第三方评测机构 Artificial Analysis 更新了 Claude Fable 5.1 的测试结果：综合智能指数 66 分，在 192 个受测模型里排第一。上一代 Fable 5 是 62 分、第六名。
同一份结果里还有另一组数字。跑完整套智能指数评测，Fable 5.1 花掉 8523.16 美元，Fable 5 是 5455.22 美元；折算到单个任务，成本从 3.14 美元涨到 3.69 美元。
单价没动，话变多了
两代模型的挂牌价完全一样：输入每百万 token 10 美元，输出 50 美元。多出来的三千美元全部来自输出长度——Fable 5 跑完整套题吐了 8300 万 token，5.1 吐了 1.4 亿，多出约 69%。Artificial Analysis 给出的中位数是 7100 万，也就是说 5.1 的话量接近中位水平的两倍。
这符合近一年推理模型的普遍走向：能力提升靠让模型多想几步，而计费按 token 走，账单跟着思考长度一起涨。对按月付订阅的普通用户没有直接影响；对按 API 结算的团队来说，同样的任务量，预算得重排一遍。
首 token 等了近五分钟
速度那一栏更扎眼。Fable 5.1 输出速度 66.4 token/秒，在 192 个模型里排第 84，低于 70 的中位数；首 token 返回时间 296.81 秒，上一代是 116.06 秒，多等了一倍半还多。
这个延迟数字在交互式场景里基本没法用，但它测的是完整推理流程——模型在吐出第一个字之前先想了很久。放在无人值守的后台任务上，等五分钟不算问题；放在编辑器里等补全，就是另一回事。
和 GPT-5.6 Sol 摆一起看
同一榜单上，OpenAI 的 GPT-5.6 Sol 拿 61 分排第八，跑完整套评测花 2017.29 美元，单任务 0.95 美元，输出 7000 万 token，挂牌价输入 4 美元、输出 20 美元。
粗算一下：Fable 5.1 比它多 5 分智能指数，单任务成本是它的 3.9 倍，跑完整套题的总开销是 4.2 倍。很难据此断言谁更划算——两者接的活不一样，一次做对复杂任务省下的返工时间，未必抵不上这个差价。但它确实解释了为什么越来越多团队开始把模型分层调度：难题交给榜首，剩下八成的琐事丢给便宜档。
榜单只回答一个问题：谁最聪明。付账的人还得回答第二个：这一分值多少钱。
参考来源：Artificial Analysis 模型对比页、CocoLoop；智能指数得分、评测总开销、单任务成本、输出 token 量与首 token 时延均取自该机构公开页面的同一轮测试口径。