Najważniejsze wnioski w pigułce
Wydajność i benchmarki
- Fable 5.1 osiąga 52,6% w Terminal-Bench-Science 0.1 wobec 24,7% poprzednika — ponaddwukrotny skok w zadaniach badawczych
- 55,8% w Terminal-Bench 4.0 (60,9% dla wersji Mythos 5.1) przy 42,0% dla Fable 5
- 1853 punkty w GDPval-AA v2 dla pracy opartej na wiedzy — powyżej Opus 5 (1824) i GPT-5.6 Sol (1711)
- AutomationBench: 31,4% wobec 17,1% poprzednika — niemal dwukrotna poprawa w procesach biznesowych
Koszty i dostępność
- Około 25% niższa cena niż Fable 5 przy typowych obciążeniach rozliczanych tokenowo
- Do około 45% oszczędności w zadaniach silnie agentowych dzięki tańszemu odczytowi z pamięci podręcznej
- Fable 5.1 dostępny powszechnie, Mythos 5.1 wyłącznie w programach zaufanego dostępu
Bezpieczeństwo i prywatność danych
- Enterprise Frontier Safeguards przechowuje dane w infrastrukturze chmurowej kontrolowanej przez klienta, nie przez Anthropic
- O 60% mniej fałszywych alarmów w obszarze cyberbezpieczeństwa
- Model może wykrywać podatności w oprogramowaniu, ale nie tworzyć exploitów
Skok wydajności, który widać w liczbach
Anthropic zaprezentował dwa nowe modele — Claude Fable 5.1 oraz Claude Mythos 5.1. Technicznie to ten sam model, różniący się wyłącznie poziomem zabezpieczeń: Fable 5.1 trafia do szerokiej dystrybucji, natomiast Mythos 5.1 pozostaje dostępny tylko przez programy zaufanego dostępu, z zabezpieczeniami przygotowanymi pod pracę w cyberbezpieczeństwie i naukach o życiu.
Najbardziej wymowny jest wynik w Terminal-Bench-Science 0.1, gdzie nowy model uzyskał 52,6% wobec 24,7% dla Fable 5 i 29,0% dla Opus 5. To nie jest kosmetyczna poprawa, tylko zmiana rzędu wielkości w zadaniach wymagających samodzielnego prowadzenia badań. W agentowym kodowaniu (Terminal-Bench 4.0) model osiąga 55,8%, a wersja Mythos 5.1 — 60,9%, przy 42,0% dla poprzednika.
Istotny jest też kontekst pomiaru: Fable 5.1 był oceniany z włączonymi produkcyjnymi zabezpieczeniami. W zadaniach, w których zabezpieczenia zainterweniowały, model otrzymywał zero punktów — co według Anthropic prawdopodobnie zaniża jego rzeczywisty wynik na części benchmarków. Realna przewaga może być więc jeszcze większa, niż pokazują tabele.
W obszarze rozumowania wielodziedzinowego (Humanity’s Last Exam) model uzyskał 60,9% bez narzędzi i 65,0% z narzędziami, wyprzedzając zarówno Fable 5, jak i Opus 5. W pracy z komputerem (OSWorld 2.0) różnica wynosi 77,9% wobec 72,9% w trybie częściowym oraz 41,7% wobec 36,1% w trybie ścisłym.
Niższa cena i nowe podejście do przechowywania danych
Dla firm rozliczających się tokenowo najważniejszą informacją jest szacunkowa obniżka kosztów o 25% względem Fable 5 przy typowych obciążeniach. Oszczędność wynika z niższej ceny odczytu z pamięci podręcznej — czyli sytuacji, w której model korzysta z danych wcześniej przetworzonych i zapisanych. Przy pracy silnie agentowej, gdzie kontekst jest wielokrotnie odczytywany, redukcja kosztów sięga około 45%.
To zmienia rachunek ekonomiczny wdrożeń. Cognition zapowiedziało przeniesienie ruchu z Opus 5 na Fable 5.1 w Devinie już w dniu premiery, wskazując, że dzięki nowej wycenie odczytu z pamięci podręcznej model klasy Fable stał się wreszcie opłacalny dla zadań utrzymywanych dotąd na droższym Opusie — zaczynając od przeglądu kodu.
Równie istotna dla działów IT jest kwestia retencji danych. Nowy system Enterprise Frontier Safeguards zapewnia pełną prywatność, odpowiadającą polityce zerowej retencji, przy jednoczesnym utrzymaniu ochrony przed nadużyciami. Mechanizm opiera się na przechowywaniu danych w infrastrukturze chmurowej w całości kontrolowanej przez klienta, a nie przez Anthropic. Wdrożenie ma przebiegać etapami, a do czasu pełnej dostępności uprawnieni klienci mogą korzystać z Fable 5.1 w trybie zerowej retencji.
Mniej fałszywych alarmów, więcej realnych zastosowań
Zabezpieczenia w modelach frontier bywają obosieczne — chronią przed nadużyciami, ale potrafią blokować całkowicie legalne zadania. Anthropic deklaruje, że najnowsze mechanizmy blokują o 60% mniej fałszywych alarmów w cyberbezpieczeństwie niż poprzednie. Fable 5.1 może teraz wykrywać podatności w oprogramowaniu, choć nadal nie służy do tworzenia exploitów wykorzystujących te luki.
W obszarze biologii powstał osobny program dostępowy, przygotowany we współpracy z rządem USA, który ma otworzyć zaawansowane możliwości Claude Mythos 5.1 dla naukowców. Nabór ma ruszyć w najbliższym czasie. To model podziału, który prawdopodobnie stanie się standardem w branży: powszechnie dostępna wersja z szerokimi zabezpieczeniami plus wersja specjalistyczna dla zweryfikowanych podmiotów.
Dla firm oznacza to konkretną korzyść — mniej przerwanych procesów i mniej ręcznych obejść. Każdy fałszywy alarm w zautomatyzowanym pipeline’ie to koszt: przestój, interwencja człowieka, utrata zaufania zespołu do narzędzia. Redukcja o 60% przekłada się bezpośrednio na stabilność wdrożeń produkcyjnych.
Co zauważyli partnerzy testujący model
Najciekawszy przykład pochodzi od firmy inwestycyjnej Millennium. Rzadka awaria występująca mniej więcej raz na milion uruchomień pozostawała niewyjaśniona przez cztery do pięciu lat, a żaden wcześniejszy model — łącznie z Fable 5 — nie zidentyfikował przyczyny. Fable 5.1 zdeasemblował zewnętrzną bibliotekę dostawcy, zestawił ją ze zrzutem pamięci i wskazał błąd w tej bibliotece.
Ramp opisuje 38-godzinny, całkowicie nienadzorowany przebieg na problemie uczenia maszynowego: model zdiagnozował wcześniejszy wynik jako artefakt etykietowania, wprowadził korektę, uruchomił sześć równoległych eksperymentów i wrócił z rezultatem oraz propozycją kolejnych kroków. Rakuten z kolei podaje, że Fable 5.1 znalazł lukę w projekcie badań klinicznych, którą przeoczyły trzy inne modele frontier, i zaproponował nową hipotezę, otwierając kierunek badawczy na porzuconym wcześniej zbiorze danych.
Powtarzającym się motywem w opiniach jest jakość komunikacji. Jane Street zwraca uwagę, że model pozostaje czytelny podczas długich, wieloetapowych zadań — w przeciwieństwie do wcześniejszych generacji, które z czasem stawały się trudne do śledzenia. Red Hat podkreśla zwięzłość aktualizacji, a Canva — lepsze dostosowanie do wewnętrznych wytycznych redakcyjnych. Hebbia dodaje, że model jako pierwszy odpowiadał na wszystkie części złożonych, wieloczęściowych pytań.
Co to oznacza dla firm planujących wdrożenia AI
Połączenie wyższej skuteczności z niższą ceną zmienia próg opłacalności automatyzacji. Zadania, które dotąd wymagały najdroższych modeli, można przenieść na tańszą klasę bez utraty jakości — a przy ustawieniu niskiego lub średniego poziomu wysiłku Fable 5.1 osiąga wyniki porównywalne z Fable 5 przy znacząco mniejszym koszcie. Warto pamiętać, że domyślny poziom różni się zależnie od środowiska: wysoki w Claude Code, średni w Claude Cowork i na Claude.ai.
Dla zespołów marketingowych i e-commerce najbardziej praktyczny wniosek dotyczy pracy opartej na wiedzy i procesów biznesowych. Wynik 31,4% w AutomationBench wobec 17,1% poprzednika oznacza, że przepływy pracy, które wcześniej wymagały stałego nadzoru, mogą działać dłużej bez interwencji. Every wskazuje, że model był około dwukrotnie szybszy od Opus 5 i zużywał o połowę mniej tokenów — co przy skali operacji przekłada się na realne oszczędności budżetowe.
Podsumowanie
Claude Fable 5.1 i Mythos 5.1 to rzadki przypadek premiery, w której wzrost możliwości idzie w parze ze spadkiem ceny i lepszą ochroną danych. Największy przeskok dotyczy zadań badawczych i długich, wieloetapowych procesów agentowych — właśnie tam, gdzie firmy najczęściej rezygnowały z automatyzacji ze względu na koszty i zawodność. Dla organizacji planujących wdrożenia AI to sygnał, by ponownie przeliczyć rachunek opłacalności projektów odłożonych na później.
Źródło: Anthropic — Claude Fable 5.1 and Mythos 5.1
