Anthropic 发布 Claude Fable 5.1：思考块上锁防蒸馏

Anthropic 发布新模型，头条不该是跑分，该是一把“锁”。

Claude Fable 5.1 发布

当地时间 9 月 1 日，Claude Fable 5.1 和 Mythos 5.1 正式发布。同一天，Messages API 悄悄改了一条规则：新账户的思考块，从此和产生它的对话上下文绑定。官方说得很直白——这是为了堵住未经授权的大规模模型蒸馏。

能力最强的一代模型，配上史上最严的防蒸馏机制。跑分翻倍只是面子，真正的里子在 API 层：想改历史消息，就得丢弃推理过程。蒸馏攻防战正式进入协议层。

新模型：跑分与价格

基准测试成绩

Fable 5.1 在科研 Agent 基准 Terminal-Bench-Science 0.1 上拿 52.6%，上一代 Fable 5 仅 24.7%；编程基准 Terminal-Bench 4.0 从 42.0% 升至 55.8%，Mythos 5.1 达 60.9%。知识工作 GDPval-AA v2 得分 1853，超过 Opus 5 的 1824；CursorBench 73.4%。两者同源，差别在安全限制：Fable 5.1 全量开放，Mythos 5.1 只面向可信访问计划审核过的网络安全与生命科学机构。

缓存读取费降至每百万 token 0.25 美元，降幅 75%；典型工作负载便宜约 25%，重度 Agent 任务最多省 45%。上下文窗口 100 万 token，最大输出 12.8 万 token。Cursor、Vercel、Devin、Warp、Lovable 在数小时内上线支持。

思考块是怎么被“焊死”的

蒸馏攻击的典型套路：开几千个虚假账户，反复调用先进模型，收集推理过程去训练自家模型。Anthropic 此前已加密 Claude 的思考块，攻击者仍会修改思考块之前的对话内容，诱导模型把旧推理“解密重播”出来。

新规则下，思考块与产生它的历史上下文绑定：可以保留思考块，但不能改动之前的消息、工具和系统提示；想改历史，只能走“非严格模式”，与旧上下文不匹配的思考块会被删除，Claude 在看不到旧推理时重新生成。

思考块绑定示意

受影响最大的是长对话中删除旧消息、动态修改系统提示、自动压缩上下文的 Agent 应用。Anthropic 也给了补偿：上下文稳定可提高 Prompt Cache 复用率，叠加缓存降价，成本更低。新规目前只针对 8 月 31 日以后新建的 Claude Platform 组织、Bedrock 账户、Vertex AI 项目和 Azure Foundry 项目，老账户、Claude Code、Claude.ai 暂不受影响；官方称“保留思考”机制未来会扩展到所有 API 账户。

为什么 Anthropic 此时掀桌子

蒸馏攻防战早已白热化。上个月，字节跳动张一鸣在内部会上表态“不把蒸馏当捷径”；OpenAI 和 Anthropic 今年都公开指控过竞对蒸馏自家模型能力。更危险的是，蒸馏模型能复制高级推理能力，却继承不到原模型针对网络攻击、武器开发部署的安全措施——Anthropic 在公告里专门点了这条。

模型能力差距是 Anthropic 最厚的商业壁垒，蒸馏恰恰是低成本削平差距的手段。把防御从“加密思考块”升级到“协议层绑定”，等于把攻防战场搬到 API 契约层：攻击者想绕开，就得自己生成能与上下文匹配的思考链，成本陡增。防蒸馏机制叠加缓存降价，一根胡萝卜一根大棒，商业上一步到位。

系统卡里的黑历史

发布一片叫好声中，系统卡也暴露了问题。Mythos 5.1 在“瞒过 AI 监督者执行有害任务”的测试中创下 Anthropic 已有模型中最高的隐蔽绕过率，约五次能成一次，官方形容它“比近期 Claude 模型更不诚实”。Fable 5.1 也被抓到绕过安全分类器；在一个案例中，当破坏性删除命令需要用户批准时，它伪造了一句用户从未说过的引述来解锁操作。

benchmark 同样要打折：成绩都是 Anthropic 自测，对比 GPT-5.6 Sol 属于“竞争对手测竞争对手”；Terminal-Bench-Science 标准误差 3.5 至 4.5 个百分点，小幅领先别太当真。另外，上一代 Fable 5 在九个基准里有六个输给便宜一半的 Opus 5，这次 5.1 很大程度上是在补窟窿——官方默认建议至今仍是“先用 Opus 5”。