Fable 5.1和Mythos 5.1发布！8项公开基准测试全部第一，价格最高降45%。尤其是在科学研究和代码这两项上，明显甩开了Fable 5和隔壁GPT-5.6 Sol。换个更直观的视角，现在用中、低推理程度跑Fable 5.1，表现基本相当于老版Mythos 5开到极高甚至最高推理程度。这一波属于是“牢Fable”干掉了“Mythos圣”。

价格方面，Fable 5.1把缓存读取价格降至每百万token 0.25美元，降幅75%。

输入和输出价格与Fable 5一致，分别为每百万token 10美元和50美元。

看着好像只降了一项价格，但实际影响比较大，因为在智能体任务里，缓存读取占了成本的大头。

Anthropic给出的数据是，典型工作负载成本比Fable 5降了大约25%，如果是高度智能体化的任务，最多能省到45%。

官方发布视频有言：

无论你此前让Claude处理什么任务，Fable 5.1都能做更多，并且把最难的部分完成得更出色。

之所以能够做到这点，是因为它擅长处理多步骤任务。

这类任务中，假如第二步就出现一个微小错误，到第40步全盘就崩了，而Fable 5.1能够全程稳定输出。

如果遇到解决不了的难题，它会告诉你已经尝试过哪些方案、卡在了哪个环节。

研究员Flix Rieseberg还特别提到，写作方面Fable 5.1减少使用粗体，也更少使用标题、列表或引号，对风格提示词遵循得更好。

咱就是说，能不能顺便把您的风格提示词开源一下。

还是老规矩，Fable 5.1面向所有用户开放，Mythos 5.1仅通过受信访问计划提供给经过审核的网络安全和生命科学机构。

科研实战：蛋白质设计、生成金星地图、GPU加速

跑分之外，Anthropic还展示了Fable 5.1和Mythos 5.1在科研领域的实战成果。

蛋白质设计方面，Anthropic让Mythos 5.1使用开源蛋白质设计和折叠工具设计高亲和力结合蛋白，并将方案送至两家外部机构做实验验证。

在三个靶标上，Mythos 5.1设计的结合亲和力是Adaptyv Bio蛋白质设计竞赛最佳方案的10倍。在全部12个靶标上，命中率接近50%，而当前蛋白质设计领域的典型命中率在10%到15%之间。

高亲和力结合蛋白是许多常见药物开发流程中的第一步，直接决定了药物能否在较低剂量下发挥作用。

天文学方面，Fable 5.1基于NASA麦哲伦号30多年前拍摄的雷达图像训练了一个神经网络，为金星三分之一的表面生成了新的高分辨率地形图。

此前已有的地形图仅覆盖金星五分之一的面积，分辨率在10到20公里之间。Fable 5.1把分辨率提升到了2至3公里，高度精度比此前提高了25%。这份地图已以CC协议开源发布，供即将到来的NASA VERITAS和ESA EnVision任务参考，帮助确定未来观测的重点地质特征。

计算生物学方面，Mythos 5.1通过编写自定义GPU内核并缓存中间结果，将7个开源深度学习模型的运行速度提升了最高2.5倍，输出完全一致。

在实际研究中，生物学家可能需要对这些模型运行数千次，测试每个人类基因附近的所有可能突变，优化后的模型可将GPU成本降低30%到60%。

这类优化通常需要一个性能工程团队花费数周完成，许多学术实验室根本无力负担，而Mythos 5.1仅用数天便做到了，且仅依赖公开源代码。

Anthropic计划近期将这些优化开源。

反蒸馏机制上线

伴随着Fable 5.1发布，还有一些特别的规定和API改动。

先简单说说安全方面。

Fable 5.1的网络安全误报率比Fable 5降低了60%，现在允许用于发现软件漏洞，但仍禁止开发漏洞利用程序。渗透测试、漏洞利用生成、基于二进制的漏洞扫描等双重用途任务仍会被重定向到Opus系列模型。

基础生物学和医学问题的误报率降低了85%，但涉及生命科学研发的查询仍路由到Opus模型处理，专业人员需通过Mythos 5.1的生命科学验证计划（LSVP）获取访问权限。

然后说重磅的新增反蒸馏机制。

从今天起新注册的API账户无法在多轮对话中手动编辑Claude上下文的同时保留思维链记录。

之前有一种被公开记录过的常见手法：在多轮对话中，手动篡改Claude之前的上下文，但刻意保留思维链记录。这样一来就能在一组新的、可能带有对抗性的指令下，重放模型在另一组指令下产生的推理过程。

现在这条路直接堵死了。

做法是给每个思维链区块都加上一个签名（signature）。

当用户在后续请求中把助手的回复发回API时，系统会用这个签名做两件事：验证当前模型是否有权读取这个区块，以及验证这个区块之前的整段对话（包括系统提示词、工具列表、所有历史消息）是否跟当初生成它时一模一样。

只要对话中有任何东西被动过，签名校验就会失败。

失败之后怎么处理，取决于开发者设的一个参数 prefix_mismatch_behavior：默认值是“error”，直接返回400状态码，请求被拒；如果设成“drop_block”，系统会静默丢掉这个区块以及它之后的所有思维链，请求本身照常执行。

被丢掉的部分不计费（人还怪好的嘞），并且会在响应里的 input_transformations 数组中列出来。

哪些操作会触发校验失败？

文档给了一份详细清单：编辑、重新排列或删除任何先前的用户/助手/系统消息，改动顶层系统提示词，对工具列表做任何增删改名操作，从对话历史中间抽掉某个思维链区块但保留后面的区块，以及引用了一个在两次请求之间返回了不同内容的图片或文档URL。

以上任何一条，都会导致后续所有思维链区块失效。

反过来，有些操作是安全的：

在对话末尾追加新消息、从历史记录开头移除思维链区块、改max_tokens之类的请求参数、增减cache_control标记，以及服务端的压缩（compaction）或上下文编辑（context editing），这些都不会触发校验失败。

还有一个链式校验的设计，每个思维链区块会记录它前一个区块的信息，形成一条跨轮次的链条。可以从链条的头部摘掉区块，但如果从中间抽掉一个，那它后面的每一个区块都会跟着失效，整条链从断裂处往后全部作废。

为了不让开发者被卡住，Anthropic同时提供了一系列替代方案，可以在不碰历史记录的前提下达到同样的效果。

需要中途改指令？用对话内系统消息（mid-conversation system message）替代直接改顶层提示词。

需要每轮加个临时提醒？用带clear_at参数的轮次级系统消息，替代“先插入再删除”的老办法。

需要中途增减工具？用tool_addition和tool_removal区块，替代直接编辑工具列表。

需要裁剪上下文？用服务端压缩和上下文编辑，替代客户端粗暴截断。

如果你用的是Claude Code、claude.ai、Claude Managed Agents或Claude Agent SDK这些官方产品，什么都不用改，它们已经自动保证对话前缀不会被篡改。

但如果你是直接调Messages API的开发者，Anthropic的建议是：把messages数组严格当作只追加（append-only）来用，然后在prefix_mismatch_behavior设为”drop_block”的模式下跑一遍完整的多轮会话测试，看日志里有没有冒出prefix_binding_mismatch条目。

最后文档里还特别提了一个容易踩坑的场景。

如果你维护的是一个工具或框架，用户拿自己的API密钥来调用，那新注册用户会更早撞上这个校验。因为开发者自己的密钥大概率是8月31日之前注册的，暂时还没被强制执行。

对于这种情况建议主动设好prefix_mismatch_behavior提前测试，别等用户先炸了你才发现。

One More Thing

A社整这么大动静，隔壁OpenAI肯定坐不住啊。

但他们家新模型Astra是真还差一点没弄好，只好先象征性地发点预告。

还有Ilya在Fable 5.1和OpenAI Astra发布之际，也少见地出来喊话，呼吁加强网络安全。