Fable 5.1生物学推理强但拒答高：基准测试全面碾压前代
内容提要
Anthropic发布Claude Fable 5.1，生物学推理能力大幅提升，基准测试超越前代，成本降低。但LatchBio测试显示其拒绝率高，尤其对人类基因组和病原体相关任务，长周期任务全拒。模型通过安全分类器或中途自我审查拒绝，安全与实用性矛盾突出，完整版仅限美国机构使用。
延伸解读
拒绝率高的背后：安全与实用的权衡
Fable 5.1 在生物学推理上表现优异，但 LatchBio 测试显示其拒绝率极高，尤其对人类基因组和病原体相关任务。这反映了 Anthropic 在安全与实用性之间的权衡：宁可误杀合法请求，也不愿冒险被恶意利用。对于研究者而言，这意味着需要准备回退方案，以应对任务中途被拒的情况。
拒绝行为的规律：风险分级与政策判断
Fable 5.1 的拒绝并非随机，而是基于风险分级：病原体相关任务几乎全拒，人类基因组解释大量被拒，而模式生物和方法论任务则较少受限。这体现了 Anthropic 的政策判断，将红线画在“人类”相关任务上，可能影响人类遗传病研究者的工作流程。
中途拒绝机制：模型自我审查的体现
LatchBio 发现，部分拒绝发生在模型已开始分析之后，平均输出约 1900 个 token 才阻断。这表明模型在执行过程中进行自我审查，意识到任务超出允许范围。这种能力虽体现模型对边界的认知，但也增加了结果的不确定性，用户难以预测何时会被中断。
Q&A
Claude Fable 5.1 在生物学推理方面有哪些具体进步？
Fable 5.1 在生物学推理上表现突出，例如能正确应用工具过滤阈值、整合多个数据源时具有怀疑精神、考虑统计约束、正确使用单倍体等生物学常识。在 LatchBio 的测试中，它比 Opus 5 更准确地处理了结构变异计数、孔位效应、差异表达等任务。
Fable 5.1 的拒绝率高吗？主要拒绝哪些类型的任务？
是的，Fable 5.1 的拒绝率很高。LatchBio 测试显示，在 TxBench-PP 基准中 100 个任务只答了 7 个，所有长周期任务 100% 拒绝。主要拒绝病原体生物学相关任务（如病毒逃逸、抗菌素耐药性）、人类基因组解释（如疾病拷贝数、变异对药物反应的影响）等，而方法论构建、模式生物（如斑马鱼）相关任务则较少拒绝。
Fable 5.1 的拒绝机制是怎样的？
Fable 5.1 的拒绝机制有两种：即时拒绝和中断拒绝。即时拒绝由输入安全分类器在模型处理前拦截；中断拒绝发生在模型开始分析后，平均输出约 1900 个 token、约 500 个思考 token、执行 4 条 bash 命令后才阻断输出，其中 40% 的中断拒绝发生在打开 .h5ad 文件后，表明模型在任务执行过程中进行自我审查。
Fable 5.1 和 Mythos 5.1 有什么区别？
Fable 5.1 和 Mythos 5.1 是同一个模型，区别在于安全护栏级别。Fable 5.1 面向大众开放，而 Mythos 5.1 仅对经过审核的网络安全和生命科学机构开放，且完整版目前仅限美国机构使用。
Fable 5.1 在基准测试中的表现如何？
Fable 5.1 在多个基准测试中表现优异：Terminal-Bench-Science 0.1 得分 52.6%，是上一代 Fable 5（24.7%）的两倍多；Terminal-Bench 4.0 得分 55.8%，超过 Opus 5 的 52.3%；GDPval-AA v2 得分 1853 分，高于 Opus 5 的 1824 分。
Fable 5.1 的成本相比前代有何变化？
Fable 5.1 的缓存读取价格从 1 美元降至 0.25 美元，降幅 75%；整体成本比 Fable 5 低 25%，高强度智能体任务最多可节省 45%。
Fable 5.1 的安全护栏误报率有何改进？
Anthropic 表示，Fable 5.1 的生物学安全护栏对良性请求的误报率比 Fable 5 时期降低了 85%，网络安全护栏的误报率降低了 60%。但 LatchBio 的数据显示，拒绝仍然大规模存在。
为什么 Fable 5.1 会拒绝人类基因组相关任务？
Fable 5.1 的拒绝规则基于风险判断，人类基因组解释被视为中等风险，因此被拒绝。这反映了 Anthropic 的政策判断：人类基因组信息更容易被滥用，因此设置更严格的安全限制，而模式生物（如斑马鱼）风险低，则较少拒绝。
