Anthropic 发布 Claude Fable 5.1,Terminal-Bench 得分达 52.6%

关键要点

  • Anthropic 于 9 月 1 日发布了 Claude Fable 5.1 和 Claude Mythos 5.1,在 Terminal-Bench-Science 0.1 上取得了 52.6% 的成绩。
  • Claude Fable 5.1 在 Terminal-Bench-Science 0.1 上取得了 52.6% 的成绩,是 Fable 5 24.7% 基准测试结果的两倍多。
  • 缓存读取成本下降了 75%,与此同时 Claude Fable 5.1 仍可在 Claude API、亚马逊 Bedrock、谷歌云和微软 Foundry 上使用。

Anthropic 于 9 月 1 日发布了 Claude Fable 5.1 和 Claude Mythos 5.1,这是自 Fable 5 于 6 月 9 日发布以来,Mythos 系列模型的首次更新。新模型在 Terminal-Bench-Science 0.1 上的得分为 52.6%,而 Fable 5 为 24.7%;在 Terminal-Bench 4.0 上的得分为 55.8%,而 Fable 5 为 42.0%。Anthropic 表示,这些模型是全球最先进的编程和知识工作模型。此次发布发生在发布周期开始三个月后,其中还包括一次持续 18 天的出口管制停运、一次围绕订阅访问权限的盛夏定价争议,以及 7 月发布的 Claude Opus 5——后者的价格低于 Fable 5。

Fable 5.1 在 Terminal-Bench-Science 0.1 上得分 52.6%

Fable 5.1 在 Terminal-Bench-Science 0.1 上得分 52.6%,是 Fable 5 得分 24.7% 的两倍多,也高于 Opus 5 的 29.0%。Terminal-Bench-Science 0.1 测试 AI Agent 是否能够在命令行环境中执行科学研究任务,并以通过率计分。

在 Terminal-Bench 4.0 上——该测试通过终端中的多步骤命令行会话考察 Agent 的编程能力,包括编写、运行和调试代码——Fable 5.1 得分 55.8%,高于 Fable 5 的 42.0%,也高于 Opus 5 的 52.3%。在使用较宽松的网络安全过滤器时,Mythos 5.1 在同一测试中的得分为 60.9%;Anthropic 表示,这一差距反映了其安全措施拦截部分任务并将其转交给 Opus 4.8。

在 Humanity's Last Exam 上——这是一项由涵盖数十个学术领域的专家级问题构成的多学科推理测试——Fable 5.1 在不使用外部工具的情况下得分 60.9%,使用外部工具时得分 65.0%,两项成绩都高于 Opus 5。

Fable 5.1 在 Anthropic 发布的所有基准测试中都击败了 Opus 5,包括 Opus 5 此前击败 Fable 5 的基准测试。Fable 5.1 和 Mythos 5.1 采用相同的底层模型,但使用不同的安全过滤器。任何拥有 Claude 账户的用户通常都可以使用 Fable 5.1。Mythos 5.1 仍仅限于通过 Anthropic 网络安全验证计划和生命科学验证计划审核的网络安全及生命科学专业人士使用。

缓存读取成本降低 75%,基础定价保持不变

缓存读取价格现已降低 75%,使典型工作负载的成本降低约 25%,高度 Agent 化工作负载的成本最多降低 45%。基础定价保持不变:输入每 100 万代币 10 美元,输出每 100 万代币 50 美元。Fable 5.1 的代币价格是 Opus 5 的两倍,后者的定价为输入每 100 万代币 5 美元,输出每 100 万代币 25 美元。

Anthropric 表示,以低或中等推理强度运行 Fable 5.1,能够以低得多的成本达到或超过 Fable 5 过去的成绩,同时将最高推理强度档位留给其他模型都难以解决的问题。

Fable 5.1 可通过 Claude API 和云平台使用

Claude Fable 5.1 可通过 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 使用,模型 ID 为 "claude-fable-5-1"。

Fable 5.1 不包含在 Pro 计划或标准 Team 席位中;这些方案会按照 API 费率从使用额度中扣费。Max 计划以及高级 Team 或 Enterprise 席位可使用方案内包含的 Fable 5.1,但最多占每周限额的 50%。

常见问题

Claude Fable 5.1 在 Terminal-Bench-Science 0.1 上取得了多少基准测试分数?

Claude Fable 5.1 在 Terminal-Bench-Science 0.1 上得分 52.6%,是其前代模型 Fable 5 得分 24.7% 的两倍多,也高于 Opus 5 的 29.0%。

使用 Claude Fable 5.1 时,缓存读取的费用是多少?

缓存读取价格现已降低 75%,使典型工作负载的成本降低约 25%,高度 Agent 化工作负载的成本最多降低 45%。基础定价保持不变:输入每 100 万代币 10 美元,输出每 100 万代币 50 美元。

Claude Fable 5.1 可在哪里使用?

Claude Fable 5.1 可通过 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 使用,模型 ID 为 "claude-fable-5-1"。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论