Claude API

Fable 5.1独立ベンチマーク分析が拡大 — Terminal-Bench 4.0で55.8%・GDPval-AA v2で1,853とOpus 5超え、effort別コスト最適化パターンが確立

元記事を読む(vellum.ai) ↗

Summary

9月1日リリースのFable 5.1について複数の独立ベンチマーク分析が公開。Terminal-Bench 4.0で55.8%（Fable 5: 42.0%、Opus 5: 52.3%）、Terminal-Bench-Science 0.1で52.6%（Fable 5: 24.7%で2倍超、GPT-5.6 Sol: 22.4%）、GDPval-AA v2知識作業Eloで1,853（Opus 5: 1,824、Fable 5: 1,723）とフロンティアモデル全指標で首位。Data Science Dojoは「low effortがFable 5のmax effortを科学ベンチマークで上回り4分の1のコスト」、CruxDigitsは「CursorBench 3.2.0でlow effortがFable 5 high effortの3分の1コストで同等」と分析。Vellum・MarkTechPost・Coursiv・KIE AI・explainx.ai等が詳細ベンチマーク解説を公開。

Key Takeaways

  • ▸ Terminal-Bench 4.0: 55.8%でOpus 5（52.3%）・Fable 5（42.0%）を上回りフロンティア首位
  • ▸ Terminal-Bench-Science 0.1: 52.6%でFable 5（24.7%）の2倍超・GPT-5.6 Sol（22.4%）を大幅リード
  • ▸ GDPval-AA v2: 1,853でOpus 5（1,824）超え — 知識作業でもフロンティア最高評価
  • ▸ AutomationBench: 31.4%でFable 5（17.1%）・Opus 5（26.9%）を上回る
  • ▸ low effortがFable 5 max effortを科学ベンチマークで上回り約4分の1のコスト — effort別コスト最適化が本格化
  • ▸ CursorBench 3.2.0でlow effortがFable 5 high effortの約3分の1コストで同等

Best Practice Updates

  • ✓ Fable 5.1のeffort別性能カーブが非線形 — 日常はlow/medium、高難度はmax effortの使い分けがコスト効率の鍵
  • ✓ low effort×キャッシュ読取75%値下げの組み合わせでFable 5比最大80%のコスト削減が理論的に可能

Same Day Signals

すべて見る →

元記事の著作権は各著作者に帰属します。