北京时间 9 月 2 日凌晨两点多，我躺在床上正准备睡，手一滑刷到了 Anthropic 的发布帖，一口气两个名字，Claude Fable 5.1 和 Claude Mythos 5.1。
官方的定语不长，编码和知识工作领域最先进的模型。说实话这种话这两年我见得太多了，本来打算扫一眼就去睡。
结果往官方公告里没翻几行，我人就坐起来了。
这两个模型，是同一个模型。
就是字面意思的同一个。Fable 5.1 和 Mythos 5.1 共用同一套权重，差别全在安全层上。Fable 5.1 走大众路线，Claude 应用、Claude Code、API、各家云平台，全量开放。Mythos 5.1 走审核制，只给 Project Glasswing 计划里通过审核的组织，具体分两条通道，网络安全的 CVP，和跟美国政府一起建的生命科学 LSVP，初期只限美国组织，顺便它还是 Claude Security 背后的模型。
懒得看字的，宝玉做了一分半钟的介绍视频，看完再回来接着聊。
这套玩法其实不是 5.1 才发明的。6 月的 Fable 5 和 Mythos 5 就是同一个底模配两种访问层级，5.1 等于把它跑成了常规迭代。但每次看到我还是会觉得有点意思，权重不动，靠安全层区分受众，安全侧的能力升级不用重训就能跟进。
代价也摆在那里，安全层本身，是吃性能的。
这个看分数的时候会撞见一个特别妙的细节，先卖个关子。
先看分数。
最猛的是 Terminal-Bench-Science 0.1，从 24.7 涨到 52.6，翻倍还多。这个基准考察的是在终端里干科学研究的活，装环境、跑实验、处理数据。这一项参赛选手全体趴着，Opus 5 是 29.0，GPT-5.6 Sol 是 22.4，Fable 5.1 一个比另外俩加起来还高。官方给它的定位也写得明白，「面向长时间运行的智能体编码、知识工作与研究」，主打的就是这个。
AutomationBench 从 17.1 到 31.4，也接近翻倍，方向一致。GDPval、OSWorld、CursorBench 这些也都涨，只是没这么夸张，官方原图放在上面了，感兴趣可以自己对着看。
然后，就是刚才卖的那个关子。
Terminal-Bench 4.0 上，Mythos 5.1 拿了 60.9，比 Fable 5.1 的 55.8 还高。
？？？
两个版本共用同一套权重，防护更少的那版反而多考了五分。官方解释得很直白，Fable 版的网络安全防护会提前介入，拦掉一部分动作，差距来自这里，他们还预计随着防护更新，差距会缩小。
你想想看这件事的含义。安全层有性能税，行业里大家心照不宣，但从来没人把账摊开过。这次同一套权重、同一个基准、同一篇发布文，差的这五分就是那层防护的价格，明码标价。
我还是挺佩服这个坦诚的。
官方的分数看完了，再看第三方的。评测机构 Artificial Analysis 参与了 Fable 5.1 的发布前评测，max 努力档下，它在对方的智能指数拿到 66，登顶。
不过同一条帖子里还压着半句实话，这个放到聊钱的时候说。
分数聊完，聊钱。
定价没变， 10/MTok输入、50/MTok 输出，和 Fable 5 一模一样。降价藏在缓存里，缓存读取从 0.1 倍输入价砍到 0.025 倍，$0.25/MTok，官方口径整体降 75%。
为啥这笔账对智能体用户特别大？长任务的会话动辄几十轮，每一轮都要重读一遍前面的上下文，缓存命中越高，重读的部分就越便宜。落到实际负载上，官方说常规任务整体便宜约 25%，高度智能体化的任务最高便宜约 45%。
第三方口径可以对照着看。Artificial Analysis 测下来，max 档的单任务成本反而比 Fable 5 高 20%，缓存那 75% 的降价，没兜住思考变多的开销。省钱是真的，前提是你的任务吃得下低 effort 和缓存命中，这也是后面 Thariq 那条建议值钱的地方。
The Verge 的报道点破了背景，Anthropic 在回应客户的三重批评，价格、数据保留、过度安全限制。这次三件事都接了招，价格靠缓存降价，安全靠降误报，网络安全防护的误报介入少了约 60%，生物安全防护在良性医学问题上的触发少了 85%，Fable 5.1 可以找到漏洞但不写利用代码。数据保留给了个叫 EFS 的方案，今年秋天分阶段推出，数据留在客户自己的云上。
模型行为也有三处变化，来自 Claude Devs 的发布帖。长任务里能更久地自主推进，更善于主动报告自己卡住了，写作风格更自然。
卡住会喊人这件事，我想单独说说。以前的模型卡住了容易硬编，硬着头皮给你编一个，现在会喊人。对无人值守的智能体来说，这是止损能力，跑废 38 小时和跑成 38 小时，中间差的往往就是这一下。
官方公告里最像论文的，是三个真实案例。
我按离谱程度排个序，纯属个人趣味。
先是省钱。它给七个开源生物学模型写了 GPU 内核，最高加速 2.5 倍，基因组分析的 GPU 成本降了 30 到 60 个百分点。写 GPU 内核这个活，属于工程师看了会沉默的那种。
然后是蛋白设计。设计的结合剂在 12 个靶点上命中率约 50%，行业常见水平是 10 到 15 个百分点。在 EGFR、尼帕病毒 G 蛋白、15-PGDH 三个靶点上，亲和力比 Adaptyv Bio 竞赛的最优解高约 10 倍。
最离谱的是，它给金星画了张新地图。用麦哲伦号的雷达数据重建高程图，分辨率 2 到 3 公里，此前的公开数据是 10 到 20 公里，高程精度最高提升 25%，以 CC 协议公开发布。
一张另一颗行星的新地图，CC 协议，谁都能用。
客户的反馈也挑几条。Millennium 的人说，一个多年没人解释得了的百万分之一概率崩溃，Fable 5.1 第一个找到了，一路追到第三方库的缺陷上。这段在 Hacker News 上还有人接话，网友 jumploops 的评论说，不管你怎么看 LLM 生成的代码，这样的故事让他相信软件再也不会像从前那样漏洞百出了。Ramp 的 38 小时无人值守，前面说过了。Cognition 的 Walden Yan 更直接，Devin 里的 Opus 5 流量发布当天就切过来。Browserbase 给了个数字，10 分钟左右完成的任务占比 82%，Opus 5 是 74%，Fable 5 是 57%。
客户的反馈之外，民间也已经玩起来了。网友 Mia 做了个狠实验，一条 prompt 让 Fable 5.1 造 100 个 HTML 文件，规则就三条，好看、零重复设计、创造力全开。她的原话是，这是她这类实验里效果最好的一次，超过其他所有模型，前端尤其强，几乎没有坏文件。
我从她的清单里摘了几个作品。螺旋星系粒子观测、生成式故障人像、能弹的 synthwave 合成器、像素画板，四个页面四种气质，全部是同一条 prompt 的产物。
这里面还有一个我必须单独拎出来讲讲的，Spectrum Palette Studio，一个完整能用的取色板工作室。选基准色相，挑和谐规则，类似色、互补色、三角、分裂互补、单色五种，调色板实时组装出来，每种颜色带对比度比值，下面还有组件实时预览和能直接粘贴的 CSS。取色平面用拖拽调色相饱和度，滑杆调明度，方向键还能微调。
这是一个设计工具的完整度，不是一张静态页面的完整度。它也是那条 prompt 的产物。
顺手再安利一个，元素周期表。118 个元素经典长式排布，悬停任意一格，能看到这个元素的玻尔模型，拖动温度滑杆，物质会跟着熔化沸腾，类别和物态两种着色随便切。上一秒还是取色板工具，下一秒就是化学可视化，同一条 prompt 的产品光谱就是这么宽。
炫技向的也有，全息卡画廊。一套六张元素主题的收藏卡，鼠标扫过卡片，全息光泽会追着视线流动，点一下还能翻面读卡背的背景故事。这个静态截图对不起它，直接放动图。
跳跃之门是另一种炫法。第一视角往曲速隧道里钻，星光被引力拉成流线，越钻越快。动效这东西，截图和录屏是两种生物，录屏压到 6MB，直接放。
压轴留给北极光。伊纳里湖上空的一片天，绿色是氧原子在 120 公里高空被太阳风撞出来的，更高处的紫色是更稀薄的空气给的回应，无风的夜里，湖面把整片天空还了回去。角落里还摆着一排观测数据，坐标、气温、地磁指数、发射线波长，像模像样。在线看北极光，也就这么回事了。
100 个文件连同 prompts 都放在她的合集页里，感兴趣的可以自己去翻。
聊点实在的，如果你是调 API 的。
模型 ID 是 claude-fable-5-1 和 claude-mythos-5-1，默认 1M token 上下文，最大输出 128K，自适应思考常开，关不掉。
有两处破坏性变化要处理。一处是 tool_choice，any 和 tool 两个取值不再支持，传了直接报 400，auto 和 none 照旧，要保证输出严格符合 schema，走 strict tool use 或 structured outputs。另一处是思考块回放，思考块只有产生它的模型或更新的模型能读，回放给更早的模型会被直接丢弃，而且 API 会校验思考块之前的内容没被改动，8 月 31 日之后新建的账号，改了系统提示词、工具定义或更早的消息再回放，直接报 400。迁移顺序反了就是生产事故预定。
合规层面注意，两个模型都要求 30 天数据保留，不支持零数据保留，除非 Anthropic 特批。输出文本自带水印，代码执行工具生成的图片和视频经 Files API 取回时带 C2PA 内容凭证，这两个不用改代码。
也有好消息。新开了对话中途调 effort 的 beta，一条 role 为 system 的消息带上 output_config.effort，就能调后续轮次的努力档位，而且不破坏 prompt cache。X 上 Thariq 的实测建议值得抄，验证需求少、边缘用例少的任务直接用低 effort，省钱不伤质量。
最后说说评论区，这才是真正的好戏。
官方帖子五万多赞，但 Hacker News 上那个 956 分、893 条评论的帖子，信息密度高得多。
最热的一条来自 Anthropic 员工 felixrieseberg，六十多条回复。他的观点和基准无关，说 Fable 5.1 的写作风格进步很大，听起来不那么「Claude 味」了，风格指令的执行也更稳。还补了一句预期，数学上那些突然冒出来的突破，很快会在其他科学领域成批出现。这和 Claude Devs 帖子里「写作风格更自然」对上了，官方口径和员工口径难得一致。
唱反调的也有，而且账算得扎实。网友 GodelNumbering 指出，缓存读取降到 $0.25，等于 Fable 5.1 的缓存读取只要 Opus 5 的一半，这给「Anthropic 原定价没赚到钱」的说法添了证据。他后半段更尖锐，把 Terminal-Bench-Science 拿掉，Fable 5.1 相对 Opus 5 的提升只剩一点几个百分点，高一个档位的模型卖这个涨幅，前沿是不是停了？
这个问题官方没回答，评论区也吵不出结果。
全场最欢乐的是 Simon Willison，对，就是那个 Simon。他拿 Fable 画鹈鹕，effort 从 low 一路画到 xhigh，最后上 max 档，跑了将近 14 分钟，6 万多个输出 token，花了 $3.30。他还把推理过程贴了出来，模型在认真纠结要不要给鹈鹕戴自行车头盔，担心头盔和头顶的冠羽抢视觉空间。
评论区全程哈哈哈。
吐槽派的火力集中在 token 上。tarr11 说他上周刚退了 Pro Max 订阅，codex 输出更简洁，毕竟人也是有 token 上限的。madrox 说他现在更关心 token 预算而不是更强的模型，靠 AI 吃饭的人需要可预测的开销。这两条放一起看挺有意思，模型在变便宜，用户的焦虑一分没少。
顺带说个题外话，这次我把 AIHOT 上这个事件的报道时间线完整捋了一遍，13 条报道、12 个信源，从第一条到最后一条隔了六个多小时。
北京时间凌晨 2 点 18 分，Testing Catalog 抢到首发，两条帖子把上线消息和分数一起抖了出来。11 分钟后官方 RSS 更新，Claude Platform 的开发者版本说明上线。2 点 30 分 @claudeai 官号官宣，2 点 38 分 Claude Devs 确认 Claude Code 可用。凌晨 3 点，Claude Code 负责人 Boris Cherny 给出定位，Fable 5.1 是他迄今最强的模型，编码、数据分析、computer use、设计、演示文稿和最难的长时间智能体工作，他都拿它在干。
早上 4 点 TechCrunch 定调「成本更低、限制更少」，6 点半 The Verge 点破回应批评的背景，IT 之家几乎同一分钟出了中文稿。到早上 8 点 37 分，Thariq 发了实测建议，这条时间线才算收尾。爆料抢首发，官方十分钟跟上，内部人背书，媒体定调，实测收尾，模型发布的传播路径已经成熟得像流水线。留给观望者的窗口，满打满算一个工作日。
回到最开头那句话。
这两个模型是同一个模型。但同一个脑子，正在被拆成两种命运，一种全平台撒开跑，一种锁在审核制里给特定的人用，而拉开这两者差距的那层安全防护，第一次有了每百万 token 的价格。
我一直觉得，AI 安全这个话题聊了这么多年，大多停留在「要不要做」的争吵上。这次发布把它变成了一个工程问题，防护值多少钱、误报率降多少、性能税收几个点，全是可以在表格里量化、在下一个版本里迭代的东西。吵理念的时代可能真的在过去，算账的时代开始了。
至于我，普通用户没什么好犹豫的，Claude 订阅直接用，Claude Code 里换个模型名就能感受差别。API 用户先改 tool_choice 和思考块回放的兼容性，再切流量。我的下一个动作，是拿一个跑超过一小时的长任务，实测它「卡住会喊人」的那个特性。
毕竟那天晚上，我最终也没睡成。