一、定价表上只动了一格

9 月 1 日，Anthropic 一次性推出 Claude Fable 5.1 与 Claude Mythos 5.1。两者是同一底模，区别在安全防护等级：Fable 5.1 向公众与企业全量开放，Mythos 5.1 只通过可信访问计划向经审核的网络安全与生命科学机构开放。

先看价格表。Anthropic 在六个账单项里，只改了一个：

计费项Fable 5Fable 5.1变化
标准输入$10 / M tokens$10 / M tokens不变
标准输出$50 / M tokens$50 / M tokens不变
缓存读取（cache read）$1 / M tokens$0.25 / M tokens降 75%
缓存写入（5 分钟 TTL）$12.5 / M tokens$12.5 / M tokens不变
缓存写入（1 小时 TTL）$20 / M tokens$20 / M tokens不变
批处理$5 / $25$5 / $25不变

这个 $0.25 有个容易忽略的细节：它只相当于正常输入价的 2.5%。Claude 家族其他模型的缓存读取普遍按基础输入价的 10% 计费，Fable 5.1 把这个系数砍到了四分之一。降价的作用域被严格限定在「重复读取同一段前缀」这一档，输入、输出、写入三项一分未动。这一条直接决定了后面所有结论的分岔点。

二、官方说法：典型负载省 25%，Agent 负载最高省 45%

Anthropic 产品管理负责人 Dianne Penn 给出的背景是：在软件开发、代码审查这类需要模型遍历整个应用代码库的任务里，缓存读取往往消耗超过一半的 token 用量，这是客户反馈最集中的痛点之一。官方给出的成本口径是：

  • 典型工作负载：Fable 5.1 的预期使用成本比 Fable 5 低约 25%
  • 高度 Agent 化的工作负载：节省幅度最高可达 45%

这个「25% / 45%」不是给每笔账单打的折扣，而是 Anthropic 对2026 年 8 月四周真实用量的实测平均，跨 Claude Enterprise、Claude Code 与 API 三个渠道、在默认 effort 下测得。注意这里的分母是「一个工作负载的总花费」，不是「单次调用的花费」，也不是「每 token 的价格」。

用你自己的账单一算就知道能省多少：取决于缓存读取占你总 token 消费的比例。多轮执行的 Agent 会话（每一轮都重读同一段不断增长的上下文）最接近 45% 的上限；单轮、无复用前缀的调用，省下的钱是零。

三、Artificial Analysis 的反驳：同一款模型，单任务贵了 20%

有意思的是，给 Anthropic 做过发布前测试的第三方评测机构 Artificial Analysis，在同一天公开表示不认同这个省钱说法。

它在自己的人工智能指数（Artificial Analysis Intelligence Index）上测出的单任务成本是这样的：

模型（effort 档）智能指数得分单任务成本对比
Claude Fable 5.1（max）66（榜首）$3.76最贵
Claude Fable 5.1（extra-high）65$2.72得分只低 1 分，省 28%
Claude Fable 5（max）—$3.14Fable 5.1 比它贵 20%
Claude Opus 5（max）63$2.34Fable 5.1 是它的 1.6 倍
GPT-5.6 Sol61——

它的结论是：缓存降价确实省了钱，在 agentic 负载上每任务约省 $1.40；但 Fable 5.1 在 max effort 下实际每任务要 $3.76，比 Fable 5 的 $3.14 贵 20%，因为它用了大约 1.7 倍的输出 token。而它相对 Opus 5 贵了 1.6 倍，索引分却只领先 3 分（66 对 63）。

关键读法：$2.72 和 $3.76 这两个数背后的「65 分」和「63 分」是智能指数得分，不是任何形式的百分比降幅。它们和百分比放在一起读就会读出「降幅 65%」这种根本不存在的结论 —— 这是这类转述最常见的翻车点。

四、两边都没撒谎：差的是量口径

把两套数字并排放，会发现它们测的根本不是同一件事：

Anthropic 官方口径Artificial Analysis 口径
测量对象一个工作负载的总花费一个基准任务的花费
样本2026 年 8 月四周真实用量固定的 Intelligence Index 任务集
effort 档默认档max / extra-high
缓存复用度真实会话，高度可变任务间复用有限
结论整体省 25% ~ 45%单任务贵 20% ~ 60%

这两个结论可以同时成立，而且指向的其实是同一件事：缓存读取降价救的是「输入侧」，而 Fable 5.1 的输出 token 涨了 1.7 倍，砸的是「输出侧」。输出单价 $50 是输入单价 $10 的五倍，于是在两种场景下会看到相反的结论：

  • 缓存复用率高、输出量可控的长会话（代码库遍历、多轮 Agent、文档审阅）→ 缓存侧省下的绝对额盖过了输出侧多花的钱 → 整体变便宜，接近 Anthropic 说的 45%
  • 输出量大、缓存复用有限的单次高难任务（基准测试、一次性深度推理）→ 输出侧多花的 $50/M 完全盖过缓存侧省的 $0.25/M → 单任务变贵，就是 Artificial Analysis 测到的那 20%

所以真正该问的不是「这次到底省了还是贵了」，而是「我的负载落在哪一边」。

五、一个可复用的单任务成本公式

别再靠「单价 × token 数」拍脑袋了。把一次调用拆成四个互不重叠的计费桶：

单次调用成本 =（未缓存输入 token × $10）+（缓存读取 token × $0.25）+（缓存写入 token × $12.5）+（输出 token × $50），单价均为每百万 token

四个变量分别对应账单里四个字段：

项含义对应 usage 字段
未缓存输入 token本次新增的、不走缓存的输入部分input_tokens
缓存读取 token命中缓存前缀的 tokencache_read_input_tokens
缓存写入 token本次新写入缓存的 tokencache_creation_input_tokens
输出 token模型生成的 tokenoutput_tokens

代入 Fable 5.1 的新价格能直接读出三个结论：

  • 缓存命中率的边际收益 = 缓存 token 量 ×（输入价 − 缓存读取价）= 缓存 token 量 × $9.75 / M。一百万个命中缓存的 token，省 $9.75
  • 输出侧每多写 1K token 就是 $0.05 净支出，没有任何折扣能对冲。输出量涨到 1.7 倍，意味着每产出 1K token 要额外多写 700 个 token，等于凭空多出 $0.035 / K 输出 token 的量级
  • 缓存写入仍是 $12.5 / M，是标准输入价的 1.25 倍。缓存频繁失效的场景（低频调用、每次改 prompt），缓存越用越贵

还有一个很实用的分界线：当每轮缓存上下文超过约 14 万 token（计入缓存写入则约 21.5 万）时，Fable 5.1 的单轮成本才开始低于 Opus 5。原因很直白 —— Opus 5 的缓存读取是 $0.5，Fable 5.1 是 $0.25，旗舰在缓存这一项便宜一半，却在输入/输出上贵一倍；缓存量越大，这笔交换越划算。上下文不够大的话，便宜的那一半根本补不上贵的那一倍。

六、最被忽略的一条：effort 档位才是那个隐藏旋钮

把上一节的表再看一遍，有一行值得单独拎出来：

Fable 5.1 在 max effort 下得分 66、每任务 $3.76；降到 extra-high effort 得分 65、每任务 $2.72 —— 少 1 分，省 28%。

这个性价比结构比任何一家的调价都重要。它意味着对绝大多数生产负载来说，max 档位那 28% 的溢价买到的那个边际分数根本不划算：拿 1 分换 28% 的钱，这个交易在任何成本结构下都不该做。

Anthropic 自己的迁移指南也是这个口径：大多数工作负载从 Opus 5 开始，只有长程、高难度的 Agent 任务才用 Fable 5.1。它并没有说「全面升级到 Fable 5.1」。

七、能力侧的官方数据与它的噪声区间

Fable 5.1 的能力提升是实打实的。Anthropic 公布的数据：

基准Fable 5.1Fable 5Opus 5GPT-5.6 Sol
Terminal-Bench-Science 0.1（Agentic 科研工作流）52.6%24.7%29.0%22.4%
Terminal-Bench 4.0（智能体编程）55.8%———
GDPval-AA v2（知识工作）185317231824—
Artificial Analysis 智能指数66—6361

但有一个诚实的注脚必须加上：这些全是厂商自测。Anthropic 自己标注每模型标准误差为 ±3.5–4.5 个百分点，同时给出了公开 leaderboard 的原值（Opus 5 为 30.0%、Fable 5 为 21.4%）—— 对照可见，它的复现值（29.0%、24.7%）其实都落在噪声范围内。也就是说，Terminal-Bench-Science 那个「翻倍还多」的亮眼差距，统计上并没有它看起来那么确定。

同期 Anthropic 也更新了安全侧：网络安全场景的误报拦截数量比 Fable 5 降低约 60%，基础生物学与医学问题的误报率降低约 85%；Fable 5.1 现在可用于发现软件漏洞，但仍禁止用于开发针对这些漏洞的利用程序。此外，面向企业的「前沿防护（EFS）」把零数据保留与自有云存储结合起来，秋季起分阶段推出。

八、四个可落地的动作

  • 先算自己落在哪一边。把上一节的公式代入你最近一次真实调用的 usage 四字段：如果缓存读取 token 占比高、输出 token 可控，Fable 5.1 大概率便宜；如果输出占比高、缓存复用低，它大概率更贵。不要照抄任何一方的 25% 或 45%
  • 把 effort 档位做成配置项，默认别拉满。extra-high 档比 max 档省 28% 而只少 1 分，这是当前最划算的一次调参。把「什么任务配什么档位」写进配置，而不是靠模型默认值
  • 把稳定前缀钉死。系统提示词、工具定义、few-shot 示例、历史对话这一整块要放在最前面并保持逐字节一致 —— 任何时间戳、随机 ID、字段顺序抖动都会让命中率归零。在 $0.25 的新价下，命中率每提升 10 个百分点，输入侧成本就少一截
  • 限制输出长度。输出是唯一没有折扣的一栏，也是唯一能靠工程手段直接约束的一栏。给 max_tokens 设上限、在 prompt 里明确「先给结论再给理由」、对不需要长链条的任务关掉深度思考，比任何调价谈判都有效

我们在《Prompt Cache 如何把 LLM API 成本砍到 1/10》里给过完整的命中条件清单和 ROI 公式。Fable 5.1 把缓存读取压到 $0.25 之后，那套方法的杠杆只会更大 —— 因为单 token 的缓存价基数变了，命中率的边际收益被重新放大。

九、选型建议

  • 上下文大、轮次多、要反复读同一批文件的任务（代码库理解、长文档审阅、多轮 Agent）→ Fable 5.1 是明确的赢家，尤其当每轮缓存上下文超过 14 万 token 时，单轮成本会低于 Opus 5
  • 一次性、高难度、输出量大的任务 → 先用 extra-high 档把成本压到 $2.72 那一档再评估，不要默认 max。需要那 3 分的时候再开
  • 大多数普通工作负载 → 按 Anthropic 自己的建议走 Opus 5。它在智能指数上只落后 3 分，单任务成本却低 28%~38%。这 3 分值不值那 1.4 美元，得按你的业务算
  • 输出 token 失控的任务类型（要求长推理链的题型、批量摘要）→ 无论选谁，都要在应用层给输出设上限。Fable 5.1 这次输出涨 1.7 倍就是一个提醒：模型越强，你的账单可能越贵，除非你管住输出

十、数据来源与口径说明

  • 厂商公布（Anthropic 9 月 1 日公告）：定价表（输入 $10 / 输出 $50 / 5 分钟缓存写入 $12.5 / 1 小时缓存写入 $20 / 批处理 $5/$25 / 缓存读取由 $1 降至 $0.25）；「典型负载省约 25%、高度 Agent 化负载最高省 45%」及其口径说明（2026 年 8 月四周真实用量、跨三个渠道、默认 effort）；Terminal-Bench-Science 0.1 的 52.6% / 24.7% / 29.0% / 22.4%、Terminal-Bench 4.0 的 55.8%、GDPval-AA v2 的 1853 / 1824 / 1723；网络安全误报率降 60%、基础生物学与医学误报率降 85%；EFS 零数据保留；自标标准误差 ±3.5–4.5 个百分点与公开 leaderboard 原值
  • 第三方评测口径（Artificial Analysis）：智能指数得分 66 / 65 / 63 / 61；单任务成本 $3.76（max）、$2.72（extra-high）、$3.14（Fable 5 max）、$2.34（Opus 5 max）；缓存降价每任务约省 $1.40；输出 token 用量约为上一代的 1.7 倍；「每轮缓存上下文超过约 14 万 token（计入缓存写入约 21.5 万）时 Fable 5.1 单轮成本低于 Opus 5」
  • 本文的判断：两套口径不矛盾，差异来自测量对象（工作负载总花费 vs 单个基准任务）、effort 档位与缓存复用度。本文未对任一方的数字做额外外推