Anthropic发布Claude Fable 5.1和Mythos 5.1模型,API缓存读取费用降低75%,典型任务整体成本比上代低25%,重度任务最高省45%。新模型在终端科研和代码编写测试中得分翻倍,超过Opus 5和GPT-5.6 Sol。Mythos 5.1仅限美国认证机构使用,已实现蛋白质设计命中率近50%和GPU加速最高2.5倍。
Tags:今天凌晨,Anthropic 发了两个新模型,Claude Fable 5.1 和 Claude Mythos 5.1。
价格最高降45%,基准测试成绩断层式领先。
直接甩开了 Fable 5 和隔壁 Opus5、GPT-5.6 Sol 一大截。
同一个模型,底层完全一样,差别只在护栏。
Fable 5.1 是给所有人的,claude.ai、Claude Code、API,还有 AWS、Google Cloud、Azure 上今天就能用,API 里的模型名是 claude-fable-5-1。
Mythos 5.1 是给审核过的网络安全和生命科学机构的,护栏松一些,普通人碰不到,而且目前只对美国的机构开放。
这个发布真正让我停下来的,不是这个,也不是跑分,是快拉到底的时候一张金星的图。
那个我放到最后说。
下面先把这次发布从头捋一遍,能力、价格、护栏、科研,尽量用人话讲,磨平一些信息差。
先说跑分。
跑分这个东西,我是真的有点看麻了,所以我这次就只挑了几个数字看。
第一个是 Terminal-Bench-Science 0.1,测的是模型在终端环境里做科研类任务的能力。Fable 5 是 24.7%,Fable 5.1 是 52.6%。
翻一倍还要多,不是涨几个点。
同一张表上 Opus 5 是 29.0%,GPT-5.6 Sol 是 22.4%。这个差距我看了好几眼。
第二个是 Terminal-Bench 4.0,就是在真实终端里写代码那个。Fable 5.1 是 55.8%,上一代 42.0%,GPT-5.6 Sol 是 37.3%。护栏更松的 Mythos 5.1 跑到了 60.9%。
其他的我就不一个个念了,GDPval-AA v2 这种模拟白领工作的测试拿了 1853 分,OSWorld 2.0 电脑操作、Humanity's Last Exam、AutomationBench 业务流程、CursorBench 3.2.0,表里列出来的这几项 Fable 5.1 都是第一。
但有两个细节比分数本身更有意思。
一个是官方自己说的,Fable 5.1 开到低档或者中档推理强度,效果就已经跟 Fable 5 开高档差不多了,成本还低很多。
Claude Code 里默认是高档,claude.ai 和 Cowork 里默认是中档。
也就是说,你平时在网页里随手用的那个中档 Fable 5.1,大概相当于上一代开到最高在跑。
另一个细节藏在表格下面的小字里。
这次所有跑分都是开着生产环境的护栏跑的。
护栏拦下来的题,OSWorld 上直接算零分,网络安全相关的题是转给 Opus 4.8 做的,生物相关的转给 Opus 5。
官方自己说这大概率拉低了 Fable 5.1 的分数。
好,跑分聊完了。
顺着上面的再聊聊那些真正用过的人是怎么说的。
这次发布页上放了二十多条合作方的反馈,像这种:
MongoDB 的工程师让它做一个复杂的原型。
它先把相关服务的代码和文档全翻了一遍,给出一个可扩展的设计,然后自己连续跑了好几个小时去实现,带着验证循环。
整个项目大概三天,那位工程师的原话大意是,每天早上醒来,下一个阶段已经做完了,还附了一份完整的可视化说明和成功的证据。
聊到这里你可能会想,这么强,那肯定挺贵吧。
反了,便宜了。
输入输出的价格没动,每百万 token 输入 10 美元、输出 50 美元,跟 Fable 5 一样。降的是缓存读取,降了 75%,现在每百万 token 0.25 美元。
很多朋友可能不知道缓存读取是啥,我用人话解释一下。
你让一个 agent 去改代码库,它不是看一遍就完事的。
它每走一步,都要回头把整个代码库、之前所有的对话、工具返回的结果,重新读一遍。
这些内容已经处理过了,存着,再读一次就叫缓存读取。
以前读一次也要付一次钱,只是打折,现在打的折大很多。
你想想看,agent 干的活里,绝大部分 token 花在哪?就花在反复读这些东西上。
所以官方算下来,典型工作负载整体成本比 Fable 5 低 25% 左右,如果是那种上下文很长、工具调用很频繁的重度 agent 任务,最多能省 45%。
这个数据是拿八月份四周的真实使用量算的,不是拍脑袋。
我们再看一下网友已经跑的 Case:
这是使用 Fable 5.1,用 Tesana 仅用了几个小时就完成了这个 ARC Survival 游戏。
这是用代码,直接生成室内设计的视频效果:
Fable 5.1 比 Fable 5 有了巨大的进步,直接轻松生成了一款马里奥赛车游戏:
试过这个模型的,对它的游戏开发能力,都会印象深刻。
其实,这次发布最让人兴奋的部分,不是这些游戏,室内设计,而是科研领域的突破。
计算生物学里经常要跑各种专门的深度学习模型,跑在 GPU 上,速度就是科研进度的瓶颈。
Mythos 5.1 给七个开源的蛋白质和基因组模型,ChromBPNet、Enformer、Evo 2 这些,写了定制的 GPU 内核,把中间结果缓存起来,跑起来最快提速 2.5 倍,输出完全一样。
这个数字听着不算惊天动地,但你想想看,这个数字背后站着的是谁。
一个二线大学的生物实验室,一个博三的学生,他要做的事是测试每个人类基因附近所有可能的突变,这种分析要跑成千上万次模型。
他们实验室不可能雇一个性能工程师团队花几周去优化代码,这种优化在学术圈基本上就是奢侈品。
现在 GPU 成本能省 30% 到 60%。省下来的钱,可能就是他能不能在毕业前多跑一轮实验的区别。
Anthropic 说这些优化很快会开源。
然后是蛋白质设计。
很多药的原理是跟体内的某个靶点结合,结合亲和力越高,需要的剂量越低,所以设计一个高亲和力的结合蛋白,是很多药物研发的第一步。
Anthropic 让 Mythos 5.1 用开源的蛋白质设计和折叠工具去设计,然后把设计送到两家外部机构做实验验证。
结果是,在三个靶点上,它设计的结合亲和力是 Adaptyv Bio 蛋白质设计竞赛最佳方案的 10 倍。12 个靶点的总命中率接近 50%,行业目前的典型水平是 10% 到 15%。
不是模拟出来的,是送进实验室验证过的。
最后,金星。
Fable 5.1 拿 NASA 麦哲伦号三十多年前拍的雷达图像,加上一张已有的、只覆盖金星五分之一的地图,训练了一个神经网络,给金星三分之一的表面画了一张新的高程图。
以前的地图只能看清 10 到 20 公里尺度的东西,新地图能看到 2 到 3 公里,高度精度最多提升 25%。
这张地图会用 CC 协议开源,留给 NASA 的 VERITAS 和欧空局的 EnVision,这两个都是接下来要去金星的探测任务,让它们知道该重点看哪些地质特征。
好了,回到开头挖的那个坑,为什么这张图让我停下来。
麦哲伦号是 1989 年发射的,1990 年到金星,用雷达把金星表面扫了一遍。1994 年任务结束的时候,它是被指令主动坠入金星大气层烧掉的。
然后那些雷达数据就在硬盘里躺了三十多年。
三十多年。
造它的那批工程师,很多人应该已经退休了。
他们当年不会想到,这些数据有一天会被一个 2026 年的语言模型翻出来,重新读一遍,画出一张更清楚的地图,留给下一批要去金星的探测器。
人类攒了三十年的数据,现在多了一双新的眼睛去看了。
没有评论:
发表评论