 小时无人值守的机器学习任务，自己发现之前结果是标签错了，改完连夜起了 6 个并行实验，早上带着结论和下一步计划回来。
看下来感觉差不多：5.1 强的不是聊天更机灵，是长活不容易跑偏，会自己核验，也敢往前拱。
四、降价 75% 的账：降的不是模型价，是「复读费」
这是被转发最多的卖点，也是最容易误读的一个。
先看价目表（每百万 token，美元）：
| 项目 | Fable 5.1 | Fable 5 | Opus 5 |
|---|---|---|---|
| 输入 | $10 | $10 | $5 |
| 输出 | $50 | $50 | $25 |
| 缓存读取 | $0.25（降 75%） | $1.00 | — |
看清楚了：输入输出的单价一分没降，还是 $10/$50，是 Opus 5 的整整两倍。真正动刀的只有缓存读取。
官方费率卡就摆在那，不信可以自己翻：
缓存读取（cache reads）：模型重复读取「已经处理过并存起来的上下文」时收的费。Agent 干活时会反反复复翻同一批代码和对话记录，这块在 Agent 账单里占大头。
打个比方：菜价没降，是外卖给「反复翻同一份菜单」的人免了复读配送费。你就问一句「帮我写个快排」、上下文读完就扔——这 75% 跟你没关系。
官方拿 2026 年 8 月真实用量算过（Fable 5 记作 100）：典型负载降到 75，大概省 25%；重度 Agent 降到 55，大概省 45%。
反向坑也有：5.1 更能想、更能写，token 也更费——Artificial Analysis 测下来，它跑评测的输出量接近中位数模型的两倍。缓存省下来的钱，可能被多吐的输出吃回去一截。重度用户总账多半还是省，但别指望账单直接打二五折。
五、跑分之外，这次还塞了什么
官方花了不少篇幅讲科研案例，挑三个说说：
金星地图。 Fable 5.1 拿 NASA 麦哲伦三十多年前的雷达图，训练神经网络重画了金星约三分之一表面的高程图：分辨率从 10～20 公里拉到 2～3 公里，高程精度高了约 25%。地图已经按知识共享协议挂在 Zenodo 上，给后面 NASA VERITAS、欧空局 EnVision 做铺垫。
蛋白质设计。 Mythos 5.1 调用开源蛋白质设计工具做出的结合剂，在 3 个靶点上亲和力比 Adaptyv Bio 竞赛最佳作品高 10 倍；12 个靶点命中率接近 50%（行业常见大概 10～15%）。结果送了两家外部机构做实验，不是只画图。
GPU 加速。 Mythos 5.1 自己写自定义 GPU 内核、缓存中间结果，把 7 个开源深度学习模型提速最高 2.5 倍（输出还对得上），官方估算全基因组分析这类活的 GPU 成本能少 30～60%。底下这张是提速对比——通常要性能工程师磨几周的活，它几天干完，官方说后面会开源这些优化。
对企业这边，还有四件事：
- EFS 企业防护：数据放在客户自己掌控的云里，不进 Anthropic 系统，同时按零数据留存待遇走，今年秋起分批放开；
- 安全防护误报少了大约六成：Claude Code 里被网络安全防护打断的次数下来了；现在允许用它找漏洞——写 exploit、渗透、二进制扫描这类还是转给 Opus；
- 欧盟合规水印：按欧盟 AI 法案，8 月 2 日后发布的模型输出带不可见水印，检测 API 还在私测，不影响内容和质量；
- 反蒸馏：新开的 API 账号，不能再一边改历史上下文、一边保留之前的思考记录——这是批量「偷思考过程」的常见路子。老账号暂时没事，后面新模型会全量上。
普通人日常基本无感，企业采购倒会盯这些。反蒸馏那条官方专门发了帮助文档，改动范围和生效时间写得很死：
六、到底换不换：一张表说完
| 你的情况 | 建议 |
|---|---|
| 几小时到几十小时无人值守的 Agent、大型跨服务重构、科研类长任务 | 上 Fable 5.1，这活它吃得开 |
| 日常写代码、代码审查、中小任务 | 继续 Opus 5：$5/$25 半价，GDPval 只差 29 分，公开榜也够用 |
| 预算紧、非核心业务 | Sonnet 5 或国产模型，GLM-5.3 公开榜已到 41.8%，钱少一截 |
| 网络安全 / 生命科学专业研究 | 去申请 Mythos 5.1 的 CVP / LSVP |
有人会问：缓存都降了，Opus 还香吗？香。Every 那句「Fable 级智能、Opus 级价格」，说的是低档位加缓存降价后的单任务成本能逼近 Opus，不是标价变了——5.1 还是 $10/$50，Opus 是 $5/$25。5.1 智能指数第 1、公开榜第二，但贵一倍、跑榜也更烧钱。红利在长任务和科研，日常写代码往往感知不到。
按 2026 年 9 月这批数据，我会这么用：默认位继续 Opus 5，真卡住的长活再上 5.1。它不是人人都要升的那一档，更像给愿意为长任务掏钱的团队准备的。
七、彩蛋：发布几小时，系统提示词就被扒了
最后说个热闹事。越狱圈里扒提示词出名的 Pliny the Liberator，Fable 5.1 出来没几小时就把完整系统提示词扔出来了，他自己写「足足 27 万字符以上」，后来归档进 GitHub 的 CL4R1T4S 仓库。
仓库里专门收各家系统提示词，这一个 Markdown 翻进度条都要翻一会儿：
围观一下挺有意思——里面大概是工具怎么调、什么该拒、身份怎么介绍。但模型真本事在权重里，不在这份说明书。Anthropic 上反蒸馏，防的也不是有人看见说明书，而是有人拿几千个号批量偷「思考过程」。热闹归热闹，别把提示词泄露当成模型被破解。
我是程序员天天困。有用的话点个赞收藏关注，评论区也可以说说：你会把主力升到 Fable 5.1，还是继续让半价 Opus 5 守默认位？
