Anthropic 新一代旗舰大模型 Claude Fable 5.1 已正式上线。本次更新还同步带来了同系列的 Mythos 5.1，两者在底层能力相近，但使用安全策略不同。
如果你关心的是“能不能更会写代码、做研究”，或者“成本会不会更高”，这次的答案都挺明确：部分基准表现显著提升，同时缓存读取价格下调明显。
基准跑分看得见：编程与科研能力更强
在终端与科研相关的测试中，Fable 5.1 的表现提升很直观。比如 Terminal-Bench-Science 0.1，上一代 Fable 5 为 24.7%，而 Fable 5.1 达到 52.6%。
同样在终端编码能力上，Terminal-Bench 4.0 的结果也更亮眼：Fable 5.1 拿到 55.8%，相比 Fable 5 的 42% 有明显进步。
知识工作方面，GDPval-AA v2 测得 Fable 5.1 为 1853，比上一代高出 130 分，甚至超过了自家定位更高的 Opus 5。
（图片来源：Anthropic）
（图片来源：Anthropic）
价格有点反常：缓存读取从 1 美元降到 0.25
按常理，模型越强通常越贵。但这次 Anthropic 在“缓存读取”上给了更友好的价格。
基础输入输出价格维持：输入 10 美元 / 100 万 Token，输出 50 美元 / 100 万 Token。真正的变化在缓存读取：从 1 美元 / 100 万 Token 下调到 0.25 美元 / 100 万 Token，降幅达到 75%。
对企业级应用或需要反复读历史上下文的场景来说，缓存往往会占到账单的关键部分。按文中给出的测算，典型工作负载下总成本可比 Fable 5 降低约 25%；如果工作高度依赖智能体自动化，节省幅度最高可到 45%。
（图片来源：Anthropic）
同底层，两套“安全外壳”：Fable 5.1 vs Mythos 5.1
这次发布还有个容易被忽略的点：Fable 5.1 和 Mythos 5.1 使用的是同一底层模型，差别主要在安全策略。
Fable 5.1 是面向公开用户的版本，会加入更严格的安全护栏，避免在高风险场景下被滥用。
Mythos 5.1 的访问权限更窄，提供给经过审核的网络安全与生命科学机构；在这些专业场景里，限制会相对放宽，以便发挥更大潜力。
想本地接入？按这 5 步把 OpenClaw 跑起来
如果你希望把 Fable 5.1 用到本地智能体/工作流里，可以借助 OpenClaw 进行接入。下面是原文给出的通用操作流程。
第一步：下载安装 OpenClaw部署助手。它会帮助你快速完成 OpenClaw 部署，并内置了超过 25 款主流大模型（例如 Claude、ChatGPT、DeepSeek、通义千问等），同时支持国内网络直连，不需要折腾代理配置。
点击“开始部署”后，软件会自动检测并安装 Python 环境与依赖包，全程不需要你手动敲命令。
第二步：进入模型配置，选择“AI模型”列表中的目标模型（文中示例为 Anthropic），然后选择 API Key 方式，填入你的 API Key 即可。
第三步：如果你不想自己处理 API，也可以选它的“内置AI”选项。文中提到超过 25 款模型可选，支持在不同模型之间切换。
第四步：模型接入完成后回到首页，确认服务状态为“运行中”，再点击“打开聊天”。
第五步：发一条测试消息。如果能正常回复，就说明 OpenClaw 已成功接入对应的 AI 模型，后续就能让 AI 帮你做任务。
从“更强的编程/科研表现”到“缓存读取更便宜”，Claude Fable 5.1 这次的重点很明确。如果你正好在做代码、数据分析或需要反复读上下文的自动化工作流，可以优先把它接进你的本地方案里试一试。
