Note: This page does not support English, using the default language version
2026年9月1日，Anthropic发布了Claude Fable 5.1。三天后，Cognition——也就是做AI编程Agent Devin那家公司——宣布把Devin全面切换到Fable 5.1上。
结果是什么？Devin完成一次编程任务的平均成本从5.84美元降到了2.68美元，降幅54%。这个价格甚至比Anthropic自家的Opus 5还低——Opus 5完成同样任务需要3.51美元。
这不是简单的”又降价了”的故事。我觉得，这次价格变化标志着AI模型竞争逻辑的一次结构性转折。
先说清楚一个容易误解的地方：Fable 5.1的标准API价格并没有降。输入仍然是每百万Token 10美元，输出仍然是50美元。跟上一代Fable 5一模一样。
真正降的是缓存读取价格——从每百万Token 1美元降到0.25美元，降幅75%。
你可能会问：缓存读取是什么，为什么它这么重要？
想象一个AI编程Agent在工作。它需要反复读取同一套代码库、系统提示、工具定义、项目规范和之前自己的操作历史。每一次工具调用，这些上下文都会被重新加载。如果每次都按标准输入价格计算，任务跑得越久，重复上下文的成本就越高。
Cognition给出的数据很能说明问题：一个典型的编程任务中，超过95%的Token消耗是缓存读取——也就是AI在”重新看”它已经看过的东西。只有不到5%是新的输入和输出。
所以，缓存读取价格降75%，对长时间运行的Agent任务来说，效果是立竿见影的。
这是我觉得最有意思的部分。
如果你看标价，Fable 5.1的输出价格是Opus 5的两倍（50美元 vs 25美元）。按照传统逻辑，Fable 5.1应该更贵才对。
但实际完成同一个编程任务，Fable 5.1花了2.68美元，Opus 5花了3.51美元。标价更贵的模型，实际任务成本反而更低。
原因有两个：
第一，Token效率。更聪明的模型在完成任务时使用的Token更少。Cognition的测试显示，Fable 5.1完成同样任务比Opus 5少用33%的Token——它做了更少但更精准的工具调用。
第二，缓存定价优势。Fable 5.1的缓存读取价格是0.25美元/百万Token，而Opus 5是更高的。当95%的消耗都在缓存读取上时，这个差异决定了最终账单。
这就像买车：标价高的车可能更省油，长期开下来总成本反而更低。AI模型正在进入类似的评价维度——不是看单价，而是看”完成一个合格任务需要多少钱”。
Cognition还做了一件值得注意的事。他们搞了一个叫”Fusion Harness”的系统——把Fable 5.1用于规划和审查，把更便宜的模型用于执行。
结果呢？在FrontierCode 1.1 Extended基准测试上，Fusion Harness得分63.2，Fable 5.1单独跑得分63.6。几乎一样的性能，但Fusion Harness每任务只要1.43美元——比Fable 5.1本身再便宜47%。
这说明什么？**模型能力是一回事，怎么用模型是另一回事。**Agent公司的核心竞争力正在从”选哪个模型”转向”怎么编排模型”。
我觉得有几个实际的判断：
**第一，AI编程Agent的经济学正在快速改善。**半年前，用AI Agent完成一个复杂编程任务可能要花5-10美元；现在，这个数字降到了1.5-3美元。如果趋势延续，到年底可能进入1美元以内。对于想把AI编程Agent接入日常工作流的小团队来说，成本门槛正在消失。
**第二，不要被Token单价迷惑。**如果你在比较不同模型的性价比，只看每百万Token的输入输出价格是不够的。你需要测量的是：在你的实际任务上，完成一次工作总共花多少钱。这取决于模型的Token效率、缓存命中率、以及你的调用模式。
**第三，Agent编排能力正在成为独立竞争力。**Cognition的Fusion Harness证明，同样的模型，不同的编排策略可以带来47%的成本差异。这意味着未来的AI编程工具公司，护城河不只是”接了哪个模型”，更是”怎么用模型”。
**第四，价格战还会继续。**OpenAI同周把GPT-5.6 Luna的价格降了80%，中国厂商DeepSeek和Kimi的价格压力是重要推手。SiliconData的Token价格指数自7月中旬以来已经下跌了约25%。对消费者来说，这是好事。
这轮变化让我觉得，AI编程正在从一个”很酷但太贵”的技术，变成一个”可以日常用”的工具。当一次复杂编程任务的成本降到一两美元的时候，“让AI先试试”就不再是一个需要纠结的决策了。
而真正值得关注的，已经不是”哪个模型最强”——而是在你的具体任务上，哪个模型（或者哪组模型的组合）能用最少的钱交付合格的结果。这个问题的答案，可能每几周就会变一次。
这大概就是2026年AI编程领域的常态：能力在涨，价格在跌，最好的策略就是保持灵活，随时切换。
Loading comments...