Claude Fable 5.1 发布，基准测试领跑但鹈鹕测试更亮眼

Anthropic 今日发布 Claude Fable（及 Mythos）5.1 版本。官方宣称 Fable 5.1 "为编程、知识工作和长时问题解决任务树立了新标准"。公告重点强调了科学研究能力，在 8 月 27 日首次公布的 Terminal-Bench-Science 0.1 基准上得分 52.6%，大幅领先 Fable 5 的 24.7%、Opus 5 的 29.0% 和 GPT-5.6 Sol 的 22.4%。其他基准测试分数提升不大，但科学项表现最为突出。

作者 Simon Willison 在博客中分享了对该模型的实测体验。他此前对"鹈鹕基准"（用 SVG 生成鹈鹕骑自行车的图像测试）的有效性存疑，但发现同模型家族内不同推理级别下的对比仍有价值。Fable 5.1 提供 low、medium、high、xhigh、max 五个推理级别，且无法完全关闭推理。在 low 和 medium 级别，模型似乎跳过了推理，输出效果平平；high 级别略有推理痕迹；到 xhigh 级别，输出 token 数飙升至 36,767，耗时 7 分 51 秒，花费 1.83 美元，效果明显改善；最高级别 max 更是产出 65,927 个 token，耗时近 14 分钟，花费 3.30 美元，生成了他见过最好的鹈鹕 SVG——腿在车架两侧、脚踩踏板、翅膀搭在车把上，还戴了蓝色帽子，车篮里放着鱼。

作者随后将 max 级别的输出作为提示词，让模型进行动画化处理，花费 1.37 美元。得到的动画效果不错，只是车轮旋转方向有误。整体而言，Fable 5.1 在精细任务上的表现令人印象深刻，但作者也指出其创意思维仍不及 Gemini 3.7 Flash。