Fable 5.1 对比 DeepSeek 做编码：基准与「每个已解决问题成本」（2026）

已更新至 Fable 5.1（2026-09-02）。 持续维护的旗舰对比见 Claude Fable 5 vs DeepSeek V4 Pro。2026 年 8 月的 Fable 5 vs DeepSeek 编码分析 仍可作为历史参考。

TL;DR（截至 2026-09-04）： 就编码而言，Anthropic 发布 Fable 5.1 拉大了质量差距，但没有改变价格差距。Fable 5.1 在 SWE-bench Verified 上 87.7%（Anthropic 官方），DeepSeek V4 Pro 在同一测试名上自称 55.4%——但 V4 Pro 每百万 token $0.435/$0.87，对比 Fable 5.1 的 $10/$50，输入约便宜 23 倍，V4 Flash 更便宜，为 $0.14/$0.28。按「每个已解决问题成本」排名，而不是通过率。 在约 23 倍的输入价差下，DeepSeek 失败很多次才抵得上 Fable 5.1 单次尝试的成本——但 Fable 5.1 每次尝试真正解决问题的概率要高得多。常规与中等复杂度编码，DeepSeek 是理性默认；前沿 Agentic 编码，Fable 5.1 是天花板。动手前用成本计算器算自己的负载。

编码问题，诚实地讲

多数「Fable vs DeepSeek」对比文拿两个模型在一个分数上比，就下结论。用于编码，这会塌掉一个真正的决策。诚实的框架有三部分：

1. 基准并不对等。 Fable 5.1 的 87.7% SWE-bench Verified 是 Anthropic 官方发布数据（2026-09-02）。DeepSeek 在同一测试名上的 55.4%，以及 V4 的每一个数字，都来自 DeepSeek 自家技术报告——截至 2026-09-04 无任何独立验证。「未确认」才是对 DeepSeek 各行的准确标签。
2. 价差巨大——5.1 没有改变。 Fable 5.1 保持 Fable 5 的 $10/$50 牌价。DeepSeek 约便宜 23 倍的输入不只是省钱——它改变了编码的重试算法。
3. 任务层级决定赢家。 常规/中等复杂度编码与前沿 Agentic 编码是不同的问题，两个模型在各自层级的排名不同。

模型并排对比

价格核实于 2026-09-04：Anthropic 费率见模型定价；DeepSeek 费率见官方 API 文档。

编码基准：公布了什么，谁公布的

引用前请注意三点：

• 唯一的「重叠」是陷阱。 两者在类似 SWE-bench 名称下都有数字（87.7% vs 55.4%），但 V4 Pro 的是 DeepSeek 自家 harness 跑分，零第三方复现。SWE-Bench Verified 与 Pro 是不同测试集——不要把 V4 Pro 的 80.6% 与 Fable 5.1 的 87.7% 直接比。
• V4 Pro 的数字来自最高推理档（「Thinking Max」）。默认或更低 effort 预期更低。
• DeepSeek 自己说 V4 比前沿模型落后约 3–6 个月。 Fable 5.1 在 Agentic 编码上拉大了差距，但没有抹平 DeepSeek 的价格优势。

每个已解决问题成本：扭转通过率之争的地方

通过率差距看起来 decisively 偏向 Fable 5.1。成本比较却反转结论。以下是按 5.1 更新的算法。

取一个有代表性的编码 agent 任务：60,000 输入 token（代码库上下文 + 指令）和 2,000 输出 token（补丁），输入 80% 命中 prompt 缓存。

DeepSeek 每次尝试约便宜 34 倍。再乘上解决率：

• 每个已解决问题（Fable 5.1，87.7%）： ≈ $0.23 / 0.877 ≈ $0.26
• 每个已解决问题（Fable 5，80.3%——旧版）： ≈ $0.23 / 0.803 ≈ $0.29
• 每个已解决问题（V4 Pro，55%）： ≈ $0.0067 / 0.55 ≈ $0.012

Fable 5.1 更高的解决率把每个已解决问题账单砍掉约 $0.03——有意义，但填不满 V4 Pro 真能解决的任务层级里相对 DeepSeek 约 20 倍的差距。DeepSeek 的经济性如此倾斜，决策不是「哪个模型更聪明」，而是**「这个任务在我的便宜可解层级里吗？」**：

• 常规与中等复杂度编码——样板、重构、片段、范围明确的 ticket——几乎总在便宜档。DeepSeek 每个已解决问题成本低约 20 倍，基准差距挡不住。
• 前沿 Agentic 编码——多文件交叉重构、长自主运行——重试算法会反转。任务落在便宜模型能力边缘时，失败尝试不再免费，一次 Fable 5.1 成功反而更便宜也更快。

用成本计算器算自己的数字。Fable 5.1 侧还有强制 30 天数据留存和 safeguard fallback，值得计入账单。

编码场景各自赢在哪里

选 Fable 5.1 当：

1. 任务 Agentic 且长。 多文件、多步骤、自主工作——正是 87.7% vs 自报更低分的差距所在。
2. 架构决策重要。 影响全代码库的决策需要最高天花板，不是最便宜重试。
3. 需要上下文与记忆。 1M 上下文 + 文件记忆；V4 Pro 也是 1M，但该规模下的耐力未验证。

选 DeepSeek（V4 Pro / V4 Flash）当：

1. 流量主导。 样板、测试、文档、范围明确的 ticket——两者都过质量门槛就上便宜档。
2. 要自托管。 MIT 权重，你的 GPU，代码不出你的基础设施。
3. 连续性不可妥协。 开源权重不会被出口管制关掉。

监管与所有权背景

两条与基准无关的事实，往往比分数更影响编码决策：

• Fable 5.1 强制 30 天数据留存。 严格数据 residency 或零留存合规的代码库，这是 blocker，与质量无关。
• 出口管制是已证实的风险类别。 Fable 5 曾于 2026 年 6 月全球停用 19 天。CI/CD 不能容忍模型被关，这是开源权重最强的论据。

独立分析，截至 2026-09-04。DeepSeek 基准数字均为厂商自报，发布时未经第三方验证。参见旗舰对比、预算档对比、DeepSeek Harness 插件指南、Fable 5.1 发布基准，并用成本计算器算自己的负载。