Claude Fable 5.1 — ניתוח מקיף: מבחני השוואה, שיפורים, מחיר ומהירות

Claude Fable 5.1 שוחרר רשמית ב-1 בספטמבר 2026. נתחיל עם השורה התחתונה: זה אינו שדרוג מודל רגיל לשיחות כלליות, אלא דגם דגל בעלות גבוהה המיועד לתכנות ארוך-טווח, מחקר מורכב, קריאות לכלים בין יישומים וסוכני Agent אוטונומיים ללא השגחה. בשבע קטגוריות המדדים המרכזיות שפרסמה Anthropic, Fable 5.1 עולה על Fable 5 בכולן; אבל מחיר ה-API שלו ליחידה עדיין כפול מזה של Opus 5, והחברה מסמנת גם את זמן ההשהיה היחסי שלו כ"איטי יותר".

אם המשימה שלך היא רק לשנות קובץ אחד, לכתוב טקסט קצר או לענות על שאלות רגילות, Anthropic עדיין ממליצה להתחיל עם Opus 5. Fable 5.1 מתאים יותר למשימות שרשרת ארוכות שמודלים רגילים לא מצליחים להשלים ביציבות גם ב-effort גבוה. מאמר זה מאגד יחד את הנתונים הרשמיים שפורסמו, את המשמעות של כל מבחן, את השיפורים הקונקרטיים ב-5.1, מחיר, מהירות ומגבלות מעבר — כדי שלא נסתכל רק על גרף ניקוד אחד של "מי ניצח".

טבלה אחת כדי להבין את המפרט של Fable 5.1

"איטי יותר" כאן לקוח מקטלוג המודלים של Anthropic ומציין רמת השהיה יחסית, לא מספר קבוע של token לשנייה. כמה זמן ייקח בפועל להשלים משימה תלוי גם ב-effort, במספר סבבי קריאות הכלים, בשיעור פגיעות המטמון, באורך ההקשר ובניסיונות חוזרים לאחר כישלון.

הטבלה המלאה של מבחני ההשוואה המרכזיים של Fable 5.1

הטבלה שלהלן נלקחה ישירות מהטבלה הראשית בדף ההשקה של Anthropic מה-1 בספטמבר 2026. כדי למנוע פרשנות שגויה, האחוזים, הציונים הגולמיים של GDPval-AA, תוצאות ה-partial/strict של OSWorld, ותוצאות HLE עם/בלי כלים מוצגים בנפרד. כל מבחן שומר על שמו הרשמי באנגלית, ובשורה שמתחתיו מופיע שמו בעברית; גרסאות בשפות אחרות יציגו גם הן את התרגום לשפתן מתחת לשם האנגלי.

הסימן — מציין שהטבלה הראשית של Anthropic לא סיפקה ציון מתאים, ואין זה אומר שהמודל אינו יכול לבצע את המשימה. ב-Terminal-Bench 4.0, Mythos 5.1 — בעל ההגבלות המעטות יותר, הזמין רק לתוכניות מהימנות — השיג 60.9%; מאמר זה מתמקד ב-Fable 5.1 הזמין למשתמשים רגילים, ואינו מערב את התוצאות של Mythos בעמודת Fable.

מה בודק Terminal-Bench-Science 0.1

Terminal-Bench-Science 0.1 כולל 70 זרימות עבודה מחקריות אמיתיות בחמישה תחומים: מדעי החיים, מדעי הפיזיקה, מדעי כדור הארץ, מתמטיקה והנדסה. המשימות אינן שאלות אמריקאיות, אלא דורשות מה-Agent להשלים בתוך הטרמינל ניתוח נתונים, מסקנות סטטיסטיות, סימולציות, אופטימיזציה, הוכחת משפטים, שחזור תמונות או למידת מכונה מדעית — ולבדוק את התוצרים באמצעות מבחנים ניתנים לשחזור.

התוצאה של Fable 5.1 — 52.6% — לעומת 24.7% של Fable 5 בניסויי השחזור הרשמיים, מהווה שיפור של 27.9 נקודות אחוז, הקפיצה הבולטת ביותר בטבלה כולה. אבל החברה מציינת במקביל שגיאת תקן של כ-±3.5 עד 4.5 נקודות אחוז לכל מודל, כך שאי אפשר להתייחס לספרה הראשונה שאחרי הנקודה העשרונית כדירוג מדויק לחלוטין.

מה בודקים Terminal-Bench 4.0 ו-CursorBench 3.2.0

Terminal-Bench מאפשר ל-Agent לטפל במשימות מורכבות בסביבת טרמינל אמיתית, ובודק בעיקר אם הוא מסוגל להבין את הסביבה, לקרוא לכלים, לשנות קבצים ולבסוף לעמוד באימות. Fable 5.1 השיג 55.8% — גבוה ב-13.8 נקודות אחוז מ-Fable 5, וגם גבוה מהתוצאה של Opus 5 שעמדה על 52.3%.

CursorBench 3.2 מבוסס על משימות עמומות ורבות-קבצים מהפעלות Cursor אמיתיות; גרסה 3.2 הוסיפה שאלות של ציות להוראות ושימוש מתקדם בכלים. Fable 5.1 Max השיג 73.4% — פער ההובלה אינו דרמטי כמו ב-Terminal-Bench-Science, אבל הוא השתמש בממוצע ב-72,060 token לכל משימה בעלות של $9.64; Fable 5 Max השתמש ב-103,525 token ובעלות של $17.32. הדבר הראוי יותר לציון כאן הוא הירידה ב-token ובעלות עבור משימות מאותו סוג, ולא עצם 2.9 נקודות האחוז.

מה בודק GDPval-AA v2

GDPval-AA v2 משתמש ב-220 משימות שעוצבו בידי אנשי מקצוע מהתעשייה, ומכסה 44 מקצועות ו-9 ענפים, כדי להעריך את יכולת המודל להתמודד עם עבודת ידע אמיתית ובעלת ערך כלכלי. הציון 1853 הוא ציון מורכב כולל, לא 1853%. תוצאה זו מלמדת ש-Fable 5.1 עולה על Fable 5 במסמכים מקצועיים, ניתוחים ותוצרים, וגם עוקף במעט את Opus 5.

מדוע ל-OSWorld 2.0 יש שני ציונים

OSWorld 2.0 כולל 108 זרימות עבודה ארוכות של הפעלת מחשב, כשזמן ההשלמה החציוני של משימה אנושית הוא כ-1.6 שעות. Partial מעניק ציון השלמה חלקית על פי נקודות ביקורת מרובות; Strict נחשב להצלחה רק אם היעד הושג במלואו.

לכן 77.9% ב-partial ו-41.7% ב-strict של Fable 5.1 אינם סותרים זה את זה: הוא מצליח לעתים קרובות להשלים את רוב הצעדים, אך עדיין יש חלק מהמשימות שלא נסגרות מקצה לקצה. זה גם מזכיר לנו ש"נראה שה-Agent כל הזמן עובד" על המחשב אינו אומר שהמשימה באמת הצליחה.

מה בודק Humanity's Last Exam

Humanity's Last Exam נוצר על ידי Center for AI Safety ו-Scale AI, וכולל 2,500 שאלות רב-תחומיות ברמת מומחה, שקשה לענות עליהן באמצעות אחזור פשוט. Fable 5.1 גבוה ב-3.1 נקודות אחוז מ-Fable 5 בתנאים ללא כלים, אך כשהותרו כלים הפער הצטמצם ל-1.2 נקודות אחוז בלבד. הוא אכן חזק יותר, אבל לא בכל מבחן נרשמה קפיצה של פי שניים.

מה בודק AutomationBench

AutomationBench בודק אם Agent מסוגל להשלים זרימות עבודה של מכירות, שיווק, תפעול, שירות לקוחות, כספים ומשאבי אנוש על פני כלי SaaS מדומים כגון CRM, דוא"ל, לוח שנה, הודעות וניהול פרויקטים. Fable 5.1 קפץ מ-17.1% ל-31.4% — שיפור יחסי של כ-84% — מה שמראה שיש התקדמות מהותית ב-5.1 בניהול מצב בין יישומים ובביצוע צעדים ארוכים; אבל 31.4% גם מלמדים שאוטומציה עסקית בלתי-מאוישת מסוג זה עדיין רחוקה מאוד מפתרון.

מה השתפר ב-Fable 5.1 לעומת Fable 5

1. משימות ארוכות נוטות פחות לקצר דרך

Anthropic ממקמת את Fable 5.1 כמודל Agent ארוך-טווח: קודם מתכנן, אחר כך משתמש בכלים, מתאושש לאחר כישלון, מאמת תוצאות ומדווח על התקדמות ביוזמתו. הדגש הוא על תיקון שורש הבעיה, ולא על עקיפה מקומית רק כדי שבדיקה בודדת תעבור כמה שיותר מהר. תרחישי היעד הרשמיים כוללים פיתוח תכונות על פני מאגרי קוד, סקירת קוד, אופטימיזציית ביצועים, הפעלות אוטונומיות רב-יומיות, מחקר, מסמכים, גיליונות אלקטרוניים ומצגות.

2. effort נמוך יכול להתקרב לתוצאות היקרות של הדור הקודם

Fable 5.1 מוסיף יכולת לכוונן effort על בסיס הודעה. עקומות העלות הרשמיות מראות ש-effort ברמת Low או Medium יכול במקרים מסוימים להגיע לתוצאות של Fable 5 או לעבור אותן, תוך הפחתת token ועלות. Claude Code משתמש כברירת מחדל ב-High effort; Claude.ai ו-Cowork משתמשים כברירת מחדל ב-Medium. כשמשווים מודלים חייבים לוודא קודם את רמת ה-effort — אסור להשוות ישירות תוצאות מרמות שונות.

3. אפשר להציג התקדמות קריאה בין קריאות לכלים

ה-API הוסיף יכולת ניסיונית של display: "updates" המאפשרת למודל לתת עדכוני התקדמות הפונים למשתמש בין קריאות לכלים. במשימות שנמשכות שעות, קל יותר להבין מה המודל עושה והאם הוא סטה מהיעד מאשר לראות רק כרטיסי כלים מופיעים שוב ושוב.

4. כתיבה, אימות חזותי ובדיקה עצמית מלאים יותר

החברה מציינת ש-5.1 כותב ביוזמתו מבחנים כדי לוודא את השינויים שביצע, ומשתמש ביכולות חזותיות כדי לבדוק את הפלט מול יעדי העיצוב. הערות השותפים מתמקדות גם הן בהתקדמות תמציתית יותר, מענה מלא יותר לשאלות מרובות-חלקים, מעקב אחר שרשראות קריאות על פני שירותים מרובים, ושמירה על קריאות גם אחרי ריצה ממושכת. אלה משוב איכותני, ואין להציג אותם כמסקנת מבחן אחידה.

5. חסימות הבטיחות מדויקות יותר, אך לא נעלמו

שיעור האזעקות השווא בהגנת הסייבר של Fable 5.1 ירד בכ-60% לעומת זמן השקת Fable 5, ותדירות הורדת הרמה בשאלות ביולוגיה ורפואה בסיסיות ירדה בכ-85%. כעת אפשר להשתמש בו לאיתור פרצות תוכנה, אבל משימות דו-שימושיות כמו בדיקות חדירה, יצירת קוד ניצול וסריקת פגיעויות בינאריות עדיין עשויות להיות מנותבות ל-Opus. אחרי ניתוב כזה לא יחויב בתעריף של Fable.

6. סימון מקור תוכן חדש

Fable 5.1 מציג content provenance. טקסט שנוצר עשוי לשאת סימן מים סטטיסטי, שניתן לאמת באמצעות כלי בדיקת התוכן של Anthropic. לא יופיעו סימנים גלויים בגוף הטקסט, אבל עבור פלטפורמות תוכן, חינוך וביקורת ארגונית מדובר בהתנהגות חדשה שכדאי להכיר מבעוד מועד.

איך מחושבת העלות של Fable 5.1

נניח שמשימה ארוכה אחת קוראת במצטבר 10 מיליון token ממטמון, מייצרת 200,000 token קלט חדשים ו-50,000 token פלט, בלי להתחשב בכתיבת מטמון:

缓存读取：10 × $0.25 = $2.50
新输入：0.2 × $10 = $2.00
输出：0.05 × $50 = $2.50
合计：$7.00

אותן 10 מיליון קריאות מטמון ב-Fable 5 עולות כ-$10, כך שרק בפריט זה יש הפרש של $7.50. על סמך זה Anthropic מעריכה שהעלות בפועל של משימות טיפוסיות החייבות לפי token יכולה לרדת בכ-25%, ובמשימות Agent-יות מאוד שעושות שימוש חוזר תכוף בהקשר ארוך — עד כ-45%. זו אינה הורדת מחיר כוללת של תעריפון ה-API, אלא ככל שיש יותר פגיעות מטמון, כך החיסכון בולט יותר.

מנויים לא בהכרח נהנים ישירות מהורדת מחיר מטמון ה-API

Max ומושבי premium של Team/Enterprise יכולים להפנות עד 50% מהמכסה השבועית למודלים של Fable; Pro וישיבות סטנדרטיות משתמשים מהיום הראשון ב-usage credits. הצריכה המדויקת מוצגת לפי דף ה-Usage בחשבון. הורדת מחיר קריאת המטמון היא בעיקר שינוי עבור תרחישי חיוב לפי token, ואי אפשר להמיר ישירות את הנחת 75% במטמון של ה-API ל"פי ארבעה יותר שימוש בתוכנית Max".

אז האם Fable 5.1 מהיר או לא

התשובה: תגובה בודדת איטית יחסית, אבל הזמן הכולל להשלמת משימות מורכבות עשוי להיות קצר יותר.

• קטלוג המודלים של Anthropic מסמן את Fable 5.1 כ-Slower, את Opus 5 כ-Moderate ואת Sonnet 5 כ-Fast.
• Claude Code משתמש כברירת מחדל ב-High effort, שמטבע הדברים צורך יותר זמן חשיבה מאשר Low או Medium.
• Every דיווח בעומסי העבודה שלו ש-Fable 5.1 מהיר בערך פי שניים מ-Opus 5 וצורך חצי מה-token; זהו מבחן ספציפי של שותף, לא הבטחת מהירות כללית.
• ב-CursorBench, Fable 5.1 Max ביצע בממוצע 70 צעדים עם 72,060 token; Fable 5 Max ביצע גם הוא 72 צעדים אך צרך 103,525 token. היתרון של 5.1 נראה יותר כמו "פחות עקיפות, פחות token", ולא בהכרח מהירות גבוהה יותר למילה הראשונה.

לכן, לשיחות, קוד קצר ואינטראקציות תכופות עדיף לבחור ב-Sonnet 5 או Opus 5; לאיתור תקלות על פני מאגרי קוד, מחקר ארוך ומשימות ללא השגחה שדורשות אימות עצמי — רק אז כדאי לשקול את Fable 5.1.

שינויי תאימות שחובה לטפל בהם לפני שדרוג ל-Fable 5.1

יש לשדרג את Claude Code לפחות לגרסה 2.1.250

הסבר התוכניות והזמינות של Anthropic דורש Claude Code 2.1.250 ומעלה. אם Fable 5.1 לא מופיע, בדקו קודם:

claude --version

ולאחר מכן עדכנו לפי שיטת השדרוג הרשמית של Claude Code, והפעילו מחדש את ההפעלה. מזהה מודל ה-API של Fable 5.1 הוא:

claude-fable-5-1

Forced tool use עלול להחזיר שגיאה ישירות

אם הבקשה כופה על המודל לקרוא לכלי מסוים, Fable 5.1 עשוי להחזיר שגיאה. לפני המעבר יש לבדוק את tool_choice ואת תהליכי קריאת הכלים הכפויים של ה-Agent שבניתם, ולא להניח שההתנהגות של Fable 5 תואמת לחלוטין.

אסור למחזר thinking blocks בין מודלים באופן שרירותי

מודלים מוקדמים יותר אינם יכולים לקרוא את ה-thinking blocks של Fable 5.1. כשמחליפים מודל, יש לאפשר ל-SDK לטפל בבלוקים אלה לפי הכללים הרשמיים, במקום לדחוף אותם כמות שהם למודל אחר.

שינוי היסטוריה ישנה עלול לגרום לשגיאת 400

בחשבונות API חדשים שנוצרו אחרי 31 באוגוסט 2026, thinking blocks תקפים רק בהקשר של הקידומת המקורית של השיחה שבה נוצרו. אם משנים את system, tools או הודעות מוקדמות יותר ואז משמיעים שוב את ה-thinking blocks, ייתכן שתוחזר שגיאת 400. ההמלצה הרשמית היא לשמור על היסטוריה מסוג append-only; כשצריך לדחוס, החליפו את כל קטע ההיסטוריה הישן בסיכום חדש אחד, ואל תשנו סבבים ישנים תוך שמירה על ה-thinking blocks המקוריים. ראו את מדריך ההנחיות והמעבר של Fable 5.1 לפרטים.

מתי כדאי לבחור ב-Fable 5.1

מתאים:

• משימות ארוכות על פני מאגרים, שירותים או יישומים מרובים;
• Agent שצריך לרוץ שעות ולשקם את עצמו לאחר כישלונות;
• מחקר מדעי, ניתוח נתונים מורכב ותוצרים מקצועיים רב-שלביים;
• בעיות מערכת שקשה לשחזרן, אופטימיזציית ביצועים ואיתור שורש הבעיה;
• עומסי עבודה ב-API עם שימוש חוזר נרחב בהקשר ארוך, שבהם חלק גדול מהקריאות הוא ממטמון.

לא מתאים:

• שיחות פשוטות, טקסטים קצרים או שינויים קטנים בקובץ בודד;
• אינטראקציות בזמן אמת רגישות מאוד לזמן עד למילה הראשונה;
• משימות עתירות פלט בתקציב קבוע ללא שימוש חוזר במטמון;
• תרחישים שאינם יכולים לקבל שמירת נתוני פיקוח אבטחה למשך 30 יום כברירת מחדל, ואינם עומדים בתנאי החריג לארגונים;
• זרימות עבודה שמצפות שכל בקשות הסייבר או מדעי החיים לא יעוררו הורדת רמה.

איך לצפות מרחוק במשימות ארוכות

הערך של Fable 5.1 מתגלה פעמים רבות דווקא במשימות שנמשכות שעות ואפילו ימים, אבל זה לא אומר שאדם חייב להישאר כל הזמן מול מכונת הפיתוח. קודם וודאו ש-Fable 5.1 זמין ב-Claude Code 2.1.250+ במכונה המקומית, ולאחר מכן השתמשו ב-PandaNpc Agent כדי לצפות מהדפדפן, משולחן העבודה או מהטלפון בהפעלות Claude Code על אותה מכונת פיתוח, לטפל באינטראקציות ולהמשיך לתת הוראות.

מה שמשתנה כאן הוא נקודת הכניסה לשליטה; הקוד, הכלים והבנייה עדיין רצים על מכונת הפיתוח שלכם. אפשר לקרוא תחילה את מדריך הגישה מרחוק של Claude Code ואת המדריך לחיבור Claude Code מהטלפון, ולוודא את ערוץ הגישה מרחוק לפני שמפקידים ב-Fable 5.1 משימה ארוכה.

FAQ

כמה חזק יותר Fable 5.1 מ-Fable 5?

ההבדלים גדולים מאוד בין משימות שונות. Terminal-Bench-Science רשם שיפור של 27.9 נקודות אחוז, AutomationBench 14.3 נקודות אחוז; לעומת זאת, HLE עם כלים השתפר ב-1.2 נקודות אחוז בלבד. אי אפשר להשתמש בקפיצה הגדולה ביותר הבודדת כדי לייצג את כל המשימות.

האם Fable 5.1 מהיר יותר מ-Opus 5?

בטבלת ההשהיה היחסית הרשמית Fable 5.1 מסומן כ"איטי יותר" ו-Opus 5 כ"בינוני". חלק מהשותפים הבחינו ש-Fable 5.1 מהיר יותר במשימות שלמות, מאחר שהוא צורך פחות token ומבצע פחות עבודה חוזרת. שתי המסקנות האלה מודדות לא את אותו הדבר.

האם Fable 5.1 מתאים יותר לתכנות מאשר GPT-5.6 Sol?

בטבלאות הפרסום של Anthropic, Fable 5.1 גבוה יותר ב-Terminal-Bench-Science, Terminal-Bench, AutomationBench ו-CursorBench; אבל מודלים שונים משתמשים ב-Agent harness, effort, כלים ומחירים שונים, ולכן אי אפשר להסיק מכך שכל המאגרים האמיתיים ינוצחו בידי Fable. אפשר לעיין במדריך הגדרת ההקשר של 1M עבור GPT-5.6 Sol, ואז להריץ מבחן A/B על משימות מייצגות משלכם.

מדוע Fable 5.1 עובר פתאום ל-Opus?

חלק מבקשות הסייבר ומדעי החיים מנותבות על ידי safeguards ל-Opus. המעבר בין מודלים אינו בהכרח תקלה; Anthropic מציינת שבקשות מנותבות כאלה לא יחויבו בתעריף של Fable.

האם ל-Fable 5.1 יש סימן מים?

קיים מנגנון content provenance סטטיסטי, אבל הוא לא מוסיף תוויות גלויות על פני הטקסט. זה לא אותו דבר כמו סימן מים נראה לעין בפינת תמונה.

סיכום

ההתקדמות הבולטת ביותר של Claude Fable 5.1 מרוכזת במחקר מדעי, משימות טרמינל וזרימות עבודה עסקיות בין-יישומיות: הוא מסוגל יותר לביצוע מתמשך, שיקום מכישלונות ואימות תוצאות, וגם הוריד את עלות המשימות הארוכות דרך קריאות מטמון זולות יותר. אבל הוא עדיין יקר, זמן ההשהיה לכל סבב איטי יחסית, והוא מביא עמו שינויי תאימות הנוגעים ל-thinking blocks, קריאות כלים כפויות ועריכת היסטוריה.

השאלה הנכונה כששוקלים אותו אינה "האם הוא ראשון בניקוד המבחנים", אלא: האם המשימה שלכם ארוכה ומורכבת מספיק, והאם עלות הכישלון והעבודה החוזרת גבוהה מספיק כדי להצדיק שימוש ב-Fable 5.1. אם התשובה שלילית, בדרך כלל עדיף להתחיל עם Opus 5 או Sonnet 5.