Claude Opus 5.5 与 Claude Fable 5.1：更便宜的模型在独立指数中胜出

Anthropic 现在在其产品线顶端销售两款模型，而价格贵出两倍半的那款，并不是榜单上位居榜首的那款。 Claude Opus 5.5于 2026 年 9 月 22 日发布，输入每百万 token 4 美元、输出每百万 token 20 美元，在 Artificial Analysis Intelligence Index 上得分为 58。 Claude Fable 5.1自 9 月 1 日起一直占据旗舰位置，输入 10 美元、输出 50 美元，得分为 53。两个数字来自同一评估方，也都是在同一配置系列下测得的，而差距却与价格标签的方向相反。这正是本次对比必须从这一事实出发的原因，因为过去一周几乎每一篇发布报道都把 Opus 5.5 描述成 Fable 5.1 的折扣版——一个在大多数工作上“比得上”昂贵模型的更便宜模型。独立数字表明，折扣模型反而领先。

这是否应该改变你部署什么，是另一个问题，而答案与其说取决于那五个百分点的差距，不如说取决于两个没人会写进标题里的设置：每个模型默认采用哪个努力级别，以及哪一个可以被调得更快。

独立的数字，以及它们唯一的共同点

Artificial Analysis 为每个模型只发布一组配置，而这两个模型的配置都标注为“Adaptive Reasoning, Max Effort, Default Fallback”。相同的标注、相同的评估器、相同的运行——这使其成为这两个模型各自所经历过的最干净的一次正面对决：

• 智能指数 — Claude Opus 5.5 58，在210个模型中排名第1，对比 Claude Fable 5.1 53，排名第4

• 输出速度 — Claude Fable 5.1 为 65.8 tokens/秒，低于 71.0 的榜单中位数；相比之下，Claude Opus 5.5 尚未在榜单上公布

• 首 token 时间 — Claude Fable 5.1 为 274.43 秒，而榜单中位数为 3.83 秒；Claude Opus 5.5 尚未发布

• 索引中的冗长程度 — Claude Opus 5.5 生成了 260M 个输出 token，而总体中位数为 88M

• 价格 — Claude Opus 5.5 为每百万 $4.00 / $20.00，而 Claude Fable 5.1 为 $10.00 / $50.00

这些行中有两行需要解读，而不是直接引用。第一行是“Max Effort”标签：两款模型的得分都不反映其发布时的默认设置，而且这两个默认设置并不相同——下文会进一步说明。第二行是冗长程度那一行，它与 Opus 5.5 一直以来的宣传口径相悖。Anthropic 的效率叙事是，该模型能用更少的 token 得到相同答案，发布材料还援引合作伙伴称输出 token 减少了三分之一到一半。但在 Index 上，依据实测而非引用数据，Opus 5.5 输出了 2.6 亿个 token，而榜单中位数是 8800 万个——比它所对比的典型模型大约啰嗦三倍。这两件事可以同时为真：它使用的 token 可能比 Claude Opus 5 少，但从绝对量来看仍是一个啰嗦的模型。但如果你是根据“更少 token”这一说法做预算，而不是根据你自己的账单，那么独立测量结果才是你应该核对的。

每百万多花 6 美元能换来什么

去掉基准测试，剩下的差别就是一张价目表。这里的一切都来自 Anthropic 已发布的价格页面，今天即可核实：

• 输入 — 在 Opus 5.5 上为每百万 $4.00，而在 Fable 5.1 上为 $10.00

• 输出 — 每百万 $20.00 vs $50.00

• 缓存读取 — Opus 5.5 每百万 $0.20，而 Fable 5.1 为 $0.25

• 缓存倍率——Opus 5.5 对缓存命中按基础输入价格的 0.05 倍计费；Fable 5.1 则按 0.025 倍计费，在更高的基础价格上实现了更优的倍率

• 缓存写入 — 在 Opus 5.5 上，5 分钟窗口每百万 $5，一小时 $8；相比之下，在 Fable 5.1 上分别为 $12.50 和 $20

• 批量 API — Opus 5.5 减半至 $2.00 / $10.00；Fable 5.1 减半至 $5.00 / $25.00

• 快速模式 — Opus 5.5 支持该模式，价格为 $8.00 / $40.00，输出速度最高可提升约 2.5 倍；Fable 5.1 则完全不支持快速模式

缓存那一行值得再看一遍，因为这两个模型颠倒了通常的模式。Fable 5.1 的乘数更激进——基础输入的 2.5%，而 Opus 5.5 是 5%——但由于它的基价是 10 美元而非 4 美元，按绝对美元计算，它的缓存读取仍是两者中更贵的。没有任何一种配置能让这个高价模型在缓存上下文的任何一个 token 上占优。而且这个乘数并非可以照搬的东西：一个针对 Fable 5.1 缓存行为调优的 agent 循环，在 Opus 5.5 上每次缓存命中按比例要付出更多，尽管它每个全新 token 付得更少。

快速模式是更鲜明的不对称之处。Anthropic 的文档列出了 Claude Opus 5.5、Claude Opus 5 和 Claude Opus 4.8 的快速模式——Fable 5.1 不在该列表中。因此，更便宜的模型拥有一种更昂贵的模型根本没有的延迟杠杆，其价格为 $8/$40，仍低于 Fable 5.1 标准的 $10/$50 输出费率。如果你的工作负载交互性足够强，以至于首 token 缓慢本身就是一个产品问题，请注意 Fable 5.1 实测的首 token 时间为 274 秒。这个数字是最大努力推理的产物，而非缺陷，但它是评估者记录下的数字。

默认值并不相同，而这正是陷阱。

Anthropic 自己的模型文档把这两个模型并排列出，而决定大多数实际对比结果的那一行并不是价格，而是默认的 effort 等级：medium 对应 Claude Opus 5.5，high 对应 Claude Fable 5.1。两者都运行无法关闭的自适应思考；深度只能通过 effort 参数控制，其取值刻度为 low、medium、high、xhigh、max。

这就是为什么发布宣传语“Opus 5.5 在大多数工作上与 Fable 5.1 相当”以及其下方的基准测试表看起来相互矛盾。Anthropic 为 Opus 5.5 列出的正面对比行，常常标注着高于默认值的努力程度设置——Terminal-Bench 4.0 中 66.4% 对 Fable 5.1 的 55.8% 这一数字，是在 xhigh 努力程度下运行的，而不是在中等努力程度下。与此同时，Fable 5.1 自己的数字是在其更高的默认设置下得出的。在不同努力程度设置下比较两个模型，根本算不上是在比较；Anthropic 在自己的发布材料中也表达了这一点，它提醒说，在这一能力水平上，基准测试的差距对现实世界差异的指示作用，并不像分数所暗示的那样可靠。

实际上，这使决策变成了一项调参练习，而不是一次选择。如果你从 Fable 5.1 迁移到 Opus 5.5，却原封不动地沿用你的effort设置，那你就在不知不觉中改变了模型思考的多少，此后你得出的每一个质量和成本数字都受到了混杂干扰。Anthropic 的建议是测试多个 effort 水平，而不是照搬旧模型的设置。这样做成本很低，却几乎没人这么做，因为这意味着你得把自己的评测跑上两遍。

这对组合唯一证明自己价值的地方

同时保留两者的理由在于顾问循环：Opus 5.5 干活，Fable 5.1 在棘手决策上提供咨询。Anthropic 实测过，它确实能提升准确率——代价是更高的成本和更高的延迟，而这正是把较慢的模型放进循环里所会有的取舍。变化在于背后的算术。当能力差距更大时，花 $10/$50 去监督一个 $5/$25 的干活模型显然是划算的。而如今在独立指数上，干活的模型得分已超过顾问模型，于是顾问的贡献就收窄到那些它自己的评测能胜过 Opus 5.5 的具体任务上，而这些任务得由你自己去识别。对于困难的那一小部分任务，这个循环仍然说得通；但作为一刀切的配置，它就不再合理了。

两者都只差一个键

这里真正让团队栽跟头的迁移细节并不在 API 表面——而在于这些是同一家厂商的模型，却有着不同的 effort 档位、不同的缓存倍率和不同的默认设置，而要诚实地比较它们，就得在配置匹配的前提下，用你自己的提示词把两个都跑一遍。Claude Opus 5.5 在 OrcaRouter 上的定价与 Anthropic 自家的 $4.00 / $20.00 一致，而Claude Fable 5.1 在 OrcaRouter 上是 $10.00 / $50.00——按供应商标价原样透传，加价 0%，所以这两个数字会在 Anthropic 调价当天随之变动，而且两者都不需要另签合同，也不需要另接一套 SDK。

这正是让这种拆分实际可行、而非停留在理论上的原因。把大部分流量发送给 Opus 5.5，并固定一条将真正困难的用例升级到 Fable 5.1 的路由规则，这只是在一个端点上做的配置，而不是两套集成；而组合一次调用、让一个模型负责起草、另一个模型负责验证，也只是一行 routing-DSL，而不是你必须自行搭建和维护的流水线。如果这条升级路径最终被证明不适合你的工作负载，自动故障转移会让请求落到一个你已经摸清其特性的模型上，而不是直接失败。

怎样才能了结

这次对比的诚实状况是：Anthropic 公布了一张表，其中更便宜的模型在大多数行上都胜出；Artificial Analysis 公布了另一张表，其中它则全面胜出；而这两次都是在并非你实际部署所用的推理强度设置下运行的。二者都不是在匹配默认值下进行的受控正面对比，也没有任何第三方做过这样的对比。在这一切之后依然成立的差距——Claude Opus 5.5 在价目表的每一行上都显著更便宜、支持 Fable 5.1 所不具备的快速模式，并且在两款模型共有的唯一一项独立评分上并不落后——已经大到足以让举证责任发生转移。如果你默认使用 Fable 5.1，那么问题已不再是 Opus 5.5 是否足够好，而是你的工作负载中哪些具体任务在中等推理强度下会失败，因为只有那些任务才是你为之支付溢价的。