拆解 Claude 5.1：Anthropic 通过状态管理与权限路由终结「模型论」

事件概述

Anthropic 近期更新了 Claude 5.1，正式推出 Fable 5.1 和 Mythos 5.1 两个版本。尽管两者名称不同，但底层基于同一套模型架构。核心差异在于 Anthropic 将“智力”与“执行权限”进行了物理剥离：Fable 面向通用编码、知识工作及常规 Agent 任务；Mythos 则针对经过验证的网络安全和生命科学研究场景，开放更深层次的工具调用和专业任务权限。Ramp 的一项测试显示，Fable 5.1 在无人值守状态下连续运行 38 小时，期间能识别数据异常、重新处理信息并并行启动多组实验，展现了长时任务中的动态调整能力。

核心信息

1. 解决长时 Agent 的状态一致性与失效机制

在长达数小时甚至数十小时的执行过程中，单纯扩大上下文窗口（Context Window）无法解决“状态漂移”（State Drift）问题。随着代码修改或实验条件变化，早期形成的判断可能已失效，若继续引用会导致错误累积。

• 独立状态源：Claude 5.1 不再仅依赖对话历史作为唯一状态来源，而是建立外部事实驱动的状态管理机制。代码需从当前仓库读取，实验结果绑定具体 Run ID 和数据版本，任务进度进入独立的 Task State。
• 依赖失效（Invalidation）：当前置状态（如数据 A）被证实存在问题时，所有依赖该状态的后续结论（如实验 B）必须同步重新评估，而非简单追加新结论。
• 外部验证闭环：为防止模型内部自我验证产生的相关性错误（Correlated Error），系统引入外部工具反馈循环。只有通过编译器检查、单元测试或真实实验结果验证的数据，才会被写入稳定状态并用于后续任务。
• 可信检查点（Checkpoint）：保存包含当前任务图、工作区及已验证产物的可信状态，确保在 API 超时或进程崩溃等异常中断后，任务可从可靠节点恢复。

2. 能力与执行权限的动态路由（Capability Routing）

Fable 与 Mythos 的分化标志着 Anthropic 将模型能力（Model Capability）与执行权限（Execution Permission）解耦。权限控制不再局限于初始提示词，而是贯穿整个执行轨迹。

• 动态风险判断：任务性质可能随执行深入而变化（例如从普通调试演变为二进制分析）。系统需持续读取当前状态、已执行动作及请求资源，进行增量式权限判断。
• 策略状态管理：权限系统保留已确认的任务性质和历史授权，仅在出现新行为时更新风险状态，避免频繁的全量重判导致的误触发（False Positive）。
• 执行轨迹数据化：单独的原子操作（如文件读取）难以定义任务性质，系统需结合完整的执行轨迹来判断 Agent 的真实意图，从而决定开放何种程度的能力配置。

3. 科研 Agent 的工作流编排与异步调度

在蛋白设计、金星地形重建等科研场景中，Claude 5.1 不直接替代领域专用模型，而是作为编排者组织多个专业工具完成连续工作流。

• 异步执行与 DAG 结构：鉴于科研工具耗时差异大（从秒级查询到数小时训练），系统采用异步执行模式。提交任务后保存 Job ID 并继续处理其他独立任务，形成动态变化的有向无环图（DAG），支持并行分支与条件取消。
• 来源追踪（Provenance）：每个中间产物必须绑定数据来源链（数据版本、模型版本、代码 Commit、参数配置），以应对多组实验结果并发时的混淆问题，并确保在环境变更时准确识别需重跑的实验。
• 工作流优化：Agent 开始具备观察全局性能瓶颈的能力，例如通过修改 GPU Kernel 减少重复计算，而不仅仅是决定下一步的工具调用。

4. 成本结构与评估范式的转变

• Prompt Caching 的价值：由于长时 Agent 大量复用稳定上下文（System Instruction、Tool Schema 等），降低 Cache Read 价格有助于提升效率，使计算资源集中于变化的观测结果。
• Episode 级成本核算：传统按 Token 计费的模型单价已不足以反映真实成本。未来更关键的指标是完整任务周期（Episode）内的模型调用次数、工具重试率、无效分支比例及总计算资源消耗。
• 超越「模型论」：Claude 5.1 证明，Agent 的性能不仅取决于底层模型权重，更依赖于运行时环境的状态管理、验证机制、权限路由和调度器。即使模型不变，优化这些系统组件也能显著提升复杂任务的完成率。