Claude Fable 5.1 把自己的行为回归列了一张清单，这事别家没干过
9 月 1 日发布，分数全面上涨；官方同时承认它并行工具调用变不稳、改文件更爱整篇重写、长任务中间不说话了——每一条都是要多花钱的
文章目录
共 7 节9 月 1 日 Anthropic 发了 Claude Fable 5.1 和 Claude Mythos 5.1。分数是涨的，涨得还不少：
| 评测 | Fable 5.1 | Fable 5 |
|---|---|---|
| Terminal-Bench-Science 0.1 | 52.6% | 24.7% |
| Terminal-Bench 4.0 | 55.8% | 42.0% |
| Humanity's Last Exam（无工具） | 60.9% | 57.8% |
| CursorBench 3.2.0 | 73.4% | 70.5% |
| OSWorld 2.0（partial） | 77.9% | 72.9% |
表格可左右滑动
Terminal-Bench-Science 从 24.7% 翻到 52.6%，这种幅度不常见。
但这篇我想讲的不是这张表，是官方在同一份文档里列的另一张表：行为回归清单。
一、厂商自己列「我这版哪里变差了」
这是原文列的几条，我逐条转述：
- →并行工具调用变得不稳定。在 agent 循环里经常退化成一轮只调一个工具，多花 token 也多花往返时间
- →长任务中间的进度文字变少，界面上会显得「静默」
- →
loweffort 档下更倾向凭记忆作答，更少去调搜索 - →行文变得更密
- →聊天场景里粗体、标题、列表用得更少
- →做摘要时更容易不加引号地照抄原文
- →改文件时更倾向整个文件重写，而不是定点编辑
这份清单有两条是直接花钱的。
第一条，并行工具调用退化成串行。假设一个任务需要查三个接口，原本一轮并行发出去，现在变成三轮。往返次数三倍，而每一轮都要把完整的上下文重新走一遍——即便有缓存，输出 token 和延迟都是三份。在一个跑几万次的 agent 流水线上，这个差别是数量级的。
最后一条，整文件重写。你让它改一个函数里的三行，它把整个八百行的文件重新输出一遍。Fable 5.1 的输出价是 $50 每百万 token。一个八百行的文件大约一万个 token，也就是说，改三行代码的输出成本是 $0.5。改二十次就是十块钱美金，而实际需要生成的内容只有三行。
做代码类产品的，这一条必须在提示词层面对抗——明确要求 diff 格式、明确禁止整文件输出、在工具层面只提供 patch 接口不提供 write 接口。
一家公司愿意把这七条印出来，比它把分数印大一号有用得多。你至少知道要防什么。
二、三项破坏性变更
老代码切过去会直接报错的：
- →强制工具调用返回 400。
tool_choice设成any或指定某个工具，请求失败 - →思考块与产出它的模型绑定。旧模型读不了 Fable 5.1 产出的 thinking block
- →改动历史消息会让后续的 thinking block 失效。2026 年 8 月 31 日之后新建的账号强制校验；老账号需要显式开
thinking.block_binding.prefix_mismatch_behavior才能沿用旧行为
第三条对做对话产品的影响最大。很多产品会在把历史发回去之前做处理——裁剪过长的消息、脱敏、替换掉过期的引用、把多轮合并压缩。这些操作在 Fable 5.1 上都会让 thinking block 失效。
要么改掉这些处理，要么接受每次都重新思考的成本。没有第三条路。
三、五项新增能力，有两个真有用
- →会话中途改 effort（beta 头
mid-conversation-output-config-2026-07-01） - →turn-scoped system message：
clear_at: "next_user_message"，下一条用户消息到来时自动清掉（beta 头mid-conversation-system-clear-at-2026-08-21） - →工具调用之间可读的进度更新：
thinking.display: "updates"（beta 头thinking-display-updates-2026-08-18） - →缓存读降价：从 Fable 5 的 $1 降到 $0.25，是基础输入价的 0.025 倍，便宜 75%
- →内容溯源：全平台的统计式文字水印加 C2PA
第三条和前面那条「长任务中间不说话」是配套的——官方知道这是个问题，给了一个显式开关让你把进度更新打开。做用户界面的，这个 beta 头记下来。
第二条 turn-scoped system message 是个被低估的好东西。它让你能在一轮里临时注入指令（「这次请用英文回答」「这一轮只输出 JSON」），下一轮自动失效，不用自己管状态、不用污染长期的系统提示词、也不用因此打断缓存。
价格方面，Fable 5.1 是输入 $10、输出 $50、5 分钟缓存写 $12.50、1 小时缓存写 $20、缓存读 $0.25、Batch $5 / $25。上下文 1M / 最大输出 128K，默认即最大，全窗口标准计价——没有像某些家那样超过某个长度就翻倍的规则。知识截止 2026-06，默认 effort 是 high，adaptive thinking 常开不可关。
四、一个必须先问法务的条款
Fable 5.1 和 Mythos 5.1 强制 30 天数据保留，非经 Anthropic 明确授权不支持零数据保留。它们属于 Covered Models。
这条对国内做企业交付的人是硬约束。客户的数据合规问卷上「模型提供方是否保留数据」这一项，你只能填「是，30 天」。很多金融、医疗、政企客户看到这一行就没有下文了。
对比一下：同期的 GPT-6 Astra 对合格 API 客户提供零数据保留。这是选型时一个比分数重要得多的差别，而它通常不会出现在任何对比文章里。
五、Mythos 5.1 是什么，为什么你大概率碰不到
官方定义写得很直白：「给 Project Glasswing 参与者的 Claude Fable 5.1」——同一个模型，安全护栏更少。
- →API id
claude-mythos-5-1 - →规格与价格和 Fable 5.1 完全一致：1M / 128K，$10 / $50，缓存读 $0.25
- →邀请制
- →只通过两个项目发放：Cyber Verification Program（面向防御向的安全从业者）和 Life Sciences Verification Program（面向美国本土研究者）
- →当前限于美国组织
顺带一提，OpenAI 在 GPT-6 Astra 的发布页脚注里说得更直接：他们在 ScreenSpot-Pro 和 ExploitGym 上引用的「Fable」分数，实际取自 Mythos——「护栏更少的 Fable」。
对中国团队来说，Mythos 这条线基本可以当作不存在。但知道它存在有个用处：你看到的任何「Claude 在安全评测上的分数」，都要确认是 Fable 还是 Mythos 跑的。这两个数不是一回事。
六、一个被忽略的现实：贵到没人用
有一份统计提到，2026 年 7 月 Fable 5.1 这一档只占 Anthropic 支出的 8.0%。
$10 / $50 的价格，在一个 GPT-6 Sol 卖 $2 / $10、GPT-6 Luna 卖 $0.10 / $0.50 的市场里，能撑起的使用场景就是很窄的一条。绝大多数真实流量会流向便宜档位——这是市场规律，不是产品好坏。
所以看待 Fable 5.1 的正确姿势：它是一个拿来解决最难的那 5% 的问题的工具，不是一个日常主力。把它接进系统的正确方式是做分级路由——便宜模型打底，识别出搞不定的再升级到 Fable，而不是全量都走它。
七、Anthropic 这两个月的完整时间线
- →7 月 24 日 Claude Opus 5（$5 / $25）
- →8 月 5 日
claude-opus-4-1正式退役 - →8 月 没有发布任何模型
- →9 月 1 日 Claude Fable 5.1 + Claude Mythos 5.1
- →9 月 1 日 Claude Sonnet 5 的 $2 / $10 从 introductory 转标准价，原定的涨价取消
- →9 月 22 日 Claude Opus 5.5（$4 / $20），Opus 5 标为 Legacy
两个月三个模型，一次退役，一次取消涨价。节奏不算快，但每一次都带着破坏性变更。
给所有把 Claude 接进生产的人一句话：这两个月里，Anthropic 每一次发新模型都附带了会让老代码报错的变更。换 model 字符串之前，把 whats-new 那一页从头读到尾，这个动作的投入产出比高得离谱。