当Ramp的工程师在监控屏幕上看到那条平稳收尾的机器学习任务曲线时，他们意识到，AI“无人值守工作”的设想终于从实验室走向了现实。这场突破背后，并非依靠算力成本的持续下探，而是源于Anthropic对模型缓存读取价格的精准调整——每百万token价格从1美元骤降至0.25美元，降幅达75%。这一看似微小的改动，实则重构了AI应用的成本结构。
2026年9月，Claude Fable 5.1的发布引发行业震动。尽管其基准测试分数翻倍，但真正令华尔街与硅谷不安的，是价格表中一行不起眼的调整：同一底层模型被拆分为两条轨道——面向公众的Fable 5.1与仅限网络安全、生命科学领域使用的Mythos 5.1。前者输入输出价格维持每百万token 10美元与50美元不变，后者则通过将缓存读取价砍至脚踝，直击长时域Agent的核心痛点。
传统AI定价逻辑围绕“单次智能”展开，输入输出成本如同水表计费，流量决定账单。但长时域Agent的成本曲线截然不同：在持续数小时的任务中，新生成的token仅占极小比例，绝大多数成本消耗在反复读取已有上下文。Anthropic的账本显示，典型任务成本下降25%，高度Agent化任务降幅可达45%。这相当于将AI应用的“燃油费”打至0.25折，而“机票价”维持不变。
当OpenAI通过GPT-5.6家族将输入输出价格压至历史低点时，Anthropic选择在另一个维度发起进攻。其策略可类比航空公司：头等舱票价高昂，但燃油附加费大幅削减。这种定价逻辑背后，是对AI应用场景的深刻洞察——未来的AI不是一次性工具，而是需要持续运行数十小时的“常驻机长”，此时记忆的读取成本将成为决定经济性的关键因素。
Fable 5.1的能力跃升进一步印证了这一战略转向。在Terminal-Bench-Science评测中，其得分从24.7%飙升至52.6%，远超OpenAI旗舰模型。更值得关注的是，这些成绩是在“生产级安全防护”全程开启的状态下取得的——任何被拦截的操作均计为零分，意味着实际能力上限可能更高。早期用户反馈显示，该模型在多步任务中保持可读性，并能自主纠正运行偏差，甚至能追溯到外部库的罕见bug。
安全策略的革新与定价调整形成呼应。Fable 5.1与Mythos 5.1共享同一能力基座，但通过不同安全配置适配不同场景。这种“能力解耦”设计，既避免了重复开发，又将安全治理成本从模型层转移至准入层。配套推出的Enterprise Frontier Safeguards系统，允许企业将监控数据存储在自有云基础设施，实现“零数据保留”与顶级防护的平衡。网络安全领域误拦率降低60%，生命科学问题降级率下降85%，安全正从外部补丁转化为可配置参数。
这场变革正在重塑行业格局。Cognition宣布将核心业务流量从Opus 5迁移至Fable 5.1，直言新缓存价格使顶级模型在经济上可行。此前，许多重度工作负载因缓存成本过高被迫降级使用次优模型，如今这一障碍被彻底移除。Anthropic的降价策略实质是降低“将最强模型作为常驻Agent使用”的门槛，迫使竞争对手在“单次智能”与“持续智能”两条战线上同时应战。
夹在中间的模型厂商面临更大压力。既缺乏OpenAI的规模效应，又无法像Anthropic那样重构成本结构，这些企业将在双重价格战中陷入被动。对于开发者而言，评估模型的标准正在改变：除输入输出价格外，工作负载中上下文重复读取的比例将成为关键考量因素。在一次性问答场景中，Anthropic的降价影响有限；但在需要持续运行的Agent任务中，75%的缓存成本削减可能比任何基准测试分数都更具价值。
缓存读取价格这个曾被忽视的参数，正成为AI竞争的新标尺。当模型智能达到临界点后，决定其规模化落地的不再是推理速度，而是记忆成本。Anthropic通过精准的价格手术，将这个问题推至行业中心——AI的商业化进程，正在从“能解决多难的问题”转向“能持续解决多久的问题”。这场关于记忆经济的战争，或将决定未来Agent生态的归属。
