实测Claude Fable 5.1：编程、3D建模与游戏开发能力深度评测

注：本文基于科技UP主Bijan Bowen对Anthropic新模型的上手实测整理。为规避潜在披露限制，原视频中对模型采用了代号"Fable 5.1"（对应旗舰级新模型），本文沿用其表述，读者可将其理解为某新一代前沿大模型的实测记录。

Anthropic近期悄然推送了新一代模型"Fable 5.1"，作为上一代"Fable 5"的迭代升级。上一代模型曾被这位测评者连拍三期视频专门测试，足见其分量。这次的5.1版本在保持相同定价的前提下，宣称性能更高、成本更低，还修复了此前饱受诟病的安全机制误触发问题。本文将通过一系列高强度实测任务，看看这个"贵到离谱"的模型究竟强在哪里。

定价策略、安全机制与基准表现

从官方公告来看，Fable 5.1在典型工作负载下的成本比上一代低约25%（按token计费场景），但API定价维持不变——输入每百万token 10美元，输出每百万token 50美元，依旧属于顶级昂贵档位。对大多数订阅用户而言影响不大，测评者本人使用的是每月200美元的Max 20x套餐。

值得关注的是两点改进。其一是安全机制的优化。此前使用Fable 5时，对话经常会因触发safeguards而被强行中断，提示用户改用其他模型，且部分情况下完全无法继续，这一体验被大量用户吐槽。5.1版本对此做了明显改善。

其二，官方公告罕见地大篇幅强调科研应用能力，包括生物医疗用例，以及用神经网络为金星（约三分之一表面）生成高分辨率地形高程图等案例。测评者认为，AI在科学研究领域的应用很可能是未来数年的核心趋势。基准测试方面，5.1相比上一代有显著提升，同时成本更低，形成了"性能更高、价格更优"的组合。

Token计费是当前主流大模型API的定价基础。Token是模型处理文本的基本单位，大致对应英文单词的碎片或中文字符，通常1000个token约等于750个英文单词或500个汉字。输入token指发送给模型的内容（包括系统提示、对话历史），输出token指模型生成的回复。顶级模型输出token价格往往是输入的3-5倍，因为生成计算量更大。Fable 5.1输出端每百万token 50美元，意味着生成约50万汉字的内容要花50美元——在密集使用场景下费用会迅速累积，这也是测评者此次额外付出156美元API费用的根本原因。

浏览器OS与GTA克隆游戏：细节见真章

第一项测试是从Web界面发起的"Browser OS v2.7"任务，在High Effort模式下运行。结果整体中规中矩——生成的浏览器桌面系统仅1057行代码，甚至没有实现右键菜单（测评者也坦言指令中并未明确要求右键，而官方强调5.1的指令遵循能力更强）。

真正的亮点在于系统内嵌的GTA克隆小游戏。虽然采用低多边形风格，但完成度相当高：可以驾驶车辆、抢夺警车、殴打路人（这个交互并非所有模型都会实现），车辆带有网格碰撞体，画面右下角还有实时金额和计时显示。此外还有一个通用的太空射击游戏"Void Runner"，可玩性和视觉效果都不错，引擎尾焰等细节也有到位处理。整个OS的"特色功能"是所谓"Aurora Link"——一个把所有应用串联起来的事件总线，游戏甚至能向系统邮件发送消息，形成互联体验。

C++滑板游戏开发：从编译翻车到惊艳杰作

最能体现模型编程硬实力的是纯C++（不依赖外部库）的自包含游戏测试。第一个是纽约市滑板游戏，编译耗时约一小时十分钟。模型在过程中自主发现并修复了大量边缘case：骑手重生时卡进栏杆碰撞体、河流因地面平面渲染而不可见、四分之一管道的物理过渡bug等。

初版成品视觉惊艳——鸽子会因玩家靠近而飞走、长椅上坐着行人、远处有大量建筑和大桥、消防栓喷水、井盖冒烟，甚至能看到类似史泰登岛渡轮的场景。但存在一个关键缺陷：无法完成Ollie（跳跃）动作，且菜单无法隐藏。

给出follow-up后，模型仅用不到三分钟就修复了Ollie逻辑和板子边缘朝向问题。修复后的游戏体验"极其出色"：玩家做特技时的动量表现自然，NPC移动流畅，可以做360翻板、pop shove-it等进阶动作，还能在喷泉边缘等各种物体上grind（磨轨）。测评者罕见地表示要保留这个成果而非按惯例清除系统。

不过他也提到，此前测试的开源模型Qwen 3.8 Max在同一prompt下的表现与之相当接近——而后者是一个2.4万亿参数的开源权重模型，这一对比颇具启示意义。

Qwen 3.8 Max是阿里巴巴旗下通义千问团队发布的开源大模型，"2.4万亿参数"指的是混合专家架构（MoE）下的总参数量，实际每次推理激活的参数量远小于此。开源权重模型意味着模型参数可以公开下载、本地部署，用户无需通过API付费调用，边际使用成本接近于零。测评者将一个付费订阅顶级闭源模型与一个可免费自托管的开源模型进行横向比较，意在说明：在编程等特定任务上，两者的能力差距已经收窄到难以用价格差异来合理化的程度，这对AI应用的成本结构有深远含义。

AI 3D建模与网页设计：有惊喜也有短板

3D打印引擎模型：精度与可行性兼顾

3D打印引擎模型测试是另一个亮点。任务要求生成一个可3D打印、内部预留腔体以容纳微型遥控车电机（N20马达）、且尽量无需支撑材料的双涡轮直列六缸引擎模型。

成品在首眼观感上非常出色：进气歧管、排气歧管、涡轮增压器、机油盖、气门室盖上的文字、发电机、皮带轮（甚至带有仿真的沟槽纹理）一应俱全。更难得的是打印可行性考量——各部件配有销钉拼接系统、油底壳正确预留了走线孔、风扇尺寸精确匹配N20马达轴、缸体上方做了斜面减少支撑需求。测评者认为大部分部件都能实现"卡扣式"组装，唯有进气歧管等少数件打印起来会有难度。

网页设计测试：高价模型未拉开差距

但网页设计类测试则有些令人失望。手表网站虽然做到了根据本地时钟显示实时时间这样的细节，但表带一侧缺失了连接件，表盘玻璃的自发光属性遮盖了细节，齿轮排列也略显歪斜。经典的"《宋飞正传》Jerry公寓"复现测试同样是"完成度高但不够惊艳"——包含了门铃、多重门锁等以往少见的细节，Dollhouse视角效果也不错，但户型布局仍不够准确，且刻意回避了保时捷海报等可能涉及版权的元素。测评者直言，考虑到这是每百万token 50美元输出的顶级模型，部分结果甚至"没比便宜得多的模型强多少"。

地铁FPS丧尸射击游戏：Ultra Code模式的极限挑战

最后的压轴测试是在"Ultra Code"（远超默认的超高算力模式）下生成的地铁站FPS丧尸射击游戏。这次的体验充满戏剧性——模型在设计阶段花了整整两小时，产出一份详尽的设计文档，却一行代码都没写。

整个任务耗时三个多小时才完成。所幸成品"平息了测评者的怒火"：不仅有多种武器（手枪、卡宾枪、霰弹枪）、弹壳抛出、弹孔留存、枪口火光，还实现了"清空第一波后列车进站、车门打开放出第二波敌人"的核心机制，敌人穿着不同服装、地面有脚步血迹、光在水洼中的反射、以及"根据击中材质不同而变化的子弹音效"等惊人细节。唯一失败点是长椅朝向和倾斜角度处理有误。测评者评价这是"顶级水准"的成果。

"Ultra Code"模式对应Anthropic平台中的扩展思考（Extended Thinking）或高计算预算配置。在这种模式下，模型会分配更多"思考token"进行内部推理——即在给出最终回复前，先经历更长的链式推理过程。这类思考token通常也按量计费，且往往比普通输出token更昂贵。两小时只输出设计文档而不写代码，说明模型在高算力配置下会优先穷尽规划阶段，这既是其自主性的体现，也暴露了当前大模型在任务执行节奏上缺乏与用户预期对齐的问题。

使用成本分析与综合评价

这次测试的代价不菲。除订阅套餐额度外，仅额外API计费就花掉了156美元。测评者借此提出一个重要观点：当前订阅套餐对这些模型有大量补贴，一旦补贴退坡，实际使用成本将极其高昂。因此，拥有性价比高的廉价模型、尤其是能承担大量日常工作的开源权重模型，对未来的AI应用至关重要——这也正是Qwen 3.8等开源模型在多项测试中能与之抗衡的意义所在。

综合来看，Fable 5.1在复杂的自包含代码生成（尤其是C++游戏和3D建模）方面展现了顶级实力，指令遵循和自主debug能力尤为突出；但在网页设计的美学细节和空间布局精度上，其表现与高昂定价并不完全匹配。它或许是当前最强的模型之一，但"最强"的头衔仍需在具体场景下审慎评估。

背景补充

N20马达是一种微型直流减速电机，外径约12mm，广泛用于遥控车、小型机器人等场景，是创客和原型开发领域的标准零件。模型能够在生成引擎3D模型时主动适配N20马达的轴径和安装尺寸，说明其训练数据中包含了足够多的工程与制造知识，能够将抽象的"留腔容纳电机"要求转化为具体的几何约束——这类将自然语言需求映射到物理可行性的能力，正是当前AI辅助硬件设计的核心价值所在。