Claude Fable 5.1 来了，竟然有反蒸馏机制？看不起谁呢

点击上方蓝字关注我，加个🌟标不迷路。

各位小伙伴们大家好，我是 cxuan。

今天凌晨的时候，Claude 官宣了 Fable 5.1 和 Mythos 5.1，这是 Claude 官方宣布的全球最先进的编码和知识性工作的模型。

先说一下 ，Fable 5.1 和 Mythos 5.1 是同一型号，只不过安全级别不一样。Fable 5.1 大家都可以使用，而 Mythos 5.1 仅通过 Claude 的可信访问才能访问。

image-20260902063043282

（这可真是，9 月伊始 Claude 就开始带头搞事了，那我估计 9 月仍然安静不了。）

Fable 5.1 在复杂、长时间运行的任务中表现不错，而且 Fable 5.1 的强大模型能力将 AI 向着推动科学研究走了一小步。

先看测评数据，在 Claude 自己的基准测试中，Fable 5.1 树立了新的标准。

image-20260902063632202

它在 Terminal-Bench-Science 0.1 上得分 52.6%，是 Fable 5 的两倍多，足以证明这是 AI 推动科学研究很重要的一环。

Terminal-Bench-Science 0.1 一共收了 70 个科研工作流，覆盖生命科学、物理科学、地球科学、数学和工程。模型要在终端里真的跑代码、处理数据、调试流程，最后交出能被程序验证的结果。这里的 52.6%，指的是 Fable 5.1 完整解决了 52.6% 的任务。

对比一下就知道这个数字有多夸张：Fable 5 是 24.7%，Opus 5 是 29.0%，GPT-5.6 Sol 是 22.4%。也就是说，在 Anthropic 这套测试环境里，Fable 5.1 把上一代的完成率翻了一倍多。

Terminal-Bench 4.0 测的是 Agent 能不能在沙箱里把一个真实的命令行任务从头做到尾。Fable 5.1 得分 55.8%，Mythos 5.1 是 60.9%，Fable 5 只有 42.0%。Fable 和 Mythos 用的是同一个底层模型，这 5.1 个百分点的差距，主要来自 Fable 的安全策略在部分网络安全任务上介入了。

看下整张表，提升最大的几项都和长流程有关。AutomationBench 从 17.1% 涨到 31.4%，OSWorld 2.0 的严格模式从 36.1% 涨到 41.7%，CursorBench 3.2.0 从 70.5% 涨到 73.4%。Humanity’s Last Exam 的提升就没这么猛：无工具从 57.8% 到 60.9%，有工具从 63.8% 到 65.0%。

所以这次升级的强项很明确：模型自己连续性干活的能力。

下图显示了 Fable 5.1 的性能要比 Fable 5 高很多。你在 Fable 5.1 中将 effort 设置为 medium 甚至 low 的时候，就能达到和 Fable 5 一样的效果，而且这样成本更低。

image-20260902075717025

这张图横轴是每个任务的平均成本，而且用了对数刻度；纵轴是完成率。low、medium、high、xhigh 和 max 是思考强度，代表模型愿意在任务上花多少推理预算，effort 越高，通常跑得时间越长，也越贵。

Terminal-Bench-Science 这张图，Fable 5.1 开 low 强度，大约花 12 美元就能做到 26% 左右；Fable 5 开 max，平均成本超过 40 美元，成绩还是只有 25% 左右。Fable 5.1 开到 medium，成本大约 15 美元，完成率已经到了 36%。

简单讲，上一代把 effort 拉满才能做到的成绩，新模型用 low 就够了。。。。。。

image-20260902075731473

Terminal-Bench 4.0 里也能看到同样的趋势。Fable 5.1 开 low 就到了 40% 左右，已经接近 Mythos 5 开 max 的 46%。再往上拉 effort，Fable 5.1 的上限是 55.8%，Mythos 5.1 则能到 60.9%。

前面的 52.6% 还是一个基准测试数字，Anthropic 公布的几个真实科研案例更有画面。

先说分子设计。Anthropic 给 Mythos 5.1 接上开源的蛋白质设计和折叠工具，再把设计结果交给两家外部机构做实验验证。在 3 个靶点上，它设计出的高亲和力结合蛋白，比 Adaptyv Bio 蛋白质设计比赛里的最佳方案高出 10 倍；12 个靶点的平均命中率接近 50%，而现在蛋白质设计常见的命中率大约只有 10%～15%。

image-20260902084614101

Fable 5.1 还拿 NASA 三十多年前的麦哲伦号雷达数据，训练了一个神经网络，为金星三分之一的表面做了新的高分辨率高程图。原来的细节尺度大约是 10～20 公里，新地图能看到 2～3 公里的细节，高度准确度最高提升了 25%。

image-20260902084401011

然后是下面这两张图。Mythos 5.1 用公开源码给 7 个蛋白质和基因组模型写了定制 GPU kernel，还缓存了中间计算结果。官方说优化前后的输出完全一致，整个工作只用了几天。

image-20260902080914170

上面这张图中，其中 ProGen2 的加速最明显，到了 2.5 倍；Flashzoi 是 1.8 倍，另外几个大多在 1.4～1.6 倍。

单次推理快一点看着还好，但科研计算往往要把同一个模型跑成千上万次。比如把某个基因附近的每一种可能突变都扫一遍，1.4 倍最后也会变成一大笔 GPU 账单。

按 NVIDIA H100 的云端标价估算，Enformer 的全基因组分析从 3 万美元降到 2.1 万美元，Flashzoi 从 1.4 万美元降到 7000 美元，Evo 2 40B 则从 1.8 万美元降到 8000 美元。三类任务节省了大约 30%～60%。

这里我觉得挺有意思。AI 推动科研，未必一上来就要发现新药、证明新定理。先把研究人员要跑几周的计算压到几天，把学术实验室舍不得花的钱省下来，这已经是实打实的贡献了。

Claude 官方还给出了一张价格对比分析图。

image-20260902075908875

对于一般工作的负载，在 token 使用方面，Fable 5.1 的成本预计比 Fable 5 低 25% 。这是因为 Claude 降低了缓存读取的价格。但如果你有高度智能化的工作，节省成本会更多，最高能节省 45% 。

API 的基础价格没有降，仍然是每百万输入 token 10 美元、输出 token 50 美元。变化出在缓存读取：从 Fable 5 的每百万 token 1 美元，降到了 0.25 美元，直接便宜了 75%。

所以，长上下文、频繁调用工具、反复读取同一批材料的 Agent 工作流，省得最多。一次性问答里缓存占比很低，你的账单不会凭空少掉 45%。

Fable 5.1 现在已经能用了，只不过要 Pro or Max 档才可以。

image-20260902080118290

image-20260902080151563

Fable 5.1 还有一个容易被忽略的变化：Anthropic 加强了反蒸馏机制。

所谓蒸馏，简单讲就是拿大量账号不断调用强模型，把它的回答和推理过程收集起来，再训练一个便宜的小模型。Anthropic 说，这类操作经常是工业化进行的，背后可能有成千上万个虚假账号。

Fable 5.1 给出的一个具体限制是：新注册的 API 账号，不能修改多轮对话前面的上下文，同时继续保留 Claude 之前的 thinking 内容。

不过这个机制 ，呵呵，A 社你是真没尝过正义的铁拳啊。

这就能防住天才程序员了？

从体感上，某知名社交媒体上已经有大佬已经分享出来 Fable 5.1 的体感了。

Simon 大佬做的这个鹈鹕是真好看，确实是我见过观感最好的鹈鹕了。

image-20260902085815949

image-20260902085802291

看完真是体感我发现，Fable 5.1 至少在一次性前端生成的测评方面，再对照成本方便，没有看出特别突出的优势。目前还没有看到长时间任务的测评，因为这类测评确实不如前端测评观感简单直接。

Fable 5.1 还是富人的玩具啊。

如果这篇文章你觉得还不错，谢谢你的三连，也希望可以转发给同样关注 AI / 科技 / 开发效率的朋友。 我是 cxuan，我们下期再见。