2026年9月1日，Anthropic发布了两款模型：全面开放的Claude Fable 5.1，以及仅通过可信访问计划提供的Claude Mythos 5.1。该公司直截了当地称它们为全球最先进的编程与知识工作模型。

出人意料的是，这次发布不只关乎能力。它回应了Anthropic称从客户那里听到的三项抱怨：价格、数据保留，以及过于敏感的安全防护。而这恰恰是所有在真实工作中而非演示中使用模型的人最关心的事情。

数据：在每一项公布的基准测试中排名第一

以下是Anthropic公布的结果，对比对象为前代Fable 5以及竞争对手Opus 5和GPT-5.6 Sol：

  • 智能体科学研究（Terminal-Bench-Science）：52.6%，而前代为24.7%，Opus 5为29.0%，GPT-5.6 Sol为22.4%——是其自身此前得分的两倍多。
  • 智能体编程（Terminal-Bench 4.0）：55.8%，而前代为42.0%，Opus 5为52.3%。Mythos 5.1版本达到60.9%。
  • 知识工作（GDPval-AA）：1853，而前代为1723，Opus 5为1824。
  • 计算机操作（OSWorld 2.0）：部分指标为77.9%，严格指标为41.7%，领先其他模型。
  • 跨学科推理（Humanity's Last Exam）：不使用工具为60.9%，使用工具为65.0%。
  • 业务工作流（AutomationBench）：31.4%，而前代为17.1%——接近两倍。

客观地说：这些是厂商自己的测量结果，在科学研究基准测试上公布的标准误差为3.5到4.5分。独立验证需要数周时间。但在八项不同基准测试中持续取得进步，比在某一项上领先更能说明问题。

会计会注意到的特性：不降价却更便宜

基础token价格没有变化。即便如此，Anthropic表示实际成本在典型工作负载上下降约25%，在步骤繁多的智能体工作上最多下降45%，因为它将缓存读取的价格降低了75%。

不熟悉这一区别的读者可以这样理解：当模型重新读取它已经处理过的上下文——你的项目文件、你的指令、到目前为止的对话——以前你需要为此支付相对较高的费率。智能体工作在单个任务中会把同一上下文重读数十次，因此受益最大。这项折扣惠及的是认真使用模型的人，而不是随口问一个问题的人。

Anthropic还新增了努力程度级别：低、中、高。它表示，低或中等努力程度下的Fable 5.1即可达到或超过Fable 5，而成本低得多。默认设置在Claude Code中为高努力程度，在Claude Cowork和claude.ai上为中等。

数据隐私：对机构至关重要的转变

Anthropic宣布了一套名为Enterprise Frontier Safeguards的系统，为客户提供等同于零数据保留政策的完整隐私保护，同时仍能防止恶意使用。其做法是将数据存储在完全由客户而非Anthropic控制的云基础设施中。该系统将分阶段推出，从今年秋季开始；在此之前，符合条件的客户可以在零数据保留模式下使用该模型。

仅这一点就打开了一扇此前对沙特敏感行业关闭的大门——政府、金融和医疗机构的数据保护义务使它们无法将数据发送给会保留数据的外部服务。

更精准的安全防护：更少拒绝正当工作

对开发者来说，最令人沮丧的莫过于模型因为请求看起来危险而拒绝一个正当请求。Anthropic表示，最新的安全防护在网络安全领域的误报减少了60%。Fable 5.1现在可以用来发现软件漏洞，但不能用来开发针对这些漏洞的利用程序——这一区分值得坚持：发现漏洞是防御性工作，把它变成武器则不是。

有什么能证明这不只是基准测试分数？

有三项公布的成果值得一提，因为它们是具体成果而不是测试百分比：

  • 在投资公司Millennium，该模型找到了内部系统中一次罕见崩溃的原因，而这一问题多年来其工程师以及所有其他模型都未能解释。
  • 它训练了一个神经网络，利用NASA麦哲伦（Magellan）任务三十多年前拍摄的雷达图像，生成了金星三分之一区域的新高程图，分辨率达到两三公里，而不是十到二十公里，高度精度最多提高25%。该地图以Creative Commons许可证发布。
  • 在计算生物学领域，它编写了定制的GPU内核，在输出完全相同的情况下将七个开源模型的速度最多提升了2.5倍，使预计的GPU成本降低了30%到60%。通常需要一个性能工程师团队花费数周的工作，几天内就完成了。

Origami的观点

对沙特企业主来说，真正的新闻不是排行榜，而是一次发布同时带来了三样东西：更强的能力、恰恰在智能体工作上更低的成本，以及让数据保留在你所控制的基础设施中的隐私选项。单有能力早已不是新鲜事；成本和隐私才是阻碍这些模型从实验走向生产系统的两大障碍。

我们的实用建议：不要从模型出发，而要从任务出发。如今一家中型企业所需的大部分工作，用中等努力程度就能很好地完成，而且花费更少。先在最低级别上测试你的任务，只有在能够证明确有需要时才提高级别——月度账单上的差别比价格表所显示的要大。

结论

Fable 5.1在Anthropic公布的每一项基准测试中都名列前茅，在智能体科学研究上的表现是前代的两倍多，并且在严肃工作上成本更低。更能说明问题的是，这次发布回应的是客户的抱怨，而不仅仅是能力——这是市场走向成熟的信号：竞争已经从谁的分数最高，转向谁能让模型真正部署到实际机构之中。

资料来源

  • Anthropic——Claude Fable 5.1和Claude Mythos 5.1的官方公告，基准测试表格、有关定价、隐私和安全防护的说法以及科学案例均出自于此。
  • Anthropic——关于Terminal-Bench-Science标准误差的公开说明以及公开排行榜数据。
  • The Verge、Decrypt和The New Stack——对2026年9月1日发布及定价数据的独立报道。