2026年9月1日 今天是Claude Fable（和Mythos）5.1日。Anthropic表示Fable 5.1“为编码、知识工作和长时间的问题解决任务设定了新的标准”。他们的公告花了相当多的时间在科学研究上，自夸在全新的Terminal-Bench-Science 0.1基准测试中获得了52.6%的得分（首次于8月27日宣布），相比Fable 5的24.7%、Opus 5的29.0%和GPT-5.6 Sol的22.4%有了显著提升。其他基准显示出轻微的改善得分，但没有一个能像科学基准那样令人印象深刻。但它的鹈鹕表现如何呢？回想7月，我曾写到我对鹈鹕基准的信心正逐渐降低——它与模型在其他任务中的表现的关联似乎没有2025年时那么强烈。我现在从中获得的最有趣的见解是不同模型家族内的比较，尤其是在不同推理程度下同一提示的比较。Fable 5.1有五个推理等级：低、中、高、极高、最大，并且没有完全关闭推理的选项。我修复了在llm-anthropic中导致推理轨迹未能正确记录的问题，然后运行了一些提示。以下是所有推理等级的鹈鹕的完整记录，每个都有完整的推理转录。我将在这里复制它们：低和中，都是没有推理？接下来，有点神秘。这是我在低努力下得到的结果：转录没有显示任何总结性的推理标记，输出令牌数为1998。与Claude的结果相比，该输出令牌数不包括推理令牌。它花费了23.8秒，成本为10.017美分。我把等级提高到中等，得到了这个：奇怪的是，那一个也没有显示推理文本，并且使用了1977个输出令牌——比低等级少了21个令牌。它花费了23秒，成本为9.912美分。因此，对于这个特定提示（“生成一只骑自行车的鹈鹕的SVG”），Fable 5.1在低和中设置下似乎完全跳过了推理。高等级这是高——29.6秒，2612个输出令牌，13.087美分：这个确实进行了一些推理，摘要如下：我正在为一只骑自行车的鹈鹕规划SVG布局，背景有天空和地面，自行车有两个有辐条的轮子，车架、座椅和把手，以及一只白色身体的鹈鹕，长长的脖子和橙色的喙位于顶部。但是，与低和中等级相比，差别并不大。在极高的情况下，情况发生了根本性的变化。36767个输出令牌，7分钟51秒，1.83美元！推理轨迹相当长，包含了这样的细节：添加眼睛，翅膀伸展到把手把握处，橙色的腿伸向踏板，还有一根小尾羽，同时保持鹈鹕在自行车上显得过大，以达到喜剧效果。[...]我会接受这种略微的厚度，因为它更具魅力，而不是过度设计。将努力设置为最大，让我得到了我所见过的任何Anthropic模型中最好的鹈鹕。65927个输出令牌，13分钟54秒，3.30美元：这有很多值得喜欢的地方。背景很雅致，腿清楚地在车架两侧，脚在踏板上，翅膀在把手上，鹈鹕戴着可爱的蓝色帽子，车篮里装有一条鱼。它仍然没有显示出接近Gemini 3.7 Flash的同等水平的华丽，但我并没有要求华丽——我要求的是SVG，而这正是我得到的。来自那条推理轨迹的一些亮点：在两个脚附近添加踏板形状，远处的脚在第二根腿后面部分可见。我在考虑是否添加一个小围巾或帽子以增加角色，但倾向于保持简单以避免杂乱。现在我在思考头上的自行车头盔与鹈鹕的标志性羽冠——喙和喉囊已经清晰地表现为“鹈鹕”，因此头盔可以在不失去身份的情况下强化自行车主题，尽管它可能与羽冠的视觉空间竞争。我意识到位于（484,84）的喙将与圆顶头盔重叠，因此我需要缩小头盔，只覆盖头部的顶部，调整其弧线端点，使其嵌套更高和更窄，以便喙可以干净地固定在前面而不会发生碰撞。[...]我正添加一个更深色的顶端区域来代表主要的羽毛，然后重新考虑尾缘，以便包括波浪形的羽毛曲线，而不是一条平滑的线，以获得更自然的外观。[...]现在我在检查头盔上的通风线位置，确保它们足够远离头盔边缘，考虑到笔划宽度和圆角帽，并确认每个通风口保持在头盔的圆形边界内。[...]我决定跳过一个把手铃和轮胎高光，因为它们是多余的添加。目前我正在重新考虑前叉的曲线——当前的控制点在后拉形状时，它应该向前弯曲才能获得适当的倾斜，因此我需要将控制点向右移动以修复前叉的倾斜。好了，让我们为它添加动画。在Hacker News上，swalsh评论了那只最大的鹈鹕：既然它是一个解决的基准，能否...