文章转载于量子位
作者：程浅
Anthropic前脚刚发布了Fable 5.1（具体可见），后脚第三方权威跑分和个人第一手实测已经出炉了！
Anthropic研究员就展示了用Fable 5.1写代码，直接生成设计视频：
看看这效果，谁不想急头白脸地用一顿……
话不多说了，咱们先上实测。
1
网友上手花样实测
看实例之前，先来看ARC Prize的基准测试。
成绩很不错，ARC-AGI-2拿下90.0%，ARC-AGI-1干到97.5%。
成本也更低，ARC-AGI-2每任务$3.12，ARC-AGI-1每任务$1.40，比Fable 5直接砍了32%。
正经跑分之外，大量网友没忍住火速开玩，给大家看看网友们的作品——
最火的是一款马里奥风格的赛车游戏。
据说只有一句提示词——
「用CryptoNinja的MCP来制作一款马里奥卡丁车风格的游戏」
然后，嘎巴一声就做出来了，如下：
无独有偶，另一款“仅用一张截图”就做出来的赛车游戏，长这样：
对此，有热心网友发来「悲报」：
马里奥赛车完蛋了啊。
此外，还有网友同样用一条prompt做出了一款恐龙主题的生存游戏。
包含20多个小时的可玩内容，涉及烹饪、制作道具、狩猎和驯服恐龙等玩法，还支持多人联机。
我觉得有必要放视频给大家感受一下效果。
他只用几个小时就做出来了，最后和朋友骑在一条被驯化的恐龙身上击败了霸王龙boss。
宾夕法尼亚大学教授Mollick认为，尽管Fable 5.1在需要判断力和审美的长程工作中确实有实质进步，但说话依然“Claude味儿”十足。
在此前，有许多用户反映自己看不懂Claude说话，而这主要源于它一贯“术语生硬堆砌、文本高度压缩”的表达风格。
话虽如此，他还是用Fable 5.1兴高采烈地做了一款复古风游戏，玩家需要在游戏中驾驶一艘太空飞船：
更多的测试集中在跨模型任务上。
有网友用同一条提示词搭建了一个第一人称视角的3D海洋沙盒场景：
他自己感觉，Fable 5.1的水准已经相当细腻，堪比3A。
还有网友让Fable 5.1和Kimi K3做同一段视频：
Fable 5.1用时18分钟，成本12.60美元，Kimi K3用时10分钟，成本6.95美元。
有网友评论：虽然Fable更细节，但自己做的时候，肯定还是会用Kimi的，毕竟更有性价比。
大家觉得哪个效果更好呢？
1
Token效率、Coding、写作、长任务、知识创作……全面测评
除了网友实测，科技媒体Every对Fable 5.1进行了一次更为全面的深测，覆盖编程、写作和知识性工作等多个场景。
首先是大家比较关心的token效率，其用量仅有Opus 5的一半，且处理耗时还是Opus 5的60%。
团队表示，Fable 5.1才是真正的大众之选。
而在Coding与长任务方面，Fable 5.1保持了Fable 5的性能，但是更细节，更完美。
Every团队让模型一次性生成了一个斯坦福AI小镇式的模拟系统——
25 个有记忆、有日常行为的角色，互相聊天，还在镇上传播即将举办的市长选举的八卦。
搭完测试者都有点懵了：“说实话，我不确定模型还不能完成哪些事。”
深度用户、复合工程学之父Kieran也盖章认可：“现在我直接在会话里就能处理长时间任务，不用频繁切工具了。Fable 5虽然很棒，但用起来太麻烦。而这个版本适合所有人！”
写作和知识性工作是Every评测中表现分化最明显的部分。
团队测算，Fable 5.1在长篇文本写作、尤其是段落续写任务上的表现干翻了此前测试过的所有模型。
并且，AI味也淡了很多，词汇量少了很多——文字难度大概是初一学生水平，比Fable 5低两个年级。
说白了，就是不整那老些诘屈聱牙之作，开始说人话了。
在需要更多主观判断的任务中，比如制作幻灯片、撰写人物访谈稿，它的表现也优于GPT-5.6和Sol。
但强大如此，也不是没有短板滴～
在设计方面，Fable 5.1并没有太多长进，配色单一，且作品并不完善。
并且，当任务带有明确限制，比如字数、主题、引用时，Fable 5.1就听不进去话了。
比如，要求输出1000 字，模型交付了1288字；要求提炼3到6个主题，模型给出了8个；要求提取八到十二条引用，模型给出了43条，全对也就算了，其中27条还根本不存在。
Every团队称之为，“总是尽自己最大的努力，做最多的活”。
（其实这也是老毛病了……）
此外，Fable 5.1还有一个不知道算不算毛病的特点。
在开启最高效率模式时，模型会额外调用不必要的子代理协助工作，即便被要求停止，它仍会继续运行。
所以还是要提前设置好预算啊。
基于这些测试结果，Every团队给出了一个大致的使用边界：
如果你的任务是协同编程、需要实时调试，或者不希望在长时间任务上等待Fable 5响应，Fable 5.1是更合适的选择；
但如果任务对字数、数量等格式有硬性限制，需要引用内容一次性准确无误，又或者涉及复杂多工具调用且没有提前设定预算，建议优先考虑Opus 5或Sol。
1
One More Thing
此外还有一条信息有点意思。
有网友发现，Fable 5.1在请求删除权限时捏造了用户从未说过的授权话语。
它根本来不及等你，直接提前预判了用户的反应。
Fable 5.1：bro别整没用的，我猜你的下一句话是……
也不知道这究竟算进步呢，还是退步呢……
参考链接：
[1]https://x.com/arcprize/status/2094894027451539744
[2]https://every.to/vibe-check/fable-5-1-vibe-check
[3]https://x.com/aimlapi/status/2094879208304685524
[4]https://x.com/Hesamation/status/2094864251059867847
[5]https://x.com/alexalbert__/status/2094860187743986169
[6]https://x.com/emollick/status/2094860076028657926
[7]https://x.com/Rubzem/status/2094866225960493189
[8]https://x.com/Bhavani_00007/status/2094913661915779239
[9]https://x.com/TimJayas/status/2094900247000654222
点个“爱心”，再走 吧
热门跟贴