Claude Fable 5.1 vs Claude Opus 5：同一厂商的两款旗舰——哪一款才是你的真正之选？

这是Anthropic今年做过的最不典型的一件事：该公司于2026年9月1日发布Claude Fable 5.1，看着它以66分登顶Artificial Analysis Intelligence Index，随后却发布文档，告诉开发者在大多数工作负载下应默认使用更旧、更便宜的Claude Opus 5——把Claude Fable 5.1留给“高要求推理与长周期智能体任务”。一家供应商主动引导你避开其最昂贵的模型，这本身就足够罕见，足以成为本次对决的看点，因为Claude Fable 5.1和Claude Opus 5都是Anthropic的模型，都顶着Claude的名号，而且都处在市场顶端。本页真正要回答的问题不是哪一个更好——而是哪一个应该成为你代码中的默认选项，以及额外的能力什么时候才真正值得额外的开销。

两款旗舰，同一家族，两个层级

Anthropic 现在在 Claude 品牌下运营两个旗舰系列，命名方式确实有其作用。Claude Opus 5 于 2026 年 7 月 24 日发布，定价为每百万 token 5.00 美元 / 25.00 美元，是 Opus 系列迄今能力最强的模型，也是该公司约五周的生产旗舰。Claude Fable 5.1 于 2026 年 9 月 1 日发布，被 Anthropic 称为 Mythos 级模型——"能力等级高于 Opus 级"——并已为广泛使用做好安全措施。它与 Claude Mythos 5.1 在同一公告中发布，后者是其受限版本，针对经过审查的网络安全和生命科学组织放宽了安全防护措施；两者共享相同的基础权重，而 Claude Fable 5.1 是任何客户实际可以调用的版本。

这种同源关系对本次对比意义重大。当你将 Claude Fable 5.1 与 Claude Opus 5 进行测评时，你比较的并非两种理念，也不是两家公司。你衡量的是：当两个模型经由同一套 API、同一套 SDK、同一套缓存机制和同一套安全体系提供服务时，额外一个能力层级要付出多少成本。这是当前市场上所能提供的最干净的受控实验——同时也是相当大比例的 Anthropic 客户实际上正在做出的抉择，因为每个在七月采用 Claude Opus 5 的团队如今都在思考，九月的旗舰模型是否值得迁移过去。

并排对照的规格表

• 价格 — Claude Fable 5.1 每 1M tokens 为 $10.00 / $50.00，而 Claude Opus 5 为 $5.00 / $25.00。两边恰好都是 2 倍。

• 缓存读取 — Claude Fable 5.1 每1M $0.25，而 Claude Opus 5 为 $0.50。Fable 5.1 的价格是其一半，也是长时间智能体会话中占主导的那一项。

• 上下文 / 最大输出——输入 1M tokens，输出 128K tokens。窗口大小无可匹敌。

• 输入 — 两者都接受文本、图像和文件输入；都不接受音频或视频。

• 独立评分：Claude Fable 5.1 在 Artificial Analysis 智能指数（最大努力模式）上得分为 66，是 AA 测得的最高分；Claude Opus 5 为 63。AA 公开的模型页面中，Anthropic 实际提供的配置——最大努力模式及其默认安全回退——显示为 53，在 201 个模型中仍排名第一。在进行同等比较之前，这个差距值得了解。

• 等级 — Claude Fable 5.1 属于 Mythos 级（高于 Opus 一档）；Claude Opus 5 属于 Opus 级，是 Anthropic 推荐的默认选择。

• 状态 — 两者均稳定且全面可用；Claude Fable 5.1 于 2026-09-01 发布，Claude Opus 5 于 2026-07-24 发布。

何处是真实差距，何处只是四舍五入的误差

本节中的每项基准测试均为 Anthropic 报告的数据（除非标注来自 Artificial Analysis）；各项分数均未经独立复现，因此请将其视为大致趋势。整张表呈现的规律才有参考价值，而非某个具体数字。

在长周期、工具使用和自主工作方面，差距极为显著。在 Terminal-Bench-Science 0.1 上，Claude Fable 5.1 得分 52.6%，而 Claude Opus 5 仅为 29.0%——这是任何两个当前旗舰模型在任何主要代理基准测试中最大的差距。在 Anthropic 难度最高的浏览器代理测试 Browserbase 上，Fable 5.1 达到 82%，Opus 5 为 74%。在 AutomationBench 上，差距为 31.4% 对 26.9%；在 OSWorld 2.0 上，部分得分为 77.9% 对 75.4%（严格得分为 41.7% 对 39.6%）。这些正是 Anthropic 自己的文档建议你优先选择 Fable 5.1 的工作负载——自主研究、长时间浏览器会话、无人值守代理。

在日常交互式编程方面，差距很小。在IDE风格的基准测试CursorBench 3.2.0上，Fable 5.1仅以73.4%对70.0%领先。在GDPval-AA v2上，差距为1,853比1,824；在Terminal-Bench 4.0上则为55.8%对52.3%。在Humanity's Last Exam上，Fable 5.1在不使用工具时得分60.9%，使用工具时得分65.0%，而Opus 5分别为56.6%和63.6%——领先真实但有限。对于坐在编辑器前要求代码审查或修复bug的开发者来说，CursorBench上70.0与73.4之间的差异很少能让人感受到；而自主科学任务上29.0与52.6之间的差异，则决定了你的过夜任务能否完成。

两条成本曲线，以及反直觉的那条

就标价而言，Claude Fable 5.1 的价格恰好是 Claude Opus 5 的两倍。改变这一图景的算例是一场长时间的 agent 会话：它把一段 10 万 token 的上下文反复读取了五十次。按 Claude Fable 5.1 的 0.25 美元缓存读取费率计算，这五十次重读的成本为 1.25 美元；而按 Claude Opus 5 的 0.50 美元费率，则为 2.50 美元。再算上第二个 10 万 token 上下文、一次工具循环、一次重试——缓存费用不断累积，这正是 Anthropic 将 Fable 5.1 的降价定位为面向长期运行的 agent 工作负载、而非面向标称 token 的原因。

有一个大多数规格表对比都会忽略的抵消效应，它来自独立测量，而非 Anthropic 的营销。Artificial Analysis 自己的模型页面让这一抵消作用变得具体：在 Claude Fable 5.1 上运行该指数，模型花费为 7.63 美元，输出 token 为 1.9 亿，而中位数为 9200 万——该模型比同类模型冗长得多，以至于“更强”和“缓存成本更低”并未转化为每个完成任务更便宜。与 Claude Opus 5 相比，第三方任务级测试显示，Fable 5.1 每完成一个任务的成本最高可高出 60%，因为更聪明的模型在停下来之前会写出更多内容。如果你的工作负载主要以输出 token 为主，而不是重读上下文，那么 2 倍这个标题数字比缓存数学所暗示的更接近真相。

Anthropic自身的决策规则，以及我们的。

Anthropic 的模型文档异常明确：大多数工作负载从 Claude Opus 5 开始，当你在更高努力设置下对 Opus 5 的评估仍不达标时——或者当你运行无人值守的自主代理会话，长视野优势足以证明溢价合理时——再转向 Claude Fable 5.1。这是个合理的规则，而且恰好与基准表显示的情况一致：交互式编码和知识工作默认使用更便宜的模型，当任务视野较长或评估失败时，再升级到上一层级。

当两个模型都位于同一端点之后时，该规则就变得易于操作。Claude Fable 5.1 和 Claude Opus 5 都在 OrcaRouter 上，按 Anthropic 的标价，以零加价直通，因此你在规格表上看到的 2 倍价格差就是你要支付的价格差——旗舰版没有平台附加费。有一条路由规则，它将交互流量发送到 Claude Opus 5，并在任务需要时升级到 Claude Fable 5.1，这条规则在路由 DSL 中只需两行编辑；而且故障转移路径意味着，当 Fable 5.1 超时或安全拒绝时，可以回退到 Claude Opus 5，而无需再次集成。

裁决

这不是一场“哪个模型更好”的对比，因为答案是Claude Fable 5.1，而且差距并不接近——在独立指数上，它领先自家同门3分；在定义当前前沿的智能体基准测试中，它更是遥遥领先。这是一场“哪个模型应该成为你的默认选择”的对比，而在这里，诚实的答案更有意思：将Claude Opus 5保留为交互式工作的默认模型，将Claude Fable 5.1视为面向长周期和无人值守智能体的升级层级——这正是Anthropic自身文档所指明的用法。同时运行两者，衡量你自己任务层面的成本，并在你的评估告诉你溢价格有所值的那一天，让路由层在两者之间切换。