一句話版本
Anthropic 在 9/2 發布 Claude Fable 5.1 與 Claude Mythos 5.1。同一個模型，兩套防護。Fable 5.1 開放給所有人，Mythos 5.1 只給通過審核的資安與生物研究人員。亮點不只跑分，而是 cache read 降價 75% 對 agent 使用成本的實質影響，以及幾個有實驗驗證的科學案例。
兩個模型，一個底模
| Claude Fable 5.1 | Claude Mythos 5.1 | |
|---|---|---|
| 模型本體 | 相同 | |
| 用途 | coding、知識工作、agent | 資安防禦、生物科學 |
| 取得方式 | 全面開放，API model id claude-fable-5-1 |
Trusted access 審核制，目前限美國組織 |
以後區分的可能不是「模型有沒有這個能力」，而是「你有沒有拿到這個 access policy」。同個底模，敞開的版本擋掉 exploit 開發，審核版才放行找漏洞。
跑分
| Benchmark | Fable 5.1 | Fable 5 | Opus 5 |
|---|---|---|---|
| Terminal-Bench-Science 0.1 | 52.6% | 24.7% | 29.0% |
| Terminal-Bench 4.0 (agentic coding) | 55.8% | 42.0% | 52.3% |
| GDPval-AA v2 (知識工作) | 1853 | 1723 | 1824 |
| Humanity’s Last Exam (無工具) | 60.9% | 57.8% | 56.6% |
| AutomationBench | 31.4% | 17.1% | 26.9% |
| CursorBench 3.2.0 | 73.4% | 70.5% | 70.0% |
幾個要打折看的地方：
- Terminal-Bench-Science 標準誤差 ±3.5–4.5 點，小差距別認真。
- 跑分時 production safeguards 開著。Fable 5.1 和 Fable 5 在 OSWorld 2.0 有任務被防護擋掉直接計零分，Fable 5 在 AutomationBench 也被擋。實際能力可能比表上更高，但這個「更高」是官方自己講的，無從驗證。
- effort 設定影響很大：Claude Code 預設 High，Claude.ai 和 Cowork 預設 Medium。官方說 Low/Medium 就能打過前代，這是省錢的重點。
真正的新聞：cache read 降價 75%
定價：
- Input $10 / M tokens（不變）
- Output $50 / M tokens（不變）
- Cache read $0.25 / M tokens（降 75%）
官方估算：典型 workload 比 Fable 5 便宜約 25%，高度 agentic 的工作最多便宜約 45%。為什麼差這麼多？因為長 session 的帳單大頭就是 cache read。repo context、tool output、system prompt、歷史決策，每一輪都在重讀同一堆東西。短問短答的人省不了多少，天天跑 coding agent 的人才會有感。
這個減價方向很清楚：在跟競品搶 agent 工作負載的錢包。Qwen、GLM 那批 open weights 把純 input/output 單價壓得很低，Anthropic 沒辦法在牌面上打，就在實際用量結構上打。
科學案例：這次不是跑分，是有東西被做出來
蛋白質 binder 設計（Mythos 5.1）
給模型開源 protein design/folding 工具，設計結果送兩家外部機構實驗驗證。12 個 target 的 hit rate 接近 50%，業界典型是 10–15%。三個 target（EGFR、Nipah G、15-PGDH）的 binding affinity 比 Adaptyv Bio 競賽最佳設計高約 10 倍。講白了，模型設計的分子，拿到真實實驗室去測，真的會 bind。
但別過度解讀：binder 是藥物開發的第一步，distance to medicine 還是以「年」計算。
Venus 地形圖（Fable 5.1）
用 30 多年前 Magellan 任務的雷達影像訓練神經網路，重建 Venus 三分之一區域的高程圖。解析度從 10–20 km 到 2–3 km，高度估計最多更準 25%。Anthropic 要以 Creative Commons 釋出，給未來的 NASA VERITAS 和 ESA EnVision 任務選觀測目標用。一個模型自己翻舊資料、訓練模型、產出會進入任務規劃的公開成果，這個模式比分數有意思。
GPU kernel 最佳化（Mythos 5.1）
為 7 個開源 genomics/protein 模型寫 custom GPU kernel 加 intermediate caching，H100 上推論最多快 2.5 倍（輸出逐 bit 相同），genome-wide analysis 的 GPU 成本估降 30–60%。這種活通常要 performance engineer 團隊花幾週，學術實驗室根本請不起。模型看了公開 source code 幾天做完。Anthropic 說會開源這些最佳化。
我個人認為這三案裡最務實的是最後一個。不需要模型提出新理論，只要把研究流程裡最貴的瓶頸降下來，累積效應就很可觀。
隱私與防護
- EFS (Enterprise Frontier Safeguards)：資料存在客戶完全控制的雲端基礎設施，隱私效果等同 zero data retention，但 Anthropic 仍能防 adversarial use。今秋起分期開放企業客戶，之前符合資格者先用 ZDR 跑 Fable 5.1。
- 資安：false positives 比前代少擋 60%。Fable 5.1 可以找 software vulnerability，但不能開發 exploit。
- 生物：走審核制 access program，和美国政府合作，科學家的報名「即將開放」。
HN 上的反應：大家在乎的是文風
這篇在 HN 掛上 865 分、八百多則留言，討論重心完全沒在 benchmark 上，全在「Claude-isms」。Anthropic 工程師 felixrieseberg 上場說 Fable 5.1 寫作風格大幅改善、比較不像典型的 Claude，留言區不買帳。最共鳴的批評來自一個真實的長 session 交接文件：母語英文的使用者承認花一整天解析這種東西，又密又空（dense and vacuous）：自創術語塞滿，實質內容沒幾句。
根因爭論分成幾派：
- 預訓練語料說：網路英文多半是行銷文案，模型學成廣告機器人。
- 後訓練說：風格是 RL 的產物，因為有人在 A/B test 裡對破折號和排比按了讚，跟預訓練語料頻率無關。
- 「AI 為 AI 寫作」說：模型在長任務裡把訊號壓進更少的字當黏著劑，根本不在乎人類讀起來卡不卡。
留言區最實用的一帖是兩句 system prompt：Do not use superlatives. Do not use persuasive writing style.。有人把要求寫進 CLAUDE.md，回報輸出變長 20%，但讀快一倍。
把官方敘事和社群回饋擺一起看，我的解讀是：模型能力的敘事權在 Anthropic 手上，可讀性好不好，評分權在天天跟長 session 搏鬥的人手上。這兩邊明顯還沒對上。
我的判斷
值得認真看待的：
- cache read 降價對重度 agent 使用者是實質利多，實際省多少取決於你的 cache hit rate，不是官方的 25–45%。
- 科學 agent 的示範開始有外部驗證（實驗化、即將進入太空任務規劃、可開源的 kernel），脫離純 benchmark 表演。
- 「同模型、不同 safeguards」的產品切法，大概會變成高風險模型的標準形態。
要保持懷疑的：
- 多數數字是 Anthropic 自測，harness 對自己不陌生。
- 科學案例數量還很少，距離「模型穩定貢獻 discovery」很遠。
- 文風改進與否，官方說了不算，得自己拿長 session 驗證。