Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
เริ่มต้นฟรี เริ่มต้นฟรี
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
Home Blog Claude Fable 5.1 เบนช์มาร์ก: คะแนนบอกอะไรให้ฉันรู้ technology / งานวิจัย CometAPI
Claude Fable 5.1 เบนช์มาร์ก: คะแนนบอกอะไรให้ฉันรู้ สำรวจผลการทดสอบ Benchmark ของ Claude Fable 5.1, ความก้าวหน้าที่สำคัญ, ข้อจำกัด และการเปรียบเทียบกับ Fable 5, Opus 5, GPT-5.6 Sol และ GPT-6 Astra
Mia Maren ทีมวิจัยโมเดล AI และ API สำรวจผลการทดสอบ Benchmark ของ Claude Fable 5.1, ความก้าวหน้าที่สำคัญ, ข้อจำกัด และการเปรียบเทียบกับ Fable 5, Opus 5, GPT-5.6 Sol และ GPT-6 Astra
ใช้สรุปนี้เพื่อดูคำตอบอย่างรวดเร็ว แล้วอ่านคู่มือเพื่อดูบริบท ตัวอย่าง และรายละเอียดการใช้งาน
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)TLDR Claude Fable 5.1 เป็นการอัปเกรดด้านการดำเนินการเชิงเอเจนต์เป็นหลัก โดยให้ผลลัพธ์ที่ดีขึ้นมากในงานวิจัยวิทยาศาสตร์ อัตโนมัติทางธุรกิจ การโค้ดผ่านเทอร์มินัล และเวิร์กโฟลว์อื่นๆ ที่ต้องอาศัยการวางแผน การใช้เครื่องมือ การตรวจสอบ และการกู้คืนหลายขั้นตอน ส่วนการปรับปรุงบนงานให้เหตุผลแบบคำตอบปิด และงานโค้ดสั้นสไตล์ IDE มีขนาดเล็กกว่า ดังนั้นการเลือกใช้งานที่ดีที่สุดขึ้นกับลักษณะงาน มากกว่าคะแนนพาดหัวเพียงค่าเดียว
สาระสำคัญ
Fable 5.1 ทำคะแนน 52.6% บน Terminal-Bench-Science 0.1 มากกว่าสองเท่าของ Fable 5 ที่ 24.7% ในการประเมินของ Anthropic
AutomationBench เพิ่มจาก 17.1% เป็น 31.4% แสดงถึงการพัฒนามากในเวิร์กโฟลว์ธุรกิจแบบ End-to-end
กำไรมีขนาดเล็กกว่าบน CursorBench และ Humanity's Last Exam แบบใช้เครื่องมือ สะท้อนว่ารุ่นนี้พัฒนาด้านการดำเนินการต่อเนื่องมากกว่าการให้เหตุผลทุกรูปแบบอย่างเท่าเทียม
Fable 5.1 คงราคามาตรฐานต่อโทเคนเท่า Fable 5 แต่ราคาการอ่านแคชที่ต่ำลงช่วยลดต้นทุนที่มีประสิทธิภาพสำหรับเวิร์กโฟลว์เอเจนต์ที่พึ่งพาคอนเท็กซ์
เรียนรู้ต่อ
เชื่อมโยงบทความนี้กับการตัดสินใจถัดไป ดูทุกหัวข้อ เผยแพร่เมื่อ Sep 17, 2026 อัปเดตล่าสุด Sep 17, 2026 ตรวจสอบความชัดเจน การอ้างอิงแหล่งที่มา และคำศัพท์ API ปัจจุบันแล้ว
GPT-6 Astra เป็นตัวเทียบจาก OpenAI ที่ใหม่กว่า แต่ไม่ได้ถูกรวมในตาราง Benchmark วันที่ 1 กันยายนของ Anthropic การอ้างอิงประสิทธิภาพโดยตรงต้องใช้การประเมินภายใต้ฮาร์เนสเดียวกัน Anthropic เปิดตัว Claude Fable 5.1 เมื่อวันที่ 1 กันยายน 2026 สำหรับงานให้เหตุผลที่ต้องการสูง เอเจนต์ระยะยาว วิศวกรรมซอฟต์แวร์ งานวิจัย และงานความรู้ระดับมืออาชีพ Claude Fable 5.1 มีให้ใช้งานผ่าน CometAPI สำหรับนักพัฒนาที่ต้องการประเมินร่วมกับโมเดลแนวหน้ารายอื่นผ่านเอ็นด์พอยต์เดียว
ผลลัพธ์พาดหัวแข็งแกร่ง แต่การกระจายของการพัฒนาให้ข้อมูลเชิงลึกมากกว่าค่าเฉลี่ย Fable 5.1 ได้ประโยชน์มากที่สุดเมื่อเอเจนต์ต้องคงเป้าหมาย ใช้เครื่องมือ กู้คืนจากความผิดพลาด และตรวจสอบสภาพสุดท้าย บทความนี้เน้นความหมายของผล Benchmark จุดที่โมเดลยังขาด และวิธีประเมินเทียบกับทางเลือกใหม่กว่า
Claude Fable 5.1 ในมุมมองรวดเร็ว เอกสารโมเดลของ Anthropic ระบุหน้าต่างคอนเท็กซ์ 1 ล้านโทเคน เอาต์พุตสูงสุด 128K อินพุตข้อความและภาพ การคิดแบบปรับตัวเปิดตลอดเวลา และจุดตัดความรู้เดือนมิถุนายน 2026 รหัสโมเดลใน Claude API คือ claude-fable-5-1
ผู้ให้บริการ Anthropic วันที่เปิดตัว September 1, 2026 รหัสโมเดล claude-fable-5-1 หน้าต่างคอนเท็กซ์ 1,000,000 tokens เอาต์พุตสูงสุด 128,000 tokens อินพุต / เอาต์พุต Text and images → text การคิด Adaptive, always on ความพยายามเริ่มต้น High จุดตัดความรู้ June 2026 ราคาอินพุตของ Anthropic $10 / MTok ราคาเอาต์พุตของ Anthropic $50 / MTok การอ่านแคช $0.25 / MTok ความหน่วงเปรียบเทียบ Slower การวางตำแหน่งหลัก Demanding reasoning and long-horizon agentic work
ราคามาตรฐานอินพุตและเอาต์พุตคงเดิมเท่า Fable 5 ขณะที่การอ่านแคชลดลงเหลือ $0.25 ต่อหนึ่งล้านโทเคน Fable 5.1 ไม่ได้มีราคาต่อโทเคนอินพุต/เอาต์พุตที่ต่ำลงโดยพาดหัว ต้นทุนที่มีประสิทธิภาพลดลงหลักๆ จากการลดราคาอ่านแคช 75% Anthropic ประมาณว่าต้นทุนลดลงราว 25% สำหรับเวิร์กโหลดทั่วไป และสูงสุดประมาณ 45% สำหรับเวิร์กโหลดที่เป็นเอเจนต์มาก
เรื่องนี้สำคัญเพราะเอเจนต์ที่ทำงานยาวจะนำคอนเท็กซ์ของรีโพซิทอรี คำสั่ง คำอธิบายเครื่องมือ และสถานะก่อนหน้า กลับมาใช้ซ้ำบ่อย ต้นทุนต่อภารกิจที่สำเร็จจึงดีขึ้นได้แม้ราคาต่อโทเคนอินพุตและเอาต์พุตโดยพาดหัวจะไม่เปลี่ยน
Anthropic ยังรายงาน 60.9% สำหรับ Claude Mythos 5.1 บน Terminal-Bench 4.0 Mythos 5.1 เป็นรุ่นที่เปิดใช้แยกต่างหากพร้อมมาตรการคุ้มครองที่ต่างกัน และไม่ควรถือเป็นคะแนนของ Fable 5.1 ที่เปิดให้ใช้งานทั่วไป
ผล Benchmark ของ Claude Fable 5.1 บอกอะไร? Terminal-Bench-Science 0.1 งานวิจัยเชิงเอเจนต์ทางวิทยาศาสตร์ 52.6% 24.7% 29.0% 22.4% Terminal-Bench 4.0 การเขียนโค้ดในเทอร์มินัลแบบเอเจนต์ 55.8% 42.0% 52.3% 37.3% GDPval-AA v2 งานความรู้ระดับมืออาชีพ, Elo 1853 1723 1824 1711 OSWorld 2.0, partial การใช้งานคอมพิวเตอร์ระยะยาว 77.9% 72.9% 75.4% — OSWorld 2.0, strict งานคอมพิวเตอร์ที่เสร็จสมบูรณ์ 41.7% 36.1% 39.6% — Humanity’s Last Exam, no tools การให้เหตุผลสหสาขาระดับผู้เชี่ยวชาญ 60.9% 57.8% 56.6% — Humanity’s Last Exam, with tools การให้เหตุผลระดับผู้เชี่ยวชาญพร้อมเครื่องมือ 65.0% 63.8% 63.6% — AutomationBench เวิร์กโฟลว์ธุรกิจแบบ End-to-end
Fable 5.1 นำหน้า Fable 5 และ Opus 5 ในทั้งเก้าบรรทัดที่รายงาน ช่องว่างรุ่นที่ใหญ่ที่สุดอยู่ในการวิจัยวิทยาศาสตร์ อัตโนมัติทางธุรกิจ และการโค้ดผ่านเทอร์มินัล ความแตกต่างที่เล็กกว่าบน Humanity's Last Exam และ CursorBench ก็สำคัญเช่นกัน เพราะชี้ให้เห็นว่าการปรับปรุงไม่ได้สม่ำเสมอในทุกเวิร์กโหลด
Fable 5.1 พัฒนามากที่สุดที่ไหน?
Terminal-Bench-Science 0.1: ผลลัพธ์เด่น Fable 5.1 ทำได้ 52.6% เทียบกับ 24.7% สำหรับ Claude Fable 5, 29.0% สำหรับ Claude Opus 5 และ 22.4% สำหรับ GPT-5.6 Sol ในการรันของ Anthropic ช่องว่างรุ่นใหญ่ 27.9 คะแนนใหญ่กว่าความคลาดมาตรฐานต่อโมเดลที่รายงานมาก ขณะที่ช่องว่างเล็กกว่า เช่น 3.5 คะแนนระหว่าง Fable 5.1 กับ Opus 5 บน Terminal-Bench 4.0 ควรตีความด้วยความระมัดระวังมากกว่า
Terminal-Bench-Science ประเมินเวิร์กโฟลว์วิจัยที่สมบูรณ์ครอบคลุมโดเมนวิทยาศาสตร์และวิศวกรรม เอเจนต์ต้องผลิตโค้ด การวิเคราะห์ พิสูจน์ จำลอง หรือผลลัพธ์ข้อมูล แทนการตอบคำถามโดดๆ Anthropic รายงานความคลาดมาตรฐานประมาณ ±3.5–4.5 คะแนนต่อโมเดล ดังนั้นช่องว่างเล็กๆ ไม่ควรถูกตีความอัตโนมัติว่าเป็นความแตกต่างด้านความสามารถที่มีนัยสำคัญ
Terminal-Bench 4.0: การโค้ดอัตโนมัติที่แข็งแกร่งขึ้น Fable 5.1 ไปถึง 55.8% นำหน้า Fable 5 ที่ 42.0% Opus 5 ที่ 52.3% และ GPT-5.6 Sol ที่ 37.3% การเพิ่มขึ้น 13.8 คะแนนเหนือ Fable 5 ถือว่าสำคัญ ขณะที่ความนำ 3.5 คะแนนเหนือ Opus 5 ถือว่าแคบกว่า
Benchmark นี้วางเอเจนต์ไว้ในสภาพแวดล้อมการดำเนินการ ความสำเร็จขึ้นอยู่กับการนำทางสภาพแวดล้อม เปลี่ยนโค้ด และตรวจสอบผลลัพธ์ เนื่องจาก Terminal-Bench 4.0 ใช้ชุดภารกิจที่ต่างจากรุ่นก่อน คะแนนควรเปรียบเทียบภายในเวอร์ชันของ Benchmark เดียวกันเท่านั้น
AutomationBench: การเพิ่มขึ้นมาก พร้อมช่องว่างอีกมาก AutomationBench เพิ่มจาก 17.1% บน Fable 5 เป็น 31.4% บน Fable 5.1 นั่นคือเพิ่มขึ้น 14.3 คะแนน หรือประมาณ 84% แบบสัมพัทธ์
Benchmark นี้ประเมินเวิร์กโฟลว์ครอบคลุมฝ่ายขาย การตลาด ปฏิบัติการ สนับสนุน การเงิน และ HR โดยตรวจสอบสภาพแวดล้อมสุดท้าย ซึ่งเป็นตัวทดสอบว่ามีการทำเวิร์กโฟลว์เสร็จจริง ไม่ใช่แค่เสนอการกระทำที่ถูกต้อง คะแนนยังเผยข้อจำกัดที่เหลือ: ราวสองในสามของภารกิจยังไม่เสร็จในกำหนดการรันของ Anthropic
CursorBench 3.2.0: การเพิ่มขึ้นด้านโค้ดที่เล็กกว่า Fable 5.1 ไปถึง 73.4% เทียบกับ 70.5% สำหรับ Fable 5, 70.0% สำหรับ Opus 5 และ 67.2% สำหรับ GPT-5.6 Sol กำไรเหนือ Fable 5 มีเพียง 2.9 คะแนน
จึงดูว่ารุ่นนี้เปลี่ยนแปลงน้อยกว่าในงานโค้ดสั้นสไตล์ IDE เมื่อเทียบกับเวิร์กโฟลว์ยาวที่เกี่ยวกับการวางแผน ดำเนินการ ตรวจสอบ และกู้คืน ชุดประเมินควรรวมการเปลี่ยนแปลงระดับรีโพซิทอรีและการกู้คืนจากเทสต์ที่ล้มเหลว แทนที่จะมีเพียงคุณภาพการสร้างโค้ด
OSWorld 2.0: การใช้งานคอมพิวเตอร์ยังคงท้าทาย Fable 5.1 ทำได้ 77.9% แบบเครดิตบางส่วน และ 41.7% แบบเสร็จสมบูรณ์เข้มงวด Opus 5 ทำได้ 75.4% และ 39.6% ขณะที่ Fable 5 ทำได้ 72.9% และ 36.1%
คะแนนแบบเข้มงวดสะท้อนการใช้งานจริงมากกว่า น้อยกว่าครึ่งของภารกิจที่เสร็จสมบูรณ์ แสดงให้เห็นว่าความก้าวหน้าด้านการใช้งานคอมพิวเตอร์ไม่ได้ตัดความจำเป็นของจุดตรวจ สิทธิ์ การเฝ้าระวัง และตรรกะการกู้คืน
CursorBench และ Humanity's Last Exam: การเพิ่มขึ้นเล็กกว่า Fable 5.1 ไปถึง 73.4% บน CursorBench 3.2.0 เพียง 2.9 คะแนนเหนือ Fable 5 บน Humanity's Last Exam เพิ่ม 3.1 คะแนนโดยไม่มีเครื่องมือ และ 1.2 คะแนนเมื่อมีเครื่องมือ
ช่องว่างที่แคบเหล่านี้สนับสนุนการตีความหลัก: Fable 5.1 เปลี่ยนแปลงมากกว่าบนเวิร์กโฟลว์ยาวที่ต้องวางแผน ดำเนินการ ตรวจสอบ และกู้คืน มากกว่างาน IDE ระยะสั้นหรือการให้เหตุผลเชิงวิชาการแบบปิด
Claude Fable 5.1 vs Fable 5 vs GPT-6 Astra vs Opus 5 คำตอบสั้น: Fable 5.1 เป็นตัวเลือกที่แข็งแกร่งที่สุดในตาราง Benchmark ระยะยาวที่เผยแพร่โดย Anthropic; Opus 5 เป็นจุดเริ่มต้นที่ประหยัดกว่าเมื่อช่องว่างประสิทธิภาพที่เล็กกว่ารับได้; Fable 5 ยังเป็นเส้นฐานแบบเดิม; GPT-6 Astra ต้องประเมินในฮาร์เนสเดียวกันก่อนอ้างอิงจัดอันดับโดยตรง
Fable 5.1 เป็นการอัปเกรดรุ่นชัดเจนเหนือ Fable 5 ใน Benchmark เอเจนต์ระยะยาวที่รายงานโดย Anthropic GPT-6 Astra เป็นตัวเปรียบเทียบจาก OpenAI ที่ใหม่กว่า แต่เปิดตัวหลังการประเมินวันที่ 1 กันยายนของ Anthropic และไม่ถูกรวมในฮาร์เนสเดียวกัน
หน้าต่างคอนเท็กซ์ 1M tokens 1M tokens 1.05M tokens เอาต์พุตสูงสุด 128K 128K 128K อินพุต / เอาต์พุตมาตรฐาน $10 / $50 per MTok $10 / $50 per MTok $10 / $50 per MTok การอ่านแคช $0.25 / MTok $1 / MTok ตรวจสอบเงื่อนไขผู้ให้บริการปัจจุบัน Terminal-Bench-Science 0.1 52.6% 24.7% ไม่รวมในตารางเปิดตัวของ Anthropic Terminal-Bench 4.0 55.8% 42.0% ไม่รวมในตารางเปิดตัวของ Anthropic AutomationBench 31.4% 17.1% ไม่รวมในตารางเปิดตัวของ Anthropic การวางตำแหน่งหลัก งานให้เหตุผลระดับสูงและเอเจนต์ระยะยาว เส้นฐานรุ่น Fable เดิม งานมืออาชีพแบบ End-to-end ที่ยาก
เมื่อเทียบกับ Fable 5, Fable 5.1 แสดงกำไรที่วัดได้มากที่สุดในวิจัยวิทยาศาสตร์ อัตโนมัติทางธุรกิจ และการโค้ดเทอร์มินัล โดยยังคงราคามาตรฐานต่อโทเคนเดิม ราคาการอ่านแคชที่ต่ำลงช่วยยกระดับเศรษฐศาสตร์ของเอเจนต์ที่ใช้คอนเท็กซ์ซ้ำ
กฎการเลือก: เริ่มจาก Opus 5 เมื่อให้ความสำคัญกับต้นทุน เลื่อนขึ้นไป Fable 5.1 เมื่อความสำเร็จระยะยาวและการกู้คืนสำคัญที่สุด คง Fable 5 ไว้เฉพาะเวิร์กโหลดที่อ่อนไหวต่อความเข้ากันได้ และประเมิน GPT-6 Astra ในฮาร์เนสเดียวกันก่อนใช้งานจริง
ประสิทธิภาพ Benchmark แยกตามงานเป็นอย่างไร? วิจัยเชิงเอเจนต์ทางวิทยาศาสตร์ 52.6% +27.9 คะแนน เพิ่มขึ้นมากมาก อัตโนมัติเวิร์กโฟลว์ธุรกิจ 31.4% +14.3 คะแนน เพิ่มขึ้นมาก โค้ดผ่านเทอร์มินัล 55.8% +13.8 คะแนน เพิ่มขึ้นมาก ใช้คอมพิวเตอร์แบบเข้มงวด 41.7% +5.6 คะแนน เพิ่มขึ้นปานกลาง ใช้คอมพิวเตอร์แบบเครดิตบางส่วน 77.9% +5.0 คะแนน เพิ่มขึ้นปานกลาง ให้เหตุผลระดับผู้เชี่ยวชาญ, ไม่มีเครื่องมือ 60.9% +3.1 คะแนน เพิ่มขึ้นเล็กน้อย โค้ดใน IDE แบบเอเจนต์ 73.4% +2.9 คะแนน เพิ่มขึ้นเล็กน้อย ให้เหตุผลระดับผู้เชี่ยวชาญ, มีเครื่องมือ 65.0% +1.2 คะแนน เพิ่มขึ้นเล็กน้อย งานความรู้ระดับมืออาชีพ 1853 Elo +130 Elo แข็งแกร่ง แต่อ่อนไหวต่อการตั้งค่า
รูปแบบสอดคล้องกัน: การปรับปรุงที่ใหญ่ที่สุดปรากฏเมื่อความสำเร็จขึ้นกับความเพียร การวางแผน ปฏิสัมพันธ์กับสภาพแวดล้อม การใช้เครื่องมือ และการกู้คืนตลอดเวลา
สิ่งที่ Benchmark ไม่ได้บอกคุณ ตาราง Benchmark บีบพฤติกรรมให้เป็นตัวเลขเดียว พวกมันไม่ได้พิสูจน์ว่าเอเจนต์อัตโนมัติถูกแก้ปัญหาแล้ว และไม่ได้ทำนายทุกเวิร์กโหลดการใช้งานจริง
ตารางเปรียบเทียบหลักดำเนินการโดยผู้ขาย
การตั้งค่าความพยายามส่งผลต่อคุณภาพ ความหน่วง และต้นทุน
Benchmark เอเจนต์วัดผลรวมของโมเดล ฮาร์เนส เครื่องมือ และสิทธิ์
มาตรการคุ้มครองในโปรดักชันถูกเปิดบน Fable 5.1 และส่งผลต่อบางผลลัพธ์
เวอร์ชันของ Benchmark เปลี่ยนแปลงได้ ดังนั้นค่างานต่างเวอร์ชันอาจเทียบกันไม่ได้
AutomationBench ยังอยู่ที่ 31.4% และ OSWorld แบบเข้มงวดอยู่ที่ 41.7% อัตราความล้มเหลวยังคงมีนัยสำคัญ
การประเมินเชิงปฏิบัติควรใช้คะแนนสาธารณะเพื่อคัดเลือกเบื้องต้น ทำซ้ำการเปรียบเทียบขนาดเล็กด้วยการตั้งค่าเหมือนกัน และทดสอบเวิร์กโฟลว์ใช้งานจริง
Claude Fable 5.1 คือโมเดล Claude ที่ดีที่สุดหรือไม่? สำหรับความสามารถสูงสุดในงานยากที่รันยาว หลักฐาน Benchmark สนับสนุน Claude Fable 5.1 อย่างเข้มแข็ง สำหรับทุกเวิร์กโหลด ไม่ใช่
Anthropic ตั้งราคา $10 ต่อหนึ่งล้านโทเคนอินพุต และ $50 ต่อหนึ่งล้านโทเคนเอาต์พุต เทียบกับ $5 และ $25 สำหรับ Opus 5 ราคาพรีเมียมคุ้มค่าเมื่อ Fable 5.1 ให้สัดส่วนความสำเร็จสูงขึ้น รีทรายน้อยลง โทเคนต่อภารกิจที่ยอมรับได้น้อยลง หรือการลดเวลาตรวจทานของมนุษย์ได้พอ
ราคาการอ่านแคชที่ต่ำลงช่วยลดช่องว่างต้นทุนที่มีประสิทธิภาพสำหรับเอเจนต์ ต้นทุนต่อผลลัพธ์ที่ยอมรับจึงมีประโยชน์กว่าการดูราคาโทเคนเพียงอย่างเดียว
ควร Benchmark Claude Fable 5.1 อย่างไร? การประเมินควรคล้ายเวิร์กโหลดการใช้งานจริงที่ตั้งใจ
Coding: ทดสอบภารกิจครบถ้วนและบันทึกการยอมรับแพตช์ จำนวนเทสต์ผ่าน การรีทราย การเรียกเครื่องมือ เวลาโดยรวม และเวลาที่มนุษย์แก้ไข
Research: ประเมินคุณภาพแหล่งข้อมูล ความถูกต้องข้อเท็จจริง ความครอบคลุมหลักฐาน การทำซับทาสก์ และการคงเป้าหมายในรันยาว
Business agents: ให้คะแนนสภาพแวดล้อมสุดท้ายแทนการนับการกระทำที่ถูกต้องรายชิ้น
Computer use: วัดการกู้คืนจากป๊อปอัป หน้าเว็บช้า เซสชันสะดุด และสภาพแอปพลิเคชันไม่สอดคล้อง
Model comparison: คงพรอมป์ต์ ฮาร์เนส เครื่องมือ สิทธิ์ การตั้งค่าความพยายาม และกฎการให้คะแนนให้เหมือนกัน
Economics: วัดต้นทุนต่อภารกิจที่ยอมรับ ไม่ใช่แค่ราคาต่อโทเคน
สรุป หลักฐาน Benchmark ชี้ว่า Fable 5.1 มีค่าสูงสุดเมื่อภารกิจต้องการการดำเนินการต่อเนื่อง มากกว่าคำตอบเดี่ยว เคสใช้งานที่แข็งแกร่งที่สุดรวมถึงงานวิจัยวิทยาศาสตร์ การโค้ดอัตโนมัติ อัตโนมัติทางธุรกิจที่ซับซ้อน และเวิร์กโฟลว์ที่ต้องตรวจสอบและกู้ซ้ำ
หลักฐานไม่ได้สนับสนุนความเหนือกว่าทั่วไป ช่องว่างเล็กบนหลาย Benchmark อัตราความล้มเหลวที่มีนัยบนงานใช้คอมพิวเตอร์แบบเข้มงวด และการที่ GPT-6 Astra ไม่อยู่ในตารางเปิดตัวของ Anthropic ตอกย้ำความจำเป็นของการทดสอบตามเวิร์กโหลด
สำหรับผู้ใช้ CometAPI กฎการนำไปใช้งานที่เป็นรูปธรรมคือ ทดสอบ Fable 5.1 ในงานที่ความสำเร็จระยะยาวคุ้มค่าการคำนวณพรีเมียม แล้วเปรียบเทียบกับ Opus 5, GPT-5.6 Sol และ GPT-6 Astra บนภารกิจตัวแทนเดียวกันก่อนเลือกเส้นทางโปรดักชัน
คำถามที่พบบ่อย
Benchmark สูงสุดของ Claude Fable 5.1 คืออะไร? ในบรรดาตัวชี้วัดแบบเปอร์เซ็นต์ที่ Anthropic รายงาน Fable 5.1 ไปถึง 77.9% แบบเครดิตบางส่วนบน OSWorld 2.0 และ 73.4% บน CursorBench 3.2.0 การพัฒนารุ่นที่ใหญ่ที่สุดคือ Terminal-Bench-Science ที่ 52.6% เทียบกับ 24.7% สำหรับ Fable 5
Claude Fable 5.1 ดีกว่า Fable 5 แค่ไหน? กำไรต่างกันมากตามเวิร์กโหลด: 27.9 คะแนนบน Terminal-Bench-Science, 14.3 บน AutomationBench และ 13.8 บน Terminal-Bench 4.0 แต่เพียง 2.9 บน CursorBench และ 1.2 บน Humanity’s Last Exam แบบใช้เครื่องมือ
Claude Fable 5.1 ดีกว่า Claude Opus 5 หรือไม่? มันทำคะแนนสูงกว่าทั้งตารางที่ Anthropic รายงาน แต่หลายช่องว่างมีขนาดเล็ก Anthropic แนะนำให้เริ่มจาก Opus 5 และเลื่อนเมื่อจำเป็นต้องใช้ความสามารถระยะยาวเพิ่มเติม
Claude Fable 5.1 ชนะ GPT-5.6 Sol หรือไม่? Anthropic รายงานว่า Fable 5.1 ทำคะแนนสูงกว่าบนห้าตัวชี้วัดร่วม เนื่องจากนี่คือการประเมินคู่แข่งโดยผู้ขายและการกำหนดค่าแตกต่างกัน บทสรุปที่ปลอดภัยคือ Fable 5.1 มีความสามารถแข่งขันสูง มากกว่าการเหนือกว่าทุกด้าน
ผลลัพธ์ได้รับการยืนยันอิสระหรือไม่? เพียงบางส่วน Benchmark หลายรายการมีลีดเดอร์บอร์ดสาธารณะ แต่ความพยายาม ฮาร์เนส พฤติกรรมสำรอง และเวอร์ชันภารกิจต้องสอดคล้องกันก่อนที่จะเทียบค่ากับการรันเปิดตัวของ Anthropic ได้โดยตรง
Claude Fable 5.1 เหมาะที่สุดกับอะไร? โปรไฟล์ Benchmark แข็งแกร่งที่สุดสำหรับงานวิจัยวิทยาศาสตร์ที่รันยาว การโค้ดอัตโนมัติ เวิร์กโฟลว์เอเจนต์ที่ซับซ้อน อัตโนมัติทางธุรกิจ และงานที่ต้องวางแผน ใช้เครื่องมือ ตรวจสอบ และกู้คืน
จะเข้าถึง Claude Fable 5.1 ได้อย่างไร? CursorBench 3.2.0 การโค้ดใน IDE แบบเอเจนต์ 73.4% 70.5% 70.0% 67.2%
