Claude Fable 5.1 全面解析：基準測試、改進、價格與速度

Claude Fable 5.1 已於 2026 年 9 月 1 日正式發佈。先說結論：它不是面向普通問答的常規模型升級，而是為長時間編程、複雜研究、跨應用工具調用和無人值守 Agent準備的高成本旗艦模型。在 Anthropic 公佈的 7 類主流基準中，Fable 5.1 全部超過 Fable 5；但它的 API 單價仍是 Opus 5 的兩倍，官方也把相對延遲標為「較慢」。

如果你的任務只是改一個檔案、寫一段短文或回答普通問題，Anthropic 仍建議從 Opus 5 開始。Fable 5.1 更適合普通模型在高 effort 下仍無法穩定完成的長鏈路任務。本文把官方發佈數據、各基準的含義、5.1 的具體改進、價格、速度和遷移限制放在一起，避免只看一張「誰贏了」的跑分圖。

一張表看懂 Fable 5.1 的規格

這裡的「較慢」來自 Anthropic 模型目錄，表示相對延遲等級，不是固定的每秒 token 數。實際完成一個任務要多久，還取決於 effort、工具調用輪數、緩存命中率、上下文長度和失敗重試次數。

Fable 5.1 主流基準測試完整表格

下表直接採用 Anthropic 2026 年 9 月 1 日發佈頁中的主表。為了避免誤讀，百分比、GDPval-AA 原始分數、OSWorld 的 partial/strict，以及 HLE 的有工具/無工具結果都分開列出。每個基準保留英文正式名稱，並在下一行給出中文名稱；其他語言版本也會在英文名下面顯示對應語言譯名。

— 表示 Anthropic 的這張主表沒有提供對應成績，不代表該模型無法完成任務。Terminal-Bench 4.0 中，限制更少、僅向可信計劃開放的 Mythos 5.1 得分為 60.9%；本文聚焦普通用戶可用的 Fable 5.1，不把 Mythos 的成績混入 Fable 列。

Terminal-Bench-Science 0.1 測甚麼

Terminal-Bench-Science 0.1 包含生命科學、物理科學、地球科學、數學和工程學五大領域的 70 個真實研究工作流。任務不是選擇題，而是要求 Agent 在終端裏完成數據分析、統計推斷、模擬、優化、定理證明、圖像重建或科學機器學習，並用可重現測試檢查產物。

Fable 5.1 的 52.6% 對比官方重現實驗中的 Fable 5 24.7%，提高 27.9 個百分點，是整張表裏最明顯的躍升。但官方同時標註每個模型約 ±3.5–4.5 個百分點的標準誤差，不能把小數點後一位當成絕對精確排名。

Terminal-Bench 4.0 與 CursorBench 3.2.0 測甚麼

Terminal-Bench 讓 Agent 在真實終端環境處理複雜任務，重點看它能否理解環境、調用工具、修改檔案並最終通過驗證。Fable 5.1 得到 55.8%，比 Fable 5 高 13.8 個百分點，也超過 Opus 5 的 52.3%。

CursorBench 3.2 來自真實 Cursor 會話中的模糊、多檔案任務，3.2 版增加了指令遵循和高級工具使用問題。Fable 5.1 Max 得到 73.4%，領先幅度沒有 Terminal-Bench-Science 那麼誇張，但它平均每個任務使用 72,060 token、成本 $9.64；Fable 5 Max 是 103,525 token、$17.32。這裏更值得關注的是完成同類任務時的 token 和成本下降，而不是 2.9 個百分點本身。

GDPval-AA v2 測甚麼

GDPval-AA v2 使用 220 個由行業專業人士設計的任務，覆蓋 44 種職業和 9 個行業，用來評估模型處理真實、具有經濟價值的知識工作的能力。它的 1853 是綜合評分，不是 1853%。這項結果說明 Fable 5.1 在專業文件、分析和交付物上超過 Fable 5，也小幅超過 Opus 5。

OSWorld 2.0 為甚麼有兩個分數

OSWorld 2.0 包含 108 個長鏈路電腦操作工作流，每項任務的人類完成時間中位數約 1.6 小時。Partial 會根據多個檢查點給部分完成分；Strict 只有完整達到目標才算成功。

所以 Fable 5.1 的 77.9% partial 和 41.7% strict 並不矛盾：它經常能完成大部分步驟，但仍有一部分任務沒能端到端收尾。這也提醒我們，電腦 Agent 的「看起來一直在操作」不等於任務已經成功。

Humanity's Last Exam 測甚麼

Humanity's Last Exam 由 Center for AI Safety 與 Scale AI 創建，包含 2,500 道跨學科、專家級、難以靠簡單檢索回答的問題。Fable 5.1 在無工具條件下比 Fable 5 高 3.1 個百分點，允許工具後只高 1.2 個百分點。它確實更強，但不是所有基準都出現翻倍增長。

AutomationBench 測甚麼

AutomationBench 檢查 Agent 能否跨 CRM、郵箱、日曆、訊息和項目管理等模擬 SaaS 工具，完成銷售、營銷、運營、客服、財務和人事工作流。Fable 5.1 從 17.1% 提高到 31.4%，相對提升約 84%，說明 5.1 在多應用狀態管理和長步驟執行上有實質進步；但 31.4% 也說明這類無人值守業務自動化仍遠未解決。

Fable 5.1 相比 Fable 5 改進了甚麼

1. 長時間任務更不容易走捷徑

Anthropic 把 Fable 5.1 定位為長時間 Agent 模型：先規劃，再使用工具，失敗後恢復，驗證結果，並主動匯報進度。它更強調修復根因，而不是為了盡快讓單個測試變綠而做局部繞過。官方列出的目標場景包括跨程式碼庫功能、程式碼審查、性能優化、多日自主會話、研究、文件、表格和簡報。

2. 低 effort 也能接近前代高成本結果

Fable 5.1 新增按訊息調整 effort 的能力。官方成本曲線顯示，Low 或 Medium effort 在一些任務上可以達到或超過 Fable 5，同時降低 token 和費用。Claude Code 預設使用 High effort；Claude.ai 與 Cowork 預設 Medium，比較模型時必須先確認 effort，不能把不同檔位的結果直接放在一起。

3. 工具調用之間可以顯示可讀進度

API 新增 display: "updates" 測試能力，讓模型在工具調用之間給出面向用戶的進度更新。對於跑幾小時的任務，這比只看到工具卡不斷出現更容易判斷它正在做甚麼、是否偏離目標。

4. 寫作、視覺驗證和自測更完整

官方稱 5.1 會主動編寫測試驗證自己的修改，並利用視覺能力對照設計目標檢查輸出。合作方評價也集中在更簡潔的進度、更完整地回答多部分問題、跨多個服務追蹤調用鏈，以及長時間運行後仍能保持可讀性。這些是定性反饋，不應當冒充統一基準結論。

5. 安全攔截更精確，但沒有消失

Fable 5.1 的網絡安全防護誤報比 Fable 5 發佈時減少約 60%，基礎生物和醫學問題觸發降級的頻率降低約 85%。它現在可以用於發現軟件漏洞，但滲透測試、生成利用程式碼、二進制漏洞掃描等雙重用途任務仍可能被路由到 Opus。被路由後不會按 Fable 價格收費。

6. 新增內容來源標記

Fable 5.1 引入 content provenance。生成文本可能帶有統計水印，可通過 Anthropic 的內容檢查工具進行驗證。它不會在正文裏加可見標記，但對於內容平台、教育和企業審計來說，是需要提前了解的新行為。

Fable 5.1 費用怎麼計算

假設一次長任務累計讀取 1000 萬緩存 token、產生 20 萬新輸入 token 和 5 萬輸出 token，不考慮緩存寫入：

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

同樣 1000 萬緩存讀取在 Fable 5 上約為 $10，單這一項就相差 $7.50。Anthropic 據此估算，典型按 token 計費任務的實際成本可降低約 25%，高度 Agent 化、頻繁複用長上下文的任務最多約降低 45%。這不是 API 標價整體降價，而是緩存命中越多，節省越明顯。

訂閱用戶不一定直接享受 API 緩存降價

Max 與 Team/Enterprise 的 premium seat 可以把每週額度的最多 50% 用於 Fable 模型；Pro 和標準席位則從一開始使用 usage credits。具體消耗顯示以帳號中的 Usage 頁面為準。緩存讀取降價主要是按 token 計費場景的變化，不能把 API 的 75% 緩存降價直接換算成「Max 套餐多用四倍」。

Fable 5.1 到底快不快

答案是：單輪響應偏慢，但複雜任務的總完成時間可能更短。

• Anthropic 的模型目錄把 Fable 5.1 標為 Slower，Opus 5 為 Moderate，Sonnet 5 為 Fast。
• Claude Code 預設 High effort，天然會比 Low 或 Medium 使用更多推理時間。
• Every 在自己的工作負載中稱 Fable 5.1 大約比 Opus 5 快兩倍、token 少一半；這是合作方的特定測試，不是通用速度保證。
• CursorBench 中，Fable 5.1 Max 平均 70 步、72,060 token；Fable 5 Max 同為 72 步但用了 103,525 token。5.1 的優勢更像「少走彎路、少消耗 token」，不一定表現為首字更快。

因此，聊天、短程式碼和頻繁互動優先選 Sonnet 5 或 Opus 5；跨程式碼庫除錯、長研究和需要自行驗證的無人值守任務，再考慮 Fable 5.1。

升級到 Fable 5.1 前必須處理的兼容變化

Claude Code 至少升級到 2.1.250

Anthropic 的套餐與可用性說明要求 Claude Code 2.1.250 或更高版本。看不到 Fable 5.1 時，先檢查：

claude --version

然後按 Claude Code 官方升級方式更新，再重新啟動會話。Fable 5.1 的 API 模型 ID 是：

claude-fable-5-1

Forced tool use 可能直接報錯

如果請求強制模型調用某個工具，Fable 5.1 可能返回錯誤。遷移前應檢查 tool_choice 和自建 Agent 的強制工具流程，不要假設 Fable 5 的行為完全兼容。

Thinking blocks 不能隨意跨模型複用

較早模型不能讀取 Fable 5.1 的 thinking blocks。切換模型時，應讓 SDK 按官方規則處理這些區塊，而不是原樣塞給另一個模型。

修改舊歷史可能導致 400

對 2026 年 8 月 31 日以後創建的新 API 帳號，thinking blocks 只在生成它們的原始對話前綴下有效。修改 system、tools 或較早訊息後再重放 thinking blocks，可能返回 400。官方建議保持歷史 append-only；需要壓縮時，用一條新摘要替換整段舊歷史，不要一邊修改舊輪次一邊保留原 thinking blocks。詳細做法見 Fable 5.1 提示與遷移指南。

甚麼時候應該選 Fable 5.1

適合：

• 跨多個儲存庫、服務或應用的長任務；
• 需要運行數小時並自行恢復失敗的 Agent；
• 科學研究、複雜數據分析和多階段專業交付物；
• 難以重現的系統問題、性能優化和根因排查；
• 需要大量複用長上下文，緩存讀取佔比高的 API 工作負載。

不適合：

• 簡單聊天、短文或單一檔案的小修改；
• 對首字延遲高度敏感的實時互動；
• 預算固定，卻沒有緩存複用的高輸出任務；
• 無法接受預設 30 天安全監控數據保留、且不符合企業例外條件的場景；
• 希望所有網絡安全或生命科學請求都不觸發降級的工作流。

長任務如何遠端查看

Fable 5.1 的價值往往出現在數小時甚至多日任務裏，但這不意味著人必須一直守在開發機前。先在本機 Claude Code 2.1.250+ 中確認 Fable 5.1 可用，再通過 PandaNpc Agent 從瀏覽器、桌面端或手機查看同一台開發機上的 Claude Code 會話、處理互動和繼續下達指令。

這裏改變的是控制入口，程式碼、工具和構建仍在你的開發機上運行。可以先閱讀 Claude Code 遠端訪問指南和手機連接 Claude Code 教學，確認遠端鏈路後再交給 Fable 5.1 跑長任務。

常見問題

Fable 5.1 比 Fable 5 強多少？

不同任務差異很大。Terminal-Bench-Science 提高 27.9 個百分點，AutomationBench 提高 14.3 個百分點；HLE 使用工具時只提高 1.2 個百分點。不能用單個最大增幅代表所有任務。

Fable 5.1 比 Opus 5 快嗎？

官方相對延遲表中 Fable 5.1 是「較慢」，Opus 5 是「中等」。部分合作方在完整任務上觀察到 Fable 5.1 更快，因為它使用更少 token、返工更少。這兩種結論衡量的不是同一件事。

Fable 5.1 比 GPT-5.6 Sol 更適合編程嗎？

Anthropic 發佈表中 Fable 5.1 在 Terminal-Bench-Science、Terminal-Bench、AutomationBench 和 CursorBench 上更高；但不同模型使用不同 Agent harness、effort、工具和價格，不能據此斷言所有真實儲存庫都由 Fable 獲勝。可以參考 GPT-5.6 Sol 1M 上下文配置教學，再用自己的代表性任務做 A/B 測試。

為甚麼 Fable 5.1 會突然切換成 Opus？

部分網絡安全和生命科學請求會被 safeguards 路由給 Opus。模型切換不一定是故障；Anthropic 表示這類被路由的請求不會按 Fable 價格收費。

Fable 5.1 有水印嗎？

有統計性的 content provenance 機制，但不會在文字表面添加可見標籤。它與圖片角落裏的可見水印不是一回事。

總結

Claude Fable 5.1 最明顯的進步集中在科學研究、終端任務和跨應用商業工作流：它更能持續執行、恢復失敗、驗證結果，也通過更便宜的緩存讀取降低了長任務成本。但它仍然價格高、單輪延遲偏慢，並帶來 thinking blocks、強制工具調用和歷史編輯方面的兼容變化。

選擇它的正確問題不是「它是不是跑分第一」，而是：你的任務是否足夠長、足夠複雜，失敗和返工的成本是否高到值得使用 Fable 5.1。如果答案是否定的，從 Opus 5 或 Sonnet 5 開始通常更合適。