Back to Research
Fable 5.1 评测:价格、规格与何时使用

Fable 5.1 评测:价格、规格与何时使用

Article Information

51agentic.com
AI大模型评测

Claude Fable 5.1 是当前公开的 Mythos 级模型,但不是更便宜的 SKU,也不是默认 Claude。它保留 Fable 5 的 $10 / $50 API 标价和 1M / 128K 规格,把缓存读取降到每百万 token $0.25,并带来更晚的知识截止和三处需要注意的 API 变更。

Claude Fable 5.1 评测封面

核心要点

问题结论
它是什么?Anthropic 当前公开的 Mythos 级模型,API ID 为 claude-fable-5-1,2026 年 9 月 1 日发布。
价格是多少?每 1M tokens 输入 $10、输出 $50;缓存读取 $0.25。25% / 45% 的节省说法只相对 Fable 5,不相对 Opus 5。
是默认 Claude 吗?不是。官方建议从 Claude Opus 5 开始;Opus 5 在更高 effort 下仍不够时再用 Fable 5.1。
Fable 5 用户要切换吗?新的 Fable 级工作应当切:标价相同、缓存更便宜、checkpoint 更新。但有三处破坏性 API 变更,不要盲目对换。

Fable 5.1 一览

官方 Anthropic 页面的核对时间为 2026 年 9 月 3 日。claude-mythos-5-1 规格和价格相同,但仅限 Project Glasswing 参与者;公开工作继续使用 Fable 5.1。

详情Claude Fable 5.1
发布日期2026 年 9 月 1 日
API 模型 IDclaude-fable-5-1
状态现行最新;退役不早于 2027 年 9 月 1 日
上下文 / 最大输出1M / 128K tokens
输入 / 输出文本和图像到文本
Thinking自适应,始终开启;默认 effort high
知识截止2026 年 6 月
API 标价输入 $10、输出 $50 / 1M tokens
Cache write$12.50 / 5m;$20 / 1h
Cache read$0.25 / 1M tokens
Batchinput 和 output 五折

Fable 5.1 沿用 Fable 5 的分词器:同样文本会比 Claude Opus 4.7 更早的模型多产生约 30% tokens。窗口本身也不新鲜;升级点是更便宜的缓存读取、更新的 checkpoint,以及会破坏盲目对换的 API 行为。

相对 Fable 5 有何变化

折扣在缓存读取

Input 和 output 标价没有变化。如果两个模型用同样 token 完成同一任务,没有标价理由继续留在 Fable 5。真正的折扣在 cache reads:从每百万 token $1 降到 $0.25,相当于基础 input 的 0.025 倍,而其他 Claude 模型通常是 0.1。

Anthropic 估计,相对 Fable 5,这会让典型按 token 计费成本降低约 25%,高度 Agent 化的工作负载最多降低约 45%。但 output 仍是每百万 $50,啰嗦循环会抹掉缓存优势。评估时应使用:

每个已验收任务成本 = (模型费用 + 重试 + 审查时间 + 修复时间) ÷ 已验收任务数

长周期编码、研究与文档

Fable 5.1 面向高要求推理和长周期 Agent 工作:连续数小时编码、多步研究,以及必须保持连贯的文档、表格或幻灯片。相对 Fable 5 的差距在高 effort 下最大;Anthropic 还点名密集 PDF 视觉、跨完整 1M 窗口的推理和更可靠的 computer use。多语言表现与 Fable 5 持平。

这是工作形态主张,不是把它用于每次自动补全的理由。默认路径仍是从 Opus 5 开始,失败后再升级。

三处破坏性 API 变更

从 Fable 5 迁移时,以下变更可能返回 HTTP 400 或丢掉状态:

  1. 强制工具使用没了。 tool_choice 设为 any 或具名工具会返回 HTTP 400;保留 autonone。需要 schema-valid JSON 时,用带 auto 的 strict tool use 或 structured outputs。
  2. Thinking blocks 是单向的。 Fable 5.1 能读更早的 Claude thinking;更早的模型读不了 5.1 的。中途回退会丢掉这些 blocks,丟掉的部分不计费。
  3. 编辑更早轮次会使 thinking 失效。 在 5.1 thinking block 之前修改 systemtools 或先前消息,可能返回 400,或在 opt in 时丢掉该 block。应把历史当作 append-only。

另有 beta extras:不打爆 prompt cache 的按消息 effort、轮次范围 system messages,以及工具调用之间的 thinking.display: "updates" 进度文本。更换 ID 不需要这些,第一天也不要围绕 beta header 重建 harness。

行为上,Fable 5.1 更常一次只调一个工具,在 high effort 下写更少进度行,并且更可能为小改动重写整个文件。迁移测试应把这些当作实际行为差异,而不是榜单差异。

定价:账单仍在 output

上表是标价。Cache writes 没有变化,Batch 等效于 $5 / $25;地区和合同费率可能不同。

Opus 5 的 $5 / $25 仍是标价一半,其缓存读取为 $0.50。因此缓存很重的 Fable 循环在纸面上可能不到 2 倍价差,但完工成本通常仍偏向 Opus 5。不要因为 Fable 的缓存账单变好,就颠倒默认顺序。

生产约束也要单独检查:Fable 5.1 和 Mythos 5.1 默认带 30-day data retention,除非 Anthropic 授权,否则不提供 zero data retention。两者都是 Covered Models。应处理 stop_reason: "refusal" 并配置 fallback;5.1 的 fallback 目标是 Claude Opus 4.8 和 Claude Opus 5。在任何 output 之前到达的 refusal 不计费。

谁该用 Fable 5.1

选 Fable 5.1继续用 Opus 5别碰 Fable
Opus 5 已在 high effort 失败的任务:数小时编码、凌乱研究、必须保持连贯的文档默认编码 Agent、computer use、重复专业工作日常自动补全、有界补丁、任何不需要 Mythos 级花费的工作
新的 Fable 级工作(不要留在 Fable 5)缓存很轻、$5 / $25 能赢的量Mythos 5.1,除非已加入 Project Glasswing

不要因为一个 Mythos 级 ID 上线,就迁移已经能跑的 Opus 5 harness。确认提供商实际暴露的 ID,并记录任何替换。

在真实 Agent 工作流中测试

模型会话容易受休眠、终端退出和散落上下文影响。稳定方法是让文件、工具、权限、指令和产物保持在同一个 workspace,使模型 ID 成为可替换推理层。

  1. 冻结一个 Opus 5 已经吃力的任务。 选择已经在 high effort 下跑过且不满意的单一结果:失败测试、凌乱迁移,或丢掉线索的研究备忘。开工前写好通过/失败规则。
  2. 先跑 Opus 5,再以相同 effort 跑 Fable 5.1。 文件、工具、权限和指令保持一致。第二轮在 ID 实际可用时用 Fable 5.1,否则继续用 Opus 5 并记录替换。跟踪 token、重试、残留清理和工单是否关闭;Agent 编程任务用测试和 diff 打分。
  3. 保留 workspace 以便切换。 日志、diff、笔记和产物留在同一工作区,下一次运行从既有工作继续,而不是从空白聊天重来。除非已有 Mythos 5.1 权限,否则使用 claude-fable-5-1

最终结论

Fable 5.1 是对的 Fable,不是对的默认。官方文档仍让大多数工作从 Opus 5 开始;5.1 属于已经在 high effort 失败的工单:数小时编码、凌乱研究,以及必须保持连贯的文档。这个适用范围比 Mythos 级标签暗示的更窄。

如果你已经在 Fable 5 上,迁移到 claude-fable-5-1:标价相同、缓存更便宜、checkpoint 更新。Anthropic 的 25% / 45% 说法是这次对换的收益,不是相对 Opus 5 的折扣。Output 仍是昂贵 token,不要把缓存削减当成跳过 Opus 的理由。

只有配对测试证明值得时,才支付 Mythos 级账单。固定 effort、清点已验收任务,并保留更便宜的 Claude 作为 fallback:换模型,不动工作区。

如需确认 Opus 5 与 Fable 5.1 的默认和升级边界,阅读 Fable 5.1 vs Opus 5:该跑哪个 Claude?

Related Tags

ClaudeFable 5.1AI Agent编程模型API 定价模型评测

More Articles

Continue with related AI tool news and reviews.