Anthropic发布Claude Fable 5.1，宣称在编码和知识工作上有重大进步，基准测试得分翻倍。但作者用四个真实任务测试新旧模型，发现两者准确率均为满分，仅在速度和成本上略有差异。在复杂任务中，旧模型甚至更快更便宜。作者认为，对日常任务升级意义不大，改进可能仅体现在长时研究型任务上。