Anthropic 发布 Claude Fable 5.1：缓存成本降低 75%，误报率大幅下降

新闻摘要

2026 年 9 月 1 日（太平洋时间）星期二，Anthropic 发布了 Claude Fable 5.1 及其配套模型 Claude Mythos 5.1，这是自 2026 年 6 月 9 日 Claude Fable 5 推出以来 Fable 系列的首次更新。新模型被定位为 Anthropic 在编程、知识工作以及长时间运行的智能体问题解决方面最先进的产品，同时针对缓存和智能体工作负载大幅降低了价格。从今天起，所有拥有 Claude 账户的用户均可使用 Fable 5.1；而 Mythos 5.1——底层模型相同但安全配置不同——仍仅限于面向网络安全和生命科学研究的可信访问计划。

Fable 5.1 的新特性

Anthropic 表示，Fable 5.1 在广泛的编程和推理基准测试中均优于前代产品 Claude Fable 5 以及该公司的 Opus 级旗舰模型。据相关报道引用的数据，该模型在 Terminal-Bench 编程评测中的得分约为 55.8%，并且在较高的“努力程度”设置下相比 Fable 5 的提升最为明显——该参数用于控制模型在作答前进行推理的深度。在低和中等努力程度下，Fable 5.1 的表现与 Fable 5 大致相当，但 Anthropic 报告称，随着努力程度的提高，其领先优势会显著扩大，这表明该模型经过调优，能够在复杂的多步骤任务中更好地利用扩展推理能力。

Anthropic 围绕工程团队的两个实际需求来介绍此次发布：减少无用的捷径，以及更精准地修复根本原因。该公司表示，Fable 5.1 不太倾向于采用会导致代码质量下降的捷径，并且更有能力将缺陷追溯到真正的源头，而不是仅仅修补表面症状——对于让模型在长时间编程过程中自主运行的团队而言，这一区别至关重要。

价格调整

Fable 5.1 维持了与 Fable 5 相同的标价——每百万输入 token 10 美元，每百万输出 token 50 美元——但 Anthropic 大幅下调了缓存读取 token 的价格，从每百万 token 1 美元降至 0.25 美元，降幅达 75%。由于智能体编程工作流通常会在每一轮交互中重新读取大量缓存上下文（文件树、历史对话记录、工具输出），Anthropic 估计典型工作负载的实际成本将下降约 25%，而对于最依赖缓存、高度智能体化的应用场景，降幅最高可达 45%。对于运行长时间自主编程任务的工程团队来说，这项缓存定价调整在实际应用中的意义可能比表面的单 token 费率更为重要。

安全过滤器调整

除了能力和价格的更新外，Anthropic 还调整了应用于 Fable 系列模型前端的安全分类器。该公司报告称，与 Fable 5 相比，网络安全相关的误报（即合法、无害的请求被错误标记并拒绝的情况）减少了约 60%。在生物学和医学主题方面，降幅更大：Anthropic 指出，针对基础生物学和医学主题的无害问题触发过滤器的情况减少了 85%。

这些调整还扩展了公开发布的 Fable 5.1 模型在安全场景中被允许执行的操作。现在可以使用该模型协助发现软件漏洞，而此前这类任务需要受到更严格的限制。不过，Anthropic 在漏洞利用开发方面划定了明确界限：三类双用途安全工作——渗透测试、漏洞利用生成以及基于二进制的漏洞扫描——仍然不会由 Fable 5.1 处理，而是转交给采用不同安全防护配置的 Anthropic Opus 级模型。

Fable 与 Mythos 的区别

据 Anthropic 介绍，Claude Fable 5.1 和 Claude Mythos 5.1 的底层模型完全相同，仅在安全防护设置上有所区别。从今天发布起，全球 Claude 账户持有者均可广泛使用 Fable 5.1。Mythos 5.1 则保留给 Anthropic 可信访问计划的参与者——即经过审核的组织和个人，据称仅限于美国公司和符合条件的个人，他们专门从事网络安全研究和生命科学领域的工作，在这些领域中，标准的安全策略会对合法研究造成过度限制。

为何值得关注

Fable 5.1 的发布体现了前沿 AI 实验室中日益普遍的一种模式：Anthropic 不再等待完整的下一代模型，而是在同一代模型内不断迭代安全过滤器的精度、成本效率和基准性能。对于已经在 Claude Fable 5 上进行开发的开发者和企业而言，此次更新被设计为一次低门槛的升级——标价不变，但重度依赖缓存的智能体流程实际成本显著降低，同时模型经过调优，能够在长时间编程过程中减少因走捷径而浪费的算力。而在更广泛的关于 AI 与安全的公众讨论中，网络安全和生物学主题误报拒绝率的大幅下降表明，Anthropic 仍在持续努力缩小两者之间的差距：既要拦截真正有害的请求，又要避免过于谨慎的过滤器让合法的研究人员、学生和工程师感到沮丧。