Anthropic发布Fable 5.1，Agent长任务能力翻倍

Fable 5.1和Mythos 5.1，凌晨突然上线。上一代Fable 5几乎成了SOTA模型的代名词，光环未退，Anthropic已经开始自己卷自己了。

两款模型同时发布，Fable 5.1面向普通用户和企业，Mythos 5.1则把同一套前沿能力开放给“经过验证的网络安全和生命科学机构”。定价上，基础价格不变，Fable 5.1依然是10美元/百万输入Token、50美元/百万输出Token，但缓存读取价格砍掉了75%，从1美元/百万Token降到0.25美元/百万Token。性能提升则明显集中在长时间、多步骤的Agent任务上：Terminal-Bench-Science从24.7%涨到52.6%，AutomationBench从17.1%涨到31.4%。

比起模型本身，更值得注意的是发布时机——按The Information此前的披露，已秘密提交IPO文件的Anthropic可能在9月7日美国劳动节后公开招股书，9月中旬举行投资者日，最快9月底至10月初上市。这可能就是Anthropic公开递表前的最后一次重量级模型发布。

与此同时，Anthropic此前“明升实降”改额度的余波也出现在评论区。8月29日，Anthropic宣布9月14日起将标准周额度提高25%，但这个数字是相对5月以前的旧标准；与用户目前使用的临时额度相比，实际反而下降17%。有用户追问：能不能给出“更透明、更慷慨”的会话和每周额度？

规格上，Fable 5.1延续了100万Token上下文窗口和128K最大输出，基础价格不变。放到旗舰阵容里，它仍是最贵的一档：同样按100万输入+100万输出计算，Fable 5.1是GPT-5.6 Sol的2.5倍，GLM-5.3的10倍以上。Anthropic官方甚至建议，大多数任务优先用价格只有一半的Opus 5，只有高难度推理、长时间Agent任务或Opus 5不够用时再上Fable 5.1。

真正值得关注的是Agent持续运行的成本。Fable 5.1的缓存读取从1美元/百万Token降到0.25美元，相当于砍掉75%。缓存读取可以理解为：上下文被模型处理过之后，后续请求无需按完整输入价格重新读取。一个连续运行几个小时的Agent会反复读取系统提示词、代码库和此前处理过的上下文，任务越长，缓存读取占的成本越高。Anthropic用8月实际数据测算，相同任务从Fable 5换到5.1，典型工作负载整体成本预计下降约25%；复杂Coding和高度Agent化任务最高降约45%。也就是说，Anthropic没有把模型本身卖得更便宜，但把“让它长时间工作”这件事做得更便宜了。当然，基础价格摆在那里，有开发者提醒：即使缓存命中率很高，一次复杂Coding任务仍可能花掉20到50美元。

这种降价主要发生在API场景。对于订阅Claude Code的用户，另一套“额度账”刚引发争议：Anthropic之前临时把周额度提高了50%（持续到9月14日），现在宣布从9月14日起“永久提高25%”。若原始额度为100，用户目前实际拿到150，9月14日后变成125——名义上提高25%，相对现在实际额度反而减少了约17%。

从性能看，Fable 5.1的提升集中在需要连续调用工具、多步骤、检查中间结果再决定下一步的任务，而非“均匀分布”。Anthropic公布的数据中，Terminal-Bench-Science从24.7%提高到52.6%，直接翻倍；Terminal-Bench 4.0从42.0%提高到55.8%；AutomationBench从17.1%提高到31.4%。传统推理和Coding Benchmark的提升则温和得多：Humanity's Last Exam（不用工具）从57.8%到60.9%，CursorBench 3.2.0从70.5%到73.4%。

企业测试也指向同一结论。Browserbase的最难浏览器Agent Benchmark中，Fable 5.1完成82%的任务，Opus 5为74%，Fable 5只有57%。Ramp让Fable 5.1无人干预连续运行38小时：它发现此前一个机器学习实验受标签伪影影响，自行修正并启动6组并行实验跑了一整夜，带着新结果和下一步建议回来。Canva则在盲测中更偏好5.1的输出，还让Fable 5.1在Canva Code里做出了一个节奏与音乐拍点对应的游戏，这是其他模型没做到的。