Claude Fable 5.1 升级了什么？从跑分到长周期 Agent 的三个信号

2026 年 9 月 1 日Anthropic 同时发布 Claude Fable 5.1 和 Claude Mythos 5.1。社区里很快出现了两种反馈有人把 medium effort 称作“甜点位”说它能跑出上一代的效果也有人抱怨 high effort 一开额度很快就见底。标题可以夸张问题却很实际。模型如果要连续工作更久能力提升能不能覆盖额外的推理和 token 消耗这次更新值得看的地方就在于 Anthropic 把能力、成本和安全边界放在了一起。Fable 5.1 与 Mythos 5.1 使用同一基础模型区别在于安全防护等级。Fable 5.1 已全面可用Mythos 5.1 只向网络安全和生命科学领域的可信访问计划开放。换句话说同一套长周期能力被放进了不同的使用边界里。长周期 Agent增加的不是回答长度长周期 Agent 的关键是任务能否持续往前走。模型先读取上下文决定下一步调用工具得到结果后检查结果是否符合预期发现偏差再修改方案并继续执行。真正影响体验的是它能不能保持方向留下可以验收的中间结果而不是一次性生成一段看起来完整的说明。官方 benchmark 已经把这项变化量化出来。在 Terminal-Bench-Science 0.1 中Fable 5.1 在最高 effort 下得分 52.6%Fable 5 为 24.7%。Terminal-Bench 4.0 上Fable 5.1 为 55.8%Fable 5 为 42.0%同一张表里的 Mythos 5.1 达到 60.9%。这些结果来自 Anthropic 的测试条件不能直接当成每个项目的成功率但足以说明 Fable 5.1 的目标已经从快速回答扩展到完成复杂任务。图Anthropic 官方公布的 Fable 5.1、Fable 5、Mythos 5.1 与其他模型的多项评测结果。来源https://x.com/claudeai/status/2094848581425377479合作方的披露让这个变化更容易理解。MongoDB 表示模型先阅读服务代码和文档再连续数小时无人值守地实现原型并运行验证Ramp 分享过一次持续 38 小时的机器学习任务模型在实验出错后自行修正继续启动并行实验最后返回结果和下一步建议。这些是 Anthropic 发布的合作方内部记录不是作者实测却清楚展示了长周期工作的样子。能力变强以后账单怎么算长任务的成本不能只看输入和输出单价。每次工具调用都会带来新的上下文模型还可能重复读取已经处理过的内容所以需要把 effort、工具调用轮数、总 token 和 cache read 分开记录。任务少走几轮弯路往往比单价便宜几分钱更有价值如果高 effort 让任务变长成本也会跟着上升。Anthropic 给出的变化很明确Fable 5.1 的 cache read 价格比 Fable 5 低 75%典型工作负载预计节省约 25%高度 Agent 化的任务最高可节省约 45%。这不是所有业务都能拿到的固定折扣实际效果取决于上下文重复率、工具调用次数和任务是否需要返工。长周期任务反复读取相同上下文时缓存命中越多降价越能反映到实际账单。图Anthropic 官方按典型工作负载和高度 Agent 化工作负载展示 Fable 5.1 的成本下降。来源https://x.com/claudeai/status/2094848588190830982官方的 Terminal-Bench-Science 成本曲线也显示了 effort 的代价。Fable 5.1 在 low effort 下得分 26.3%平均任务成本为 11.1 美元max effort 下得分升到 52.6%平均成本则为 37.9 美元。模型可以更努力但每一档 effort 都应该对应明确的任务价值不必默认拉到最高。图Anthropic 官方公布的 Humanity’s Last Exam 准确率与任务成本关系展示不同 effort 档位的成本梯度。来源https://x.com/claudeai/status/2094848585451847721安全边界会决定你能把任务交给谁Agent 越能自主执行安全策略越会影响可用性。评估新模型时要同时确认它允许做什么、哪些请求会被拦截、被拦截后是否转交更高等级模型以及企业数据最终由谁控制。Fable 5.1 的网络安全防护误报减少 60%基础生物和医疗问题的误触发减少约 85%。它现在可以用于发现软件漏洞但不能用来开发漏洞利用程序渗透测试、漏洞利用生成和二进制漏洞扫描等双重用途任务仍可能被转交 Opus。Mythos 5.1 面向通过审核的网络安全和生命科学专业用户普通开发者不能把它当成随时可调用的公共版本。企业还要关注数据保留。Anthropic 正在推出 Enterprise Frontier Safeguards把数据存放在客户完全控制的云基础设施中目标是达到与零数据保留相同的隐私效果预计从 2026 年秋季开始分阶段开放。在此之前符合条件的客户可以使用 Fable 5.1 的零数据保留选项。模型能力、权限和数据边界应放在同一张接入清单里判断。图EFS 的官方工作流程图。API 请求进入客户自己的云基础设施后活动数据由自动安全系统监测告警先交给客户安全团队Anthropic 只接收告警类别和严重程度等元数据。来源https://www.anthropic.com/news/enterprise-frontier-safeguards别只看榜单先跑一个能验收的小任务准备把 Fable 5.1 放进 Agent 工作流时先挑一个小而完整的任务。它应该涉及多个文件或资料需要调用工具最后有明确的检查命令或通过条件。用同一份输入分别跑 low、medium 和 high effort记录任务是否完成、工具调用是否有效、有没有重复兜圈、总 token、cache read、总耗时和失败重试次数。这组记录比单次问答更接近真实接入判断能看出额外推理是否换来了更高的完成质量也能验证 cache read 降价是否反映在自己的账单里。准备通过 API 接入时可以先查看该模型的价格、计量口径、模型适配和稳定性数据再决定从哪条服务开始小额验证。图OkenAI平台 Claude Fable 5.1 价格列表来源https://oken.ai/zh结语Fable 5.1 的变化不只是 benchmark 表上多了几个百分点。更长的任务循环、更低的 cache read 成本和更细的安全分层被放进了同一次更新。复杂代码审查、持续研究和多轮工具调用的 Agent 工作流值得优先验证简单问答没有必要为了追新版本而切换高敏感任务则要先确认权限和数据政策。因此接入判断不应停在“要不要换成 Fable 5.1”。先按价格、计量、适配和稳定性筛掉不合适的 API 服务再用自己的真实任务记录 effort、token 和完成结果。只有任务确实完成得更好成本也在可接受范围内这次升级才真正落到了工作流里。如果还要确认新模型上线后的 API 服务是否完成适配可以继续阅读我的另一篇文章《新模型发布后API 服务真的适配好了吗接入前检查这 4 项》。