Fable5.1上线了，但我只关心它什么时候流口水

Anthropic今天发布了Fable 5.1。先说结论，这次看起来确实很牛逼。官方数据里，它在科学Agent评测上从Fable 5的24.7%涨到52.6%，商业工作流从 17.1%涨到31.4%，终端编程、电脑操作和复杂推理也全面提升。它不只会写代码，还能在几十个小时的无人值守任务里自己调整、失败重试、验证结果。我朋友实测过也说，提升不小。而且还更便宜了。输入和输出仍是每百万Token 10美元和50美元，没降。但缓存读取从每百万Token 1美元降到0.25美元，直接砍掉75%。Agent会反复读取长上下文，这个降价影响很大。官方估算，普通任务总成本下降约25%，高强度Agent任务最多能省约45%，算是比较有良心。按照首发资料，Fable 5.1不是挤牙膏，而是能力、速度和价格一起进化。所以测评基本都是一片叫好。但我在想一件事——怎么能保证它过段时间不拉垮。 1.首发测评已经不够了不是我不关心模型能力，而是Anthropic这套剧情，已经上演过太多次了。新模型刚上线，一个个都像神仙：思考深，能听懂人话，长任务不跑偏。用了半个月，突然开始思考变短、判断变飘、工具乱调，蠢得流口水。前后反差大到让你怀疑，自己用的是不是同一个模型。所以Fable 5.1现在能不能做对一道题，我已经没那么关心了。我更关心一个月后，它还能不能做对。 2.降智不一定是偷换模型

这里得说清楚，我没有证据证明降智是厂商故意为之。体感变差，可能是流量上来后的算力调度，也可能是系统提示词、上下文压缩、安全策略或产品路由变了。 Anthropic官方就公开说过，Fable的部分生物和网络安全请求会被转交给Opus回答。这次5.1的一项重点，就是降低安全系统的误伤。这说明一件事：我们实际用到的，从来不只是模型权重，而是模型、算力、安全策略和产品工程拼在一起的系统。但用户也没义务帮厂商区分到底是哪一层出了问题。我买的是它能稳定干活，不是一篇解释它为什么突然变蠢的论文。发布会展示的是上限，普通用户每天碰到的却是下限。所以我觉得测评模型，不能只看上线第一天有多惊艳。得用同一批真实任务，第一天测一次，第七天测一次，第三十天再测一次。不只看它能不能做，还要看中途失败多少次、需要多少人工返工、最后花了多少 Token。峰值决定你会不会惊呼，下限才决定你敢不敢把工作交给它。今天Fable最强，明天可能是GPT，后天又换成别人。但真正能帮我们提效的，从来不是某一个模型某一刻的惊艳，而是稳定的模型，成熟的工作流协同的结果。所以Fable 5.1很强，我也希望它一直强。但在它稳定干满一个月以前，我不准备爱上它。真正的最强模型，不是发布当天会做最难的题，而是到第三十天，它还没开始流口水。我是敦敦，多年获客操盘手，如果你对流量获客有任何想法或者困惑，欢迎和我聊聊。