缓存读取价砍 75%：Fable 5.1 真正想卖的不是跑分

每百万 token 的缓存读取价格，从 1 美元降到 0.25 美元，降幅 75%。 这是 Claude Fable 5.1 发布里最不起眼、也最值钱的一个数字。它躺在定价表最偏僻的角落，不如那些基准测试榜单显眼，却决定了 agent 跑长任务时真正的成本。 标准输入、输出价格没动，还是每百万 token 10 美元和 50 美元。Anthropic 只动了缓存读取这一项。但 agent 的成本结构和一次性聊天完全不同：一个连续工作几小时的编程 agent，会反复读取同一套代码、系统提示、工具定义和任务历史。如果每次工具调用都按标准输入价算，任务跑得越久，重复上下文越贵。缓存让系统保存已经处理过的上下文，后续只付便宜的读取费。所以这一行价格砍掉 75%，Anthropic 才敢说「典型负载省约 25%，重度 agent 任务省到 45%」。 先澄清一件事：Fable 5.1 和 Mythos 5.1，是同一个模型的两种部署方式。区别不在智力，在安全保护级别。Fable 5.1 面向所有人开放，带网络安全和生物安全防护：一部分高风险请求被拦截，另一部分被路由到更弱的 Opus 系列。Mythos 5.1 保留更多原始能力，只通过受信访问计划提供给经过审核的网络安全和生命科学机构。 换句话说，Anthropic 这次在尝试把「模型能力」和「模型开放程度」拆开管理——不再为了降风险直接削弱整个模型，而是按用户身份、任务类型、使用环境，给不同层级的能力。这件事比任何一个跑分数字都更值得注意。 跑分当然也涨了。8 项公开基准全部第一，智能体科学研究最夸张：Terminal-Bench-Science 上 Fable 5.1 拿到 52.6%，是 Fable 5（24.7%）的两倍多，也甩开 GPT-5.6 Sol 的 22.4%。但这些数字，任何一个发了大模型的厂商都拿得出来。真正新的东西，在跑分之外。 反蒸馏机制，是这次最值得讲的部分。 从今天起，新注册的 API 账户没法再这么干：在多轮对话里手动篡改 Claude 的上下文，同时保留思维链记录。之前有一种公开记录的常见手法——篡改 Claude 之前的上下文，但刻意保留思维链，就能在一组新的、可能带对抗性的指令下，重放模型在另一组指令下产生的推理过程。这条路现在被堵死了。 堵法是一套签名机制。每个思维链区块被加上一个签名。当你把助手的回复在后续请求里发回 API，系统用这个签名做两件事：验证当前模型有没有权限读这个区块，以及验证这个区块之前的整段对话——系统提示、工具列表、所有历史消息——是不是和当初生成它时一模一样。任何一处被动过，校验就失败。 失败之后怎么处理，取决于开发者设的一个参数 prefix_mismatch_behavior：默认是 error，直接返回 400 拒绝请求；设成 drop_block，系统就静默丢掉这个区块以及它之后的所有思维链，请求照常执行。被丢的部分不计费，还会在响应的 input_transformations 里列出来。 哪些操作会触发失败？编辑、重排或删除任何历史消息，改顶层系统提示，对工具列表增删改名，从对话中间抽掉某个思维链区块却保留后面的，引用一个在两次请求间返回了不同内容的图片或文档 URL——都会让后续所有思维链区块失效。反过来，在对话末尾追加新消息、从历史开头移除思维链、改 max_tokens、增减 cache_control 标记、服务端的 compaction 和上下文编辑，这些是安全的。 还有一个链式设计：每个思维链区块会记录前一个区块的信息，形成一条跨轮次的链。从链条头部摘区块可以，但从中间抽掉一个，后面每一个都跟着失效，整条链从断裂处往后全部作废。 如果你用 Claude Code、claude.ai 或 Claude Agent SDK，这些官方产品已经自动保证对话前缀不被篡改，什么都不用改。直接调 Messages API 的开发者就得多留个心眼：把 messages 数组严格当 append-only 用，再在 drop_block 模式下跑一遍完整多轮会话，看日志里有没有 prefix_binding_mismatch 条目。 这个机制是冲着蒸馏去的。它不拦你调 API，拦的是「拿到别人的推理过程再重新灌进去」这条路。 跑分和价格之外，还有个被反复念叨的点：Anthropic 说 Fable 5.1 会减少「看起来快、实际降低质量」的走捷径行为，更愿意追根因。投资机构 Millennium 给了一个案例：一段内部代码有个约百万次运行才出现一次的崩溃，工程师花了四五年没查清原因，Fable 5 也不行。Fable 5.1 分析外部供应商的程序库，把反汇编结果和核心转储文件比对，最终定位到那个外部库的缺陷。 这种叙事听听就好，毕竟来自早期合作伙伴。代码评审平台 CodeRabbit 的独立测试泼了盆冷水：45 项评审任务、105 个已知问题点，Fable 5.1 找出 64 个，Fable 5 找出 65 个，召回率几乎没变。它没有发现更多问题，但生成的评论从 253 条减到 166 条，挑剔式意见从 265 条降到 79 条，精确率从 32.8% 升到 37.3%——输出更克制了。代价是速度：一次评审平均 18 分 38 秒，比 Fable 5 的 12 分 32 秒慢了近 49%。而且在这组测试里，拉高推理强度反而更慢、召回率更低，CodeRabbit 的建议是日常用 Low 档。 这等于给 Fable 5.1 划了条边界：它不是所有编程任务的默认选择。小 PR 用它太贵太慢，只有跨多文件、要理解整个代码库的复杂任务，更长的分析过程才有价值。 Anthropic 这次花了大篇幅展示的，是科学研究能力，而不是 Claude Code。Mythos 5.1 调用开源蛋白质设计和折叠工具生成结合剂，交给两家外部机构做实验：三个靶点上，它设计的结合剂亲和力比 Adaptyv Bio 竞赛最佳方案高 10 倍；12 个靶点命中率接近 50%，行业典型水平是 10% 到 15%。Fable 5.1 拿 NASA 麦哲伦号 30 多年前的雷达数据训练神经网络，重绘了金星三分之一表面的高分辨率地形图，分辨率从 10-20 公里提到 2-3 公里，已用 CC 协议开源。Mythos 5.1 还给七个开源蛋白质和基因组模型写了定制 GPU kernel，推理速度最高快 2.5 倍，GPU 成本预计省 30% 到 60%，这些优化近期会开源。 这些案例和普通问答的区别在于，模型的输出离开了文本环境，开始接受真实世界验证：蛋白质必须在实验室里真的结合，GPU kernel 必须产出完全一致的结果。角色变了——模型不再只负责搜论文、总结知识，而是进入「提方案、调工具、跑计算、出候选、接受验证」的闭环。当然，工具、数据、评价体系还是人类给的，结论还是科学家审。 最后是数据留不留的问题。Fable 5 默认要求保留 30 天使用数据，这对安全监测有帮助，却卡住了金融、医疗、法律这些受监管行业。Fable 5.1 配套推出 Enterprise Frontier Safeguards：日志存在客户自己的 AWS、Azure 或 Google Cloud 环境里，用客户管理的密钥和审计系统，风险标记直接交给客户，默认不需要 Anthropic 员工人工查看。这套系统和 100 多家企业共同设计，覆盖金融、医疗、制造等多个行业。 当 agent 开始接触代码仓库、财务资料、生产系统凭证，数据存哪、谁能看、怎么审计，就比任何一个基准分更能决定它能不能被部署。 把这三件事摆在一起——缓存降价适合长任务、安全系统减少误伤、敏感数据留在客户手里——Fable 5.1 真正的变化就清楚了。Anthropic 没在争「最强模型」的位置，它在补「可部署性」这三块基础设施。竞争的重心，正从「每百万 token 多少钱」挪到「完成一个合格任务多少钱」。 参考来源： Claude Fable 5.1 & Mythos 5.1 — Anthropic Fable 5.1 model review — CodeRabbit