Artificial Analysis Intelligence Index 66 分。Opus 5 是 63，GPT-5.6 Sol 是 61，Grok 4.6 是 61。

截至 2026 年 9 月 1 日，Fable 5.1 是這個排行榜上的第一名，而且領先第二名 3 分。

Intelligence Index 排行：四個維度都在前面

Artificial Analysis Intelligence Index 是目前追蹤範圍最廣的 AI 模型綜合排行，由四個維度各佔 25% 加權組成：agent、coding、通用能力、科學推理。底層包含 9 個 benchmark（GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity’s Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR），所有評測由 Artificial Analysis 獨立執行。

9 月 1 日的排行，把同一模型不同 effort level 的重複去掉，按模型家族看差距：

排名 模型 分數 與 Fable 5.1 差距
1 Claude Fable 5.1 (Anthropic) 66 —
2 Claude Opus 5 (Anthropic) 63 -3
3 Claude Fable 5 (Anthropic) 62 -4
4 GPT-5.6 Sol (OpenAI) 61 -5
4 Grok 4.6 (xAI) 61 -5
6 Kimi K3 (Moonshot) 60 -6
6 GLM-5.3 (智譜) 60 -6
8 Qwen3.8 (阿里) 58 -8
8 Qwen3.8 2.4T A95B (開放權重) 58 -8
10 MiniMax Spark 1.2 57 -9

幾個數字值得停下來看。

vs OpenAI：差 5 分。 GPT-5.6 Sol 排第 4（61 分），在 Fable 5.1 發布前已經落後 Opus 5 和 Fable 5。這不是 1 分的誤差範圍，是明確的世代差。

vs 開源/開放權重：差 6-8 分。 開放權重最強的是 Kimi K3 和 GLM-5.3（都是 60 分），比 Fable 5.1 低 6 分。Qwen3.8 的 2.4T 開源版是 58 分，差 8 分。DeepSeek V4 不在 top 20 裡。

Anthropic 的壟斷程度。 如果不去重，top 20 裡有 10 個位置是 Anthropic 的模型（同一模型不同 effort level 各占一位）。去重後，前三名仍然全是 Anthropic。

AA-Omniscience 準確率 67.2%，Fable 5 是 65.4%。

Benchmark 拆開看：哪裡強、強多少

Benchmark Fable 5 Fable 5.1 變化
Terminal-Bench Science 0.1 24.7% 52.6% +113%
Terminal-Bench 4.0 42.0% 55.8% +33%
AutomationBench 17.1% 31.4% +84%
OSWorld 2.0 36.1% 41.7% +16%
CursorBench 3.2.0 70.5% 73.4% +4%
Humanity’s Last Exam 63.8% 65.0% +2%

Terminal-Bench Science 0.1 上，Fable 5.1 拿到 52.6%，Fable 5 是 24.7%——翻了一倍多。這個 benchmark 涵蓋 70 個科學工作流（生命、物理、地球、數學、工程科學），agent 在封閉終端環境裡自主操作，產出物由隱藏測試評分。Opus 5 在同一個 benchmark 上是 29.0%，GPT-5.6 Sol 是 22.4%。

Terminal-Bench 4.0（agentic coding）從 42.0% 到 55.8%。AutomationBench（商業自動化流程）從 17.1% 到 31.4%——接近翻倍。

Anthropic 自己的說法：Fable 5.1 特別針對「長時間複雜任務」強化。Threads 上的 aiposthub 串文講得更白：

以後叫 Claude 跑那種幾十分鐘、甚至更久的 coding / Agent 任務，穩定度跟能力可能又往前跳了一大截。

這和 benchmark 數字的方向一致——漲幅最大的都在需要自主操作、多步驟、長時間的任務上（Terminal-Bench Science +113%、AutomationBench +84%），而偏短任務的 benchmark（CursorBench +4%、Humanity’s Last Exam +2%）提升有限。

X 上 JAZII 的三日風向整理講得精準：「beast at coding and agentic work / consume usage way faster / thinks 2–5x longer」。JUMPERZ 實測：比 Opus 5 聰明、規劃強、不會盲目同意，但不適合當日常模型。

AI 科研能力大躍進：不只是 benchmark，是實際產出

科研能力的跳躍幅度可能比 coding 更有長期意義。Terminal-Bench Science 翻倍不是唯一訊號——Anthropic 同時展示了三個實際科研產出。

金星地形圖。 Fable 5.1 / Mythos 5.1 用 NASA 麥哲倫任務 30 多年前拍攝的雷達圖像，訓練神經網絡，為金星三分之一的表面生成高分辨率地形圖。精度從 10-20 公里提升到 2-3 公里，高度精度提高最多 25%。Anthropic 以 Creative Commons 協議公開發布，希望對 NASA 即將執行的 VERITAS 任務和 ESA 的 EnVision 任務有用。

蛋白質設計。 Mythos 5.1 配上開源的蛋白質設計和折疊工具後，設計出的高親和力結合物在三個靶點上的結合親和力比 Adaptyv Bio 蛋白質設計競賽的最佳提交高出 10 倍，成功率接近 50%，行業一般水平是 10-15%。

GPU kernel 優化。 Mythos 5.1 自己寫 GPU kernel 和快取中間結果，把七個開源深度學習模型的推理速度提升 1.4-2.5 倍。全基因組分析的 GPU 成本因此降低 30-60%。Anthropic 說這類優化通常需要性能工程團隊花幾週，學術實驗室根本做不起，Mythos 5.1 用公開源代碼幾天搞定。

這些不是 benchmark 分數，是模型開始在前沿科學領域做出實際產出。幾個月後回頭看，科研能力的大幅跳躍可能比 coding 更有長期意義——半年後人類科學可能因此加速。

成本帳：cache 降 75%，對 agent 是真的便宜

項目 Fable 5 Fable 5.1
Input $10/M token $10/M token
Output $50/M token $50/M token
Cache read $1/M token $0.25/M token

input 和 output 單價沒動。cache read 從 $1 降到 $0.25 per million token，降了 75%。

為什麼這很重要？因為 Agent 真正燒錢的地方，就是不停讀 context、跑工具、回頭確認、繼續執行——每一個 loop 都在做 cache read。aiposthub 的觀察：「現在連讓 Agent 長時間工作的成本也開始被壓下來了。」

數字對得上。我 8 月拆自己帳單的時候，17.2 億 token 裡 95.6% 是 cache read，cache read 佔帳單的 53-56%。帳單裡最大的一塊，被砍了 75%。

Anthropic 自己的估算：典型工作流省約 25%，重度 agent 工作流省到 45%。

有用戶用同一組遊戲 prompt 測：Fable 5.1 是 $7.08，Fable 5 是 $7.65，便宜了 7%，同時品質更好。他的結論：Fable 5 很快沒有理由再用了。

但 per-task cost 貴了 20%——這筆帳怎麼看

Artificial Analysis 的測試結果：

“Claude Fable 5.1 tops the Artificial Analysis Intelligence Index but costs 20% more per task than Fable 5 despite a 75% cache read price cut”

per-task cost $3.69，比 Fable 5 貴約 20%。原因：Fable 5.1 平均輸出 1.7 倍的 token。

Anthropic 說省 25%，Artificial Analysis 說貴 20%。兩個都對，因為量的東西不同。

Anthropic 量的是 per-token cost——同一個 cache read token 便宜了 75%。Artificial Analysis 量的是 per-task cost——完成同一個 benchmark 任務的總 API 花費。Fable 5.1 更聰明但更話多，它用 1.7 倍的 output token 完成任務，output 單價 $50/M 是 cache read 新價 $0.25/M 的 200 倍——cache 省下來的錢被 output 多吐的 token 吃回去了。

差別在 cache 佔比。Artificial Analysis 的 Intelligence Index benchmark 不是長對話的 agentic loop——它是一組獨立問題，每個問題的 context 不大，cache 佔比遠低於真實 coding agent 的 95.6%。cache 佔比低，降幅省不了多少；output 暴增的代價就蓋過去了。

用我的帳單結構粗算：cache read 佔 55% 降 75%（省 41.25%）、output 佔 20% 漲 1.7 倍（多 14%）、淨效果省約 27%——和 Anthropic 的「省 25%」方向一致。

結論：如果你跑 agent 長對話（cache 佔比高），Fable 5.1 又強又便宜。如果你跑短任務多輪獨立呼叫（cache 佔比低），可能反而貴。 但即使貴了 20%，你買到的是 Intelligence Index 第一名的能力。

訂閱用戶：配額會更快用完

API 用戶看帳單，訂閱用戶看配額。1.7 倍的 output token 在訂閱制下不是多付錢——是更快撞牆。

有用戶一次小調查就燒掉 5 小時限額的 13%、週限額的 3%，這是在 $100/月的 Max 訂閱上。另一位用戶試著部署 Vercel，整個 5 小時限額直接燒完。

這和同日的 20x 爭議接在一起看：用戶才剛發現 20x 只掛在 5 小時窗口上、週限額只多約 1.7 倍，現在模型本身又變得更話多——同樣的配額，能做的事變少了。

API 用戶得到更強的模型和更便宜的 cache，訂閱用戶得到更強的模型和更快的撞牆。同一個模型更新，兩群人的感受完全不同。

Fable 最大的問題「護欄」有改善嗎？

說到 Fable 5，大家最討厭就是那個切到 Opus 的自動安全護欄。Anthropic 說 5.1 有改善：

  • cyber safeguard 介入減少 60%
  • 生物類良性請求的誤判減少 85%

官方數字聽起來進步很大，但社群體感不太一樣。JAZII：「safeguards still kinda same」。JUMPERZ：護欄仍兇。QC：比 Fable 5 更煩。

官方量的是「誤觸率降了多少」，用戶感受的是「我被擋的時候有沒有變少」——兩件事不完全一樣。誤判減 85% 代表以前 100 次誤殺現在只剩 15 次，但如果你剛好撞到那 15 次，體感就是「沒變」。

護欄這題大概要等更多人跑過日常工作流才有定論。發布第一天的抱怨和官方 benchmark 都不是終局數字。

企業最討厭的問題：數據留存 30 天

Fable 模型強制數據保留 30 天。原本享受零數據留存（ZDR）的企業客戶，一夜之間隱私保障降了一級。金融、醫療、政府——數據合規要求最嚴的行業，推理過程留在 Anthropic 伺服器 30 天，客戶怎麼可能接受？

OpenAI 兩週前剛拿這個點發起攻勢，宣布 Private Safety Processing：最強模型也能零留存。

Anthropic 的回應是 Enterprise Frontier Safeguards（EFS）。核心思路：數據存在客戶自己控制的雲基礎設施，不進 Anthropic 系統；人工審核也由客戶自己完成。Anthropic 說跟 100 多家客戶合作開發，涵蓋金融、醫療、製造、法律。EFS 預計秋天分階段上線，過渡期 ZDR 客戶可照常使用 Fable 5.1。

防蒸餾：thinking block 開始上鎖

Fable 5.1 帶了一個跟成本無關但跟生態有關的 breaking change。

新帳號（2026 年 8 月 31 日之後建立）使用 Fable 5.1 時，thinking block 生成後不能再修改 system prompt、tools 或對話歷史——Anthropic 說這是防止蒸餾。API 會驗證 thinking block 是在原始的 system prompt 和 tools 環境下產生的，不匹配就報錯。

三個 breaking change：forced tool use 會報錯、thinking block 不能跨模型讀、改對話歷史會讓 thinking block 失效。

對一般用戶影響不大。對自建 agent harness 的開發者影響大——如果你的 harness 會在對話中途注入 system reminder、壓縮歷史、或切換 fallback 模型，Fable 5.1 的 thinking block 會直接失效。日本開發者 @connect24h 的評論直接說「模型防衛開始改變 agent 設計」。

現有帳號暫時不受影響，但 Anthropic 明確說未來的模型版本會擴大適用。

IPO 預演與開源防線

這次發布，是 Anthropic 衝 IPO 前秀出的最強成績單。Intelligence Index 66 分登頂，投資人看的就是這個。

其他廠商呢？OpenAI 拼性價比——GPT-5.6 Sol 61 分但便宜很多。開源陣營 Qwen3.8 / GLM-5.3 差 6-8 分，但免費。除了爭奪最強，其他人都在拼 cost per intelligence。

防蒸餾機制在這個脈絡下就看得懂了：thinking block 鎖住不讓改，不只是技術規格，是防止開源透過蒸餾搬走閉源的推理能力。蒸餾是開源追上閉源最快的捷徑，Anthropic 把這條路堵了。30 天數據留存也是同一邏輯——Anthropic 需要偵測誰在大規模蒸餾。

天花板的護城河不能被蒸餾填平，但護城河的代價是用戶的數據也被圍在牆內。EFS 是 Anthropic 試著在兩邊取平衡的解法。

坦白說

Intelligence Index 排行和 benchmark 分數來自第三方獨立評測，可信度高。但 benchmark 不等於你的實際工作流——Terminal-Bench Science 的 52.6% 代表模型在標準化科學任務上的能力，不代表它在你的 codebase 上的表現。

科研展示（金星地形圖、蛋白質設計、GPU kernel）帶有 Anthropic 的敘事目的，但蛋白質設計的結果經過了外部實驗驗證，金星地圖也以 Creative Commons 公開可下載，不是空口說說。不過這些是精心挑選的 demo，不代表所有科研場景都能複製同等成果。

Artificial Analysis 的 per-task cost $3.69 和「貴 20%」是跑 Intelligence Index benchmark 的成本，不是真實 agent 工作流的成本。我用的「cache 佔 55% → 省 27%」粗算基於我自己的帳單結構，不同人的工作流差異很大。1.7 倍 output 是 benchmark 數字，真實 coding 場景的 output 增量可能不同。

護欄改善的官方數字和社群體感有落差，兩邊的量測方式不同，都不算錯。EFS 秋天才上線，30 天留存在過渡期仍然是事實。IPO 格局是我的推演，不是 Anthropic 自己說的。

社群反應是發布後 24 小時的快照。配額問題的回報來自個別用戶，不是系統性測量。

但綜合所有第三方數字，Fable 5.1 確實是截至 9 月 1 日、公開 benchmark 上最強的模型。如果你做的事需要長時間自主推理——coding agent、科學研究、商業流程自動化——它不只是最強的選擇，在 cache 佔比高的工作流裡還是更便宜的選擇。

關鍵洞察

一、Fable 5.1 是目前最強的公開模型。 Intelligence Index 66 分登頂，Terminal-Bench Science 翻倍，四個維度（agent、coding、通用能力、科學推理）都在頂端。領先幅度不是 1 分的誤差——和 Opus 5 差 3 分，和 GPT-5.6 Sol 差 5 分。如果你的工作依賴模型推理的天花板，Fable 5.1 是目前的天花板。

二、成本看 cache 佔比，不看標題數字。 Anthropic 說省 25%，Artificial Analysis 說貴 20%——兩邊都對，差別在工作流的 cache 佔比。跑 agent 長對話 loop 的人（cache 佔帳單 50% 以上）：省。跑短任務獨立呼叫的人（cache 佔比低）：可能貴。衡量 agent 成本用 per-task，不要用 per-token。

三、訂閱用戶要重新估配額。 Fable 5.1 的 1.7 倍 output 會讓你的有效配額再縮一截。日常工作考慮用 Opus 5（Intelligence Index 63，per-task cost $2.34），把 Fable 5.1 留給真正需要天花板能力的任務。

四、科研能力可能是最有長期意義的升級。 金星地形圖、蛋白質設計 50% 成功率、自寫 GPU kernel——這些不是 benchmark，是實際科研產出。做自動科研的公司會是 Fable 5.1 / Mythos 5.1 最大受益者，半年後人類科學可能因此加速。

五、日常工作不一定需要 Fable 5.1。 一般任務，普通模型早就 KO。天花板任務再上就好。模型愈來愈強，但不是每個人都需要天花板——知道什麼時候該上、什麼時候不用，這才是真正的能力。

六、自建 harness 的開發者注意防蒸餾機制。 動態修改 system prompt、壓縮歷史、切換 fallback 模型的設計，在 Fable 5.1 上會讓 thinking block 失效。這不是 bug，是有意設計——現在只限新帳號，但未來會擴大。

常見問題 Q&A

Q: Fable 5.1 到底是不是目前最強的 AI 模型？

截至 2026 年 9 月 1 日，在 Artificial Analysis Intelligence Index（綜合排行，涵蓋 agent、coding、通用能力、科學推理四個維度）上，Fable 5.1 以 66 分排名第一，領先 Claude Opus 5 的 63 分、GPT-5.6 Sol 的 61 分、Grok 4.6 的 61 分。在 Terminal-Bench Science 0.1（科學研究自主操作）上拿到 52.6%，是第二名 Opus 5 的 29.0% 的近兩倍。需要注意這是公開 benchmark 的結果，不等於在所有特定領域都最強——但從綜合排行來看，它是目前測得到的天花板。

Q: Fable 5.1 的 cache read 降價 75% 對實際帳單影響多大？

取決於你的工作流。在 agentic coding loop（Agent 編程迴圈）裡，同一段對話歷史每次 API 呼叫都重送，cache read 佔整體 token 量的絕大多數（實測約 95.6%），也佔帳單的 53-56%。Cache read 從 $1 降到 $0.25 per million token，帳單的最大一塊被砍了 75%。Anthropic 估計典型工作流省約 25%，重度 agent 工作流（Agent Workflow）省到 45%。但如果你的工作流是短問答、獨立任務，cache 佔比低，降價的效果也小。

Q: 為什麼 Artificial Analysis 說 Fable 5.1 per-task cost 貴了 20%？

因為 Fable 5.1 平均輸出 1.7 倍的 token——模型更聰明但也更話多。Output 單價 $50/M 是 cache read 新價 $0.25/M 的 200 倍，所以 output 多吃的錢把 cache 省下的吃回去了。Artificial Analysis 的 per-task cost（每任務成本）$3.69 是跑 Intelligence Index benchmark 的結果，這類 benchmark 是一組獨立問題，cache 佔比遠低於真實 agent 長對話。在 cache 佔比高的真實 agent 工作流裡，整體成本方向是省的。

Q: 訂閱用戶（Claude Pro / Max）用 Fable 5.1 有什麼要注意的？

1.7 倍的 output token 在訂閱制下不會多收錢，但會更快消耗你的配額上限——5 小時窗口限額和週限額都會更快用完。有用戶反映一次小調查就燒掉 5 小時限額的 13%。建議把 Fable 5.1 留給高價值的長時間 coding / agent 任務，日常工作用 Opus 5（Intelligence Index 63 分，per-task cost $2.34），在能力和配額之間找平衡。

Q: Fable 5.1 的安全護欄（Guardrails）有改善嗎？

Anthropic 官方說 cyber safeguard 介入減少 60%，生物類良性請求誤判減少 85%。但發布第一天的社群體感不太一樣——多位用戶回報護欄仍然很兇，甚至比 Fable 5 更煩。官方量的是「誤觸率降了多少」，用戶感受的是「我被擋的時候有沒有變少」，兩件事不完全一樣。這題要等更多人跑過日常工作流才有定論。

Q: Fable 模型的 30 天數據留存（Data Retention）是什麼問題？

Anthropic 強制所有 Fable / Mythos 級模型的使用數據保留 30 天，原本享受零數據留存（Zero Data Retention, ZDR）的企業客戶一夜之間隱私保障降了一級。Anthropic 的回應是 Enterprise Frontier Safeguards（EFS）：數據存在客戶自己控制的雲基礎設施，人工審核也由客戶自己完成，預計 2026 年秋天分階段上線。過渡期間，符合條件的 ZDR 客戶可照常使用 Fable 5.1。

來源