Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1:Terminal-Bench-Science 得分 52.6%,缓存读取降价 75%

MarkTechPost(RSS)·2026-09-02 04:30·5分钟前·Asif Razzaq
AI 导读

Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1,两者为同一底层模型加不同安全层,Fable 5.1 全面开放,Mythos 5.1 仅限 Project Glasswing 内经过审核的美国组织。

MarkTechPost(RSS)
精选
77AI 编辑部评分,满分 100

Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1:Terminal-Bench-Science 得分 52.6%,缓存读取降价 75%

2026-09-02 04:30· 5分钟前· Asif Razzaq
AI 导读

Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1,两者为同一底层模型加不同安全层,Fable 5.1 全面开放,Mythos 5.1 仅限 Project Glasswing 内经过审核的美国组织。

推荐理由

原文除基准和降价外还列出了三项破坏性 API 变更和真实回归,对维护 Agent 工作流的团队有直接参考价值。

正文 · AI 翻译

Anthropic 发布了 Claude Fable 5.1 和 Claude Mythos 5.1,距 Fable 5 系列于 2026 年 6 月推出已过去三个月。这两个模型是同一底层模型,只是安全防护层不同。Fable 5.1 已作为 claude-fable-5-1 全面开放;Mythos 5.1 仍仅限经过审核的组织使用。两者均支持 1M token 上下文窗口和 128K 最大输出 token,且自适应思考始终开启。最亮眼的性能数字是在 Terminal-Bench-Science 0.1 上取得 52.6% 的成绩,而 Fable 5 为 24.7%,Opus 5 为 29.0%。最亮眼的商业数字是缓存读取价格下调 75%,从每百万 token 1.00 美元降至 0.25 美元,Anthropic 测算这使典型工作负载成本降低约 25%,智能体类工作负载最高可降低 45%。基础输入和输出定价保持不变,分别为每百万 token 10 美元和 50 美元。

可以部署吗?

可以,Claude Fable 5.1 已作为 claude-fable-5-1 在 Claude API、Amazon Bedrock、AWS 上的 Claude Platform、Google Cloud 和 Microsoft Foundry 全面开放。Claude Mythos 5.1 则不行:它仅限 Project Glasswing 内经过审核的美国组织使用。

基准测试数据

在智能体科学研究基准 Terminal-Bench-Science 0.1 上,Fable 5.1 得分 52.6%,而 Opus 5 为 29.0%,Fable 5 为 24.7%,GPT-5.6 Sol 为 22.4%。Anthropic 报告每个模型的标准误差为 3.5 到 4.5 个百分点,因此应关注差距幅度,而非排名本身。

在 Terminal-Bench 4.0 上,Fable 5.1 达到 55.8%,Mythos 5.1 达到 60.9%。两个相同模型之间的差距就是安全防护干预的成本,这是一次异常坦诚的披露。其他方面:CursorBench 3.2.0 为 73.4%,Humanity's Last Exam 在无工具条件下为 60.9%、有工具条件下为 65.0%,AutomationBench 为 31.4%,OSWorld 2.0 严格模式为 41.7%,GDPval-AA v2 为 1853。

成本削减从何而来

基础输入和输出定价保持不变。缓存读取价格下降 75%,从每百万 token 1.00 美元降至 0.25 美元,即基础输入价格的 0.025 倍,而其他所有 Claude 模型均为 0.1 倍。Anthropic 测算典型工作负载成本降低约 25%,上下文密集的智能体类工作负载最高可降低约 45%。批处理价格为每百万 token 5 美元和 25 美元。

团队将遇到的三个破坏性变更

  1. 强制工具调用已取消:将 tool_choice 设为 any 或 tool 会返回 400 错误。请改用 auto 配合严格工具调用或结构化输出。
  2. 思考块与模型绑定:Fable 5.1 能读取早期模型的思考内容,但没有任何早期模型能读取它自己的思考。路由器和回退设置在降级切换时会丢失推理能力。
  3. 编辑早期对话轮次会使思考块失效:在对话中途注入和删除每轮提醒,或重建系统提示词或工具数组,现在都会报错。此检查仅针对 2026 年 8 月 31 日当天或之后创建的账户生效。修复方案是使用按轮次作用域的系统消息和服务器端上下文编辑。

增量变更:按消息设置推理努力程度、按轮次作用域的系统消息,以及 thinking.display: "updates" 均处于测试阶段,需通过请求头启用。内容溯源为强制要求,所有输出均带有统计文本水印,文件附带 C2PA 凭证。

Anthropic 也记录了真实的性能回退。并行工具调用的稳定性有所下降,因此智能体循环可能每轮只发起一次调用,而 Fable 5 可以批量发起多次。模型叙述性内容减少,在低推理努力程度下更常直接凭记忆作答,并且倾向于整文件重写而非针对性编辑。

安全防护与科学研究

网络安全防护现在允许漏洞发现,但不允许漏洞利用开发,这使得 Claude Code 中的干预次数每会话减少约 60%。生物安全防护在良性请求上的触发频率降低了 85%。渗透测试、漏洞利用生成和基于二进制的漏洞扫描仍会重定向到 Opus。

在研究方面,Mythos 5.1 设计的蛋白质结合剂在 12 个靶点上的命中率约为 50%,而常规水平为 10% 至 15%;Fable 5.1 构建了分辨率为 2 至 3 公里的金星高程图;自定义 GPU 内核将七个开源基因组学模型的速度提升了最高 2.5 倍。

核心要点

  • Fable 5.1 和 Mythos 5.1 是同一模型外加两层安全防护;只有 Fable 全面开放可用。
  • 在 Terminal-Bench-Science 0.1 上取得 52.6% 的成绩,约为 Fable 5 的 24.7% 的两倍。
  • 缓存读取费用下降 75%,至每百万 token 0.25 美元;基础费率保持不变。
  • 三项破坏性 API 变更会影响所有编辑对话历史的智能体。
  • 数据保留期为 30 天;零数据保留需要明确授权。

来源:MarkTechPost(RSS)· marktechpost.com