OpenRouter：Claude Fable 5.1 的 Provider 性能与基准快照

一句话结论

OpenRouter 的实时页显示 Fable 5.1 在多个 Provider 上约有 44–56 tok/s 的一周平均吞吐、约 4.18–6.01 秒平均首段/请求延迟，并提供 GPQA Diamond、TAU-Bench 和结构化输出错误率等路由快照，适合做接入层选型而不是替代受控能力评测。

适用场景

• 适合的任务：比较同一模型经 Azure、Anthropic、Amazon Bedrock BYOK 和 Google Vertex 接入时的延迟、吞吐、可用性与结构化输出表现。

• 不适合的任务：据此推断模型推理能力、长时域 Agent 成功率或不同客户端的端到端体验；Provider 路由和流量组成会影响结果。

• 适用的模型版本：OpenRouter 上的 anthropic/claude-fable-5.1。

• 适用的客户端、Agent 或 API：OpenRouter 路由；页面列出 Hermes Agent、Claude Code、Kilo Code 等流量较大的应用，但不是这些应用的受控对比实验。

• 推荐的推理档位和参数：页面未公开这些遥测对应的 effort、prompt、输出长度或采样设置；生产接入需自行固定这些变量。

测试方法/数据

页面对各 Provider 展示 P50 运行数据：

• 标准端点报价均为输入 $10/百万 token、输出 $50/百万 token、cache read $0.25/百万 token。

• Provider P50：Azure 延迟 14.96s、吞吐 56 tok/s；Anthropic 延迟 5.97s、吞吐 45 tok/s、可用性 99.91%；Amazon Bedrock（BYOK）延迟 11.58s、吞吐 53 tok/s；Google Vertex 延迟 4.84s、吞吐 65 tok/s、可用性 99.35%。

• 过去一周平均吞吐：Vertex 56 tok/s、Bedrock 46 tok/s、Anthropic 44 tok/s；平均首段/请求延迟：Vertex 4.18s、Anthropic 5.96s、Azure 6.01s；端到端平均延迟则分别为 12.51s、16.20s、16.15s。

• AutoExacto Benchmarks：GPQA Diamond 自动路由 90.9%、Anthropic 86.5%、Vertex 84.9%、Azure 86.3%；TAU-Bench Anthropic 79.3%、Vertex 76.7%、Azure 74.7%。页面未给出自动路由与 Provider 结果的完整题集和重复次数。

• 结构化输出错误率：Anthropic 平均 8.33%，Bedrock 33.12%，Azure 38.51%；缓存命中率约 85.26%–86.82%。

• 采集时页面显示过去 3 天 OpenRouter uptime 100%、availability 99.92%，但不绕过 Provider 故障的“无路由”availability 为 98.25%。

结论

OpenRouter 的证据主要用于部署层判断：Vertex 在该页面快照中吞吐和延迟领先，Anthropic 端点结构化输出错误率较低；如果任务依赖 JSON/结构化调用，Provider 差异可能比模型名本身更影响稳定性。生产环境应固定 provider 过滤、路由策略和重试方式后再测。

边界与风险

• 这是平台实时遥测，不是公开的受控 benchmark 报告；页面没有完整输入集、输出长度分布、effort、采样参数或统计置信区间。

• P50、过去一周平均值和过去三天 uptime 的时间窗口不同，不能混为一个统一指标。

• OpenRouter 会在 Provider 失败时自动切换；启用路由与禁用路由的可用性不可直接比较。

• BYOK、计费、缓存和数据保留政策各不相同；页面特别提示 Anthropic 数据保留规则不允许 zero data retention，生产合规需另行核对。

• 性能数据会随 Provider 排队、区域、流量和页面时间窗口变化；本文只保存 2026-09-08 的快照。

复现建议

1. 固定 OpenRouter provider 过滤、区域、路由策略、模型快照、prompt 长度、输出上限和 effort。

2. 使用同一输入集对每个 Provider 重复请求，记录 TTFT、端到端延迟、吞吐、结构化输出解析成功率、重试和 fallback。

3. 将接入层指标与能力评测分开报告；不要用 provider 的 GPQA/TAU 快照替代完整模型 benchmark。