Сигнал из хука канала Клауд дев (@claudedevolper): Anthropic выкатил Fable 5.1 (рядом — Mythos 5.1 только по приглашению), акцент не на «чат-IQ», а на автономной длинной агентной работе. В том же сигнале: Terminal-Bench примерно 42% → 55.8%, research-контур ~25% → 52.6%, cache read −75% до $0.25/MTok, типичная экономия порядка −25% (на агентных задачах до −45%), токены в части сценариев −30–60%, ложные safety-отказы примерно −60%; базовая цена по-прежнему $10 / $50 за MTok. Это ориентиры из ленты и публичных обзоров модели — не твой прод-замер. Ниже — угол Terminal-Bench + экономика длинных прогонов + когда НЕ переключаться на простой промпт.
Уже есть соседние разборы: спека и когда брать вместо Opus, Max Elo на WebDev Arena. Эта статья не повторяет «какой /model выбрать в понедельник» и не молится WebDev-доске. Здесь — стоимость часов автономного лупа и когда апгрейд реально бьёт в кассу. Соседи по бюджету и квоте: лимиты Claude Code с 14 сентября, сколько стоят токены, JIT harness под задачу, лимиты Astra в Codex/ChatGPT, сброс лимитов Claude Code после Astra. Продукт TG Lead Finder к выбору модели не привязан — это другой контур (Telegram-трафик), упоминаем, чтобы не смешивать SEO-полки.
Что значит Terminal-Bench для вайб-кодера
Terminal-Bench — не «красота ответа в чате». Это прогон агента в терминальном контуре: файлы, команды, ошибки, повторные попытки. Скачок 42% → 55.8% из хука — сигнал, что модель лучше держит длинный цикл «сделал → упало → починил», а не только одноразовый дифф. Research ~25% → 52.6% в том же сигнале — про многошаговый ресёрч с проверкой, не про «написал абзац красивее».
Практический перевод: если твой день — «почини этот тест и уйди», Terminal-Bench почти не про тебя. Если день — «агент сам ходит по репо 2–6 часов, поднимает фичу, чинит падения, не зовёт тебя каждые 10 минут» — вот где цифра начинает иметь смысл. Не путай с WebDev Elo из статьи про Max Arena: там голосуют UI/webdev-качество; здесь — устойчивость терминального агента.
Канон спеки (цены, 1M контекст, adaptive thinking) уже разобран в базовой статье про Fable 5.1. Здесь цифры бенча — хук-сигнал, а не замена overview Anthropic. Перед КП или внутренним «всем на Fable» сверь актуальную страницу модели, не чужой скрин.
Кэш −75%: где реально экономия
Базовая цена input/output у Fable 5.1 из публичной спеки — всё те же $10 / $50 за MTok. Дешёвый ход — cache read $0.25/MTok (в хуке: −75% к прежнему cache read). Типичная экономия в сигнале — порядка −25% на счёте, на агентных задачах до −45%; в части сценариев токены −30–60%. Перевод на язык недели:
- Длинный агент с стабильным префиксом (системный бриф, дерево файлов, правила репо) много раз читает одно и то же → cache read доминирует → Fable может выйти дешевле «ощущения $10 input».
- Короткий чат без повторного префикса → кэш почти не играет → ты платишь полную премию $10/$50 за горизонт, который не используешь.
- Ломаешь префикс каждые три сообщения (правишь system mid-thread «чуть подкрутить тон») → cache miss → экономика из хука исчезает.
Правило одной фразы: апгрейд окупается, когда агент живёт часами на одном стабильном префиксе. Не когда ты пять раз спросил «как назвать переменную». Общая бухгалтерия токенов — в разборе цены Claude и GPT.
Когда апгрейд окупается
Переключайся на Fable 5.1 (или держи пресет «тяжёлая фича → fable»), если сходятся условия:
- Горизонт часы, не минуты. Фича через несколько пакетов, миграция, агентный рефактор с самопроверкой.
- Opus/Sonnet на том же брифе уже ломались. Без контрольного прогона на более дешёвой полке ты покупаешь бренд, не Terminal-Bench.
- Префикс стабилен. Один бриф, одни тулы, критерий готовности зафиксирован до старта — как в JIT harness.
- Цена ошибки выше премии токена. Сорванный день команды дороже пачки $10/$50.
- Ты считаешь cache hit, а не только «сделал». Если после смены модели usage вырос, а результат тот же — апгрейд не окупился.
В хуке отдельно: меньше ложных safety-отказов (~−60%). Это полезно на длинных агентных циклах, где модель раньше стопорилась «на всякий случай». Не читай это как «можно просить что угодно» — белый контур остаётся; просто меньше шума от ложных стопов на легитимном коде.
Когда НЕ переключаться
- Простой промпт / мелкий дифф. README, линтер, переименование, «объясни файл» — Sonnet или Opus. Terminal-Bench тут почти не релевантен.
- Одноразовый вопрос без агентного лупа. Нет повторного чтения префикса → нет cache economics.
- Нет критерия готовности. Дорогая модель ускорит блуждание. Сначала done-criteria и резанные тулы.
- «Latest на всё» после 14 сентября: weekly станет теснее; Fable на мелочи сожжёт неделю быстрее.
- Путаешь с Max WebDev. Нужен UI-лидерборд — читай Max Arena. Нужен терминальный многочасовой агент — эта статья. Разные решения.
Mythos 5.1 — не дефолт
В том же релизе/хуке — Mythos 5.1 только по приглашению (invitation). В публичный дефолт Claude Code это не попадает. Не пиши в ТЗ команде «все на Mythos». Нет доступа — нет модели. Не смешивай Mythos с Fable 5.1 в роадмапе и в SEO-текстах как «то же самое, но круче по умолчанию».
Счёт на длинном автономном лупе
Грубый каркас (не калькулятор invoice):
- Зафиксируй бриф и критерий готовности.
- Прогони тот же сценарий на Opus (или текущем дефолте) — засеки токены, число стопов руками, время до «готово».
- Тот же бриф на Fable 5.1 — смотри cache read share, не только output $50.
- Если Fable закрыл критерий с меньшим числом ручных вмешательств и cache hit высокий — оставь пресет.
- Если выиграл только длиной треда без лучшего результата — верни Opus/Sonnet.
После Astra у Claude Code иногда всплывал временный сброс лимитов — это windfall на спринт, не повод навсегда поставить Fable дефолтом. Параллельно на стороне OpenAI жёсткие квоты Astra — см. лимиты Codex/ChatGPT. Два вендора, два бюджета; не жеги оба «на радостях» в один вечер.
Стыковка с harness, не с культом бенча
Terminal-Bench 55.8% не заменяет обвязку. Без памяти под задачу, бюджета шагов и стоп-условия дорогая модель просто дольше крутится. Дисциплина из JIT-разбора работает и под Opus, и под Fable: Fable лишь дороже ошибается, если harness дырявый. Не обещай команде «после 55.8% закрываем любой бэклог».
Антипаттерны недели
- Поставить Fable на пять мелких промптов «потому что бенч вырос».
- Сравнивать Fable vs Opus разными брифами и разными тулами.
- Ломать system mid-thread и удивляться, что cache economics из хука не сработала.
- Тащить Mythos в публичный дефолт.
- Смешивать решение «Terminal-Bench» с решением «WebDev Max Elo».
- Игнорировать weekly Claude Code после 14.09 и сжигать его Fable-рутиной.
Короткий чеклист «апгрейд или нет»
- Задача ≥ часа автономной работы? Нет → не Fable.
- Opus/Sonnet на том же брифе уже пробовали? Нет → сначала они.
- Префикс стабилен и критерий готовности записан? Нет → сначала harness.
- Ожидаешь много повторного чтения одних и тех же файлов/правил? Нет → cache −75% почти не поможет.
- Да на все четыре → Fable 5.1 на этот жанр; мелочь верни на дешёвую полку.
Коротко
Хук Клауд дев: Fable 5.1 заточен под длинную автономную агентную работу; Terminal-Bench ~42%→55.8%, research ~25%→52.6%, cache read до $0.25/MTok (−75%), типично −25% стоимости (агенты до −45%), токены в части сценариев −30–60%, ложные safety −60%; база всё ещё $10/$50. Mythos 5.1 — invitation only. Апгрейд окупается на часовых лупах со стабильным префиксом и проваленным Opus; не окупается на простом промпте. Не дубль спеки vs Opus и не дубль WebDev Max. Соседи: лимиты 14.09, цена токена, harness, лимиты Astra, сброс лимитов. TGLF — отдельный продукт, не модель. Витрина — vibe-studio.uk.