Fable 5.1实测:性能翻倍是实锤,但单次任务成本反而贵20%
Claude Fable 5.1 深夜发布,号称“全球最强编码模型”。性能翻倍、缓存降价75%、成本最高省45%——这些数字够漂亮,但实际用起来到底怎么样,值不值得把现有工作流切过去?这个问题下面直接说。
性能到底强在哪?科研和编程能力翻倍
先看硬指标。Terminal-Bench-Science 0.1 专门测试 AI 智能体执行连续科研任务的能力,Fable 5.1 拿下了52.6%,而上一代 Fable 5 只有24.7%,OpenAI 的 GPT-5.6 Sol 更是只有22.4%。成绩直接翻倍,不是一点点爬升,是质的跨越。在编程基准 Terminal-Bench 4.0 上,Fable 5.1 得分55.8%,相比 Fable 5 的42.0%同样提升显著。需要注意的是,Fable 还有一个放开安全限制的版本叫 Mythos 5.1,在同一底层模型下得分冲到60.9%,但目前只面向经过审核的网络安全和生命科学机构开放。1
能力提升主要体现在两方面:一是长链路任务的稳定性,连续数小时完成编程、研究工作,能自主验证结果、调整优先级,减少中途跑偏;二是推理深度增加,使得输出内容更完整、更有条理。当然,强推理也意味着单次输出的 token 量明显增多,Fable 5.1 的输出 token 消耗大约是前代的1.7倍——这个数字直接关系到费用,后面会展开。2
降价75%但账单反而更贵?看清这笔账
Fable 5.1 最被热议的变化是缓存读取价格从每百万 token 1 美元降到0.25美元,降幅75%。但这里有个反直觉的地方:缓存降价不等于单次任务成本下降。第三方平台 Artificial Analysis 的实测数据显示,Fable 5.1 单次任务成本反而比 Fable 5 高出约20%。原因很直接——模型推理能力增强,输出的 token 量约为前代的1.7倍,而输出价格是每百万50美元,远高于缓存读取的0.25美元。3
什么人适合切换,什么时候不该动
Fable 5.1 的定位很明确:面向需要处理长链路复杂任务的开发者和企业用户。如果你日常跑的是代码库分析、长文档多轮问答、自动化编程代理这类场景,模型能力的提升是实打实的。Anthropic 同步推出的 Enterprise Frontier Safeguards(EFS)允许企业把数据留在自己控制的云基础设施中,对数据合规有要求的团队是个加分项。1
但有几类情况值得慎重:单次简单任务为主的场景,输出 token 量增加带来的成本上升可能盖过缓存省下的部分;缓存命中率不稳定的工作流,需要先评估历史上下文的重复比例再决定;以及对响应延迟敏感的实时交互场景,推理深度增加意味着生成时间可能更长。
另外,Fable 5.1 对 API 调用行为做了更严格的限制:新账户无法在保留原有思考块的同时修改产生这些思考内容之前的上下文,这是 Anthropic 防止模型蒸馏的措施之一。如果你的工作流依赖修改历史上下文配合旧思考块的调用方式,需要迁移到非严格模式或者重新设计流程。对于只是想尝鲜的轻度用户,现有 Fable 5 的能力其实并不差,切换的必要性不大。6
当前文章无评论,是时候发表评论了