模型榜单第一，要不要马上换

我花了两天试了一下 Claude Fable 5.1。它刚登顶 Artificial Analysis 的智能指数，但每任务成本比上一代 Fable 5 高约 20%。这很容易让人纠结：是追新，还是省钱。

我的做法不是直接换，而是跑一个小评估。从行业趋势来看，模型能力不再是唯一卖点，成本、缓存、输出长度都会影响真实使用。对标海外案例，Artificial Analysis 把「每任务成本」单列出来，比厂商自己说「更强」更有用。

先解释几个词。模型就是会写代码、做摘要的 AI 程序。token 是计费单位，可粗略理解成词块。缓存是 AI 提前存好的上下文，重复读取更快也更便宜。智能指数是榜单分数，不等于你的任务一定更好。effort 是模型思考强度，越高通常越贵。

教程分六步，只需要一个能选模型的聊天界面。

1. 选一个重复任务。别用开放问题，用固定输入。比如拿一份客户会议纪要，让 AI 输出行动项、负责人、截止日期、风险。咨询项目里常见，也容易看出差异。

2. 先去看榜单。打开 Artificial Analysis，找 Claude Fable 5.1 和 Fable 5，记录智能指数和 Cost per task。Fable 5.1 分数更高，但 max 档每任务大约 3.76 美元，比 Fable 5 高约 20%。

3. 固定提示词。比如「你是咨询顾问，请把下面纪要整理成表格，表头为行动项、负责人、截止日期、风险。无法判断的写待确认。」

4. 跑旧模型。选择 Claude Fable 5。如果界面有 effort 选项，选 max 或 xhigh；没有就用默认档。粘贴纪要，输出后记到表里：是否漏项、是否需要改。

5. 跑新模型。换到 Claude Fable 5.1，用同样的 effort 或默认档。预期输出可能更长，因为素材提到它 max effort 大约用了 1.7 倍输出 token。长不一定好，也可能更啰嗦。

6. 测缓存。把同一份长纪要连续问三次。若系统显示缓存读取，成本会下降。Fable 5.1 缓存读取降价 75%，据说每任务能省约 1.40 美元。但这只在重复读取同一上下文时明显。

对比项	Fable 5	Fable 5.1	新手判断
智能指数任务成本	较低	max 档约3.76美元，高约20%	预算紧先别追
输出长度	基准	约1.7倍	看是否真需要更细
缓存读取	旧价	降75%	重复长文档才省
CursorBench max	70.5%	73.4%	编程略好
高性价比档	信息不足	xhigh 分数65，约2.72美元	可先试中间档

优点可以列三条。复杂任务更稳，尤其长文档、代码、研究类问题。缓存降价对重复工作有用，比如每天把同一批材料喂给模型。评测里 CursorBench 提升，从 70.5% 到 73.4%，说明编程场景有改善。

缺点也要列。别只看榜单第一，它可能只是更爱输出，token 多了，成本就上来了。缓存降价不等于整体降价，新写材料、频繁换上下文，省不到多少。不同榜单口径会打架，Artificial Analysis 说每任务贵 20%，官方材料里某些编程任务又可能更省，所以必须自己跑样本。

我踩过的坑是把「降价 75%」直接当成总成本降 75%。后来我把缓存关闭测了一遍，才发现普通输入和输出还是按原价走。另一个坑是用了不同 effort 对比，Fable 5 用 medium，Fable 5.1 用 max，结果当然不一样。最后固定提示词、纪要、模型档位，数据才勉强可比。

我最近用 agent harness 一周，反而更确信：验收标准比模型名字更重要。你可以在 prompt 里加一句「只输出表格，不要解释」，再检查列名、行数、待确认数量。工具约束写清楚，模型升级的收益才容易看见。

我的判断是：高价值、长上下文、需要复用材料的工作，可以试 Fable 5.1；短问答、批量改写、简单摘要，Fable 5 或开源模型可能更合适。按任务选模型，比按榜单选模型更省钱。

从行业趋势来看，前沿模型会越来越强，但单位任务成本也会分层。未来不是所有事都用最贵模型，而是把贵模型留给关键节点，便宜模型处理重复动作。这一步，先从一次小实验开始。

---

📌 本文编译自 Hacker News，原文：https://artificialanalysis.ai/articles/claude-fable-5-1

版权归原作者所有，本文为基于公开报道的编译与独立分析。