Phân tích toàn diện Claude Fable 5.1: điểm chuẩn, cải tiến, giá cả và tốc độ

Claude Fable 5.1 đã chính thức ra mắt vào ngày 1 tháng 9 năm 2026. Nói kết luận trước: đây không phải bản nâng cấp mô hình thông thường dành cho hỏi đáp hằng ngày, mà là mô hình flagship có chi phí cao dành cho lập trình kéo dài, nghiên cứu phức tạp, gọi công cụ xuyên ứng dụng và Agent vận hành không giám sát. Trong 7 nhóm điểm chuẩn (benchmark) chủ đạo mà Anthropic công bố, Fable 5.1 đều vượt qua Fable 5; tuy nhiên đơn giá API của nó vẫn gấp đôi Opus 5, và hãng cũng xếp độ trễ tương đối của nó ở mức "chậm hơn".

Nếu nhiệm vụ của bạn chỉ là sửa một tệp, viết một đoạn văn ngắn hoặc trả lời những câu hỏi thông thường, Anthropic vẫn khuyên nên bắt đầu từ Opus 5. Fable 5.1 phù hợp hơn cho các tác vụ chuỗi dài mà những mô hình thông thường, ngay cả khi dùng effort cao, vẫn không thể hoàn thành một cách ổn định. Bài viết này tổng hợp dữ liệu phát hành chính thức, ý nghĩa của từng điểm chuẩn, những cải tiến cụ thể của bản 5.1, giá cả, tốc độ cũng như các giới hạn khi di chuyển, để bạn không chỉ nhìn vào một bảng điểm "ai thắng".

Hiểu ngay thông số Fable 5.1 qua một bảng

Mức "chậm hơn" ở đây lấy từ danh mục mô hình của Anthropic, biểu thị cấp độ trễ tương đối, không phải số token mỗi giây cố định. Thời gian thực tế để hoàn thành một tác vụ còn phụ thuộc vào effort, số vòng gọi công cụ, tỷ lệ cache hit, độ dài ngữ cảnh và số lần thử lại sau lỗi.

Bảng đầy đủ điểm chuẩn chủ đạo của Fable 5.1

Bảng dưới đây lấy trực tiếp bảng chính trong trang công bố ngày 1 tháng 9 năm 2026 của Anthropic. Để tránh hiểu sai, phần trăm, điểm thô của GDPval-AA, kết quả partial/strict của OSWorld, cũng như kết quả có công cụ/không có công cụ của HLE được tách riêng. Mỗi điểm chuẩn giữ nguyên tên tiếng Anh chính thức và dòng kế bên hiển thị tên dịch; các bản ngôn ngữ khác cũng hiển thị tên dịch tương ứng bên dưới tên tiếng Anh.

— nghĩa là bảng chính này của Anthropic không cung cấp điểm tương ứng, không có nghĩa mô hình đó không hoàn thành được tác vụ. Trong Terminal-Bench 4.0, Mythos 5.1 — bản có ít ràng buộc hơn và chỉ mở cho chương trình đáng tin cậy — đạt 60.9%; bài viết này tập trung vào Fable 5.1 mà người dùng thông thường có thể dùng, không trộn điểm của Mythos vào cột Fable.

Terminal-Bench-Science 0.1 đo lường điều gì

Terminal-Bench-Science 0.1 bao gồm 70 quy trình nghiên cứu thực tế trong năm lĩnh vực: khoa học sự sống, khoa học vật lý, khoa học Trái Đất, toán học và kỹ thuật. Tác vụ không phải câu hỏi trắc nghiệm, mà yêu cầu Agent hoàn thành phân tích dữ liệu, suy luận thống kê, mô phỏng, tối ưu hóa, chứng minh định lý, tái tạo hình ảnh hoặc máy học khoa học ngay trong terminal, rồi dùng các bài kiểm tra tái lập được để kiểm tra sản phẩm.

Mức 52.6% của Fable 5.1 so với 24.7% của Fable 5 trong thí nghiệm tái hiện chính thức, tăng 27.9 điểm phần trăm, là bước nhảy rõ rệt nhất trong toàn bảng. Nhưng hãng cũng ghi chú sai số chuẩn khoảng ±3.5–4.5 điểm phần trăm cho mỗi mô hình, nên không thể coi một chữ số sau dấu chấm là thứ hạng chính xác tuyệt đối.

Terminal-Bench 4.0 và CursorBench 3.2.0 đo lường điều gì

Terminal-Bench cho Agent xử lý các tác vụ phức tạp trong môi trường terminal thực, trọng tâm là xem nó có hiểu được môi trường, gọi công cụ, sửa tệp và cuối cùng vượt qua vòng xác minh hay không. Fable 5.1 đạt 55.8%, cao hơn Fable 5 tới 13.8 điểm phần trăm, đồng thời vượt cả mức 52.3% của Opus 5.

CursorBench 3.2 lấy từ các tác vụ mơ hồ, nhiều tệp trong các phiên Cursor thực tế; bản 3.2 bổ sung các bài toán về tuân thủ chỉ dẫn và sử dụng công cụ nâng cao. Fable 5.1 Max đạt 73.4%, biên độ dẫn trước không quá ấn tượng như Terminal-Bench-Science, nhưng trung bình mỗi tác vụ nó dùng 72,060 token với chi phí $9.64; Fable 5 Max dùng 103,525 token và tốn $17.32. Điểm đáng chú ý ở đây là token và chi phí giảm khi hoàn thành cùng loại tác vụ, chứ không phải bản thân con số 2.9 điểm phần trăm.

GDPval-AA v2 đo lường điều gì

GDPval-AA v2 sử dụng 220 tác vụ do các chuyên gia trong ngành thiết kế, bao phủ 44 ngành nghề và 9 lĩnh vực kinh tế, để đánh giá khả năng xử lý công việc tri thức thực tế có giá trị kinh tế. Con số 1853 là điểm tổng hợp, không phải 1853%. Kết quả này cho thấy Fable 5.1 vượt Fable 5 ở các tài liệu chuyên môn, phân tích và sản phẩm bàn giao, đồng thời cũng vượt nhẹ Opus 5.

Vì sao OSWorld 2.0 có hai loại điểm

OSWorld 2.0 bao gồm 108 quy trình thao tác máy tính chuỗi dài, thời gian hoàn thành trung vị của con người cho mỗi tác vụ khoảng 1.6 giờ. Partial chấm điểm hoàn thành một phần dựa trên nhiều checkpoint; Strict chỉ tính là thành công khi đạt trọn vẹn mục tiêu.

Vì vậy, 77.9% partial và 41.7% strict của Fable 5.1 không hề mâu thuẫn: nó thường hoàn thành được phần lớn các bước, nhưng vẫn có một số tác vụ không thể kết thúc trọn vẹn từ đầu đến cuối. Điều này cũng nhắc chúng ta rằng một Agent máy tính "trông có vẻ liên tục thao tác" không đồng nghĩa với việc tác vụ đã thành công.

Humanity's Last Exam đo lường điều gì

Humanity's Last Exam do Center for AI Safety và Scale AI tạo ra, gồm 2,500 câu hỏi liên ngành, cấp độ chuyên gia, khó có thể trả lời bằng cách tra cứu đơn giản. Fable 5.1 cao hơn Fable 5 tới 3.1 điểm phần trăm trong điều kiện không có công cụ, nhưng khi được phép dùng công cụ thì chỉ cao hơn 1.2 điểm phần trăm. Nó đúng là mạnh hơn, nhưng không phải điểm chuẩn nào cũng tăng gấp đôi.

AutomationBench đo lường điều gì

AutomationBench kiểm tra xem Agent có thể hoàn thành các quy trình bán hàng, tiếp thị, vận hành, chăm sóc khách hàng, tài chính và nhân sự xuyên qua các công cụ SaaS mô phỏng như CRM, email, lịch, tin nhắn và quản lý dự án hay không. Fable 5.1 tăng từ 17.1% lên 31.4%, mức cải thiện tương đối khoảng 84%, cho thấy 5.1 có tiến bộ thực chất trong quản lý trạng thái đa ứng dụng và thực thi nhiều bước; nhưng con số 31.4% cũng cho thấy loại hình tự động hóa nghiệp vụ không giám sát này vẫn còn rất xa mới được giải quyết.

Fable 5.1 cải tiến gì so với Fable 5

1. Các tác vụ dài khó đi đường tắt hơn

Anthropic định vị Fable 5.1 là mô hình Agent cho tác vụ dài: lập kế hoạch trước, rồi dùng công cụ, phục hồi sau lỗi, xác minh kết quả và chủ động báo cáo tiến độ. Nó nhấn mạnh việc sửa tận gốc nguyên nhân thay vì né tránh cục bộ chỉ để một bài kiểm tra riêng lẻ chuyển xanh thật nhanh. Các tình huống mục tiêu mà hãng liệt kê gồm tính năng xuyên codebase, đánh giá code, tối ưu hiệu năng, phiên tự hành nhiều ngày, nghiên cứu, viết tài liệu, bảng tính và slide.

2. Effort thấp cũng tiệm cận kết quả vốn cần chi phí cao của thế hệ trước

Fable 5.1 bổ sung khả năng điều chỉnh effort theo từng tin nhắn. Đường cong chi phí chính thức cho thấy ở mức effort Low hoặc Medium, mô hình có thể đạt hoặc vượt Fable 5 trong một số tác vụ, đồng thời giảm token và chi phí. Claude Code mặc định dùng effort High; Claude.ai và Cowork mặc định Medium. Khi so sánh mô hình, bắt buộc phải xác nhận effort trước, không thể đặt kết quả ở các mức khác nhau cạnh nhau trực tiếp.

3. Có thể hiển thị tiến độ dễ đọc giữa các lần gọi công cụ

API bổ sung khả năng thử nghiệm display: "updates", cho phép mô hình đưa ra các cập nhật tiến độ hướng tới người dùng giữa các lần gọi công cụ. Với các tác vụ chạy vài giờ, điều này giúp bạn dễ nhận biết nó đang làm gì, có đi lệch mục tiêu hay không, thay vì chỉ thấy các thẻ công cụ liên tục hiện ra.

4. Viết lách, xác minh trực quan và tự kiểm tra hoàn thiện hơn

Hãng cho biết 5.1 sẽ chủ động viết bài kiểm tra để xác minh các thay đổi của chính nó, đồng thời dùng khả năng thị giác để đối chiếu đầu ra với mục tiêu thiết kế. Đánh giá từ các đối tác cũng tập trung vào tiến độ gọn gàng hơn, trả lời trọn vẹn hơn các câu hỏi nhiều phần, theo dõi chuỗi gọi xuyên nhiều dịch vụ, và giữ được tính dễ đọc sau thời gian chạy dài. Đây là phản hồi định tính, không nên ngụy trang thành kết luận điểm chuẩn thống nhất.

5. Chặn lọc an toàn chính xác hơn, nhưng không biến mất

Tỷ lệ báo động giả của lớp bảo vệ an ninh mạng của Fable 5.1 giảm khoảng 60% so với thời điểm Fable 5 ra mắt, và tần suất các câu hỏi sinh học, y học cơ bản kích hoạt hạ cấp giảm khoảng 85%. Giờ đây nó có thể dùng để phát hiện lỗ hổng phần mềm, nhưng các tác vụ lưỡng dụng như kiểm thử thâm nhập, tạo mã khai thác, quét lỗ hổng nhị phân vẫn có thể bị định tuyến sang Opus. Sau khi bị định tuyến, yêu cầu sẽ không bị tính phí theo giá Fable.

6. Thêm tính năng đánh dấu nguồn gốc nội dung

Fable 5.1 giới thiệu content provenance. Văn bản được sinh ra có thể mang hình mờ thống kê và có thể xác minh qua công cụ kiểm tra nội dung của Anthropic. Nó không thêm nhãn hiển thị vào phần thân văn bản, nhưng với các nền tảng nội dung, giáo dục và kiểm toán doanh nghiệp, đây là hành vi mới cần tìm hiểu trước.

Chi phí dùng Fable 5.1 được tính như thế nào

Giả sử một tác vụ dài đọc tổng cộng 10 triệu token cache, tạo ra 200 nghìn token đầu vào mới và 50 nghìn token đầu ra, không tính ghi 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

Cũng 10 triệu token cache được đọc như vậy, trên Fable 5 chi phí khoảng $10, chỉ riêng khoản này đã chênh $7.50. Từ đó Anthropic ước tính, chi phí thực tế của các tác vụ tính phí theo token điển hình có thể giảm khoảng 25%; với những tác vụ có tính Agent cao và thường xuyên tái sử dụng ngữ cảnh dài thì giảm tối đa khoảng 45%. Đây không phải là hạ giá niêm yết API toàn diện, mà là càng cache hit nhiều, mức tiết kiệm càng rõ rệt.

Khách hàng gói đăng ký không nhất thiết được hưởng trực tiếp mức giảm giá cache của API

Premium seat của Max và Team/Enterprise có thể dùng tối đa 50% hạn mức hằng tuần cho các mô hình Fable; Pro và seat tiêu chuẩn thì dùng usage credits ngay từ đầu. Mức tiêu thụ cụ thể lấy theo trang Usage trong tài khoản. Việc giảm giá đọc cache chủ yếu là thay đổi trong tình huống tính phí theo token, không thể quy đổi trực tiếp mức giảm 75% giá cache của API thành "gói Max dùng được nhiều gấp bốn lần".

Rốt cuộc Fable 5.1 có nhanh không

Câu trả lời là: phản hồi từng vòng hơi chậm, nhưng tổng thời gian hoàn thành tác vụ phức tạp có thể ngắn hơn.

• Danh mục mô hình của Anthropic gắn nhãn Fable 5.1 là Slower, Opus 5 là Moderate, Sonnet 5 là Fast.
• Claude Code mặc định dùng effort High, nên đương nhiên sẽ dùng nhiều thời gian suy luận hơn Low hoặc Medium.
• Every cho biết trên khối lượng công việc của họ, Fable 5.1 nhanh hơn Opus 5 khoảng hai lần và tốn ít token hơn một nửa; đây là bài kiểm tra cụ thể của đối tác, không phải cam kết tốc độ chung.
• Trong CursorBench, Fable 5.1 Max trung bình 70 bước, 72,060 token; Fable 5 Max cũng 72 bước nhưng dùng tới 103,525 token. Lợi thế của 5.1 giống như "đỡ đi đường vòng, đỡ tốn token" hơn, không nhất thiết thể hiện ở việc ra chữ đầu tiên nhanh hơn.

Vì vậy, với trò chuyện, code ngắn và các tương tác thường xuyên, hãy ưu tiên Sonnet 5 hoặc Opus 5; còn với sửa lỗi xuyên codebase, nghiên cứu dài và các tác vụ không giám sát cần tự xác minh, hãy cân nhắc Fable 5.1.

Những thay đổi tương thích cần xử lý trước khi nâng cấp lên Fable 5.1

Nâng cấp Claude Code lên tối thiểu 2.1.250

Hướng dẫn về gói dịch vụ và khả dụng của Anthropic yêu cầu Claude Code 2.1.250 trở lên. Khi không thấy Fable 5.1, hãy kiểm tra trước:

claude --version

Sau đó cập nhật theo cách nâng cấp chính thức của Claude Code và khởi động lại phiên làm việc. ID mô hình API của Fable 5.1 là:

claude-fable-5-1

Ép buộc gọi công cụ (forced tool use) có thể báo lỗi ngay lập tức

Nếu yêu cầu ép mô hình gọi một công cụ nào đó, Fable 5.1 có thể trả về lỗi. Trước khi di chuyển, cần kiểm tra tool_choice và luồng ép gọi công cụ của Agent do bạn tự xây dựng, đừng giả định rằng hành vi của Fable 5 hoàn toàn tương thích.

Không thể tùy tiện tái sử dụng thinking blocks xuyên mô hình

Các mô hình đời cũ không thể đọc thinking blocks của Fable 5.1. Khi chuyển mô hình, nên để SDK xử lý các khối này theo quy tắc chính thức, thay vì nhét nguyên trạng sang một mô hình khác.

Sửa lịch sử cũ có thể gây lỗi 400

Với các tài khoản API mới tạo sau ngày 31 tháng 8 năm 2026, thinking blocks chỉ có hiệu lực trong tiền tố hội thoại gốc đã tạo ra chúng. Sau khi sửa system, tools hoặc các tin nhắn cũ hơn rồi phát lại thinking blocks, có thể gặp lỗi 400. Hãng khuyến nghị giữ lịch sử ở chế độ append-only; khi cần nén, hãy thay toàn bộ đoạn lịch sử cũ bằng một bản tóm tắt mới, đừng vừa sửa các lượt cũ vừa giữ nguyên thinking blocks gốc. Xem chi tiết tại Hướng dẫn nhắc lệnh và di chuyển Fable 5.1.

Khi nào nên chọn Fable 5.1

Phù hợp khi:

• Các tác vụ dài xuyên nhiều repository, dịch vụ hoặc ứng dụng;
• Agent cần chạy nhiều giờ và tự phục hồi sau lỗi;
• Nghiên cứu khoa học, phân tích dữ liệu phức tạp và sản phẩm bàn giao chuyên môn nhiều giai đoạn;
• Các sự cố hệ thống khó tái hiện, tối ưu hiệu năng và truy tìm nguyên nhân gốc;
• Khối lượng công việc API cần tái sử dụng ngữ cảnh dài với tỷ lệ đọc cache cao.

Không phù hợp khi:

• Trò chuyện đơn giản, văn bản ngắn hoặc sửa nhỏ trong một tệp;
• Tương tác thời gian thực rất nhạy cảm với độ trễ chữ đầu tiên;
• Ngân sách cố định nhưng tác vụ có đầu ra lớn và không có tái sử dụng cache;
• Các tình huống không chấp nhận việc lưu giữ dữ liệu giám sát an toàn mặc định 30 ngày và không đáp ứng điều kiện ngoại lệ doanh nghiệp;
• Quy trình làm việc muốn mọi yêu cầu an ninh mạng hoặc khoa học sự sống đều không kích hoạt hạ cấp.

Cách theo dõi từ xa các tác vụ dài

Giá trị của Fable 5.1 thường thể hiện trong các tác vụ kéo dài nhiều giờ thậm chí nhiều ngày, nhưng điều đó không có nghĩa bạn phải túc trực bên máy phát triển. Trước tiên hãy xác nhận Fable 5.1 khả dụng trong Claude Code 2.1.250+ trên máy cục bộ, sau đó dùng PandaNpc Agent để xem các phiên Claude Code trên cùng máy phát triển đó từ trình duyệt, máy tính để bàn hoặc điện thoại, xử lý tương tác và tiếp tục ra lệnh.

Điều thay đổi ở đây chỉ là điểm vào điều khiển; mã nguồn, công cụ và bản dựng vẫn chạy trên máy phát triển của bạn. Có thể đọc trước Hướng dẫn truy cập từ xa Claude Code và Hướng dẫn kết nối Claude Code từ điện thoại, xác nhận đường kết nối từ xa rồi mới giao các tác vụ dài cho Fable 5.1.

Các câu hỏi thường gặp (FAQ)

Fable 5.1 mạnh hơn Fable 5 bao nhiêu?

Mức chênh lệch rất khác nhau giữa các tác vụ. Terminal-Bench-Science tăng 27.9 điểm phần trăm, AutomationBench tăng 14.3 điểm phần trăm; còn HLE khi dùng công cụ chỉ tăng 1.2 điểm phần trăm. Không thể dùng một mức tăng lớn nhất duy nhất để đại diện cho mọi tác vụ.

Fable 5.1 có nhanh hơn Opus 5 không?

Trong bảng độ trễ tương đối chính thức, Fable 5.1 là "Chậm hơn", Opus 5 là "Trung bình". Một số đối tác quan sát thấy Fable 5.1 nhanh hơn trên các tác vụ trọn vẹn, vì nó dùng ít token hơn và ít phải làm lại hơn. Hai kết luận này đo lường những thứ không giống nhau.

Fable 5.1 có phù hợp để lập trình hơn GPT-5.6 Sol không?

Trong bảng công bố của Anthropic, Fable 5.1 cao hơn ở Terminal-Bench-Science, Terminal-Bench, AutomationBench và CursorBench; nhưng các mô hình khác nhau dùng Agent harness, effort, công cụ và mức giá khác nhau, nên không thể khẳng định Fable thắng mọi repository thực tế. Có thể tham khảo Hướng dẫn cấu hình ngữ cảnh 1M cho GPT-5.6 Sol, rồi tự chạy thử nghiệm A/B trên các tác vụ đại diện của mình.

Vì sao Fable 5.1 đột nhiên chuyển sang Opus?

Một số yêu cầu an ninh mạng và khoa học sự sống sẽ bị safeguards định tuyến sang Opus. Việc chuyển mô hình không hẳn là lỗi; Anthropic cho biết các yêu cầu bị định tuyến kiểu này sẽ không bị tính phí theo giá Fable.

Fable 5.1 có hình mờ không?

Có cơ chế content provenance mang tính thống kê, nhưng không thêm nhãn hiển thị trên bề mặt chữ viết. Nó không giống với hình mờ hữu hình ở góc ảnh.

Tổng kết

Những tiến bộ rõ rệt nhất của Claude Fable 5.1 tập trung ở nghiên cứu khoa học, tác vụ terminal và quy trình kinh doanh liên ứng dụng: nó thực thi bền bỉ hơn, phục hồi sau lỗi tốt hơn, xác minh kết quả tốt hơn, đồng thời giảm chi phí cho tác vụ dài nhờ giá đọc cache rẻ hơn. Nhưng nó vẫn có giá cao, độ trễ từng vòng hơi chậm, và kéo theo các thay đổi tương thích liên quan đến thinking blocks, ép gọi công cụ và chỉnh sửa lịch sử.

Câu hỏi đúng khi chọn nó không phải là "nó có đứng đầu bảng điểm không", mà là: tác vụ của bạn có đủ dài, đủ phức tạp, và chi phí thất bại cùng làm lại có cao đến mức đáng dùng Fable 5.1 hay không. Nếu câu trả lời là không, thì bắt đầu từ Opus 5 hoặc Sonnet 5 thường hợp lý hơn.