Claude Fable 5.1 模型介紹：長時間 Agent、1M Context 與更低快取成本

前言

Anthropic 在 2026 年 9 月 1 日宣布 Claude Fable 5.1 與 Claude Mythos 5.1。以台灣時間 9 月 2 日來看，這就是今天值得注意的新模型：它把重點放在可以連續工作數小時、跨越多個工具與應用程式的 Agent，而不是只把單次聊天回答得更漂亮。Anthropic 官方公告

這篇文章會整理 Claude Fable 5.1 的定位、規格、價格、benchmark、API 升級注意事項，以及實際導入後端系統時不能忽略的安全限制。文中的 benchmark 主要是 Anthropic 公布的發布測試，並不等於所有真實工作都一定會得到相同結果。

Claude Fable 5.1 是什麼？

可以先把它理解成 Anthropic 為「長時間、高複雜度、需要持續驗證」的工作設計的公開模型。官方列出的核心場景包括：

跨多個檔案的功能開發、重構、遷移、除錯與 Code Review。
從研究問題一路整理到文件、試算表或簡報成品的知識工作。
需要多輪搜尋、追問與交叉整理的研究任務。
閱讀 PDF 裡的圖表、表格與密集資料，並使用瀏覽器或桌面工具完成工作。

這裡的關鍵字是 long-horizon agentic work。一般 Chatbot 比較像「收到請求後產生回答」，而 Fable 5.1 想處理的是「理解目標、拆解工作、呼叫工具、觀察結果、修正方向，最後交付可檢查的成果」：

flowchart LR
    A[大型任務] --> B[讀取程式碼與文件]
    B --> C[拆解與規劃]
    C --> D[多輪工具操作]
    D --> E[測試與驗證]
    E -->|需要修正| D
    E --> F[交付結果]

不過，Anthropic 的開發者文件也提醒：多數工作仍可先從 Claude Opus 5 開始；當高 effort 的 Opus 5 仍不足，或任務確實需要長時間、多步驟 Agent 執行時，再考慮 Fable 5.1。Claude Fable 5.1 模型文件

規格與價格

截至 2026 年 9 月 2 日，Claude Platform 文件列出的規格如下：

項目	Claude Fable 5.1
API Model ID	`claude-fable-5-1`
Context window	1M tokens
最大輸出	128K tokens
Thinking	Adaptive thinking，永遠開啟
API 預設 effort	`high`
相對延遲	較慢
Knowledge cutoff	2026 年 6 月
輸入／輸出	文字、圖片 → 文字
可用平台	Claude API、Amazon Bedrock、Claude Platform on AWS、Google Cloud、Microsoft Foundry

1M token context 對大型程式碼庫、長文件與多輪 Agent 對話很有吸引力，但它只是「可容納的上下文變大」，不是「模型一定能正確抓到每個細節」。實際系統仍需要檢索、摘要、分段驗證與測試，不能把整個可靠性問題都推給 context window。

在 Claude 的產品端，官方列出的付費方案包括 Pro、Max、Team 與 Enterprise；API 與雲端平台則依文件中的 model ID 和各平台規則提供。實際開通狀態、區域與方案限制仍應以 Claude Fable 產品頁與 Claude Platform 模型文件為準。

Token 價格

Fable 5.1 的基本 input/output 價格與 Fable 5 相同，真正明顯的變化是 prompt cache read：

用量	價格（美元／每百萬 tokens）
Base input	$10
5 分鐘 cache write	$12.50
1 小時 cache write	$20
Cache read	$0.25
Output	$50
Batch API input／output	$5／$25

Cache read 從 Fable 5 的 $1 降到 $0.25，等於下降 75%。對每次請求都重新讀取相同 system prompt、文件前綴或對話歷史的 Agent 來說，這個改動可能比單純提升 benchmark 分數更直接地影響成本。Anthropic 以 2026 年 8 月四週的 Enterprise、Claude Code 與 API 用量估算，典型工作負載成本約降低 25%，高度 Agent 化、cache read 佔比很高的工作負載最高約降低 45%。Anthropic 公告：成本與可用性

但不要把「cache read 變便宜」直接解讀成「每個任務都更便宜」。外部評測機構 Artificial Analysis 在自己的 Intelligence Index 設定中觀察到，Fable 5.1 max 每個任務約 $3.76，比 Fable 5 的 $3.14 高約 20%；主要原因是 Fable 5.1 使用了約 1.7 倍的 output tokens。這兩組結果不是同一個工作負載，但共同提醒我們：token 單價、推理 effort、輸出長度與每個成功任務成本，必須分開衡量。Artificial Analysis 評測

Anthropic 公布的 benchmark 怎麼看？

Anthropic 在發布頁比較 Fable 5.1、Fable 5、Opus 5 與 GPT-5.6 Sol，部分結果如下：

評測	Fable 5.1	Fable 5	Opus 5	GPT-5.6 Sol
Terminal-Bench-Science 0.1	52.6%	24.7%	29.0%	22.4%
Terminal-Bench 4.0	55.8%	42.0%	52.3%	37.3%
GDPval-AA v2	1853	1723	1824	1711
Humanity’s Last Exam（with tools）	65.0%	63.8%	63.6%	—
CursorBench 3.2.0	73.4%	70.5%	70.0%	67.2%

從官方數字來看，Fable 5.1 在科學研究、Agentic coding、知識工作與工具使用都有提升，尤其 Terminal-Bench-Science 0.1 從 Fable 5 的 24.7% 提升到 52.6%，是最醒目的差距。

不過這張表有三個重要前提：

這些是 Anthropic 的發布測試，不是獨立盲測。不同 harness、effort、工具權限與評分方式，都可能改變結果。
Fable 5.1 是在 production safeguards 開啟的條件下測試。若安全分類器介入，某些任務會改由其他模型處理，或在特定測試中記為零分。
Terminal-Bench-Science 0.1 的單一模型標準誤約為 ±3.5–4.5 個百分點，因此不能把很小的差距當成確定的領先。

比較實用的結論不是「Fable 5.1 在每項工作都贏」，而是它把長時間執行、持續修正與跨工具工作的上限往上推；接著仍需要用自己的程式碼庫、文件與成功標準做評估。

API 快速開始

Claude API 的 model ID 是 claude-fable-5-1。由於 adaptive thinking 永遠開啟，基本請求不需要另外設定手動 extended thinking：

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-fable-5-1",
    max_tokens=4096,
    messages=[
        {
            "role": "user",
            "content": "請先分析這個專案的模組邊界，再提出可驗證的重構計畫。",
        }
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

如果要放進後端 Agent，建議把模型產生的工具參數視為不可信輸入，交給 Tool Gateway 做 Schema 驗證、權限檢查、冪等控制與審計。模型可以提出行動，但不應該自己決定「這個行動是否有權執行」。

從 Fable 5 升級時的相容性陷阱

1. 不再支援強制工具呼叫

Fable 5.1 不支援 tool_choice 的 any 或指定工具模式；送出這些設定會收到 HTTP 400。升級時應保留 auto，並在 prompt 中明確說明什麼條件下需要呼叫工具；若需要符合 Schema 的 JSON，搭配 strict: true 或使用 structured outputs。

response = client.messages.create(
    model="claude-fable-5-1",
    tools=[record_summary_tool],
    tool_choice={"type": "auto"},
    messages=[
        {
            "role": "user",
            "content": "整理文件後，請呼叫 record_summary 工具保存結果。",
        }
    ],
)

這不是單純把 model name 換掉就一定沒事的升級，尤其是原本依賴強制工具呼叫來確保流程的自訂 Agent。

2. thinking block 有方向性的相容性

Fable 5.1 可以讀取較舊 Claude 模型留下的 thinking block，但較舊模型不能讀取 Fable 5.1 產生的 thinking block。當路由器或 fallback 把請求切回舊模型時，API 可能丟棄這些區塊，讓目標模型重新規劃；這也可能增加延遲與輸出量。

此外，Fable 5.1 的 thinking block 會綁定產生它之前的 system、tools 與對話歷史。如果程式每次請求都重建或修改前綴，下一次請求可能收到「block 綁定到不同 conversation」的 400 錯誤。對長時間 Agent 而言，較安全的設計是：

把歷史視為 append-only，不要任意改寫早期訊息。
需要單回合提醒時，使用 mid-conversation system message。
需要更新工具時，使用支援的 mid-conversation tool changes。
對自己的 Messages API wrapper 加入 migration test，確認 fallback、重試與訊息重建不會破壞 block binding。

完整規則可參考 Claude Fable 5.1 What’s new 與 Migration guide。

安全、資料保留與內容來源

Fable 5.1 與 Mythos 5.1 的底層模型相同，但 safeguards 不同。Fable 5.1 是一般可用版本；Mythos 5.1 則只提供給通過審核的組織與研究者，主要為了處理資安與生命科學領域的高風險能力。Anthropic：Fable 5.1 與 Mythos 5.1

Fable 5.1 的安全設計仍會影響實際行為：

它可以協助從原始碼中找出軟體漏洞，但滲透測試、漏洞利用程式生成、以 binary 為基礎的漏洞掃描等雙重用途工作，仍可能被導向 Opus 模型。
Anthropic 表示，最新 biology safeguards 對良性基礎生物學與醫療問題的介入率，相較 Fable 5 初始版本降低 85%；但生命科學研究與開發仍會受到限制。
Fable 5.1 預設需要 30 天資料保留，以便進行安全監控；若是企業環境，零資料保留不是自動可用，必須符合資格並獲得 Anthropic 明確授權。
Enterprise Frontier Safeguards（EFS）正在分階段推出，目標是讓符合資格的企業把資料放在自己控制的雲端環境，同時保留自動化濫用偵測能力。

另外，Fable 5.1 產生的文字會帶有 Anthropic 的統計式文字浮水印；透過 Files API 取得的支援圖片與影片，也會帶有簽署過的 C2PA Content Credentials。這不會在文字中加入隱藏字元，也不代表內容因此自動變得正確，但對企業內容治理、來源追蹤與合規流程值得注意。Claude Platform：What’s new