Claude Fable 5.1 / Claude Mythos 5.1

Anthropic · 2026-09-01 · 类别未确认

Claude Fable 5.1

发布文定位：编码与知识工作上世界最先进的模型，其研究能力是 AI 将参与科学进步的早期一瞥。本档已收录 9 项基准，覆盖智能体科研、智能体编码、知识工作、计算机操作与商业工作流；亮点：Terminal-Bench 4.0 55.8%、Humanity's Last Exam（with tools）65.0%。

输入模态: 文本
上下文: 1M
参数: 官方资料未说明
价格（每百万 tokens）: USD 输入 10 / 输出 50 · 与 Fable 5 持平；降价来自缓存读——缓存读 $0.25/MTok（较此前降 75%），典型负载较 Fable 5 降约 25%，重代理负载最高约 45%

本变体的评测证据

terminal-bench-science 52.6% 模型 claude-fable-5-1 · 版本 0.1 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Agentic scientific research — Terminal-Bench-Science 0.1 [1]

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: Terminal-Bench-Science——实体已随本发布建档（data/benchmarks/terminal-bench-science.json）。竞品列（同表原文）：Fable 5 24.7% / Opus 5 29.0% / GPT-5.6 Sol 22.4%。脚注[1]：标准误 ±3.5–4.5 pts/模型；公开榜（3 trials/task，Claude Code harness）印 Opus 5 30.0% / Fable 5 21.4%，Anthropic 自建 setup 复现为 29.0% / 24.7%（within noise）——表内数值为 Anthropic setup 口径。另有 Accuracy-vs-Cost SVG 图（effort low→max），逐点值未转录。

打开官方来源

terminalbench 55.8% 模型 claude-fable-5-1 · 版本 4.0 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Agentic coding — Terminal-Bench 4.0（Fable 5.1 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

同格印双值：55.8%（Fable 5.1）+ 60.9% (Mythos 5.1)，Mythos 值另立一条边（--terminalbench-4-0-mythos）。竞品列：Fable 5 42.0% / Opus 5 52.3% / GPT-5.6 Sol 37.3%。Accuracy-vs-Cost 图脚注：Fable 5.1 与 Mythos 5.1 为同一底层模型，分差来自旧版 cyber 护栏干预的任务；护栏改进后官方预计两模型差距将显著缩小。跨页提示：Fable 5 在本页 Terminal-Bench 4.0 记 42.0%，其 2026-06-09 发布页记 Terminal-Bench 2.1 88.0%——版本不同（2.1 vs 4.0），不可直接比较。effort 曲线逐点值未转录。

打开官方来源

gdpval-aa 1853 模型 claude-fable-5-1 · 版本 v2 · 指标未说明 · 单位 elo 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Knowledge work — GDPval-AA v2

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

页面只印数值未印单位；unit=elo 取自 gdpval-aa 实体定义（ELO 制）。竞品列：Fable 5 1723 / Opus 5 1824 / GPT-5.6 Sol 1711。跨页冲突待裁定：同一模型 Fable 5 在其 2026-06-09 发布页记 GDPval-AA 1932（该页未标 v2），与本页 1723 差 209 分——疑为 GDPval-AA 版本快照不同，跨页比较前必须对齐 variant。

打开官方来源

osworld 77.9% 模型 claude-fable-5-1 · 版本 2.0 partial · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Computer use — OSWorld 2.0 [2]（partial 行）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

竞品列：Fable 5 72.9% / Opus 5 75.4% / GPT-5.6 Sol 未报告（—）。脚注[2]：分数基于基准作者 2026-08 任务版；Fable 5 与 Opus 5 由 Anthropic 同条件重跑；任务文件与旧版不同，与已发表 OSWorld 2.0 数值不可直接比较（也是 GPT 列空缺的原因）——跨页比较前必须对齐任务版快照。评测条件：生产安全护栏开启，护栏干预任务上 Fable 5.1 与 Fable 5 均记 0 分，本值含该惩罚。partial / strict 为页面分行的两种判分口径。

打开官方来源

osworld 41.7% 模型 claude-fable-5-1 · 版本 2.0 strict · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Computer use — OSWorld 2.0（strict 行）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

竞品列：Fable 5 36.1% / Opus 5 39.6% / GPT-5.6 Sol 未报告（—）。条件与 partial 行相同（脚注[2] 2026-08 任务版不可比 + 生产护栏零分条款）。

打开官方来源

hlehle 60.9% 模型 claude-fable-5-1 · 版本 no tools · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Multidisciplinary reasoning — Humanity's Last Exam（no tools 行）

{
  "harness": null,
  "tools": [],
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

无工具口径为页面行名明示（protocol.tools=[]）。竞品列：Fable 5 57.8% / Opus 5 56.6% / GPT-5.6 Sol 未报告。另有 HLE Accuracy-vs-Cost SVG 图（no tools / with tools × effort low/max），逐点值未转录。

打开官方来源

hlehle 65.0% 模型 claude-fable-5-1 · 版本 with tools · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Multidisciplinary reasoning — Humanity's Last Exam（with tools 续行，benchmark 名留空）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

页面未列具体工具集，protocol.tools 保持 null（不臆测）；无工具对照行见 --hlehle-no-tools。竞品列：Fable 5 63.8% / Opus 5 63.6% / GPT-5.6 Sol 未报告。

打开官方来源

automationbench 31.4% 模型 claude-fable-5-1 · 版本未说明 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Business workflows — AutomationBench

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

竞品列：Fable 5 17.1% / Opus 5 26.9% / GPT-5.6 Sol 19.6%。评测条件：生产护栏开启；护栏干预任务上页面只明示 Fable 5 记 0 分（未披露 Fable 5.1 在本行有护栏干预）。

打开官方来源

cursor-bench 73.4% 模型 claude-fable-5-1 · 版本 3.2.0 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Agentic coding — CursorBench 3.2.0

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

竞品列：Fable 5 70.5% / Opus 5 70.0% / GPT-5.6 Sol 67.2%。另有 CursorBench Accuracy-vs-Cost SVG 图（effort low→max），逐点值未转录。

打开官方来源

Claude Mythos 5.1

发布文定位：与 Fable 5.1 同一模型、安全档不同，面向网络防御与生命科学专业工作的受信任访问档。本档已收录 1 项基准：Terminal-Bench 4.0 60.9%（官方脚注明示分差来自旧版 cyber 护栏干预的任务）。

输入模态: 文本
上下文: 1M
参数: 官方资料未说明
价格（每百万 tokens）: 无此口径报价；不等于免费

本变体的评测证据

terminalbench 60.9% (Mythos 5.1) 模型 claude-mythos-5-1 · 版本 4.0 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-02 · 距快照 32 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: A new performance frontier · table: 页面 DOM 对比表（BenchmarkGrid，整页唯一 <table>） · row: Agentic coding — Terminal-Bench 4.0（Fable 5.1 列内括注 60.9% (Mythos 5.1)）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Mythos 5.1 在本页唯一有数值的基准。值印于 Fable 5.1 列内括注（DOM 机读）；Fable 5.1 同格 55.8% 另立一条边。差值来源（图脚注原文）：两模型同一底层模型，分差反映旧版、精度较低的 cyber 护栏干预过的任务；护栏改进后预计差距显著缩小。竞品列 Fable 5 / Opus 5 / GPT-5.6 Sol 为各自模型数值，非 Mythos 同档对照。

打开官方来源