Anthropic 今天凌晨扔出了 Claude Fable 5.1。8 项公开基准全部第一，缓存读取直降 75%，Claude Code 会话中的安全干预砍掉六成——这些数字都很好看。但我读完官方迁移文档和 API 变更说明后，第一反应不是”快升级”，而是”先别急”。
这篇不是跑分速递，而是开发者升级指南：到底改了什么、能省多少、哪三处代码会在升级当天 break 你。
一、Fable 5.1 到底升级了什么
先说结论：Fable 5.1 不是新模型线，它是 Fable 5 的迭代版本。同一个基础模型，三个月后训练到更好。和它一起发布的还有 Mythos 5.1——两个模型架构完全相同，区别只在安全防护等级。Fable 5.1 面向所有人，Mythos 5.1 只给通过审核的网络安全和生命科学机构。
跑分：科学推理是最大跃升
| 基准 | Fable 5 | Fable 5.1 | 变化 |
|---|---|---|---|
| Terminal-Bench-Science 0.1 | 24.7% | 52.6% | +113% |
| Terminal-Bench 4.0 | 42.0% | 55.8% | +33% |
| CursorBench 3.2.0 | 70.5% | 73.4% | +4% |
| GDPval-AA v2 | 1723 | 1853 | +7.5% |
| Humanity’s Last Exam (无工具) | 57.8% | 60.9% | +5.4% |
Terminal-Bench-Science 翻了一倍多，这是 Anthropic 重点宣传的数字。但说实话，日常编程场景里更该看 Terminal-Bench 4.0（55.8%）和 CursorBench（73.4%）——这俩才是你写代码时能感受到的差异。Terminal-Bench-Science 测的是”让模型做科学研究”，跟大多数开发者的使用场景有距离。
Anthropic 官方也说得很坦白：标准误差在 3.5-4.5 个百分点之间，所以”排名”可信但”差距”别太当真。Fable 5.1 vs GPT-5.6 Sol 在 Terminal-Bench-Science 上是 52.6% vs 22.4%，这个差距足够大；但 73.4% vs 70.5% 的 CursorBench 提升就在误差边缘了。
一个有意思的细节：Mythos 5.1 在 Terminal-Bench 4.0 上得分 60.9%，而 Fable 5.1 是 55.8%。同一个模型，去掉一些安全防护后多了 5 个百分点。Anthropic 主动公布了这个差距，等于公开承认安全干预有成本——这种诚实度值得肯定。
定价：基础没变，缓存读取砍 75%
| 项目 | Fable 5 | Fable 5.1 |
|---|---|---|
| 输入（/M tokens） | $10 | $10 |
| 输出（/M tokens） | $50 | $50 |
| 缓存读取（/M tokens） | $1.00 | $0.25 |
| 缓存写入（/M tokens） | $12.50 | $12.50 |
| 批处理输入（/M tokens） | $5 | $5 |
| 批处理输出（/M tokens） | $25 | $25 |
输入输出价格一分没动。降价全部在缓存读取——从 $1.00/M 降到 $0.25/M，降幅 75%。
这个降法对什么人有效？答案是：你的工作负载得真的在用缓存。
Anthropic 给的数据是”典型工作负载成本降低约 25%，高度智能体化工作负载最多降 45%”。但如果你每次请求都是全新上下文、不复用 system prompt、不做多轮对话的 prompt caching，那你一分钱都省不了——Fable 5.1 和 Fable 5 花的一样多。
我在 OpenRouter API 上验证了 Fable 5.1 的元数据：
# 通过 OpenRouter API 验证 Fable 5.1 模型元数据
import requests
resp = requests.get("https://openrouter.ai/api/v1/models")
models = resp.json()["data"]
fable = [m for m in models if "fable" in m["id"].lower()][0]
print(f"Model ID: {fable['id']}")
print(f"Context: {fable['context_length']:,} tokens")
print(f"Max output: {fable['top_provider']['max_completion_tokens']:,} tokens")
print(f"Input: ${fable['pricing']['prompt'] * 1e6:.2f}/M")
print(f"Output: ${fable['pricing']['completion'] * 1e6:.2f}/M")
print(f"Cache read: ${fable['pricing']['cache_read'] * 1e6:.2f}/M")
print(f"Reasoning: {fable.get('reasoning', {})}")
运行环境：macOS / Python 3.13。输出结果：
Model ID: anthropic/claude-fable-5.1
Context: 1,000,000 tokens
Max output: 128,000 tokens
Input: $10.00/M
Output: $50.00/M
Cache read: $0.25/M
Reasoning: {'mandatory': True, 'default_effort': 'high',
'effort_levels': ['max', 'xhigh', 'high', 'medium', 'low']}
几个要点：
– reasoning 是 mandatory（强制开启）的。你不能关掉思考。只能调档位：max / xhigh / high / medium / low，默认 high。
– 1M 上下文窗口，128K 最大输出——Fable 5 也是这个规格，没变。
– 支持 tool use 和 structured output。
二、三处 API Breaking Changes——升级前必须改代码
这是整篇文章最重要的部分。如果你已经在用 Fable 5 的 API，直接把 model ID 换成 Fable 5.1 会在三个地方出事。
Breaking Change 1：tool_choice=any 或 tool 直接返回 400
# ❌ Fable 5 能跑，Fable 5.1 直接 400
response = client.messages.create(
model="claude-fable-5-1",
messages=[{"role": "user", "content": "查北京天气"}],
tools=[{"name": "get_weather", "description": "...", "input_schema": {...}}],
tool_choice={"type": "any"} # ← 这里 400
)
原因：Fable 5.1 的 thinking 是强制开启的。tool_choice=any 会跳过 thinking 阶段直接调工具，与强制思考冲突。
修复方法：改用 tool_choice={"type": "auto"} 配合 strict tool use 或 structured outputs。
# ✅ 正确写法
response = client.messages.create(
model="claude-fable-5-1",
messages=[{"role": "user", "content": "查北京天气"}],
tools=[{"name": "get_weather", "description": "...", "input_schema": {...}}],
tool_choice={"type": "auto"} # ← 让模型自己决定是否调工具
)
如果你之前用 tool_choice={"type": "tool", "name": "xxx"} 强制调某个工具，也得改成 auto + structured output。
Breaking Change 2：thinking blocks 的跨模型方向性
Fable 5.1 可以读取更早模型（比如 Opus 5、Fable 5）产生的 thinking blocks，但反过来不行——更早的模型读不了 Fable 5.1 的 thinking。
如果你用了 router 或 fallback 机制（比如先调 Fable 5.1，失败后 fallback 到 Opus 5），切换模型时 Fable 5.1 的 thinking blocks 会被静默丢弃。模型看不到之前的推理过程，可能重复推理或给出不一致的结果。
修复方法：在 fallback 时清除 thinking blocks，或改用 server-side context editing。
Breaking Change 3：编辑早期轮次会使 thinking blocks 失效
在对话中途修改 system prompt 或 tools 数组，会使之前的所有 thinking blocks 失效，后续请求会报错。
这个限制对 8月31日及之后创建的 API 账户强制执行。老账户暂时不受影响，但别指望宽限期——迟早会全量生效。
# ❌ 中途改 tools 数组 → thinking blocks 失效
messages = [
{"role": "user", "content": "帮我分析数据"},
# ... 多轮对话 ...
]
# 第 5 轮突然改 tools 定义
tools = updated_tools # ← thinking blocks 全部失效
修复方法：用 turn-scoped system messages（每轮单独发 system message）或 server-side context editing，不要中途修改已有的 system prompt 或 tools 数组。
完整的迁移检查脚本
"""
Fable 5 → Fable 5.1 迁移检查脚本
运行环境：Python 3.10+
依赖：openai>=1.0（OpenRouter 兼容 OpenAI SDK）
"""
import os
import openai
# 通过 OpenRouter 调用，设置 base_url
client = openai.OpenAI(
api_key=os.environ.get("OPENROUTER_API_KEY", ""),
base_url="https://openrouter.ai/api/v1"
)
# 测试 1：基础调用 + reasoning
print("=== 测试 1：基础调用 ===")
resp = client.chat.completions.create(
model="anthropic/claude-fable-5.1",
messages=[{"role": "user", "content": "用一句话解释什么是 prompt caching"}],
max_tokens=200,
)
print(resp.choices[0].message.content)
# 测试 2：tool_choice=auto（应正常）
print("\n=== 测试 2：tool_choice=auto ===")
resp = client.chat.completions.create(
model="anthropic/claude-fable-5.1",
messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
tools=[{
"type": "function",
"function": {
"name": "get_weather",
"description": "获取指定城市的天气",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"]
}
}
}],
tool_choice="auto",
max_tokens=200,
)
print(f"Tool calls: {resp.choices[0].message.tool_calls}")
# 测试 3：tool_choice=any（应返回 400）
print("\n=== 测试 3：tool_choice=any（预期 400）===")
try:
resp = client.chat.completions.create(
model="anthropic/claude-fable-5.1",
messages=[{"role": "user", "content": "查北京天气"}],
tools=[{
"type": "function",
"function": {"name": "get_weather", "parameters": {"type": "object"}}
}],
tool_choice="any",
)
print("⚠️ 没有报错——可能 OpenRouter 做了兼容层")
except Exception as e:
print(f"✅ 预期报错：{e}")
三、成本测算：缓存读取降价到底省多少
来算一笔账。假设你的工作负载是这样的：
| 项目 | 数值 |
|---|---|
| 每天请求数 | 1000 次 |
| 每次请求 system prompt | 5000 tokens |
| 每次请求用户输入 | 500 tokens |
| 每次请求输出 | 2000 tokens |
| 缓存命中率 | 80%（多轮对话+复用 system prompt） |
Fable 5（旧）：
– 缓存读取：1000 × 80% × 5000 = 4M tokens × $1.00/M = $4.00/天
– 非缓存输入：1000 × 20% × 5000 + 1000 × 500 = 1.5M × $10/M = $15.00/天
– 输出：1000 × 2000 = 2M × $50/M = $100.00/天
– 合计：$119.00/天
Fable 5.1（新）：
– 缓存读取：4M × $0.25/M = $1.00/天
– 非缓存输入：1.5M × $10/M = $15.00/天
– 输出：2M × $50/M = $100.00/天
– 合计：$116.00/天
每天省 $3，月省 $90。看起来不多？那是因为缓存只占 4M/7.5M ≈ 53% 的输入 token。
如果你的工作负载是重度智能体（多轮调用、大量代码上下文、长 system prompt），缓存占比会推到 90%+，那时省的钱就多了。Anthropic 说的”最多省 45%”对应的就是这个极端情况。
什么时候不该升级
如果你几乎不做缓存——比如每次请求都是全新用户、全新上下文、不传 cache_control 参数——Fable 5.1 和 Fable 5 花的钱一模一样。这种情况下升级的唯一理由是跑分提升和安全干预减少，跟成本无关。
另外，Fable 5.1 的 tool_choice 限制对你影响大吗？如果你有大量”强制调工具”的代码，升级意味着逐个改。评估一下改造成本。
四、Claude Code 体验：安全干预减少 60% 是什么概念
Fable 5 有一个被用户吐槽的问题：太谨慎了。你让它做点涉及安全的东西（哪怕是正当的），它动不动弹安全提示、拒绝执行、或者让你”请咨询专业人士”。在 Claude Code 里尤其烦——你让它重构一个有 SQL 查询的文件，它能因为”SQL 注入风险”把你拦下来。
Fable 5.1 改善了这个：
– 网络安全防护：Claude Code 会话中的安全干预减少约 60%。允许识别代码中的漏洞（比如 SQL 注入、XSS），但渗透测试、漏洞利用开发、二进制扫描仍然被禁止。
– 生物学防护：良性请求的干预减少 85%。问个医学基础问题不会再被”请就医”挡回来。
还有一个改进：Fable 5.1 的写作风格变了。Anthropic 研究员 Flix Rieseberg 提到，模型减少使用粗体、更少用标题和列表、对风格提示词遵循得更好。如果你之前被 Claude 的”重要提示：“和 Markdown 格式轰炸过，这个变化会让你舒服很多。
五、文本水印和内容来源：你需要知道的事
Fable 5.1 开始，所有模型输出都带有一个统计式文本水印——不可见的数字标记，信号某段文本是否由 Claude 生成。Anthropic 说这个水印不影响输出质量，也不包含用户/组织/对话信息。
同时，文件输出会附带 C2PA 凭证（Content Provenance and Authentication）。
水印检测 API 目前在 private preview，只对部分机构（监管机构、执法部门、事实核查组织、研究人员、教育机构）和需要遵守 EU AI Act 的企业开放。
对普通开发者的实际影响：
– 你用 Claude 生成的代码/文档，理论上可以通过水印被检测出来。
– 但你没法自己检测——检测 API 不对你开放。
– 如果你的合规部门需要验证某段文本是否由 AI 生成，需要通过 Anthropic 的受信渠道申请。
六、如果你想试
Fable 5.1 可以通过以下渠道使用：
- Claude API（Anthropic 官方）：model ID
claude-fable-5-1 - OpenRouter：model slug
anthropic/claude-fable-5.1，定价 $10/$50/$0.25 per M tokens - Amazon Bedrock / Google Cloud / Microsoft Foundry：已同步上线
- Claude Code / Claude.ai：已默认切换到 Fable 5.1
如果你的套餐是 Max / Team Premium / Enterprise Premium，Fable 5.1 的用量限额是 Fable 5 的 50%。Pro 用户可以通过 usage credits 使用。
如果你刚接触 Claude 生态，可以看看我之前写的 Claude Google Workspace 连接器实测，了解 Claude 除了 API 之外还能替你干什么。
如果你在用 OpenAI 的 Codex 或 DeepSeek 的 Harness 做 AI 编程，Fable 5.1 作为模型层值得一试——Codex Harness 上手指南 和 DeepSeek Harness 上手指南 都支持自定义模型 endpoint。
关于 prompt caching 的原理和成本优化策略，之前在 GPT-5.6 Luna + 思考按钮那篇文章 里讨论了不同模型的 thinking 机制对比，可以参考。
七、我的看法
Fable 5.1 是一个”对的人”会升、但”不对的人”可能不需要升的版本。
该升的人：重度 Claude Code 用户、有多轮对话+长 system prompt 的 API 用户、被 Fable 5 安全干预困扰的开发者、需要 Terminal-Bench-Science 级别科研推理的研究人员。
可以等等的人：只用 Claude 做简单单轮问答的、不使用 prompt caching 的、大量使用 tool_choice=any 强制工具调用的。
不该升的人：Fable 5 刚集成好、不想动 breaking changes 的。等你的代码改完再升也不迟——Fable 5 目前仍在 legacy 列表上，还没下线。
一个值得观察的点：Fable 5.1 并行工具调用”更不稳定”——Anthropic 自己承认 agent 循环可能从 Fable 5 的”一次调多个工具”退化到”一轮调一个”。如果你写了很多并行 tool calling 的逻辑，留意这个退化。
如果你想在本地跑开源模型做对比测试，参考这篇 本地部署大模型完全指南（Ollama 与 LM Studio 实战对比），用开源模型做 baseline 再跟 Fable 5.1 对比，能更清楚感知差距。