文｜智讯智库李伯睿
2026年9月1日，Anthropic（未上市）发布ClaudeFable5.1和ClaudeMythos5.1。两者基于同一底座模型，但采用不同的安全与访问机制[1]：前者面向一般用户开放，而后者则仅通过trustedaccessprogram（可信访问计划）向经过审核的机构和研究人员开放，主要服务于网络安全、生命科学等敏感专业场景。
此次发布中，有一个让人眼前一亮的变化：模型使用成本明显下降。Fable5.1的输入和输出价格分别为每百万token10美元和50美元，但缓存读取（cacheread）价格降至每百万token（词元，大模型处理文本的基本计量单位）0.25美元，相比Fable5下降75%。Anthropic据此估算，在典型工作负载中整体成本可下降约25%，在高频调用的智能体任务中，成本降幅最高可达到约45%[2]。
注：这里的25%和45%属于Anthropic基于使用量计费、默认effort设置和具体工作负载做出的估算，并不意味着Claude所有API（应用程序编程接口）单价都全面下降。
大模型降本，降到了哪里？
过去，大模型成本主要集中在两个环节：一是在模型训练中投入大量算力；二是在用户的实际使用过程中，持续产生推理成本。
对于企业而言，后者通常更影响商业化落地——尤其是在智能体（Agent）场景中，一个任务往往需要持续读取历史上下文、多轮调用模型，并反复使用搜索、代码执行、数据库等工具。任务链条越长，上下文被重复读取的次数就越多，cacheread也越容易成为整体调用成本中的重要组成部分。
Fable5.1此次将缓存读取价格降低75%，意义在于它优先改善的是高频、多轮、上下文复用率高的Agent任务单位经济性。
比如代码智能体持续处理一个大型代码库时，不需要每轮都以完整价格重新读取同一批代码和上下文；企业Agent处理长期任务时，也会反复调用此前已经写入缓存的信息。cacheread越便宜，这类长链路任务越有可能从“技术上能跑”走向“经济上值得长期跑”。
意味着什么？
AI商业化进入效率竞争阶段
随着AI快速进入产业场景，越来越多企业开始为员工提供token额度，鼓励在办公、研发和业务流程中广泛应用大模型和智能体。
然而，使用频率的提升也带来了新问题：企业承担的成本，正在从一次性的订阅采购，转向持续性的模型调用支出。当员工大量依赖智能体执行复杂长程任务后，token消耗所累积的账单压力日益凸显——这些投入是否真正转化为了对应的业务价值？
因此，如何降低高频调用场景下的单位成本，成为AI规模化落地的关键命题。
Anthropic此次降低缓存读取价格，正回应了这一诉求。相比简单降低模型调用价格，缓存成本的下降，对上下文复用率高、多轮调用频繁的智能体任务影响更为直接。例如，代码智能体需要持续读取大型代码库，企业知识助手则反复调用历史文档和业务资料，这些场景都会高度依赖缓存读取能力。当这一成本降低后，那些过去“技术上可行但经济上不划算”的任务，有机会走向长期稳定运行。
这也正是Anthropic测算结果备受关注的原因：典型工作负载成本下降约25%，而高度Agent化任务成本最高下降约45%。Claude5.1此次调整释放出的信号，已不止于模型定价的变动，而是标志着大模型商业化正式进入“单位任务成本”竞争的新阶段。
对科研和药企意味着什么？
此次发布中，Anthropic还展示了Mythos5.1在生命科学和科研计算中的应用能力。由于Mythos5.1允许处理更敏感的生命科学任务，目前仅通过trustedaccessprogram向经过审核的机构和研究人员开放[3]。
在蛋白质设计任务中，Mythos5.1调用开源蛋白设计工具生成候选方案，并交由外部实验机构进行验证。Anthropic公布的结果显示，在12个靶点的设计中，整体有效结合命中率接近50%；其中3个靶点的结合亲和力达到此前AdaptyvBio蛋白设计竞赛最佳结果的约10倍[4][5]。这项成果说明，AI已经开始从“分析已有数据”走向“参与提出新的科研方案”。不过，它距离独立完成一款新药研发还有很长距离。目前AI更擅长帮助科学家缩短前期探索时间、优化计算流程，并减少一些不必要的试错。
此外，Mythos5.1还对7个开源深度学习模型的GPU（图形处理器）内核进行了优化，在保持输出结果一致的情况下，推理速度最高提升2.5倍。Anthropic估算，在需要反复运行模型的科研任务中，相关GPU成本可以下降30%-60%。
对于药企和科研机构来说，这类能力的价值在于降低研发过程中的时间和计算成本。比如蛋白设计、生物数据分析、基因组计算等任务，往往需要大量重复计算和反复尝试。AI既可以帮助研究人员更快完成方案设计，也能优化背后的计算流程，从而减少部分无效试错，降低科研成本。
当然，这里需要强调的是，这些结果目前主要来自Anthropic官方展示和外部实验验证，并不能直接推导为药物研发整体周期或总成本已经出现同等幅度下降。
AI降本还会影响哪些领域？
软件开发是最直接的一类。代码Agent通常需要长期读取代码库、历史修改记录和测试结果，还会连续执行调试、测试和修改。上下文规模大、调用轮次多，因此cacheread价格下降会直接改善代码Agent的长期运行成本。Anthropic自己引用的客户反馈也提到，新缓存价格使部分过去成本较高的代码审查类工作负载变得更具经济性。
另一个是企业知识库和流程自动化。企业Agent通常需要持续读取公司文档、客户记录、历史对话以及工作流程信息，其中很多内容会在不同任务中被反复使用。缓存和上下文读取成本下降后，客服Agent、内部知识助手、流程审批等长期运行型应用的单位成本也会随之降低。
结语：大模型竞争进入下一阶段
Claude5.1此次价格调整释放出的信号，是大模型商业竞争正在进一步进入“单位任务成本”阶段。模型能力决定任务上限，上下文管理、缓存复用和推理效率，则越来越影响AI能否长期、规模化运行。随着Agent开始执行更长、更复杂的任务，谁能用更低成本完成同样的工作，可能会成为下一阶段模型竞争的重要变量。
参考资料：
[1]ANTHROPIC.IntroducingClaudeFable5.1andClaudeMythos5.1[EB/OL].(2026-09-01)[2026-09-02].
[2]ANTHROPIC.ClaudeFable5.1[EB/OL].(2026-09-01)[2026-09-02].
[3]ANTHROPIC.ClaudeMythos5.1[EB/OL].(2026-09-01)[2026-09-02].
[4]ANTHROPIC.HowClaudeisacceleratingproteindesignandanalyticalchemistry[EB/OL].(2026-08-18)[2026-09-02].
[5]ADAPTYVBIO.IntroducingBenchBBandthecommunitypaperoftheProteinDesignCompetition[EB/OL].(2025-04-26)[2026-09-02].
天盛优配提示：文章来自网络，不代表本站观点。
