Anthropic a lancé Claude Fable 5.1 hier, le 1er septembre 2026, et j’ai passé la soirée à l’exécuter sur ma propre stack plutôt qu’à lire des articles à son sujet. En bref : même prix que Fable 5, coût des lectures du cache réduit de 75 %, moins de refus injustifiés et un modèle qui reste cohérent pendant trois heures de travail d’infrastructure peu glamour.
Fable 5 était le meilleur modèle que j’avais utilisé, mais aussi celui dont les gens se plaignaient le plus. J’ai écrit sur la reconstruction effectuée le jour du lancement sur un CRM legacy→ et sur la pause liée aux contrôles à l’exportation et son retour→. Une mise à jour intermédiaire est la réponse d’Anthropic à la liste des plaintes. La question pour 5.1 est donc précise : ont-ils corrigé les points douloureux, et le prix a-t-il changé ?
Ce qui a changé dans Claude Fable 5.1
Selon l’annonce d’Anthropic, le prix par token reste inchangé : 10 $ par million de tokens d’entrée et 50 $ par million de tokens de sortie. Le changement concerne les lectures du cache : 0,25 $ par million, soit une baisse de 75 %. Anthropic estime que cela rend les charges de travail typiques environ 25 % moins chères et les charges fortement agentiques jusqu’à environ 45 % moins chères, car les boucles d’agents renvoient le même contexte à chaque tour.
Le deuxième levier est l’effort. Anthropic affirme que Fable 5.1, avec un niveau d’effort faible ou moyen, égale ou dépasse Fable 5 pour un coût bien inférieur. Pour un opérateur, c’est le changement le plus important. La plupart des tâches effectuées par un agent au cours d’une journée sont routinières, et payer des tarifs `xhigh` pour du travail courant était la principale raison pour laquelle les factures de Fable 5 s’envolaient.
Les garde-fous ont également évolué. Les garde-fous de cybersécurité bloquent 60 % de faux positifs en moins par session, les garde-fous liés à la biologie se déclenchent 85 % moins souvent pour les questions bénignes de biologie et de médecine, et Fable 5.1 peut désormais identifier des vulnérabilités logicielles à des fins défensives, sans toutefois écrire d’exploits. Mythos 5.1 est le même modèle avec moins de garde-fous, limité pour l’instant à un ensemble d’organisations américaines : le Life Sciences Verification Program s’appuie dessus, tandis que le Cyber Verification Program utilise encore des modèles de niveau Opus et Sonnet et doit ajouter des modèles de niveau Mythos « dans un avenir proche ».
Les notes comportementales sont celles qui m’intéressent. Anthropic affirme que 5.1 évite les raccourcis qui produisent un travail de moindre qualité, réalise de meilleures analyses des causes profondes et conserve sa cohérence sur de longues tâches en plusieurs étapes. Leur exemple phare est Millennium : un crash qui touchait environ une exécution sur un million et était resté inexpliqué pendant des années. Fable 5.1 a désassemblé une bibliothèque fournisseur, l’a comparée à un core dump et a remonté le bug jusqu’à cette bibliothèque.
La disponibilité est immédiate : `claude-fable-5-1` sur l’API, claude.ai, Amazon Bedrock, Google Cloud's Agent Platform et Microsoft Foundry.
Benchmarks de Fable 5.1 face à Fable 5, Opus 5 et GPT-5.6 Sol
Le tableau d’Anthropic. Les résultats sont communiqués par le fournisseur : considérez donc les écarts comme indicatifs jusqu’à ce que les classements indépendants soient mis à jour.
| Benchmark | Fable 5.1 | Fable 5 | Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| --- | --- | --- | --- | --- |
| Terminal-Bench 4.0 (agentic coding) | 55.8% | 42.0% | 52.3% | 37.3% |
| Terminal-Bench-Science 0.1 | 52.6% | 24.7% | 29.0% | 22.4% |
| AutomationBench (business workflows) | 31.4% | 17.1% | 26.9% | 19.6% |
| CursorBench 3.2.0 | 73.4% | 70.5% | 70.0% | 67.2% |
| GDPval-AA v2 (knowledge work) | 1853 | 1723 | 1824 | 1711 |
| Humanity's Last Exam (no tools) | 60.9% | 57.8% | 56.6% | – |
| OSWorld 2.0 (strict) | 41.7% | 36.1% | 39.6% | – |
Deux éléments ressortent. Terminal-Bench-Science, Terminal-Bench 4.0 et AutomationBench sont les tests d’agents à long horizon, et ce sont eux qui ont le plus progressé : le benchmark scientifique a plus que doublé, passant de 24.7 % à 52.6 %, tandis que les deux autres ont chacun gagné environ 14 points. Et Opus 5, vers lequel beaucoup se tournaient lorsque Fable 5 devenait trop cher ou trop obstiné, se retrouve désormais clairement derrière sur les mêmes tâches. Cognition a déclaré transférer le trafic de Devin utilisant Opus 5 vers Fable 5.1 dès le jour du lancement, en citant le prix du cache comme raison pour laquelle un modèle de la classe Fable leur est désormais abordable.
Une réserve venant de l’autre camp : sur OpenAI's Agents' Last Exam, GPT-5.6 Sol→ a battu Fable 5 de 13.1 points et, avec un raisonnement moyen, conservait une avance de 11.4 points pour environ un quart du coût estimé. Anthropic n’a pas publié de résultat de 5.1 pour ce benchmark. Sol coûte toujours deux fois moins cher par token, soit 5 $ en entrée et 30 $ en sortie ; l’argument tarifaire de 5.1 repose donc sur les lectures du cache et le faible niveau d’effort, pas sur le prix catalogue.
La liste des plaintes à laquelle 5.1 devait répondre
Le retour de bâton contre Fable 5 avait une forme bien définie. Une limite d’utilisation de cinq heures sur l’application web. Des classificateurs de sécurité qui transféraient discrètement votre conversation à Opus 4.8. Une forte consommation de tokens, avec notamment un témoignage largement partagé faisant état de 110 $ dépensés en une journée. De la paresse au cours des longues tâches, de la verbosité, des ralentissements en cours d’exécution et un time-to-first-token dépassant une minute sur les prompts difficiles. « Une Ferrari limitée à 30 mph » est la formule qui est restée. Opus 5 a également suscité ses propres plaintes, et Thariq, qui travaille sur Claude Code chez Anthropic, a reconnu sur X qu’il s’agissait d’« un modèle vraiment irrégulier » et que le corriger était « une énorme priorité pour nous ».
Pendant le déploiement en niveaux de gris de la dernière semaine d’août, les testeurs redirigés vers le nouveau checkpoint ont signalé un meilleur raisonnement sur les longues chaînes, l’absence d’oubli des préconditions au milieu d’une tâche, ainsi qu’une meilleure utilisation des outils et une meilleure planification des étapes. Certains testeurs ont estimé les résultats de 10 à 20 % supérieurs dans le domaine juridique. Le seul point sur lequel il est devenu plus strict : il refuse de générer des images impliquant du contenu protégé par le droit d’auteur.
Cela correspond au cadrage officiel. Moins de refus injustifiés, moins de paresse, un coût inférieur par tâche terminée. La limite d’utilisation de l’application grand public est le seul point que je n’ai pas vu abordé.
Ce que les builders doivent modifier
Si vous appelez directement l’API, Fable 5.1 présente quelques aspérités que Fable 5 n’avait pas, selon le guide de migration d’Anthropic :
Aucun de ces points ne m’a posé problème dans Claude Code, qui les gère pour vous. Ils poseront problème à quiconque utilise une boucle d’agent écrite manuellement et force les appels d’outils.
Une soirée à exécuter Fable 5.1 sur ma propre stack
Les benchmarks mesurent le modèle sur les problèmes de quelqu’un d’autre. Les miens, hier soir, consistaient en trois heures du type de travail qui remplit la soirée d’un opérateur : un outil défaillant, deux migrations de base de données, deux déploiements et un widget qui n’avait jamais été connecté à Spotify. Fable 5.1 dans Claude Code a tout réalisé, et j’ai vérifié au fur et à mesure.
L’outil défaillant. Le serveur MCP de mon site possède un outil `search_console` qui renvoyait Unauthorized depuis des semaines. La cause se trouvait à deux niveaux de profondeur. Le processus qui servait mes appels d’outils n’était pas celui défini dans la configuration MCP du repo ; Claude Desktop en lançait un second via un script shell qui ne recevait jamais la bonne clé. Et la production utilisait encore une ancienne règle d’authentification, car un arbre de travail de 48 fichiers contenant la nouvelle règle n’avait jamais été commit. La table des processus affichait un placeholder non développé à l’endroit où une clé aurait dû se trouver, et le modèle a refusé de deviner. Il a trouvé le processus qui servait mes appels en échantillonnant les connexions TCP vers mon domaine pendant un appel d’outil, puis a attaché l’inspecteur de Node au processus lancé par la configuration du repo et confirmé que le placeholder était réel. La correction consistait en un seul flag Node dans deux fichiers.
Les migrations. Le connecteur MCP de Supabase renvoyait permission denied pour le DDL. La Supabase CLI bloquait sur mon `.env.local`. Un Vercel env pull renvoyait des placeholders `[SENSITIVE]` au lieu des chaînes de connexion, et le modèle a brièvement écrit ces placeholders dans mon fichier env avant de s’en rendre compte et de revenir en arrière. Une exécution sur un projet lié depuis un répertoire symbolique ne parvenait pas à trouver la référence du projet. Quatre impasses, et il a tout de même mené les migrations à bien. J’ai vu des modèles précédents boucler sur la première approche échouée ; celui-ci a continué à changer de méthode.
Le déploiement. Soixante-dix fichiers, deux migrations, trois nouvelles variables Vercel, un build, un push, un déploiement en production et une vérification de l’état du déploiement ainsi que des endpoints concernés, y compris le cas négatif : l’ancienne clé renvoie désormais correctement un 401 sur la route réservée au propriétaire.
Le widget. Un widget de pied de page Spotify affichant le titre en cours de lecture existait dans l’arbre, mais l’étape OAuth n’avait jamais été exécutée ; l’URI de redirection n’était même pas enregistrée dans le dashboard Spotify. Fable 5.1 m’a guidé dans la configuration OAuth, a testé la route en local, puis a effectué une revue contradictoire à 18 agents de la fonctionnalité : trois reviewers avec des angles différents, chaque constat étant transmis à un agent distinct chargé de le réfuter. 15 constats ont été intégrés, 5 ont survécu. Les survivants étaient réels : texte de l’artiste avec un contraste de 2.04:1 au lieu de l’exigence de 4.5:1, padding physique qui cassait le pill sur ma route arabe, timeouts fetch manquants, erreur upstream non interceptée qui aurait produit un 500 non mis en cache, et refresh token qui aurait expiré dans six mois avant de disparaître silencieusement. Il a corrigé les cinq points, mesuré le contraste et le padding RTL dans un navigateur, puis déployé. J’ai volontairement laissé le refresh token hors de la production, de sorte que le widget y reste masqué. Lorsque je le lui ai demandé, il a journalisé l’état afin que la prochaine session sache ce qui est actif. Neuf minutes pour la revue, environ 1,65 million de tokens répartis entre les 18 agents.
Passons maintenant aux problèmes. Deux fois ce soir-là, il a affiché un secret dans la sortie d’un outil : une fois mon secret client Spotify et une fois un access token de courte durée, à cause d’une erreur d’expansion shell lors de la vérification de la présence des variables. Il a détecté les deux problèmes, me l’a signalé et m’a conseillé de faire tourner le secret. Il a également consacré près d’une heure à déterminer quel processus servait mes appels MCP avant d’aboutir à une correction de deux lignes. Cette heure correspondait au refus du modèle d’accepter des éléments qui se contredisaient, ce qui est le comportement que je souhaite, mais cela reste une heure.
Avec quel modèle le comparer
Comparez-le d’abord à Fable 5. Une mise à jour intermédiaire est une réparation ; le test consiste donc à vérifier si les réparations ont bien été effectuées. Ce soir-là : aucune paresse en fin de session, et il a conservé le fil pendant trois heures, deux déploiements et une revue à 18 agents. Je n’ai pas compté les refus, et une soirée ne constitue pas un échantillon. Je n’ai pas non plus mesuré la réduction des coûts ; elle repose sur le prix du cache d’Anthropic et le paramètre d’effort, et je n’ai suivi ni l’un ni l’autre.
Comparez-le ensuite à GPT-5.6 Sol. Sol coûte moitié moins cher au tarif catalogue et domine toujours le score d’agent à long horizon sur le propre benchmark d’OpenAI. Si votre charge de travail est volumineuse et tolérante, Sol reste le choix le moins cher. Si elle concerne un travail où un mauvais raccourci peut vous coûter une journée, Fable 5.1 est le modèle auquel je confierais la tâche.
Ne le comparez pas encore à Gemini. Le modèle phare de Google reste Gemini 3.1 Pro et ne dispose pas de chiffres récents. Et surveillez Astra d’OpenAI, dont la sortie est annoncée selon les rumeurs pour la première moitié de septembre. S’il arrive, cet article sera mis à jour.
Transparence, dans l’esprit de ce blog : Fable 5.1 a rédigé cet article au cours de la même session que celle qu’il décrit, à partir des sources du jour et de son propre journal d’outils. J’ai vérifié chaque affirmation et chaque chiffre.