Pada 1 September 2026 Anthropic merilis dua model: Claude Fable 5.1, yang tersedia untuk umum, dan Claude Mythos 5.1, yang hanya tersedia melalui program akses tepercaya. Perusahaan itu terang-terangan menyebut keduanya sebagai model paling canggih di dunia untuk coding dan pekerjaan berbasis pengetahuan.

Yang mengejutkan, rilis ini bukan hanya soal kemampuan. Rilis ini menjawab tiga keluhan yang menurut Anthropic didengarnya dari pelanggan: harga, retensi data, dan pengaman yang terlalu sensitif. Itulah hal-hal yang penting bagi siapa pun yang menjalankan model dalam pekerjaan nyata, bukan dalam demo.

Angkanya: peringkat pertama di setiap benchmark yang dipublikasikan

Berikut hasil yang dipublikasikan Anthropic, dibandingkan dengan pendahulunya Fable 5 serta pesaingnya Opus 5 dan GPT-5.6 Sol:

  • Riset ilmiah agentik (Terminal-Bench-Science): 52,6% dibandingkan 24,7% untuk pendahulunya, 29,0% untuk Opus 5, dan 22,4% untuk GPT-5.6 Sol — lebih dari dua kali lipat skornya sendiri sebelumnya.
  • Coding agentik (Terminal-Bench 4.0): 55,8% dibandingkan 42,0% untuk pendahulunya dan 52,3% untuk Opus 5. Varian Mythos 5.1 mencapai 60,9%.
  • Pekerjaan berbasis pengetahuan (GDPval-AA): 1853 dibandingkan 1723 untuk pendahulunya dan 1824 untuk Opus 5.
  • Penggunaan komputer (OSWorld 2.0): 77,9% pada ukuran parsial dan 41,7% pada ukuran ketat, di depan yang lain.
  • Penalaran multidisiplin (Humanity's Last Exam): 60,9% tanpa alat dan 65,0% dengan alat.
  • Alur kerja bisnis (AutomationBench): 31,4% dibandingkan 17,1% untuk pendahulunya — hampir dua kali lipat.

Agar adil: ini adalah pengukuran vendor sendiri, dipublikasikan dengan galat baku yang dinyatakan sebesar 3,5 hingga 4,5 poin pada benchmark riset ilmiah. Verifikasi independen membutuhkan waktu berminggu-minggu. Namun peningkatan yang konsisten di delapan benchmark berbeda lebih bermakna daripada keunggulan di satu benchmark saja.

Fitur yang akan diperhatikan akuntan Anda: lebih murah tanpa penurunan harga

Harga dasar per token tidak berubah. Meski begitu, Anthropic mengatakan biaya nyata turun sekitar 25% untuk beban kerja umum dan hingga 45% untuk pekerjaan agentik dengan banyak langkah, karena harga pembacaan cache dipangkas 75%.

Bagi yang belum mengenal perbedaannya: ketika model membaca ulang konteks yang sudah diprosesnya — file proyek Anda, instruksi Anda, percakapan sejauh ini — dulu Anda membayar tarif yang relatif tinggi untuk itu. Pekerjaan agentik membaca ulang konteks yang sama puluhan kali dalam satu tugas, sehingga paling diuntungkan. Potongan harga ini dinikmati oleh mereka yang menjalankan model secara serius, bukan oleh mereka yang sekadar mengajukan pertanyaan sambil lalu.

Anthropic juga menambahkan tingkat upaya: rendah, sedang, dan tinggi. Menurutnya, Fable 5.1 pada upaya rendah atau sedang menyamai atau mengungguli Fable 5 dengan biaya jauh lebih rendah. Bawaannya adalah upaya tinggi di Claude Code, dan sedang di Claude Cowork serta claude.ai.

Privasi data: pergeseran yang penting bagi institusi

Anthropic mengumumkan sistem bernama Enterprise Frontier Safeguards, yang memberi pelanggan privasi penuh setara dengan kebijakan retensi data nol sekaligus tetap mencegah penyalahgunaan. Cara kerjanya adalah menyimpan data di infrastruktur cloud yang sepenuhnya dikendalikan pelanggan, bukan Anthropic. Peluncurannya bertahap, dimulai musim gugur ini; sampai saat itu, pelanggan yang memenuhi syarat dapat menggunakan model ini dengan retensi data nol.

Satu poin ini saja membuka pintu yang sebelumnya tertutup bagi sektor-sektor sensitif di Arab Saudi — lembaga pemerintah, keuangan, dan kesehatan yang kewajiban perlindungan datanya melarang mereka mengirim data ke layanan eksternal yang menyimpannya.

Pengaman yang lebih presisi: lebih sedikit penolakan terhadap pekerjaan yang sah

Hanya sedikit hal yang lebih membuat frustrasi developer daripada model yang menolak permintaan sah karena tampak berbahaya. Anthropic mengatakan pengaman terbaru menghasilkan 60% lebih sedikit positif palsu di bidang keamanan siber. Fable 5.1 kini dapat digunakan untuk menemukan kerentanan perangkat lunak, tetapi tidak untuk mengembangkan eksploit bagi kerentanan tersebut — perbedaan yang patut dipertahankan: menemukan kerentanan adalah pekerjaan defensif, menjadikannya senjata bukan.

Apa yang menunjukkan bahwa ini lebih dari sekadar skor benchmark?

Ada tiga hasil yang dipublikasikan yang layak disebut karena merupakan capaian konkret, bukan persentase tes:

  • Di perusahaan investasi Millennium, model ini menemukan penyebab crash langka di sistem internal yang selama beberapa tahun gagal dijelaskan oleh para insinyurnya dan semua model lain.
  • Model ini melatih jaringan saraf yang menghasilkan peta elevasi baru untuk sepertiga permukaan Venus dari citra radar yang direkam misi Magellan milik NASA lebih dari tiga puluh tahun lalu, dengan detail hingga dua atau tiga kilometer alih-alih sepuluh hingga dua puluh, dan ketinggian hingga 25% lebih akurat. Peta itu dirilis dengan lisensi Creative Commons.
  • Dalam biologi komputasi, model ini menulis kernel GPU khusus yang mempercepat tujuh model open source hingga 2,5 kali dengan keluaran yang identik, sehingga memangkas perkiraan biaya GPU sebesar 30 hingga 60%. Pekerjaan yang biasanya memakan waktu berminggu-minggu bagi tim insinyur performa selesai dalam hitungan hari.

Pandangan Origami

Bagi pemilik bisnis di Arab Saudi, kisah sebenarnya bukanlah papan peringkat. Kisahnya adalah satu rilis menggabungkan tiga hal: kemampuan yang lebih tinggi, biaya lebih rendah khususnya untuk pekerjaan agentik, dan opsi privasi yang menyimpan data di infrastruktur yang Anda kendalikan. Kemampuan saja sudah tersedia sebelumnya; biaya dan privasi adalah dua hal yang menghalangi model-model ini keluar dari tahap eksperimen dan masuk ke sistem produksi.

Saran praktis kami: jangan mulai dari model, mulailah dari tugas. Sebagian besar kebutuhan perusahaan menengah saat ini berjalan baik pada upaya sedang dengan biaya lebih rendah. Uji tugas Anda terlebih dahulu di tingkat terendah dan naikkan hanya jika Anda dapat menunjukkan kebutuhannya — selisih pada tagihan bulanan lebih besar daripada yang terlihat dari tabel harga.

Kesimpulan

Fable 5.1 memimpin setiap benchmark yang dipublikasikan Anthropic, mencetak lebih dari dua kali lipat skor pendahulunya dalam riset ilmiah agentik, dan lebih murah untuk pekerjaan serius. Yang lebih bermakna, rilis ini menjawab keluhan pelanggan, bukan hanya soal kemampuan — tanda pasar yang makin matang, ketika persaingan bergeser dari siapa yang mencetak skor tertinggi ke siapa yang memungkinkan penerapan di dalam organisasi nyata.

Sumber

  • Anthropic — pengumuman resmi Claude Fable 5.1 dan Claude Mythos 5.1, sumber tabel benchmark, klaim tentang harga, privasi, dan pengaman, serta contoh-contoh ilmiah.
  • Anthropic — catatan yang dipublikasikan tentang galat baku untuk Terminal-Bench-Science dan angka papan peringkat publik.
  • The Verge, Decrypt, dan The New Stack — liputan independen tentang peluncuran 1 September 2026 dan angka-angka harganya.