Fable 5.1科研、编码、Agent、安全、商业@Claude

「Claude最强Fable 5.1发布！8项屠榜，最高降价45%，反蒸馏机制上线」

刚刚，Fable 5.1和Mythos 5.1发布！

公开测试数据

8项公开基准测试全部第一，价格最高降45%。尤其是在科学研究和代码这两项上，明显甩开了Fable 5和隔壁GPT-5.6 Sol。换个更直观的视角，现在用中、低推理程度跑Fable 5.1，表现基本相当于老版Mythos 5开到极高甚至最高推理程度。这一波属于是”牢Fable”干掉了”Mythos圣”。

价格方面，Fable 5.1把缓存读取价格降至每百万token 0.25美元，降幅75%。输入和输出价格与Fable 5一致，分别为每百万token 10美元和50美元。看着好像只降了一项价格，但实际影响比较大，因为在智能体任务里，缓存读取占了成本的大头。Anthropic给出的数据是，典型工作负载成本比Fable 5降了大约25%，如果是高度智能体化的任务，最多能省到45%。

官方发布视频有言：

无论你此前让Claude处理什么任务，Fable 5.1都能做更多，并且把最难的部分完成得更出色。

之所以能够做到这点，是因为它擅长处理多步骤任务。这类任务中，假如第二步就出现一个微小错误，到第40步全盘就崩了，而Fable 5.1能够全程稳定输出。如果遇到解决不了的难题，它会告诉你已经尝试过哪些方案、卡在了哪个环节。研究员Flix Rieseberg还特别提到，写作方面Fable 5.1减少使用粗体，也更少使用标题、列表或引号，对风格提示词遵循得更好。

还是老规矩，Fable 5.1面向所有用户开放，Mythos 5.1仅通过受信访问计划提供给经过审核的网络安全和生命科学机构。

科研实战：蛋白质设计、生成金星地图、GPU加速

两篇报道的视角互补：量子位以数据立论——8 项公开基准全部第一、缓存读取价格从 1 美元砍到 0.25 美元/百万 token（降幅 75%，典型工作负载成本约降 25%、高度智能体化任务最多省 45%），并用蛋白质设计（亲和力达竞赛最佳 10 倍）、金星地形图生成、H100 推理提速等科研实战给出硬指标；字母AI则更偏叙事与商业视角，把同一次发布放进”更长任务的 Agent”能力边界、”Claude 进实验室”的科研落地，以及 Anthropic 赴华尔街 IPO（9 月劳动节后公开招股书）的时间窗口里解读，强调它”不是一次大版本升级，而是一次节点性发布”。两者都点出缓存读取降价 75%，但前者回答”强在哪”，后者回答”意味着什么”。

跑分之外，Anthropic还展示了Fable 5.1和Mythos 5.1在科研领域的实战成果。

蛋白质设计方面，Anthropic让Mythos 5.1使用开源蛋白质设计和折叠工具设计高亲和力结合蛋白，并将方案送至两家外部机构做实验验证。在三个靶标上，Mythos 5.1设计的结合亲和力是Adaptyv Bio蛋白质设计竞赛最佳方案的10倍。在全部12个靶标上，命中率接近50%，而当前蛋白质设计领域的典型命中率在10%到15%之间。高亲和力结合蛋白是许多常见药物开发流程中的第一步，直接决定了药物能否在较低剂量下发挥作用。

天文学方面，Fable 5.1基于NASA麦哲伦号30多年前拍摄的雷达图像训练了一个神经网络，为金星三分之一的表面生成了新的高分辨率地形图。此前已有的地形图仅覆盖金星五分之一的面积，分辨率在10到20公里之间。Fable 5.1把分辨率提升到了2至3公里，高度精度比此前提高了25%。这份地图已以CC协议开源发布，供即将到来的NASA VERITAS和ESA EnVision任务参考，帮助确定未来观测的重点地质特征。

计算生物学方面，Mythos 5.1通过编写自定义GPU内核并缓存中间结果，将7个开源深度学习模型的运行速度提升了最高2.5倍，输出完全一致。在实际研究中，生物学家可能需要对这些模型运行数千次，测试每个人类基因附近的所有可能突变，优化后的模型可将GPU成本降低30%到60%。

表4｜Inference speedup on NVIDIA H100（原图 08；Fable 5.1 优化 kernel，输出完全一致；视觉转录）

表5｜Estimated cost savings on genome-wide analyses（原图 09；NVIDIA H100 cloud list price；Evo 2 40B 整体任务节省 2.3×；视觉转录）

这类优化通常需要一个性能工程团队花费数周完成，许多学术实验室根本无力负担，而Mythos 5.1仅用数天便做到了，且仅依赖公开源代码。Anthropic计划近期将这些优化开源。

字母AI进一步指出，这里值得注意的并不是Claude又会了一道生物题，它真正做的是一段更完整的科研流程：调用专业工具进行分子设计，再把设计送进真实实验环境验证。类似的事情也发生在计算科学里——从论文、代码到真实实验设备。就在Fable 5.1发布前一周，Anthropic开放了Model Hardware Standard（MHS）的研究预览，希望让AI Agent能够直接操作显微镜、液体处理设备和机械臂等实验室硬件。随着能力往科研和高价值任务里走，Claude开始进入更长的科研流程，这条路甚至已经开始从软件走向真实实验设备。

反蒸馏机制上线

伴随着Fable 5.1发布，还有一些特别的规定和API改动。先简单说说安全方面。

Fable 5.1的网络安全误报率比Fable 5降低了60%，现在允许用于发现软件漏洞，但仍禁止开发漏洞利用程序。渗透测试、漏洞利用生成、基于二进制的漏洞扫描等双重用途任务仍会被重定向到Opus系列模型。基础生物学和医学问题的误报率降低了85%，但涉及生命科学研发的查询仍路由到Opus模型处理，专业人员需通过Mythos 5.1的生命科学验证计划（LSVP）获取访问权限。

然后说重磅的新增反蒸馏机制。从今天起新注册的API账户无法在多轮对话中手动编辑Claude上下文的同时保留思维链记录。之前有一种被公开记录过的常见手法：在多轮对话中，手动篡改Claude之前的上下文，但刻意保留思维链记录。这样一来就能在一组新的、可能带有对抗性的指令下，重放模型在另一组指令下产生的推理过程。现在这条路直接堵死了。

做法是给每个思维链区块都加上一个签名（signature）。当用户在后续请求中把助手的回复发回API时，系统会用这个签名做两件事：验证当前模型是否有权读取这个区块，以及验证这个区块之前的整段对话（包括系统提示词、工具列表、所有历史消息）是否跟当初生成它时一模一样。只要对话中有任何东西被动过，签名校验就会失败。

失败之后怎么处理，取决于开发者设的一个参数 prefix_mismatch_behavior：默认值是”error”，直接返回400状态码，请求被拒；如果设成”drop_block”，系统会静默丢掉这个区块以及它之后的所有思维链，请求本身照常执行。被丢掉的部分不计费，并且会在响应里的 input_transformations 数组中列出来。

哪些操作会触发校验失败？文档给了一份详细清单：编辑、重新排列或删除任何先前的用户/助手/系统消息，改动顶层系统提示词，对工具列表做任何增删改名操作，从对话历史中间抽掉某个思维链区块但保留后面的区块，以及引用了一个在两次请求之间返回了不同内容的图片或文档URL。以上任何一条，都会导致后续所有思维链区块失效。

反过来，有些操作是安全的：在对话末尾追加新消息、从历史记录开头移除思维链区块、改max_tokens之类的请求参数、增减cache_control标记，以及服务端的压缩（compaction）或上下文编辑（context editing），这些都不会触发校验失败。

还有一个链式校验的设计，每个思维链区块会记录它前一个区块的信息，形成一条跨轮次的链条。可以从链条的头部摘掉区块，但如果从中间抽掉一个，那它后面的每一个区块都会跟着失效，整条链从断裂处往后全部作废。

为了不让开发者被卡住，Anthropic同时提供了一系列替代方案，可以在不碰历史记录的前提下达到同样的效果：需要中途改指令？用对话内系统消息（mid-conversation system message）替代直接改顶层提示词；需要每轮加个临时提醒？用带clear_at参数的轮次级系统消息，替代”先插入再删除”的老办法；需要中途增减工具？用tool_addition和tool_removal区块，替代直接编辑工具列表；需要裁剪上下文？用服务端压缩和上下文编辑，替代客户端粗暴截断。

如果你用的是Claude Code、claude.ai、Claude Managed Agents或Claude Agent SDK这些官方产品，什么都不用改，它们已经自动保证对话前缀不会被篡改。但如果你是直接调Messages API的开发者，Anthropic的建议是：把messages数组严格当作只追加（append-only）来用，然后在prefix_mismatch_behavior设为”drop_block”的模式下跑一遍完整的多轮会话测试，看日志里有没有冒出prefix_binding_mismatch条目。

最后文档里还特别提了一个容易踩坑的场景：如果你维护的是一个工具或框架，用户拿自己的API密钥来调用，那新注册用户会更早撞上这个校验。因为开发者自己的密钥大概率是8月31日之前注册的，暂时还没被强制执行。对于这种情况建议主动设好prefix_mismatch_behavior提前测试，别等用户先炸了你才发现。

企业端的安全体系也在同时补齐。字母AI报道，Anthropic同时推出的Enterprise Frontier Safeguards（EFS），就在试图解决Fable级模型过去一个很现实的矛盾：公司既希望保留足够的数据来检测模型滥用，金融、医疗、法律等企业又不愿意把敏感数据交给模型公司长期保存。EFS的办法，是把监控所需要的数据直接存在客户自己控制的云基础设施里，而并非Anthropic的服务器；默认情况下，人工审查也由客户自己完成。Anthropic称，这套机制与超过100家来自金融、医疗、制造、电信、法律等行业的客户共同开发，将从今年秋季开始分阶段上线。从蛋白质设计、金星地图到漏洞发现，再到反蒸馏和企业安全，Fable 5.1展示的不仅仅是一个模型——Anthropic正在模型之外，补上一整套让前沿能力进入科研和企业世界的权限、安全与基础设施。

把Agent推向更长任务

如果只看规格，Fable 5.1并不是一次幅度很大的升级。它延续了Fable 5的100万Token上下文窗口和128K最大输出，基础价格也没有变化：每百万输入Token 10美元，每百万输出Token 50美元。放到当前的旗舰模型阵容里，Fable 5.1依然属于明显更贵的一档：同样按100万输入+100万输出来算，Fable 5.1是GPT-5.6 Sol当前价格的2.5倍，GLM-5.3的10倍以上。

Anthropic官方甚至仍然建议，大多数任务优先从价格只有一半的Opus 5开始，只有面对高难度推理、长时间Agent任务，或者Opus 5在高effort下依然不够用时，再上Fable 5.1。值得关注的变化发生在Agent持续运行的成本上：Fable 5.1的5分钟和1小时缓存写入价格仍然分别是12.5美元和20美元/百万Token，但缓存读取从Fable 5的1美元/百万Token降到了0.25美元，相当于直接砍掉75%。

缓存读取可以理解为：一段上下文已经被模型处理过之后，后面的请求不需要每次重新按完整输入价格读取。对于一次普通问答，这部分未必重要；但一个连续运行几个小时的Agent，会反复读取系统提示词、代码库、工具定义以及此前已经处理过的上下文，任务越长、工具调用越多，缓存读取占到的成本就越高。Anthropic用今年8月四周的实际使用数据做过测算：在按Token计费的场景下，相同任务从Fable 5换到Fable 5.1，典型工作负载的整体成本预计下降约25%；对于上下文更重、工具调用更多的复杂Coding和高度Agent化任务，降幅最高可以达到约45%。

不过，便宜也只是相对于过去，基础价格摆在那里。有开发者就在发布评论区提醒，即使缓存命中率很高，成本依然可能迅速累积，一次真实的复杂Coding任务，就可能花掉20到50美元。Fable 5.1也确实越来越像一个专为长时间任务准备的模型——提升最夸张的是Terminal-Bench-Science 0.1，Fable 5从24.7%提高到52.6%，直接翻倍；测试终端环境Agent能力的Terminal-Bench 4.0从42.0%提高到55.8%，面向复杂商业工作流的AutomationBench则从17.1%提高到31.4%。但如果换到更传统的推理和Coding Benchmark，提升幅度就没有那么夸张：Humanity’s Last Exam不使用工具时从57.8%提高到60.9%，使用工具后从63.8%提高到65.0%；CursorBench 3.2.0从70.5%提高到73.4%；知识工作Benchmark GDPval-AA v2则从1723提高到1853。总体来看，提升明显集中在需要模型连续调用工具、处理多个步骤、检查中间结果再决定下一步行动的任务，而不是在所有能力”均匀分布”。

早期企业测试也在重复这个趋势。Browserbase在其最难的浏览器Agent Benchmark中，让Fable 5.1完成了82%的任务，Opus 5为74%，Fable 5只有57%。Ramp的一次测试里，Fable 5.1在无人干预的情况下连续运行了38个小时：它先发现此前一个机器学习实验的结果其实受到了标签伪影的影响，随后自行修正问题，同时启动6组并行实验跑了一整夜，最后带着新的实验结果和下一步建议回来。在另一次开放式任务中，Ramp只让它寻找”没人负责、但最值得解决的问题”，它自己找到了一个与生产事故有关、尚未有人处理的告警，调取日志并给出了修复方案。Canva给出的反馈则更偏向生成质量：其测试认为Fable 5.1的文字表达更容易理解、也更能遵循写作规范；在与Fable 5的盲测中，Canva更偏好5.1的输出，并且在Canva Code里Fable 5.1直接做出了一个节奏游戏——不仅生成了关卡和真实音乐，还让玩法节奏与音乐拍点对应，这是他们测试过的其他模型都没有做到的。从Benchmark到企业测试，Fable 5.1这次最明显的提升在于，它开始更稳定地把复杂任务完整做完：既能在几十个小时的任务里持续判断、纠错和推进，也能在一次生成里把文字、代码、音乐和交互组织得更完整。

Fable 5.1之后，Anthropic就要去华尔街了

如果目前的计划没有变化，再过几天，Anthropic可能就要正式把自己的账本摆到华尔街面前。The Information最新报道称，Anthropic计划在9月7日美国劳动节之后公开IPO招股书，并在9月中旬举行投资者日，最快可能在9月底至10月初上市。公司已经在6月秘密提交了IPO文件。放在这个时间窗口里，Fable 5.1很自然地成为了Anthropic公开递表前的一次能力展示——毕竟等招股书真正公开之后，华尔街需要判断的可不是Claude能不能再在几个Benchmark里拿到高分，而是Anthropic究竟值多少钱。

今年5月，Anthropic最近一轮私募估值达到9650亿美元；到了8月，《金融时报》采访的多名投资者已经预计，Anthropic上市时的估值可能达到2万亿美元以上，甚至有投资者按照公司增长速度和30倍收入倍数算出了3万亿美元。当然这些都只是投资者自己的估值模型。路透社8月获得的内部财务预测显示，Anthropic预计2028年收入达到1900亿到2000亿美元；年化收入run rate也从2025年底的约90亿美元，增长到今年5月的470亿美元，并在7月底进一步超过650亿美元，二季度初步收入超过115亿美元，是去年同期的14倍以上，并首次录得正的调整后营业利润。华尔街已经开始按照未来几年的价值给它算钱，投行和投资者使用2028年的收入预测计算企业价值/收入倍数，并把Palantir、Cloudflare和SpaceX作为不同维度的参考对象。

就在即将上市的时间点上，Anthropic仍在花大量的钱买GPU、训练模型、做推理和扩张团队。Fable 5.1发布前一周，Anthropic被曝与Nscale签下一份为期六年、价值450亿美元的算力合同，租用西弗吉尼亚州约460MW的数据中心容量；几天后，路透社又披露其与英伟达支持的Lambda签下约350亿美元云计算合同，对应得州Nueces县约350MW的数据中心——仅这两笔新近曝光的算力承诺就达到800亿美元（折合人民币约5377亿元）。

这也让Fable 5.1前面那些看似分散的变化有了另一层意义。一方面，它当然需要继续证明Claude处在前沿；另一方面，只证明”模型更聪明”显然已经不够。蛋白质设计、科研计算、企业Agent、网络安全，以及Enterprise Frontier Safeguards，都在把Claude推向一个方向：进入那些企业本来就愿意花很多钱解决的问题。Fable 5.1降低缓存读取价格也是同样的逻辑——Anthropic没有参加基础Token的低价竞争，而是针对长时间Agent，把典型工作负载的实际成本降低约25%，高度Agent化任务最高降低约45%。模型更强，Agent可以工作得更久；工作时间越长，又必须把单位任务的算力成本压下来。这可能正是Anthropic上市以后最需要证明的一道算术题：增长已经足够快，问题是，在算力承诺也以数百亿美元的速度膨胀时，收入最终能不能跑得比成本更快。Fable 5.1的价值，不只是让Anthropic在递表前再拿下一张漂亮的Benchmark成绩单，从更长时间的Agent，到科研和高价值企业任务，再到缓存降价、安全、权限和基础设施，Anthropic正在试图证明一条更完整的链路：模型能力可以变成工作，工作可以变成收入，而收入最终可以跑赢算力。

One More Thing

A社整这么大动静，隔壁OpenAI肯定坐不住啊。但他们家新模型Astra是真还差一点没弄好，只好先象征性地发点预告。还有Ilya在Fable 5.1和OpenAI Astra发布之际，也少见地出来喊话，呼吁加强网络安全。

资料来源：量子位（微信公众号）　|　字母AI《Fable 5.1来了！Anthropic再秀肌肉》 阅读原文　|　Anthropic 官方发布