Fable 5.1到底升级了什么？AI模型竞争正在从“智商”转向“系统能力”

Claude Fable 5.1在ARC-AGI-2基准上取得90%高分，但更值得关注的是其推理成本下降32%。模型已从单纯问答转向复杂任务执行，内置工具从30个增至46个，功能涵盖图表展示、网页预览等，并在生成黑洞视频测试中表现出接近初级工程团队的工作流程。在破解370年密码的案例中，模型耗时44分钟、17.6万Token完成历史密码分析，体现了假设验证的研究能力。27万字符系统提示词泄露事件揭示AI能力已不仅由模型权重决定，而是包含工具调度、记忆管理、安全规则等复杂系统工程。安全设计从简单拒绝回答转向在边界内提供有效帮助。不过用户仍抱怨Token消耗快、未降价，这表明能力提升与成本存在矛盾，AI产品需解决单位成本创造可验证价值的问题。行业竞争正从模型跑分转向系统能力，未来AI可能从问答工具进化为数字工作系统，关键在于模型能否像研究员一样自主拆解问题、调用工具并交付结果。

一、90%的ARC-AGI-2之外，更值得看的是推理成本

据相关公开测试信息，Claude Fable 5.1在ARC-AGI-2上的成绩达到90.0%，单任务成本约为3.12美元；在ARC-AGI-1上的成绩达到97.5%，单任务成本约为1.40美元。与此同时，相关信息显示，Fable 5.1通过提升Token效率，使平均推理成本较上一代降低约32%。

这些数字之所以重要，并不只是因为分数更高。

过去几年，大模型竞争很容易被压缩成几个简单指标：参数规模有多大、跑分有多高、上下文有多长。但当模型逐渐进入真实工作场景后，企业真正关心的问题开始发生变化：一个任务究竟需要多少Token？需要调用多少次工具？完成一次复杂工作到底需要多少钱？如果模型能够持续执行几十分钟甚至更长时间，成本能不能控制在可接受范围？

这也是Fable 5.1此次表现值得关注的地方。

一个模型即使在基准测试中取得不错成绩，如果完成真实任务需要消耗大量Token，或者频繁触发使用上限，那么它距离大规模商业应用仍然存在距离。反过来，如果模型能够在保持能力的同时降低单位任务成本，那么开发者才更有动力把它接入代码开发、数据分析、内容生产以及自动化工作流。

换句话说，AI竞争正在从“模型有多聪明”，逐渐转向“模型能以多低的成本完成多少工作”。

二、真正的变化，是Claude越来越像一套“工作系统”

从公开的系统提示词和相关测试来看，Fable 5.1此次升级并不只是模型权重层面的变化。

据相关信息，其内置工具数量从此前的30个增加到46个，新增能力涉及图表展示、轮播内容、地点信息、网页预览以及历史对话读取等。单独看，这些功能并不算令人意外，但放在一起后，意义就不同了。

过去的AI助手更多是在“回答”。

用户提出问题，模型生成文字；用户要求代码，模型输出代码；用户需要分析，模型提供分析。

而现在的模型越来越需要完成一个完整任务链：理解需求、检索信息、调用工具、生成内容、检查结果，再根据执行反馈进行修改。

素材中关于Fable 5.1生成黑洞视频的测试，就是一个比较典型的例子。

相关测试显示，模型没有直接生成一个视觉上“看起来像黑洞”的动画，而是先根据广义相对论构建光线追踪渲染器，再处理相对论多普勒效应、引力红移等因素，并通过低分辨率测试发现问题后继续修改，最终再进行完整渲染。

这里最值得注意的不是最后生成了一段视频，而是模型表现出的工作方式。

它开始接近一个初级工程团队的工作流程：先制定方案，再执行，再发现问题，然后修正，最后验证结果。

这也是Agent类AI正在改变软件形态的原因。

当模型能够持续调用工具并根据中间结果调整策略，它的价值就不再局限于“生成一段文本”，而是开始向“完成一项工作”转移。

三、370年密码案例，说明AI开始改变解决问题的路径

Fable 5.1被用于破解“Cyphral Distich”经典密码的案例，也值得单独观察。

据Vals AI相关信息，该模型耗时约44分钟、使用约17.6万个Token，在没有人类持续干预的情况下完成了对这段历史密码的分析，并进一步推导出另一组密码的解法。

真正有意思的并不是“44分钟”这个数字，而是它采用的方法。

相关测试显示，模型并没有简单地对64个数字进行暴力枚举，而是回到密码所在的历史文本，从作者此前的32篇短文、数字结构以及诗歌内容中寻找关联，再提出“数字对应文本索引”的假设，并通过解码结果与作者历史背景进行交叉验证。

如果这一过程能够被独立重复验证，那么它体现的并非单纯计算能力，而是一种更加接近研究工作的能力：提出假设、寻找证据、验证假设，再根据结果调整方向。

这也是当前AI能力进化中非常值得关注的一条线。

很多现实问题并不存在一个明确的“标准答案”，甚至连正确的问题都需要研究者自己定义。历史研究、科研、程序调试、商业分析都属于这一类型。

未来AI的价值，或许越来越不是替人完成已经定义好的任务，而是帮助人从大量碎片信息中找到隐藏的关系。

四、27万字符系统提示词泄露，暴露的是另一场竞争

Fable 5.1发布后不久，知名越狱研究者Pliny the Liberator公开了一份据称超过27万字符的系统提示词，引发大量讨论。

需要强调的是，相关内容来自第三方公开材料，并不意味着其中所有内容都已经得到Anthropic官方确认。

但无论具体内容是否完整，这件事情本身仍然值得关注。

原因在于，超长系统提示词已经说明，现代AI产品的能力越来越不是单纯由模型权重决定的。

系统需要告诉模型如何使用工具、如何处理版权内容、什么时候拒绝请求、如何管理记忆、如何处理敏感信息，以及不同工具之间应该如何协同。

也就是说，今天的“大模型”实际上越来越像一个复杂的软件系统。

其中模型权重是核心，但系统提示词、工具路由、记忆机制、安全规则、检索能力以及执行环境同样决定最终体验。

这也解释了为什么Fable 5.1与Mythos 5.1即便共享相同模型权重，也可以面向不同用户群体采取不同的能力边界。

一个更开放的研究版本与一个面向普通用户的产品版本，并不一定需要两个完全不同的模型。

真正决定它们差异的，可以是模型之外的那一整套控制系统。