Kompleksowa analiza Claude Fable 5.1: benchmarki, ulepszenia, ceny i szybkość

Claude Fable 5.1 został oficjalnie wydany 1 września 2026 roku. Najpierw konkluzja: nie jest to zwykłe uaktualnienie modelu do codziennych pytań i odpowiedzi, lecz kosztowny model flagowy przeznaczony do długotrwałego programowania, złożonych badań, wywołań narzędzi między aplikacjami oraz agentów pracujących bez nadzoru. W 7 głównych kategoriach benchmarków opublikowanych przez Anthropic Fable 5.1 przewyższa Fable 5 we wszystkich przypadkach; jego cena jednostkowa API jest jednak nadal dwa razy wyższa niż Opus 5, a producent określa względne opóźnienie jako „wolniejsze”.

Jeśli Twoje zadanie sprowadza się do zmiany jednego pliku, napisania krótkiego tekstu albo odpowiedzi na zwykłe pytania, Anthropic nadal zaleca zacząć od Opus 5. Fable 5.1 jest lepszy do długich, wieloetapowych zadań, których zwykłe modele nie potrafią wykonać stabilnie nawet przy wysokim effort. Ten artykuł zestawia oficjalne dane z premiery, znaczenie poszczególnych benchmarków, konkretne ulepszenia w wersji 5.1, ceny, szybkość i ograniczenia migracji, żeby nie polegać wyłącznie na jednym wykresie „kto wygrał”.

Specyfikacja Fable 5.1 w jednej tabeli

Określenie „wolniejsze” pochodzi z katalogu modeli Anthropic i oznacza poziom względnego opóźnienia, a nie stałą liczbę tokenów na sekundę. To, ile faktycznie zajmie wykonanie zadania, zależy również od effort, liczby rund wywołań narzędzi, wskaźnika trafień w cache, długości kontekstu oraz liczby ponownych prób po błędach.

Pełna tabela głównych benchmarków Fable 5.1

Poniższa tabela pochodzi bezpośrednio ze strony premiery Anthropic z 1 września 2026 roku. Aby uniknąć błędnej interpretacji, osobno podano wartości procentowe, surowe wyniki GDPval-AA, wyniki partial/strict dla OSWorld oraz wyniki HLE z narzędziami i bez narzędzi. Każdy benchmark zachowuje oficjalną nazwę angielską, a pod nią podano polskie tłumaczenie nazwy; w innych wersjach językowych pod nazwą angielską również pojawia się tłumaczenie na dany język.

— oznacza, że w tej głównej tabeli Anthropic nie podano wyniku dla danego modelu; nie oznacza to, że model nie potrafi wykonać zadania. W Terminal-Bench 4.0 model Mythos 5.1, mający mniej ograniczeń i udostępniany wyłącznie zaufanym programom, uzyskał 60,9%; ten artykuł skupia się na Fable 5.1 dostępnym dla zwykłych użytkowników i nie miesza wyników Mythos do kolumny Fable.

Co mierzy Terminal-Bench-Science 0.1?

Terminal-Bench-Science 0.1 zawiera 70 rzeczywistych przepływów pracy badawczej z pięciu dziedzin: nauk o życiu, nauk fizycznych, nauk o Ziemi, matematyki i inżynierii. Zadania nie są testami wyboru — agent musi w terminalu przeprowadzić analizę danych, wnioskowanie statystyczne, symulacje, optymalizację, dowodzenie twierdzeń, rekonstrukcję obrazów lub naukowe uczenie maszynowe, a swoje wyniki zweryfikować powtarzalnymi testami.

Wynik Fable 5.1 na poziomie 52,6% wobec 24,7% dla Fable 5 w oficjalnych eksperymentach powtórzeniowych oznacza poprawę o 27,9 pkt proc. — to najbardziej widoczny skok w całej tabeli. Oficjalnie podano jednak również błąd standardowy wynoszący około ±3,5–4,5 pkt proc. dla każdego modelu, więc nie należy traktować jednego miejsca po przecinku jako absolutnie dokładnego rankingu.

Co mierzą Terminal-Bench 4.0 i CursorBench 3.2.0?

Terminal-Bench wymaga od agenta rozwiązywania złożonych zadań w rzeczywistym środowisku terminala i sprawdza przede wszystkim, czy potrafi zrozumieć środowisko, wywoływać narzędzia, modyfikować pliki i ostatecznie przejść weryfikację. Fable 5.1 uzyskuje 55,8%, czyli o 13,8 pkt proc. więcej niż Fable 5 i więcej niż Opus 5, który osiąga 52,3%.

CursorBench 3.2 opiera się na niejednoznacznych zadaniach wieloplikowych pochodzących z rzeczywistych sesji w Cursorze; wersja 3.2 dodaje zagadnienia dotyczące przestrzegania instrukcji i zaawansowanego korzystania z narzędzi. Fable 5.1 Max osiąga 73,4% — przewaga nie jest tak spektakularna jak w Terminal-Bench-Science, ale średnio zużywa 72 060 tokenów i kosztuje 9,64 USD na zadanie; Fable 5 Max zużywa 103 525 tokenów i kosztuje 17,32 USD. Warto tu zwrócić uwagę przede wszystkim na spadek liczby tokenów i kosztów przy wykonywaniu podobnych zadań, a nie na same 2,9 pkt proc.

Co mierzy GDPval-AA v2?

GDPval-AA v2 wykorzystuje 220 zadań zaprojektowanych przez profesjonalistów z branży, obejmujących 44 zawody i 9 sektorów, aby ocenić zdolność modelu do wykonywania realnej pracy umysłowej o wartości ekonomicznej. Wynik 1853 to ocena zbiorcza, a nie 1853%. Ten rezultat pokazuje, że Fable 5.1 radzi sobie lepiej niż Fable 5 w profesjonalnych dokumentach, analizach i materiałach końcowych, a także nieznacznie wyprzedza Opus 5.

Dlaczego OSWorld 2.0 ma dwa wyniki?

OSWorld 2.0 zawiera 108 długich przepływów pracy związanych z obsługą komputera; mediana czasu wykonania każdego zadania przez człowieka wynosi około 1,6 godziny. Partial przyznaje częściowe punkty na podstawie wielu punktów kontrolnych; Strict uznaje zadanie za udane tylko wtedy, gdy cel został w pełni osiągnięty.

Dlatego wyniki Fable 5.1 — 77,9% dla Partial i 41,7% dla Strict — nie są sprzeczne: model często wykonuje większość kroków, ale część zadań wciąż nie doczekała się pełnego ukończenia od początku do końca. To także przypomnienie, że agent komputerowy, który „wygląda, jakby ciągle pracował”, nie oznacza jeszcze, że zadanie zostało ukończone.

Co mierzy Humanity's Last Exam?

Humanity's Last Exam został stworzony przez Center for AI Safety i Scale AI; zawiera 2500 interdyscyplinarnych pytań na poziomie eksperckim, na które trudno odpowiedzieć za pomocą prostego wyszukiwania. Fable 5.1 wypada o 3,1 pkt proc. lepiej niż Fable 5 bez narzędzi, a po udostępnieniu narzędzi tylko o 1,2 pkt proc. lepiej. Jest więc rzeczywiście mocniejszy, ale nie na każdym benchmarku widać podwojenie wyników.

Co mierzy AutomationBench?

AutomationBench sprawdza, czy agent potrafi wykonywać przepływy pracy w obszarach sprzedaży, marketingu, operacji, obsługi klienta, finansów i kadr, korzystając z symulowanych narzędzi SaaS, takich jak CRM, poczta e-mail, kalendarz, komunikatory i zarządzanie projektami. Fable 5.1 poprawia się z 17,1% do 31,4%, co oznacza wzrost względny o około 84% i pokazuje, że wersja 5.1 robi realny postęp w zarządzaniu stanem wielu aplikacji i wykonywaniu długich sekwencji kroków; z drugiej strony 31,4% pokazuje, że ten rodzaj nieobsługiwanej automatyzacji procesów biznesowych wciąż jest daleki od rozwiązania.

Co Fable 5.1 poprawia w porównaniu z Fable 5

1. Rzadziej idzie na skróty w długich zadaniach

Anthropic pozycjonuje Fable 5.1 jako model agentowy do długich horyzontów czasowych: najpierw planuje, potem korzysta z narzędzi, po błędach wraca do równowagi, weryfikuje wyniki i aktywnie raportuje postępy. Bardziej stawia na naprawę przyczyn źródłowych niż na lokalne obejścia, które mają jak najszybciej sprawić, by pojedynczy test stał się „zielony”. Oficjalnie wskazane scenariusze docelowe obejmują funkcje w obrębie wielu baz kodu, przeglądy kodu, optymalizację wydajności, wielodniowe sesje autonomiczne, badania, dokumenty, arkusze kalkulacyjne i prezentacje.

2. Niski effort potrafi zbliżyć się do kosztownych wyników poprzedniej generacji

Fable 5.1 dodaje możliwość zmiany effort w przeliczeniu na wiadomość. Oficjalne krzywe kosztów pokazują, że effort Low lub Medium potrafi w niektórych zadaniach dorównać Fable 5 lub go przewyższyć, jednocześnie obniżając liczbę tokenów i koszty. Claude Code domyślnie używa effort High; Claude.ai i Cowork domyślnie używają Medium — przy porównywaniu modeli trzeba najpierw potwierdzić poziom effort, bo nie można zestawiać wyników z różnych ustawień.

3. Czytelne komunikaty o postępie między wywołaniami narzędzi

API zyskuje eksperymentalną możliwość display: "updates", która pozwala modelowi podawać użytkownikowi aktualizacje postępu między wywołaniami narzędzi. Przy zadaniach trwających kilka godzin łatwiej w ten sposób ocenić, co model robi i czy nie zboczył z celu, niż gdy widzi się tylko kolejne karty narzędzi.

4. Bardziej kompletne pisanie, weryfikacja wizualna i testy własne

Według producenta model 5.1 aktywnie pisze testy weryfikujące własne zmiany i wykorzystuje możliwości wizualne do sprawdzania wyników względem celów projektowych. Opinie partnerów koncentrują się też na bardziej zwięzłych komunikatach o postępie, pełniejszych odpowiedziach na pytania wieloczęściowe, śledzeniu łańcuchów wywołań w wielu usługach oraz zachowaniu czytelności podczas długiego działania. To opinie jakościowe i nie należy ich przedstawiać jako ujednoliconych wniosków z benchmarków.

5. Blokady bezpieczeństwa są bardziej precyzyjne, ale nie zniknęły

Liczba fałszywych alarmów w ochronie cyberbezpieczeństwa Fable 5.1 spadła o około 60% w porównaniu z momentem premiery Fable 5, a częstotliwość degradowania podstawowych pytań z biologii i medycyny zmniejszyła się o około 85%. Model może być teraz używany do wykrywania luk w oprogramowaniu, ale zadania o podwójnym zastosowaniu, takie jak testy penetracyjne, generowanie kodu wykorzystującego luki czy skanowanie binariów pod kątem podatności, nadal mogą być kierowane do Opus. Po przekierowaniu zadania nie są rozliczane według cen Fable.

6. Nowe oznaczanie pochodzenia treści

Fable 5.1 wprowadza mechanizm content provenance (czyli oznaczania pochodzenia treści). Generowany tekst może zawierać statystyczny znak wodny, który można zweryfikować za pomocą narzędzi Anthropic do sprawdzania treści. Nie dodaje widocznych znaczników w tekście, ale dla platform treści, edukacji i audytów korporacyjnych to nowe zachowanie, o którym warto wiedzieć z wyprzedzeniem.

Jak obliczane są koszty Fable 5.1?

Załóżmy, że długie zadanie łącznie odczytuje 10 mln tokenów z cache, generuje 200 tys. nowych tokenów wejściowych i 50 tys. tokenów wyjściowych, pomijając zapisy do cache:

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

Te same 10 mln odczytów z cache w Fable 5 kosztuje około 10 USD, więc sama ta pozycja daje różnicę 7,50 USD. Na tej podstawie Anthropic szacuje, że rzeczywisty koszt typowych zadań rozliczanych za tokeny może spaść o około 25%, a w zadaniach o silnym charakterze agentowym, które często ponownie wykorzystują długi kontekst — maksymalnie o około 45%. To nie jest ogólna obniżka cennika API, lecz im więcej trafień w cache, tym większe oszczędności.

Subskrybenci nie zawsze bezpośrednio korzystają z obniżki cen odczytu z cache w API

Plan Max oraz miejsca premium w planach Team/Enterprise mogą przeznaczyć do 50% tygodniowego limitu na modele Fable; Pro i standardowe miejsca od początku korzystają z kredytów za wykorzystanie (usage credits). Szczegółowe zużycie jest zawsze widoczne na stronie Usage na koncie. Obniżka cen odczytu z cache dotyczy głównie scenariuszy rozliczania za tokeny; nie można wprost przeliczać 75% obniżki z API na „cztery razy większe zużycie w planie Max”.

Jak to w końcu jest z szybkością Fable 5.1?

Odpowiedź: pojedyncze odpowiedzi są raczej wolne, ale łączny czas wykonania złożonych zadań może być krótszy.

• Katalog modeli Anthropic oznacza Fable 5.1 jako Slower, Opus 5 jako Moderate, a Sonnet 5 jako Fast.
• Claude Code domyślnie działa z effort High, więc naturalnie poświęca więcej czasu na rozumowanie niż w przypadku Low lub Medium.
• Every informuje, że w jego własnych obciążeniach Fable 5.1 jest mniej więcej dwa razy szybszy od Opus 5 i zużywa o połowę mniej tokenów; to konkretny test konkretnego partnera, a nie ogólna gwarancja szybkości.
• W CursorBench Fable 5.1 Max wykonuje średnio 70 kroków i zużywa 72 060 tokenów; Fable 5 Max również wykonuje 72 kroki, ale zużywa 103 525 tokenów. Przewaga 5.1 polega bardziej na „mniejszej liczbie zbędnych kroków i mniejszym zużyciu tokenów” niż na szybszym pojawieniu się pierwszego tokena.

Dlatego do czatów, krótkich fragmentów kodu i częstych interakcji wybieraj przede wszystkim Sonnet 5 lub Opus 5; Fable 5.1 warto rozważyć przy debugowaniu w wielu bazach kodu, długich badaniach i zadaniach bez nadzoru, które wymagają samodzielnej weryfikacji.

Zmiany kompatybilności, o które trzeba zadbać przed przejściem na Fable 5.1

Zaktualizuj Claude Code do co najmniej 2.1.250

W informacjach Anthropic o planach i dostępności wymagany jest Claude Code w wersji 2.1.250 lub nowszej. Jeśli nie widzisz Fable 5.1, najpierw sprawdź:

claude --version

Następnie zaktualizuj Claude Code zgodnie z oficjalną procedurą i uruchom ponownie sesję. Identyfikator modelu API dla Fable 5.1 to:

claude-fable-5-1

Forced tool use może zakończyć się błędem

Jeśli żądanie wymusza na modelu wywołanie konkretnego narzędzia, Fable 5.1 może zwrócić błąd. Przed migracją sprawdź tool_choice oraz procesy wymuszania narzędzi w swoim agencie; nie zakładaj, że zachowanie Fable 5 jest w pełni kompatybilne.

Thinking blocks nie można dowolnie przenosić między modelami

Starsze modele nie mogą odczytywać thinking blocks wytworzonych przez Fable 5.1. Podczas zmiany modelu pozwól SDK przetwarzać te bloki zgodnie z oficjalnymi zasadami, zamiast przekazywać je w niezmienionej formie innemu modelowi.

Modyfikowanie starej historii może skutkować błędem 400

W przypadku nowych kont API utworzonych po 31 sierpnia 2026 roku thinking blocks działają wyłącznie w oryginalnym prefiksie rozmowy, w którym zostały wygenerowane. Ponowne odtworzenie thinking blocks po zmianie system, tools lub wcześniejszych wiadomości może zwrócić błąd 400. Anthropic zaleca utrzymywanie historii w trybie append-only; jeśli potrzebujesz skompresować kontekst, zastąp całą starą historię nowym streszczeniem — nie edytuj starych wiadomości, zachowując oryginalne thinking blocks. Szczegółowe instrukcje znajdziesz w przewodniku po promptowaniu i migracji Fable 5.1.

Kiedy wybrać Fable 5.1?

Fable 5.1 sprawdzi się w:

• długich zadaniach obejmujących wiele repozytoriów, usług lub aplikacji;
• agentach, które działają przez wiele godzin i samodzielnie naprawiają błędy;
• badaniach naukowych, złożonych analizach danych i wieloetapowych profesjonalnych materiałach;
• trudnych do odtworzenia problemach systemowych, optymalizacji wydajności i analizie przyczyn źródłowych;
• obciążeniach API, które w dużym stopniu opierają się na ponownym wykorzystaniu długiego kontekstu i mają wysoki udział odczytów z cache.

Fable 5.1 nie sprawdzi się w:

• prostych czatach, krótkich tekstach lub drobnych zmianach w pojedynczych plikach;
• interakcjach w czasie rzeczywistym o dużej wrażliwości na czas do pierwszego tokena;
• zadaniach o stałym budżecie i dużej liczbie tokenów wyjściowych, bez ponownego wykorzystania cache;
• scenariuszach, w których nie akceptujesz domyślnego 30-dniowego zatrzymywania danych z monitorowania bezpieczeństwa i które nie kwalifikują się do wyjątków dla firm;
• procesach, w których oczekujesz, że żadne zapytania z obszaru cyberbezpieczeństwa ani nauk o życiu nie będą degradowane.

Jak zdalnie podglądać długie zadania

Wartość Fable 5.1 ujawnia się zwykle w zadaniach trwających wiele godzin, a nawet dni, ale nie oznacza to, że trzeba cały czas siedzieć przy maszynie deweloperskiej. Najpierw upewnij się w lokalnym Claude Code 2.1.250+, że Fable 5.1 jest dostępny, a następnie przeglądaj sesje Claude Code na tej samej maszynie deweloperskiej, wchodź w interakcje i wydawaj kolejne polecenia z przeglądarki, urządzenia stacjonarnego lub telefonu przez PandaNpc Agent.

Zmienia się tylko punkt wejścia do sterowania — kod, narzędzia i kompilacje nadal działają na Twojej maszynie deweloperskiej. Najpierw przeczytaj przewodnik po zdalnym dostępie do Claude Code oraz poradnik łączenia Claude Code z telefonem, a gdy potwierdzisz działanie zdalnego połączenia, powierz Fable 5.1 długie zadania.

FAQ

O ile lepszy jest Fable 5.1 od Fable 5?

Różnice między zadaniami są bardzo duże. W Terminal-Bench-Science poprawa wynosi 27,9 pkt proc., w AutomationBench 14,3 pkt proc.; w HLE z narzędziami to tylko 1,2 pkt proc. Nie można używać jednego największego wzrostu jako reprezentacji wszystkich zadań.

Czy Fable 5.1 jest szybszy od Opus 5?

W oficjalnej tabeli względnych opóźnień Fable 5.1 jest oznaczony jako „wolniejszy”, a Opus 5 jako „umiarkowany”. Niektórzy partnerzy obserwują, że Fable 5.1 jest szybszy w całych zadaniach, ponieważ zużywa mniej tokenów i wymaga mniej poprawek. Te dwa wnioski nie mierzą jednak tego samego.

Czy Fable 5.1 jest lepszy od GPT-5.6 Sol do programowania?

W tabeli Anthropic Fable 5.1 wypada lepiej w Terminal-Bench-Science, Terminal-Bench, AutomationBench i CursorBench; ale różne modele korzystają z różnych platform agentowych (harness), poziomów effort, narzędzi i cen, więc nie można na tej podstawie twierdzić, że Fable wygrywa we wszystkich prawdziwych repozytoriach. Warto zajrzeć do poradnika konfiguracji GPT-5.6 Sol z kontekstem 1M i przeprowadzić testy A/B na własnych reprezentatywnych zadaniach.

Dlaczego Fable 5.1 nagle przełącza się na Opus?

Niektóre zapytania z obszaru cyberbezpieczeństwa i nauk o życiu mogą być kierowane przez mechanizmy safeguards do Opus. Zmiana modelu nie musi oznaczać awarii; Anthropic informuje, że takie przekierowane żądania nie są rozliczane według cen Fable.

Czy Fable 5.1 ma znak wodny?

Tak, istnieje statystyczny mechanizm content provenance, ale nie dodaje on widocznych etykiet na powierzchni tekstu. To nie to samo co widoczny znak wodny w rogu obrazu.

Podsumowanie

Najbardziej widoczne postępy Claude Fable 5.1 dotyczą badań naukowych, zadań w terminalu i międzyaplikacyjnych procesów biznesowych: lepiej radzi sobie z ciągłym wykonywaniem, odzyskiwaniem sprawności po błędach i weryfikacją wyników, a także obniża koszty długich zadań dzięki tańszemu odczytowi z cache. Wciąż jest jednak drogi, ma wolniejsze opóźnienie pojedynczych odpowiedzi i wprowadza zmiany kompatybilności związane z thinking blocks, wymuszonym wywoływaniem narzędzi i edycją historii.

Właściwe pytanie przy wyborze nie brzmi „czy to numer jeden w rankingach”, lecz: czy Twoje zadanie jest wystarczająco długie i złożone, a koszty błędów i poprawek na tyle wysokie, że warto użyć Fable 5.1? Jeśli odpowiedź brzmi nie, zwykle lepiej zacząć od Opus 5 lub Sonnet 5.