# Claude Fable 5.1 e Mythos 5.1: benchmark, prezzi, sicurezza e watermark europeo

_Un solo modello, due livelli di accesso. Cosa cambia con Fable 5.1: letture dalla cache a 0,25 $, lavori lunghi molto più solidi, filtri meno invadenti e il watermark chiesto dall'AI Act._

Fonte: https://andreapirazzini.it/blog/claude-fable-5-1-mythos-benchmark-prezzi · Andrea Pirazzini · 3 settembre 2026

## In breve

- Fable 5.1 e Mythos 5.1 sono lo stesso modello: il primo è aperto a tutti, il secondo solo a difensori cyber e ricercatori verificati, con filtri più larghi.
- Il listino resta 10 $ per milione di token in ingresso e 50 $ in uscita, ma le letture dalla cache scendono a 0,25 $: il 75% in meno.
- Anthropic stima un risparmio di circa il 25% sui carichi tipici e fino a circa il 45% su quelli molto agentici.
- Il salto più netto è nei compiti lunghi: 52,6% su Terminal-Bench-Science contro il 24,7% di Fable 5. Quasi tutti i dati però vengono da Anthropic.
- Il watermark previsto dall'AI Act è attivo, ma l'API per verificarlo è in anteprima privata: il pubblico non può ancora controllare un testo.

## Perché se ne parla

Anthropic ha presentato due nomi nuovi, **Claude Fable 5.1** e **Claude Mythos 5.1**, ma dietro c'è un unico modello. Cambia solo il livello di protezione. Fable 5.1 lo può usare chiunque; Mythos 5.1 è riservato a chi passa dai programmi di accesso verificato, pensati per chi fa difesa informatica o lavora nelle scienze della vita.

L'azienda lo descrive come il modello più avanzato al mondo per programmare e per il lavoro d'ufficio ad alto contenuto di conoscenza, e come un primo assaggio di cosa questi sistemi potranno dare alla ricerca scientifica. È una dichiarazione del produttore, e come tale va letta.

Per chi paga le fatture, però, la notizia sta altrove. Fable 5.1 porta tre novità chieste da tempo dai clienti: **spendere meno**, **non lasciare i propri dati sui server di Anthropic** e **avere filtri di sicurezza che blocchino meno lavoro legittimo**. Per un'azienda sono queste le tre cose da guardare per prime, prima ancora dei grafici.

In questo articolo ricostruisco l'annuncio per intero: i benchmark livello per livello, con i costi; le testimonianze delle aziende che l'hanno provato in anteprima; i risultati scientifici (proteine, Venere, biologia computazionale); la parte su sicurezza e allineamento; le nuove salvaguardie; il watermark europeo; prezzi e disponibilità. E, alla fine, cosa ne penso.

- **0,25 $** per milione di token letti dalla cache, il 75% in meno di prima
- **−45%** costo stimato sul lavoro molto agentico rispetto a Fable 5 (circa −25% sui carichi tipici)
- **52,6%** su Terminal-Bench-Science 0.1, contro il 24,7% di Fable 5
- **−60%** interruzioni dei filtri cyber per sessione in Claude Code

_Fonte: dichiarato da Anthropic, settembre 2026_

## La scheda in una tabella

| Voce | Cosa dichiara Anthropic |
| --- | --- |
| Modelli | Fable 5.1 e Mythos 5.1: stesso modello, salvaguardie diverse |
| Chi può usare Fable 5.1 | Tutti, su tutte le piattaforme |
| Chi può usare Mythos 5.1 | Solo organizzazioni verificate, per ora statunitensi |
| Prezzo in ingresso | 10 $ per milione di token |
| Prezzo in uscita | 50 $ per milione di token |
| Letture dalla cache | 0,25 $ per milione di token (-75%) |
| Nome nell'API | `claude-fable-5-1` |
| Sforzo predefinito | High in Claude Code, Medium in Claude Cowork e Claude.ai |
| Dati | Zero data retention per chi ne ha i requisiti, EFS dall'autunno |
| Watermark AI Act | Attivo; API di verifica in anteprima privata |

Anthropic ha accompagnato il lancio con un breve video di presentazione.

[Video: Il video di presentazione di Claude Fable 5.1, dal canale YouTube di Anthropic](https://www.youtube.com/watch?v=ROF2Nv_KjOM)

## Tre richieste dei clienti, tre risposte

### Il prezzo

Il listino base non cambia, ma crolla il costo delle **letture dalla cache**. Quando si manda al modello un testo che ha già elaborato di recente (le istruzioni di sistema, un manuale, il codice di un progetto) quella parte viene riletta da una memoria temporanea e fatturata a parte. Negli agenti che lavorano per ore è spesso la voce più grossa della bolletta.

Secondo Anthropic, grazie soprattutto a questo taglio, nell'uso di tutti i giorni Fable 5.1 costa circa **un quarto in meno** di Fable 5 (il 25%), ovunque si paghi a token. Nel lavoro molto agentico il risparmio arriva spesso intorno al **45%**. Più avanti, nella parte sui costi, c'è il grafico che mostra da dove viene la differenza.

### I dati: arrivano le Enterprise Frontier Safeguards

Molte aziende chiedevano la _zero data retention_, cioè la garanzia che il fornitore non conservi nulla delle conversazioni. Il problema è che senza dati è difficile accorgersi degli abusi. La risposta di Anthropic si chiama **Enterprise Frontier Safeguards (EFS)**: i dati stanno su un cloud gestito dal cliente anziché da Anthropic, e il controllo sugli abusi avviene comunque. La riservatezza promessa è la stessa della zero data retention.

EFS arriverà a tappe per i clienti enterprise a partire dall'autunno. Nel frattempo, chi ne ha i requisiti può già usare Fable 5.1 con zero data retention.

### Filtri che sbagliano meno

I filtri sono stati ricalibrati per ridurre i **falsi positivi**, cioè i blocchi su richieste innocue. In cybersicurezza i falsi positivi calano del 60%, in parte perché adesso Fable 5.1 è autorizzato a cercare vulnerabilità nel software (senza però arrivare a scrivere exploit). In biologia, insieme al governo degli Stati Uniti, è nato un programma per dare agli scienziati accesso alle capacità avanzate di Mythos 5.1: le iscrizioni erano annunciate come imminenti.

## I benchmark: il salto più grande è nei compiti lunghi

Secondo Anthropic, Fable 5.1 fissa un nuovo riferimento per programmazione, lavoro d'ufficio e problemi che tengono il modello impegnato da solo per ore. Il confronto è con Fable 5, con Claude Opus 5 e con GPT-5.6 Sol di OpenAI.

Prima dei numeri, due righe su cosa misura ciascun test, perché i nomi da soli dicono poco:

- **Terminal-Bench-Science 0.1**: ricerca scientifica svolta da un agente, che scrive ed esegue codice da solo;
- **Terminal-Bench 4.0**: programmazione agentica, cioè compiti di sviluppo portati avanti in autonomia;
- **GDPval-AA v2**: lavoro d'ufficio ad alto contenuto di conoscenza, con un punteggio a classifica;
- **OSWorld 2.0**: uso del computer attraverso l'interfaccia grafica, con un voto parziale e uno rigoroso;
- **Humanity's Last Exam**: ragionamento su molte discipline, con e senza strumenti;
- **AutomationBench**: flussi di lavoro aziendali da automatizzare;
- **CursorBench 3.2.0**: programmazione agentica, nel test costruito da Cursor.

**Fable 5.1 contro i modelli di riferimento** — Punteggio percentuale, più alto è meglio

| Voce | Fable 5.1 | Fable 5 | Opus 5 | GPT-5.6 Sol |
| --- | --- | --- | --- | --- |
| Terminal-Bench-Science 0.1 | 52,6% | 24,7% | 29% | 22,4% |
| Terminal-Bench 4.0 | 55,8% | 42% | 52,3% | 37,3% |
| OSWorld 2.0 (parziale) | 77,9% | 72,9% | 75,4% | n.d. |
| OSWorld 2.0 (rigoroso) | 41,7% | 36,1% | 39,6% | n.d. |
| HLE senza strumenti | 60,9% | 57,8% | 56,6% | n.d. |
| HLE con strumenti | 65% | 63,8% | 63,6% | n.d. |
| AutomationBench | 31,4% | 17,1% | 26,9% | 19,6% |
| CursorBench 3.2.0 | 73,4% | 70,5% | 70% | 67,2% |

_Fonte: dichiarato da Anthropic, settembre 2026_

Su Terminal-Bench 4.0, la versione Mythos 5.1 arriva al **60,9%**. Su GDPval-AA v2, che misura il lavoro d'ufficio con un punteggio a classifica e non in percentuale, Fable 5.1 fa 1853 contro 1824 di Opus 5, 1723 di Fable 5 e 1711 di GPT-5.6 Sol.

**GDPval-AA v2: il lavoro d'ufficio** — Punteggio a classifica, non in percentuale: più alto è meglio

| Voce | Punteggio |
| --- | --- |
| Claude Fable 5.1 | 1.853 |
| Claude Opus 5 | 1.824 |
| Claude Fable 5 | 1.723 |
| GPT-5.6 Sol | 1.711 |

_Fonte: dichiarato da Anthropic, settembre 2026_

> **Nota:** Un dettaglio che pesa sulla lettura: i test su Fable 5.1 sono stati fatti con i filtri di produzione accesi. Dove un filtro è intervenuto, su OSWorld 2.0 Fable 5.1 e Fable 5 hanno preso zero, e lo stesso è successo a Fable 5 su AutomationBench. Negli altri casi il compito è passato a un altro modello: Claude Opus 4.8 per la cybersicurezza, Claude Opus 5 per la biologia. Secondo Anthropic questo probabilmente abbassa i punteggi di entrambi i Fable.

Su OSWorld 2.0 manca GPT-5.6 Sol per una ragione precisa. I punteggi usano la versione dei compiti che gli autori del test hanno pubblicato ad agosto 2026, e Anthropic ha rifatto girare nelle stesse condizioni solo Fable 5 e Opus 5. Dato che i file dei compiti sono cambiati rispetto alle versioni precedenti, questi numeri non si possono mettere accanto ai risultati di OSWorld 2.0 usciti in passato: per questo nella colonna dei concorrenti non c'è nulla.

### Più sforzo costa di più: le curve di Anthropic

Ogni modello Claude recente lavora a più livelli di **sforzo** (Low, Medium, High, extra-high, Max): più sforzo significa più ragionamento, risultati di solito migliori e più token pagati. Anthropic ha pubblicato per ogni livello il punteggio e il costo medio per compito, ed è la parte più utile dell'annuncio per chi paga a consumo. Il messaggio: a Low e Medium, Fable 5.1 fa quanto o più di Fable 5 spendendo molto meno.

I livelli di partenza non sono uguali dappertutto: in Claude Code il predefinito è High, in Claude Cowork e su Claude.ai è Medium. Nei grafici originali il costo è disegnato su scala logaritmica; qui separo punteggio e spesa, così si leggono meglio.

**Terminal-Bench-Science, livello per livello** — Punteggio percentuale, più alto è meglio

| Voce | Fable 5.1 | Fable 5 |
| --- | --- | --- |
| Low | 26,3% | 12,3% |
| Medium | 35,7% | 21,4% |
| High | 40% | 25% |
| Extra-high | 49,5% | 23,4% |
| Max | 52,6% | 24,7% |

_Fonte: dichiarato da Anthropic, settembre 2026_

**Terminal-Bench-Science: quanto costa un compito** — Costo medio per compito in dollari, più basso è meglio

| Voce | Fable 5.1 | Fable 5 |
| --- | --- | --- |
| Low | 11,1 $ | 17,1 $ |
| Medium | 14,9 $ | 25 $ |
| High | 20,3 $ | 34,3 $ |
| Extra-high | 31,8 $ | 36 $ |
| Max | 37,9 $ | 44,1 $ |

_Fonte: dichiarato da Anthropic, settembre 2026_

Messi insieme, i due grafici raccontano una storia chiara. A Low, Fable 5.1 fa 26,3% con 11,1 $ a compito: più di Fable 5 al massimo, che arriva al 24,7% spendendo 44,1 $. E mentre Fable 5 smette di crescere dopo High (25%, poi 23,4% e 24,7%), Fable 5.1 continua a salire fino al 52,6%: più ragionamento, qui, si traduce davvero in risultati.

L'errore statistico dichiarato su questo test è di circa 3,5–4,5 punti per modello. Anthropic segnala anche che la classifica pubblica (tre prove per compito, dentro Claude Code) dà Opus 5 al 30,0% e Fable 5 al 21,4%, mentre la sua configurazione li riporta al 29,0% e al 24,7%: differenze che stanno dentro il margine di rumore.

### Terminal-Bench 4.0: la prova che è lo stesso modello

Qui compaiono Mythos 5.1, Fable 5.1 e il vecchio Mythos 5. Accanto a ogni livello di sforzo c'è il costo medio per compito, nello stesso ordine della legenda.

**Terminal-Bench 4.0, livello per livello** — Punteggio percentuale; accanto a ogni livello il costo per compito

| Voce | Mythos 5.1 | Fable 5.1 | Mythos 5 |
| --- | --- | --- | --- |
| Low | 41,7% | 40,2% | 21,5% |
| Medium | 46,7% | 43,4% | 32,6% |
| High | 57,1% | 49,4% | 38,9% |
| Extra-high | 59,7% | 51,3% | 43,4% |
| Max | 60,9% | 55,8% | 45,8% |

_Fonte: dichiarato da Anthropic, settembre 2026_

Se è lo stesso modello, perché Mythos fa meglio? Anthropic spiega che lo scarto viene dai compiti in cui sono scattati i vecchi filtri cyber, meno precisi, sul lato Fable. Con le salvaguardie nuove l'azienda si aspetta che la distanza si riduca parecchio.

Il confronto con il vecchio Mythos 5 è ancora più netto. A Low il nuovo modello, in entrambe le versioni, fa quasi il doppio (41,7% e 40,2% contro 21,5%) spendendo meno della metà per compito (5,4 $ e 5,7 $ contro 12,3 $). Anche al massimo resta avanti di oltre dieci punti, con un conto più leggero.

### CursorBench 3.2.0

Su **CursorBench 3.2.0**, il test di programmazione di Cursor, il risparmio è evidente. Il grafico mostra il costo per compito; accanto a ogni livello, il punteggio di Fable 5.1 e quello di Fable 5.

**CursorBench 3.2.0: quanto costa un compito** — Dollari per compito, più basso è meglio; accanto, i punteggi

| Voce | Fable 5.1 | Fable 5 |
| --- | --- | --- |
| Low | 2,9 $ | 4,46 $ |
| Medium | 3,53 $ | 6,8 $ |
| High | 4,8 $ | 8,77 $ |
| Extra-high | 6,96 $ | 11,73 $ |
| Max | 9,64 $ | 17,32 $ |

_Fonte: dichiarato da Anthropic, settembre 2026_

Fable 5.1 a Low (66,2% per 2,90 $) vale quasi quanto Fable 5 a High (66,5% per 8,77 $): un terzo della spesa per lo stesso risultato. Al massimo dello sforzo il nuovo modello arriva al 73,4% con 9,64 $ a compito, mentre il precedente si ferma al 70,5% e ne spende 17,32.

### Humanity's Last Exam

Su **Humanity's Last Exam**, il test di ragionamento su molte discipline, il miglioramento è piccolo e il risparmio non è garantito. Anthropic lo ha misurato in due modi, con gli strumenti a disposizione del modello e senza. Ecco i punteggi, livello per livello:

| Sforzo | Fable 5.1 con strumenti | Fable 5 con strumenti | Fable 5.1 senza strumenti | Fable 5 senza strumenti |
| --- | --- | --- | --- | --- |
| Low | 60% | 59,64% | 53,16% | 50,6% |
| Medium | 62,96% | 61,4% | 55,92% | 55,88% |
| High | 64,76% | 63,16% | 57,96% | 56,88% |
| Extra-high | 65,08% | 63,52% | 60,36% | 57,44% |
| Max | 65% | 63,8% | 60,92% | 57,76% |

**Humanity's Last Exam: quanto costa un compito** — Dollari per compito, con e senza strumenti (arrotondati)

| Voce | Fable 5.1 con strumenti | Fable 5 con strumenti | Fable 5.1 senza strumenti | Fable 5 senza strumenti |
| --- | --- | --- | --- | --- |
| Low | 0,52 $ | 0,61 $ | 0,3 $ | 0,17 $ |
| Medium | 0,67 $ | 1,01 $ | 0,46 $ | 0,4 $ |
| High | 1,05 $ | 1,42 $ | 0,75 $ | 0,62 $ |
| Extra-high | 2,28 $ | 1,92 $ | 1,53 $ | 0,91 $ |
| Max | 3,2 $ | 3,44 $ | 2,23 $ | 1,7 $ |

_Fonte: dichiarato da Anthropic, settembre 2026_

Con gli strumenti, Fable 5.1 va dal 60% (Low, 0,52 $ per task) al 65% (Max, 3,20 $), contro il 59,64–63,8% di Fable 5 (da 0,61 $ a 3,44 $), e costa meno a ogni livello tranne extra-high (2,28 $ contro 1,92 $). Senza strumenti fa 53,16–60,92% contro 50,6–57,76%, ma costa **di più** a ogni livello: a Low 0,30 $ contro 0,17 $, al massimo 2,23 $ contro 1,70 $.

Due osservazioni pratiche. Il vantaggio di punteggio oscilla tra quasi zero (Medium senza strumenti: 55,92% contro 55,88%) e poco più di tre punti. E con gli strumenti il nuovo modello tocca il suo meglio a extra-high (65,08%) per poi restare al 65% a Max: oltre un certo punto, pagare più sforzo non compra altro.

### Niente scorciatoie: il caso Millennium

Oltre ai numeri, Anthropic sostiene che Fable 5.1 non prende le scorciatoie che abbassano la qualità del lavoro e che è abbastanza capace da risalire alla radice di un problema software, invece di tamponarne i sintomi.

L'esempio che l'azienda mette in vetrina viene dal fondo d'investimento Millennium. Un arresto anomalo si presentava più o meno una volta ogni milione di esecuzioni, e il team lo inseguiva senza successo da quattro o cinque anni. Nessun modello provato, Fable 5 compreso, l'aveva trovato. Fable 5.1 ha smontato fino al codice macchina una libreria comprata da terzi, poi ha messo il risultato a confronto con il core dump (la fotografia della memoria al momento del crash) e ha trovato il bug proprio lì. Il gestore di portafoglio che racconta la storia aggiunge che il tempo necessario per un'analisi del genere, fatta a mano, sarebbe stato difficile da giustificare.

## Cosa raccontano le aziende che l'hanno provato prima

Anthropic ha raccolto le impressioni di una ventina di partner con accesso anticipato. Oltre ai miglioramenti misurati, molti notano differenze più difficili da mettere in un grafico: come il modello scrive e come ragiona. Sono testimonianze scelte dal produttore, quindi utili per capire dove guardare, non come prova indipendente. Prima i numeri che i partner hanno riferito, poi i racconti divisi per tema.

| Chi | Cosa ha riferito |
| --- | --- |
| Browserbase | Nel test più difficile per agenti nel browser: 82% dei compiti, circa 10 minuti l'uno, contro 74% di Opus 5 e 57% di Fable 5, con meno token |
| Crosby | Revisione di contratti (RedlineBench): da 47,9 a 57,0, con la qualità della prima risposta raddoppiata |
| Samaya | FrontierFinance: 55,9% contro 49,2% di Fable 5 |
| Rogo | Stessa accuratezza di Fable 5 sul proprio test di finanza, con il 20% di token in meno |
| Every | Circa due volte più veloce di Opus 5, con la metà dei token |
| Glean | I valutatori preferiscono le risposte di Fable 5.1 a quelle di Fable 5 circa 2 a 1 |
| iGent | Un kernel di calcolo accelerato di circa il 35%, dove Fable 5 si era fermato |
| Ramp | 38 ore di lavoro da solo su un problema di machine learning, con sei esperimenti lanciati in parallelo durante la notte |
| SpaceXAI | 73,4% su CursorBench 3.2 allo sforzo massimo |
| Cognition | Il traffico di Devin che girava su Opus 5 spostato su Fable 5.1 il giorno stesso del lancio |

**Browserbase: compiti completati da un agente nel browser** — Il test interno più difficile di Browserbase, circa 10 minuti a compito

| Voce | Compiti completati |
| --- | --- |
| Claude Fable 5.1 | 82% |
| Claude Opus 5 | 74% |
| Claude Fable 5 | 57% |

_Fonte: Browserbase, riportato da Anthropic, settembre 2026_

### Programmazione e cause dei guasti

- **Jane Street** (Craig Falls, responsabile della ricerca quantitativa): sui test interni di programmazione Fable 5.1 risolve più problemi sia di Fable 5 sia di Opus 5, e sull'intuizione di trading raggiunge lo stato dell'arte. Soprattutto, i modelli precedenti diventavano faticosi da seguire man mano che il lavoro si allungava; questo resta leggibile anche su compiti lunghi e fatti di tanti passaggi.
- **Cognition** (Walden Yan): nei loro test ha eguagliato Fable 5, o l'ha superato di poco, con un costo per compito più basso. Con il nuovo prezzo della cache, un modello della classe Fable diventa finalmente sostenibile anche per i carichi che avevano lasciato su Opus, a cominciare dalla revisione del codice.
- **MongoDB** (Ron Sanzone): un prototipo complesso costruito in circa tre giorni. Prima il modello ha studiato il codice di tutti i servizi e la documentazione per proporre un'architettura nuova ed estendibile; poi ha lavorato per ore senza supervisione, verificando di continuo il proprio lavoro. La mattina dopo l'ingegnere trovava pronta la fase successiva, con una presentazione visiva di quanto costruito e le prove che funzionava.
- **Plaid** (Aditya Gupta): un intervento esteso a oltre otto servizi, distribuiti su tre codebase. Fable 5.1 ha ricostruito il percorso completo, partendo dalla richiesta che arriva dall'esterno e scendendo fino alle singole funzioni, tabelle e righe del database, senza sbagliare un passaggio.
- **Red Hat** (Josh Boyer): usato con Claude Code, ha individuato la causa di ogni build rotta su cui è stato provato, a qualsiasi livello di sforzo. E comunica meglio dei modelli Anthropic precedenti: aggiornamenti più brevi e più facili da seguire.
- **Datadog** (Daniel Shan): nelle loro prove su incidenti di produzione reali, dove si confrontano le analisi dell'agente Bits Investigation con le cause trovate dagli ingegneri, Fable 5.1 è tra i modelli migliori: il suo ragionamento regge meglio di quello di Opus 5, e ha saputo spiegare anche gli incidenti più intricati.
- **SpaceXAI** (Sualeh Asif, direttore del machine learning): il modello più capace che abbiano mai provato su CursorBench 3.2: 73,4% quando gli si concede lo sforzo massimo. Il suo punto forte è controllare il proprio lavoro, ed è questo che gli permette di chiudere da solo compiti difficili.
- **Shopify** (Ben Lafferty): più a suo agio di Fable 5 nei lavori lunghi e senza supervisione. Tiene i propri appunti, cambia le priorità quando la situazione cambia e riprende dal punto in cui si era fermato.
- **Browserbase** (Miguel Gonzalez): oltre ai numeri del grafico, sottolinea che il modello fa la quantità giusta di lavoro: in centinaia di compiti misurati non ha mai oltrepassato un punto in cui avrebbe dovuto fermarsi.

### Ricerca e problemi aperti

- **IMC** (Marquis Wong): sulla loro suite di ricerca Fable 5.1 ha stabilito nuovi record. In un caso ha trovato una soluzione originale, lungo una direzione mai vista né in altri modelli né nei ricercatori umani, superando nettamente il limite a cui si era fermati prima. Per IMC è migliore nella risoluzione creativa dei problemi e nell'intuizione improvvisa che sblocca un problema duro.
- **iGent** (Sean Ward): su un problema da "grande sfida", su cui misurano i modelli da 18 mesi, ha fatto passi avanti concreti. Invece di perdersi nei dettagli, ha collegato elementi lontani in un modo che il fondatore dice di non aver visto altrove. E ha reso più veloce di circa il 35% un kernel su cui Fable 5 non era andato oltre.
- **Ramp** (Dwight Temple): lasciato lavorare da solo per 38 ore a un problema di machine learning, ha capito che un risultato precedente era un artefatto dovuto alle etichette, l'ha corretto, nella notte ha fatto partire sei esperimenti in parallelo e ha riportato un risultato, insieme alle mosse da fare dopo. Davanti a una richiesta aperta ha scovato un allarme che nessuno presidiava, legato a un'interruzione in produzione, ne ha estratto i log e ha indicato la correzione. Per ricerca, progetti nuovi e lavori a lungo orizzonte, Ramp lo userebbe come coordinatore degli altri agenti.
- **Rakuten** (Felix Giovanni Virgo): il compito era controllare un progetto di ricerca clinica di Rakuten Medical, già promosso da altri tre modelli di frontiera. Ha trovato una lacuna sfuggita a tutti, ha insistito per verificarla e poi ha proposto un'ipotesi del tutto nuova: in un pomeriggio un dataset archiviato è diventato una nuova linea di ricerca.

### Finanza, documenti e scrittura

- **Hebbia** (Aabhas Sharma): nella loro valutazione sulle presentazioni PowerPoint ha prodotto le slide migliori di tutti i modelli provati, sia per cura grafica sia per completezza. La stessa completezza si vede nelle citazioni, dove ha ricordato meglio di tutti i fatti contenuti nei documenti finanziari; ed è il primo modello che, davanti a domande articolate in più parti, risponde a ciascuna.
- **Rogo** (Alex Wang): sul loro test interno di finanza, con il 20% di token in meno, ottiene la stessa accuratezza di Fable 5. Migliora anche nelle slide: spiega meglio dati complessi e li trasforma in grafici del tipo che si vede nelle banche d'affari.
- **Samaya** (Yuhao Zhang): su FrontierFinance, il loro test più recente sui flussi di lavoro degli investitori, passa dal 49,2% di Fable 5 al 55,9%. Il merito, dicono, è la capacità di andare alle fonti autorevoli: chiamato a rispondere su una trimestrale, è andato a leggere direttamente la trascrizione della conference call e ha riportato le cifre esatte dette dal management, mentre altri modelli si fermavano a fonti di seconda mano.
- **Crosby** (Raymond Lin): su RedlineBench, il loro test di revisione dei contratti, il salto va da 47,9 a 57,0. Buona parte del guadagno viene dalla prima risposta, il cui punteggio è raddoppiato, ma migliora parecchio anche la probabilità che la controparte accetti le modifiche. Gli interventi sui documenti sono più asciutti e, in media, più piccoli.
- **Canva** (Danny Wu): il punto forte è la scrittura, più chiara, più sostanziosa e più fedele alle linee guida del marchio. Nei confronti alla cieca con Fable 5 hanno preferito il nuovo modello. E in Canva Code ha costruito un gioco musicale a ritmo, con brani veri e un gameplay sincronizzato con il livello generato: nessun altro modello provato ci era riuscito.
- **Glean** (Nilesh Dalvi): i loro valutatori hanno preferito le risposte di Fable 5.1 a quelle di Fable 5 in rapporto di circa 2 a 1, su domande di conoscenza quotidiana, ricerche mirate, bozze e documenti, con risposte meglio ancorate alle fonti. Risultato: dove prima consigliavano Fable 5, adesso consigliano Fable 5.1.

### Velocità e consumo di token

- **Every** (Dan Shipper): nelle loro prove ha impiegato circa metà del tempo di Opus 5, consumando anche metà dei token. Lo riassume così: intelligenza da Fable, prezzo da Opus, velocità da Sonnet. Per chi usa Opus ogni giorno, dice, il passaggio è scontato.
- **Square** (Willem Avé): in una simulazione di 30 giorni in cui il modello deve mandare avanti un'attività, con strumenti Square simulati, clienti, dipendenti e fornitori, ha consumato molti meno token di Opus 5. Lo useranno sugli scenari più complicati, quelli che prima richiedevano giorni di ragionamenti alla lavagna.

Gli altri racconti vanno nella stessa direzione: tenuta nei lavori lunghi, capacità di trovare la causa vera di un guasto, meno token per lo stesso risultato. Per un'azienda il messaggio utile non è "funziona per tutti", ma "ecco i tipi di lavoro su cui vale la pena fare una prova".

## La parte scientifica

Anthropic ha verificato come se la cavano Fable 5.1 e Mythos 5.1 nella ricerca, spaziando tra molte discipline. Per l'azienda i primi esempi, quelli che seguono, si sommano agli indizi che questi modelli stanno per dare contributi importanti alla scoperta scientifica.

### Proteine che si legano meglio

Molti farmaci funzionano agganciandosi a un bersaglio nell'organismo: per bloccarlo, per attivarlo o per portargli qualcosa. Più l'aggancio è forte (si parla di _affinità_), più il farmaco può funzionare a dosi basse, e progettare una molecola che si lega bene è il primo passo di molte terapie. Anthropic ha dato a Mythos 5.1 strumenti open source per progettare e ripiegare proteine, poi ha fatto verificare in laboratorio i suoi progetti da due organizzazioni esterne.

Su tre bersagli (EGFR, Nipah G e 15-PGDH, tratti dalle gare di design di proteine organizzate da Adaptyv Bio) l'affinità ottenuta è risultata **dieci volte** superiore ai migliori progetti presentati a quelle gare. E quasi **la metà** dei progetti, su 12 bersagli, si è rivelata un legante valido, mentre oggi di solito ci si ferma al 10–15%. È il tasso più alto mai misurato da Anthropic.

Insieme ai numeri, Anthropic ha pubblicato un video con i leganti disegnati da Claude (in arancione) attorno a ciascuno dei 12 bersagli (in grigio): ogni progetto mostrato ha superato la prova di laboratorio, e le strutture sono previsioni fatte con ESMFold2.

Anthropic stessa mette una nota di onestà. Su Nipah G il confronto riguarda i progetti creati da zero che puntano al sito dove il virus aggancia il recettore, sulla "testa" della proteina G: lì il migliore delle gare (il progetto N1032) stava intorno a 8–12 nM. Un progetto di Nick Boyd ed Escalante Bio (design_7), rivolto a un'altra regione, lo "stelo", aveva raggiunto circa 1,4 nM: un valore paragonabile al miglior legante di Anthropic. Nel caso di questa misura, più il numero è basso, più il legame è forte.

### Una nuova mappa di Venere

Con Fable 5.1 è nata una rete neurale, addestrata dal modello stesso, che ricostruisce le altezze di **un terzo del pianeta Venere** ad alta risoluzione. Il materiale di partenza: le immagini radar della missione Magellan della NASA, vecchie di oltre trent'anni, e una mappa che copriva già un quinto del pianeta. La nuova mappa distingue dettagli di due o tre chilometri, dove prima si arrivava a 10–20, e misura le altezze fino al 25% meglio.

Il confronto per immagini pubblicato da Anthropic procede in tre passi. La foto radar di Magellan mostra un cono luminoso con colate di lava che si allargano a raggiera. La vecchia altimetria, con un'impronta di 10–20 km, riduce quel rilievo a poche macchie. Il nuovo modello digitale del terreno, con celle da 300 metri, lascia riconoscere un vulcano largo 15 km. C'è anche un breve video su un piccolo vulcano a scudo.

La mappa è pubblicata con licenza Creative Commons, in vista delle missioni VERITAS della NASA ed EnVision dell'ESA: l'idea è aiutare a scegliere quali strutture geologiche osservare.

### Modelli di biologia più veloci

In biologia computazionale si fanno girare di continuo, su GPU, modelli specializzati, e la loro lentezza frena la ricerca. Mythos 5.1 ha scritto kernel GPU su misura e ha messo in cache i risultati intermedi: sette modelli open source ora girano **fino a 2,5 volte più veloci**, con risultati identici. Accanto a ogni modello, la dimensione dell'input usato nella prova.

**Quanto sono più veloci sette modelli di biologia** — Accelerazione su una NVIDIA H100 dopo il lavoro di Mythos 5.1

| Voce | Accelerazione |
| --- | --- |
| ChromBPNet (6M) | 1,6× |
| Flashzoi (200M) | 1,8× |
| Enformer (250M) | 1,4× |
| Profluent-E1 (600M) | 1,6× |
| ProGen2 (6,4B) | 2,5× |
| Evo 2 (7B) | 1,6× |
| Evo 2 (40B) | 1,4× |

_Fonte: dichiarato da Anthropic, settembre 2026_

Sembra poco, ma questi modelli in un esperimento girano migliaia di volte, per esempio per provare ogni mutazione possibile vicino a ogni gene umano. Sulle analisi dell'intero genoma Anthropic stima costi GPU più bassi del 30–60%:

**Analisi sull'intero genoma: costo GPU prima e dopo** — Dollari, a prezzo di listino del cloud

| Voce | Prima | Dopo il lavoro di Mythos 5.1 |
| --- | --- | --- |
| Enformer (250M) | 30.000 $ | 21.000 $ |
| Flashzoi (200M) | 14.000 $ | 7.000 $ |
| Evo 2 (40B) | 18.000 $ | 8.000 $ |

_Fonte: stima di Anthropic, settembre 2026_

Evo 2 da 40 miliardi guadagna 1,4 volte sul singolo passaggio ma 2,3 volte sul lavoro intero, perché alcune ottimizzazioni rendono solo quando le sequenze sono tante. Un lavoro così richiederebbe settimane a un gruppo di ingegneri specializzati nelle prestazioni, spesso fuori dalla portata di un laboratorio universitario: a Mythos 5.1 sono bastati pochi giorni, partendo solo dal codice pubblico. Anthropic ha annunciato che rilascerà le ottimizzazioni come open source.

### Gli strumenti per chi fa ricerca

Più crescono le capacità scientifiche dei modelli, più Anthropic investe sul fronte della ricerca. Attorno al modello ci sono altre iniziative: il **Model Hardware Standard**, mostrato in anteprima la settimana prima, per far comandare a Claude strumenti di laboratorio in modo diretto e sicuro; il programma **AI for Science**, con crediti gratuiti per i ricercatori che lavorano a progetti ad alto impatto; un piano **Claude Team per scienziati** a prezzo molto scontato.

## Sicurezza e allineamento: cosa dice la System Card

Negli ultimi due anni le capacità agentiche dei modelli sono cresciute molto. Più autonomia vuol dire più rischi, e Anthropic lo scrive chiaramente: il lavoro su sicurezza e allineamento deve crescere alla stessa velocità delle capacità. Alla vigilia del lancio l'azienda ha diffuso un rapporto su come intende rafforzare questo lavoro; i test completi, fatti in parte anche da ricercatori esterni, sono nella System Card. Ecco la sintesi.

### Armi chimiche e biologiche

Esperti di red teaming, valutazioni automatiche e un'esercitazione in cui biologi con dottorato lavoravano fianco a fianco con esperti di AI hanno misurato quanto Mythos 5.1 potrebbe aiutare a costruire armi di questo tipo, e se il modello reggesse il confronto con specialisti umani. Le sue capacità superano quelle di Mythos 5, ma restano sotto la soglia di rischio successiva della Responsible Scaling Policy. Per questo esce con le protezioni già usate per Mythos 5, che tengono chiuse le capacità di biologia da laboratorio di ricerca.

### Rischi informatici

Con le protezioni cyber spente, Mythos 5.1 mostra le capacità informatiche più forti che Anthropic abbia mai rilasciato, pur restando nella categoria di rischio più bassa del Frontier Compliance Framework. I filtri di Fable 5.1 sono stati messi sotto pressione da test interni di tipo dinamico, da due organizzazioni esterne incaricate da Anthropic e dagli attacchi automatici di Gray Swan. Come già per Fable 5 e Opus 5, nessuno ha trovato un jailbreak di gravità critica.

### Agenti e prompt injection

Le _prompt injection_ sono istruzioni ostili nascoste nei contenuti che il modello legge, per esempio in una pagina web o in un documento. Davanti a richieste malevole, nei compiti di programmazione e di uso del computer, Mythos 5.1 dice di no con una frequenza simile a quella di Opus 5, Sonnet 5 e Mythos 5. Su un benchmark esterno di prompt injection, inoltre, è il più resistente tra i modelli Anthropic.

Per chi pensa di mettere un agente a leggere la posta o a navigare siti di terzi è l'informazione più rilevante di questa sezione: le istruzioni nascoste nei contenuti sono il rischio pratico numero uno, e un modello che ci cade meno è un modello più usabile. Non vuol dire immune, però.

### Allineamento: meglio, non perfetto

Le verifiche sono state tante: test di comportamento statici e interattivi, analisi del ragionamento interno con autoencoder in linguaggio naturale (strumenti che traducono in parole ciò che succede dentro il modello), prove sulle capacità che servirebbero a un modello disallineato, controllo dei dati di addestramento, uso pilota dentro l'azienda e rapporti di tester esterni. Secondo l'audit automatico, su gran parte delle metriche il nuovo modello è allineato meglio del predecessore. Rispetto a Mythos 5:

- cerca molto meno risorse fuori dall'ambiente di prova quando gli si dà un compito impossibile;
- si convince meno spesso di trovarsi in una simulazione per giustificare le proprie azioni;
- ignora meno spesso vincoli espliciti pur di raggiungere l'obiettivo dell'utente;
- prova a "barare" sulla ricompensa durante l'addestramento (il _reward hacking_) meno spesso, e ci riesce meno spesso.

> **Attenzione:** I test hanno trovato che il modello, a volte, riesce ancora a scavalcare i controlli di approvazione e i classificatori della modalità automatica. E Anthropic ammette che i suoi controlli automatici vedono poco nei lavori con contesto lunghissimo e negli scenari con più agenti, e che i compiti impossibili (quelli che fanno emergere i comportamenti strani) sono coperti meno di quanto vorrebbe, pur con qualche miglioramento recente. Per un'azienda il messaggio è semplice: permessi limitati e approvazioni umane sulle azioni che contano restano necessari.

## Le salvaguardie nuove, in pratica

Accanto ai test, Anthropic ha rivisto le salvaguardie con un obiettivo dichiarato: rendere i modelli più utili senza cedere sulla sicurezza. Ecco cosa cambia.

### EFS: chi le ha costruite e dove arriveranno

Con le Enterprise Frontier Safeguards Anthropic può accorgersi degli abusi e intervenire, mentre il cliente enterprise gode della stessa riservatezza garantita dalla zero data retention. I dati restano nel cloud del cliente e l'eventuale revisione umana, per impostazione predefinita, la fa il cliente. Il sistema è stato sviluppato con più di 100 aziende di finanza, sanità, manifattura, telecomunicazioni, legale, commercio e pubblica amministrazione, con la collaborazione dei tre grandi cloud: AWS, Google Cloud e Azure. Sarà disponibile su:

- Claude Code;
- Claude Enterprise;
- Claude Platform, anche nella versione su AWS;
- Amazon Bedrock;
- Agent Platform di Google;
- Microsoft Foundry.

Il rilascio parte in autunno e procede per fasi. Fino ad allora, chi ha i requisiti può restare in zero data retention sia con Fable 5.1 sia con Fable 5; i dettagli sono in una pagina dedicata e l'accesso a EFS si richiede con un modulo.

Per un'azienda italiana che lavora con dati sensibili (studi professionali, sanità, finanza) è la novità più interessante dell'annuncio, perché sposta la domanda "dove finiscono i miei dati?" su un'infrastruttura che il cliente controlla. Resta da vedere, piattaforma per piattaforma, con quali condizioni arriverà.

### Biologia e cybersicurezza: filtri più precisi

Negli ultimi mesi Anthropic ha affinato le salvaguardie di Fable 5.1 perché scattino meno spesso su contenuti innocui (un quesito medico, chi si occupa di sicurezza e vuole proteggere i propri sistemi) senza abbassare la guardia contro le minacce vere.

Sulle domande di biologia di base e su quelle mediche, i nuovi filtri (validi sia per Fable 5.1 sia per Fable 5) intervengono **l'85% in meno** rispetto a quelli rilasciati insieme a Fable 5. Le richieste di ricerca e sviluppo nelle scienze della vita, però, vengono ancora dirottate sui modelli Opus: per quel lavoro c'è il programma di accesso a Mythos 5.1, costruito con il governo statunitense.

Fable 5.1 può ora cercare vulnerabilità nel codice sorgente per scopi difensivi, cioè il lavoro che rende più sicuro il software. Chi usa Claude Code vedrà in media circa **il 60% in meno** di interruzioni da parte dei filtri cyber in ogni sessione, rispetto a Fable 5. Restano dirottati sui modelli Opus i lavori a doppio uso: test di penetrazione, scrittura di exploit e ricerca di vulnerabilità nei file binari.

### Una stretta contro la distillazione

La _distillazione_ è il travaso delle capacità di un modello forte in un altro, spesso fatto su scala industriale con migliaia di account falsi. Il rischio è che quelle capacità finiscano in giro senza protezioni. Con Fable 5.1, per gli account API creati dal giorno del lancio non si può più ritoccare a mano ciò che Claude ha scritto nei turni precedenti di una conversazione conservando insieme la traccia del suo ragionamento: si chiude così una tecnica nota e documentata pubblicamente.

> **Nota:** Per chi sviluppa: gli account API già esistenti per ora non sono toccati, ma la regola varrà per tutti nei prossimi rilasci. Anthropic avverte che un piccolo numero di integrazioni personalizzate dovrà essere adattato e rimanda a un articolo dell'Help Center sulle modifiche ancora consentite.

## Mythos 5.1: a chi è riservato

Mythos 5.1 è lo stesso Fable 5.1 con filtri più larghi, pensati per persone e organizzazioni verificate che le restrizioni su cyber e scienze della vita ostacolano nel lavoro. Si passa da due programmi:

- **Cyber Verification Program (CVP)**: oggi apre modelli di fascia Opus e Sonnet con protezioni cyber allentate, per chi fa sicurezza difensiva; presto si aggiungeranno quelli della fascia Mythos. La candidatura si presenta online, ed è sempre dal CVP che passa chi vuole segnalare interesse per Mythos 5.1 nella difesa informatica.
- **Life Sciences Verification Program (LSVP)**: per i professionisti delle scienze della vita, con salvaguardie tarate sulla ricerca professionale e tutte le altre protezioni attive. I primi partecipanti sono stati scelti insieme al governo statunitense, con l'intenzione di allargare poi alla comunità.

Anche **Claude Security**, il prodotto che analizza le codebase in cerca di falle e propone correzioni da far approvare a una persona, ora gira su Mythos 5.1. Al lancio, però, Mythos è aperto solo a un gruppo di organizzazioni statunitensi: Anthropic dice di lavorare con il governo americano per estenderlo a partner nazionali e internazionali il prima possibile, senza tempi precisi.

## Il watermark dell'AI Act

A luglio 2026 Anthropic ha firmato, insieme ad altri 190 soggetti tra cui diversi grandi fornitori di modelli, il Codice di condotta europeo sulla trasparenza dei contenuti generati dall'AI, previsto dall'AI Act. La conseguenza pratica è un **watermark**: un segnale numerico, invisibile, che permette di stimare quanto è probabile che Claude abbia partecipato alla scrittura di un testo. Si applica agli output dei modelli usciti dopo il 2 agosto 2026.

Secondo Anthropic il watermark non si vede senza l'apposita API di rilevamento, non peggiora in modo pratico qualità e contenuto delle risposte e non porta con sé informazioni sull'utente, sulla sua azienda o sulle sue conversazioni.

La legge chiede anche uno strumento per verificarlo. Anthropic lo sta distribuendo come API in **anteprima privata**, aperta a chi la norma indica (autorità di controllo, forze dell'ordine, giornalisti, fact-checker, ricercatori indipendenti, scuole e università, società civile europea) e alle imprese che devono controllare il watermark per essere a loro volta in regola. L'accesso si allargherà col tempo; chi è interessato può registrarsi con un modulo.

Un lettore qualsiasi, quindi, per ora non ha un modo pubblico per capire da solo da dove viene un testo. La testata DDay ha trasformato questo limite in un esperimento: ha fatto scrivere a Fable 5.1 l'articolo sul suo stesso lancio, usando come materiale il blog di Anthropic, la System Card e altre fonti, per conservarlo e controllarne il watermark più avanti. Il giudizio: informazioni in genere corrette, ma prosa poco convincente, qualche passaggio troppo compresso e un errore sul modello che subentra per le richieste di biologia. Costo dell'esperimento: 17,74 euro di crediti. Se volete capire cosa chiede l'AI Act alle aziende che _usano_ questi strumenti, ne parlo nella guida sull'[AI Act dal 2 agosto 2026](https://andreapirazzini.it/guide/ai-act-aziende-2-agosto-2026).

## Quanto costa e dove si usa

Fable 5.1 è disponibile su tutte le piattaforme dal giorno del lancio, comprese Amazon Web Services, Google Cloud e Microsoft Azure; nell'API di Claude si chiama `claude-fable-5-1`. Il listino resta quello di Fable 5: **10 $ per milione di token in ingresso e 50 $ in uscita**. Le letture dalla cache scendono del 75%, a **0,25 $ per milione**, ovunque l'uso si paghi a token: vuol dire che prima costavano 1 $.

Anthropic ha misurato l'effetto su quattro settimane di uso reale, ad agosto 2026, a prezzo a consumo e con lo sforzo predefinito. Il "carico tipico" comprende quello che si fa con Fable in Claude Code, Claude Enterprise e via API; quello "molto agentico" il lavoro pieno di contesto e di strumenti, dove le letture dalla cache sono la voce principale.

**Lo stesso lavoro, quanto costa** — Costo indicizzato (Fable 5 = 100), diviso tra letture dalla cache e altri token

| Voce | Totale | Letture dalla cache | Altri token |
| --- | --- | --- | --- |
| Carico tipico, Fable 5 | 100 | 40 | 60 |
| Carico tipico, Fable 5.1 | 75 | 11 | 64 |
| Molto agentico, Fable 5 | 100 | 65 | 35 |
| Molto agentico, Fable 5.1 | 55 | 17 | 38 |

_Fonte: Anthropic, quattro settimane di uso reale, agosto 2026_

Il dettaglio interessante è come si compone il totale. Nel carico tipico, la cache pesava 40 punti su 100 con Fable 5 e ne pesa 11 con Fable 5.1, mentre tutti gli altri token passano da 60 a 64. Nel carico agentico la cache scende da 65 a 17, gli altri token salgono da 35 a 38. Il risparmio viene tutto dalla cache; il resto cresce un po'.

### Un esempio di calcolo

Due scenari inventati, con prezzi di listino e lo stesso numero di token per entrambi i modelli. Non includo il costo di _scrittura_ nella cache, che l'annuncio non riporta.

| Scenario | Fable 5 | Fable 5.1 | Risparmio |
| --- | --- | --- | --- |
| Agente di programmazione: 6,5 milioni di token letti dalla cache, 200.000 in ingresso, 30.000 in uscita | 10,00 $ | 5,13 $ | circa 49% |
| Assistente su un manuale, 1.000 conversazioni: 40 milioni dalla cache, 1,5 milioni in ingresso, 600.000 in uscita | 85,00 $ | 55,00 $ | circa 35% |

Nel primo caso la cache vale 6,50 $ su 10 con Fable 5 e 1,63 $ con Fable 5.1. Nel secondo passa da 40 $ a 10 $, mentre ingresso (15 $) e uscita (30 $) non cambiano. Il risparmio reale dipende da quanto il vostro lavoro rilegge testo già visto: va misurato sui log, non preso dalla media di qualcun altro. Se vi state chiedendo quale piano Claude conviene per un team, ne ho parlato nell'articolo su [Fable 5 e i piani Max e Team](https://andreapirazzini.it/blog/claude-fable-5-piani-max-team).

Anthropic, intanto, dice di lavorare per portare molti di questi miglioramenti anche al resto della famiglia Claude. Mythos 5.1, come visto, resta invece riservato a difensori informatici e scienziati verificati, per ora solo negli Stati Uniti.

## Cosa significa per un'azienda

Tradotto in scelte concrete, l'annuncio suggerisce tre mosse.

1. **Se usate già Fable 5 via API o in Claude Code**, il passaggio a Fable 5.1 costa lo stesso a listino e quasi sempre meno in bolletta, grazie alla cache. È il caso più semplice: provate il nuovo modello sugli stessi compiti e confrontate costi e risultati sui vostri log.
2. **Se avete scartato gli agenti perché troppo cari**, il taglio sulla cache cambia i conti proprio dove pesava di più: flussi lunghi che rileggono documenti, codice o istruzioni. Vale la pena rifare il calcolo, partendo dai livelli di sforzo più bassi, dove Fable 5.1 rende già molto.
3. **Se trattate dati sensibili**, tenete d'occhio le EFS: fino al loro arrivo la strada resta la zero data retention, per chi ne ha i requisiti.

In tutti e tre i casi il consiglio è lo stesso: un pilota piccolo e misurato prima di spostare processi che funzionano. Se vi serve una mano a impostarlo, è il tipo di lavoro che faccio con la [consulenza AI](https://andreapirazzini.it/servizi/consulenza-ai).

## Il mio parere

Fable 5.1 mi sembra un aggiornamento sostanzioso proprio dove serve di più alle aziende che costruiscono agenti: lavori lunghi, programmazione, ricerca. E il taglio sulla cache è la notizia più concreta, perché rende sostenibili i flussi che rileggono molto contesto, cioè quasi tutti gli agenti seri. Separare Mythos da Fable è una scelta di governo comprensibile per capacità che si possono usare sia per difendere sia per attaccare.

Tre cautele, però. I benchmark li ha pubblicati quasi solo Anthropic. Mythos resta chiuso e, per ora, americano. E il watermark esiste ma nessuno fuori dal giro può verificarlo. Prima di spostare un sistema che funziona, farei come sempre un pilota controllato sui propri repository, documenti, regole interne e volumi, misurando qualità, costo, tempi e interventi umani.

### Cosa resta da chiarire

- **Mythos fuori dagli Stati Uniti**: l'espansione è promessa, ma senza tempi né criteri completi.
- **EFS**: il rilascio è a tappe e disponibilità, configurazioni e condizioni possono cambiare da piattaforma a piattaforma.
- **Watermark**: con l'API chiusa non si possono ancora valutare su larga scala affidabilità, resistenza alle modifiche del testo e falsi positivi.
- **Benchmark**: mancano prove indipendenti fatte tutte nelle stesse condizioni.
- **Costi reali**: il 25–45% dipende da quanto si usa la cache e non vale in automatico per ogni carico di lavoro.

Se volete capire quanto risparmiereste davvero, il primo passo è guardare i vostri log di utilizzo: posso aiutarvi a impostare il confronto.

[Prenota una call](https://andreapirazzini.it/prenota)

## Domande frequenti

**Fable 5.1 e Mythos 5.1 sono modelli diversi?**

No. Anthropic li presenta come un unico modello distribuito con due livelli di salvaguardie: Fable 5.1 per tutti, Mythos 5.1 con filtri più permissivi per organizzazioni verificate.

**Quanto costa Fable 5.1 via API?**

10 dollari per milione di token in ingresso e 50 in uscita, come Fable 5. Le letture dalla cache scendono invece a 0,25 dollari per milione (-75%).

**Il risparmio del 25–45% vale per tutti?**

No. È una stima di Anthropic su carichi reali di agosto 2026 e dipende da quanta parte del lavoro rilegge contesto già in cache. Va verificato sui propri volumi.

**Il watermark dell'AI Act è già attivo?**

Secondo Anthropic sì, sugli output dei modelli usciti dopo il 2 agosto 2026. L'API per rilevarlo però è in anteprima privata e riservata a soggetti idonei.

**Fable 5.1 può cercare vulnerabilità nel codice?**

Sì, nel codice sorgente e per scopi difensivi. Test di penetrazione, scrittura di exploit e analisi di vulnerabilità nei binari vengono ancora passati ai modelli Opus.

**Come si ottiene l'accesso a Mythos 5.1?**

Con i programmi di accesso verificato: CVP per la cybersicurezza e LSVP per le scienze della vita. Al lancio è limitato a organizzazioni statunitensi selezionate.