Claude Fable 5.1

claude-fable-5-1

获取 API 密钥API 文档

Claude Fable 5.1 在 Claude Fable 5 的基础上进行了扩展，输入输出成本保持不变，缓存读取成本仅为四分之一，并增强了长时间运行的智能体编码、多步骤研究以及文档、电子表格和幻灯片处理能力。

上下文窗口1.0M

提供商Claude

创建时间2026/09/02

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入	输出	缓存命中	缓存写入
10.00/M	50.00/M	0.25/M	12.50/M

介绍

输入

文本 图像

输出

文本

Claude Fable 5.1 API：面向长周期编码与科研的 Mythos 级模型

Claude Fable 5.1 是 Anthropic 于 2026 年 9 月 1 日发布的 Mythos 级模型，是 6 月 9 日发布的 Fable 5 的直接继任者。它与同日发布的 Claude Mythos 5.1 是同一个底层模型，区别只在安全过滤器：Fable 5.1 面向所有付费用户和 API 账户开放，Mythos 5.1 只向 Project Glasswing 审核通过的网络安全与生命科学机构提供。

这一代最醒目的变化在科研型智能体任务上：Terminal-Bench-Science 0.1 从 Fable 5 的 24.7% 跳到 52.6%，翻了一倍还多；Terminal-Bench 4.0 从 42.0% 提到 55.8%；GDPval-AA v2 知识工作评测从 1723 分提到 1853 分。Artificial Analysis 智能指数 66 分，是当前榜首，领先 Opus 5 的 63 分和 GPT-5.6 Sol 的 61 分。

另一件对账单有实际影响的事：输入输出单价与 Fable 5 完全一致，但缓存读取价格降到 Fable 5 的 1/4。Anthropic 给出的估算是典型工作负载总成本下降约 25%，工具调用密集的长周期智能体任务最多下降约 45%。

海鲸AI 通过 OpenAI 兼容接口与 Anthropic 原生 Messages API 提供 Claude Fable 5.1，支持推理 Effort 控制、工具调用、流式输出、图像与文件输入。

获取 API 密钥 · 模型 ID：claude-fable-5-1

---

为什么选择 Claude Fable 5.1

• 科研智能体翻倍 —— Terminal-Bench-Science 0.1 拿到 52.6%，Fable 5 为 24.7%，GPT-5.6 Sol 为 22.4%
• 智能指数榜首 —— Artificial Analysis 指数 66 分，Opus 5 为 63 分，GPT-5.6 Sol 与 Grok 4.6 为 61 分
• 知识工作评测第一 —— GDPval-AA v2 拿到 1853 分，比 Fable 5 高 130 分，比 GPT-5.6 Sol 高 142 分
• 缓存读取降到 1/4 —— 长会话反复命中的前缀按 Fable 5 的四分之一计费，智能体循环成本最多降 45%
• ARC-AGI-2 达到 90.0% —— max 档位下 ARC-AGI-1 为 97.5%，即使 low 档位也有 78.3%
• 100 万 token 上下文 + 128K 输出 —— 全窗口统一单价，不分档加价

---

核心能力

01 长周期自主编码

Fable 5.1 的提升集中在跑数小时的会话上：多文件功能、大型重构与迁移、跨会话的调试与代码审查。Terminal-Bench 4.0 拿到 55.8%（Fable 5 为 42.0%，Opus 5 为 52.3%），CursorBench 3.2.0 拿到 73.4%，LiveCodeBench 90.52% 位列第一。Effort 档位越高，与 Fable 5 的差距越大。

• 多文件功能实现与大型迁移的一次成型
• 跨会话的缺陷定位与代码审查
• 无人值守的长时间自主执行

02 科研与深度研究

Terminal-Bench-Science 0.1 从 24.7% 提到 52.6%，是这一代最大的单项跃升；Humanity's Last Exam 无工具 60.9%、带工具 65.0%；ProofBench v1.1 拿到满分 100%。多步骤网络研究的准确率也高于 Fable 5，会主动追查搜到的线索。

• 计算科学与实验流程的终端级任务
• 跨大量论文、报告的多步深度研究
• 数学证明与形式化推理

03 文档、表格与幻灯片工作流

GDPval-AA v2 真实职业任务评测 1853 分，AutomationBench 从 Fable 5 的 17.1% 提到 31.4%。从一个问题出发，直接产出完整文档、带实时公式的表格或从空白页开始的演示文稿。

• 财务模型与多表格工作簿
• 分析报告与研究简报
• 从零构建的演示文稿

04 视觉、长上下文与计算机操作

密集图表、财报、嵌在 PDF 里的表格读取能力增强，会配合裁剪缩放工具反复核对。OSWorld 2.0 计算机操作评测部分得分 77.9%、严格得分 41.7%，均高于 Fable 5 的 72.9% 和 36.1%，失败步骤后的恢复更稳。100 万 token 窗口内跨段落关联细节的能力也有提升。

• 密集图表与 PDF 内嵌表格解析
• 浏览器与桌面应用的自主操作
• 全窗口长文档的细节关联推理

---

最佳使用场景

场景	说明
通宵自主编码	多文件重构、迁移与跨会话调试，Terminal-Bench 4.0 领先 Fable 5 近 14 个百分点
科研智能体	Terminal-Bench-Science 翻倍，适合计算科学与实验流程自动化
深度研究	HLE 带工具 65.0%，多步网络研究会主动追查线索
企业级交付物	GDPval-AA v2 第一，文档、表格、幻灯片端到端产出
计算机操作智能体	OSWorld 2.0 两项均领先 Fable 5，失败步骤可恢复
缓存密集的长会话	缓存读取按 Fable 5 的 1/4 计费，前缀越长省得越多

---

Claude Fable 5.1 与 Fable 5、Opus 5 的差异

能力	Claude Fable 5.1	Claude Fable 5	Claude Opus 5
模型 ID	claude-fable-5-1	claude-fable-5	claude-opus-5
发布日期	2026 年 9 月 1 日	2026 年 6 月 9 日	—
AA 智能指数	66	—	63
Terminal-Bench 4.0	55.8%	42.0%	52.3%
Terminal-Bench-Science 0.1	52.6%	24.7%	29.0%
GDPval-AA v2	1853	1723	1824
上下文窗口	100 万 token	100 万 token	100 万 token
最大输出	128K token	128K token	128K token
思考模式	始终开启，不可关闭	始终开启，不可关闭	默认开启，high 以下可关闭
强制工具调用 tool_choice: any/tool	不支持，返回 400	支持	支持
缓存读取相对单价	基础输入价的 0.025 倍	基础输入价的 0.1 倍	基础输入价的 0.1 倍
定位	最强公开发布模型	上一代 Mythos 级	大多数工作负载的默认起点

具体计费以页面上方的实时价格卡片为准。

---

常见问题

Claude Fable 5.1 什么时候发布的？ 2026 年 9 月 1 日，与 Claude Mythos 5.1 同日发布。发布当天即在 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 上线。

和 Fable 5 比升级了什么？ 三块。一是能力：科研类终端任务翻倍，编码、知识工作、视觉、计算机操作全线上涨，Effort 越高差距越大。二是成本：单价不变，缓存读取降到 1/4，长会话总成本降 25% 到 45%。三是安全过滤：网络安全类误拒少了 60%，基础生物学和医学的良性问题误拒少了 85%，并且允许做防御性的漏洞发现。多语言能力与 Fable 5 持平。

从 Fable 5 迁移要改代码吗？ 有三处破坏性变更。tool_choice 的 any 和 tool 类型会返回 400，改用 auto 加提示词指令，或用 strict: true、结构化输出保证 JSON 格式。思考块绑定到产生它的模型，切回更早的模型时会被静默丢弃。编辑过历史轮次会让后面的思考块失效，2026 年 8 月 31 日之后创建的账户会直接报 400，会话必须保持只追加。

上下文和输出上限多大？ 上下文 100 万 token，默认即最大，全窗口按统一单价计费，不分档加价。最大输出 128K token。分词器与 Fable 5 相同，比 Opus 4.7 之前的模型多产生约 30% 的 token。

有落后的地方吗？ 有。Terminal-Bench 2.1 拿到 85.02%，略低于 GPT-5.6 Sol 的 85.77%。输出速度约 66 token/s，低于推理模型中位数，首 token 延迟在高 Effort 下也明显偏长。Artificial Analysis 还指出，max 档位下它的输出 token 约为 Fable 5 的 1.7 倍，单任务成本反而高出 20%，Anthropic 宣称的降本只在中低档位和缓存密集场景成立。此外它在生物与网络安全相关任务上仍会频繁拒答，Harvey 法律智能体评测因此只排到第 18 名。

Effort 档位怎么选？ 五档：low、medium、high、xhigh、max，默认 high。Anthropic 表示 low 和 medium 档位下它以更低成本达到与 Fable 5 相当或更好的结果，日常任务不必上高档。这一代新增了会话中途切换 Effort 的能力，可以在难的一步升档、常规步骤降档，不会让缓存失效。注意 low 档位下它更倾向凭记忆作答而少调搜索工具，需要新信息的轮次要提高档位。

和 Fable 5 相比行为上有什么不同？ 几处需要留意：并行工具调用更不稳定，长循环里可能一轮只发一个调用，多花轮次但不影响质量；工具调用之间写的进度说明更少，需要用 display: "updates" 取回；编辑文本文件时更容易整文件重写而不是局部修改；总结文档时更容易不加引号地复述原文。这些都能通过提示词修正。

---

为什么选择海鲸AI 使用 Claude Fable 5.1 API

• 原生 Messages API 完整透传 —— Effort 控制、会话中途切换 Effort、思考块、缓存与 beta 特性均可直接使用
• 国内直连 —— 无需海外账户和自建代理，稳定性与延迟由平台侧保障
• 按量计费 —— 只为实际用量付费，无最低消费门槛
• 一套密钥多模型 —— 难任务用 Fable 5.1，日常工作切到 Opus 5 或 Sonnet 5，同一账户统一账单

API

API 接入信息

Model ID在推理接口中指定模型

claude-fable-5-1

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.haijingai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

claude-fable-5-1 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

cURL

curl https://api.haijingai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "claude-fable-5-1",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

Python

from openai import OpenAI

client = OpenAI(
    base_url="https://api.haijingai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="claude-fable-5-1",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Node.js

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.haijingai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'claude-fable-5-1',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}