So verwenden Sie Claude Fable 5.2: API-Einrichtung, Aufwandsstufen und Kosten

Claude Fable 5.2 ist Anthropics Nachfolger von Fable 5.1 und zum Zeitpunkt des Verfassens das Topmodell im Artificial Analysis Intelligence Index v5.0.1. Auf OrcaRouter ist es anthropic/claude-fable-5.2 zu 8,00 $ pro Million Eingabe-Tokens und 40,00 $ pro Million Ausgabe-Tokens, bereitgestellt über denselben Schlüssel wie jedes andere Modell; die Claude Fable 5.2 API-Seite enthält die aktuellen Zahlen. Die Einrichtung ist kurz. Was die Leute überrascht, sind das Denkverhalten, der Effort-Regler und die Cache-Ökonomie — deshalb widmet dieser Leitfaden dem den Großteil seiner Länge.

Was das Modell annimmt und was es zurückgibt

Ein Kontextfenster von 1 Mio. Token, bei dem das Maximum zugleich der Standard ist und nicht etwas, für das man sich extra entscheiden muss. Bis zu 128K Ausgabe-Token in einer einzigen Antwort. Eingabe sind Text, Bilder und Dokumente; Ausgabe ist Text. Native Tool-Nutzung und strukturierte JSON-Ausgaben werden unterstützt. Schwierige Aufgaben können innerhalb eines einzelnen Turns mehrere Minuten laufen, was für mehrstufige Agenten ein Vorteil und für alles mit einem synchronen Anfrage-Timeout eine Falle ist.

Thinking ist immer aktiv. Das Modell denkt bei jeder Anfrage adaptiv, und Sie steuern die Tiefe mit einer Effort-Stufe von low bis max. Die rohe Gedankenkette wird nie zurückgegeben – Sie erhalten eine Zusammenfassung oder ein leeres Thinking-Feld. Planen Sie Ihre Observability um Zusammenfassungen herum, nicht um Transkripte.

Endpunkt eins: der OpenAI-kompatible Pfad

Dieselben drei Zeilen wie bei jedem anderen Modell auf dem Gateway: Basis-URL https://api.orcarouter.ai/v1, Ihr Schlüssel aus der Umgebung und die Modell-ID. Wenn Sie bereits einen funktionierenden Client für einen anderen Anbieter haben, ist dies eine einzeilige Änderung, und der Rest des Leitfadens befasst sich mit der Feinabstimmung.

Endpunkt zwei: die Anthropic Messages API

Fable 5.2 antwortet außerdem nativ auf /v1/messages, und hier ist das Detail, das viele falsch verstehen: Die Basis-URL für den nativen Pfad ist https://api.orcarouter.ai ohne /v1-Suffix. Der OpenAI-kompatible Pfad benötigt /v1, weil das der Konvention entspricht, der Chat Completions folgt; der Messages-Pfad nicht. Das Kopieren einer Basis-URL zwischen den beiden Beispielen ist die häufigste Ursache für einen 404, der wie ein Routing-Ausfall aussieht.

Aufwandsstufen in der Praxis

Die unterstützte Parameterliste umfasst include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tools und verbosity. Zwei Einträge leisten hier die eigentliche Arbeit: reasoning_effort legt fest, wie tief das Modell nachdenkt, und verbosity legt fest, wie viel es bei seiner Antwort sagt. Beide sind unabhängig voneinander, und ihre Vermischung ist der Grund, warum manche Teams zu dem Schluss kommen, das Modell sei langsam.

Eine praktische Ausgangsrichtlinie: geringer Aufwand für Klassifikation, Extraktion und Routing, wo die Antwort kurz ist und die Eingabe die Schwierigkeit trägt; mittel für Code-Review und Dokumentenanalyse; hoch oder maximal nur für die Aufgaben, bei denen Sie gemessen haben, dass eine falsche Antwort mehr kostet als die Latenz. Da bei jeder Anfrage Denkprozesse aktiv sind, ist der Aufwand der einzige Hebel, den Sie für die Zeit bis zum ersten Token haben – legen Sie ihn pro Route fest, nicht global.

Was eine Anfrage kostet

Eingabe kostet $8.00 pro Million und Ausgabe $40.00 pro Million, Cache-Lesevorgänge kosten $0.200 und Cache-Schreibvorgänge $10.00 pro Million. Ein Dokument mit 40.000 Token plus eine Antwort mit 2.000 Token werden mit $0.32 Eingabe und $0.08 Ausgabe abgerechnet: vierzig Cent pro Anfrage, vor jeglichem Caching.

Caching ist der Punkt, an dem die Rechnung interessant wird, und es lohnt sich, es richtig zu machen, weil das Schreiben berechnet wird. Ein Präfix mit 40.000 Token kostet 0,40 $, um in den Cache geschrieben zu werden, und 0,008 $ bei jedem anschließenden Lesen. Ein ungecachter Durchlauf kostet 0,32 $. Ein gecachtes Präfix amortisiert sich also beim zweiten Lesen und ist danach drastisch günstiger – aber ein Korpus, den man nur einmal liest, sollte überhaupt nicht gecacht werden.

Zum Vergleich: Fable 5.1 kostet $10.00 für Eingaben und $50.00 für Ausgaben, und Opus 4.7 kostet $5.00 für Eingaben und $25.00 für Ausgaben. Dass Fable 5.2 bei beiden Posten 20 Prozent günstiger ist als sein Vorgänger, ist genau der Grund dafür, ein bestehendes Prompt-Set zu migrieren, anstatt die ältere ID zu behalten.

Latenz und Fehlerrate

Zum Live-Traffic von OrcaRouter in den letzten sieben Tagen: p50-Zeit bis zum ersten Token 8,09 Sekunden, p95 10,00 Sekunden, Ausgabegeschwindigkeit 101 Token pro Sekunde, über 35,6 Millionen bereitgestellte Token. Die Fehlerrate lag bei 10,8 Prozent der Anfragen, die über alle Upstream-Anbieter hinweg eine Nicht-2xx-Antwort zurückgaben, was man wissen sollte, bevor man es hinter eine synchrone UI ohne Fallback setzt.

Die 8,09 Sekunden sind nicht dieselbe Messung wie die 267 Sekunden, die Artificial Analysis für die Zeit bis zum ersten Token meldet. Die Testumgebung von AA lässt das Modell mit maximalem Aufwand über neun schwierige Benchmarks nachdenken; der Gateway-Wert ist der Median der realen Anfragen bei dem Aufwand, den der Aufrufer festgelegt hat. Wenn Sie Fable 5.2 mit maximalem Aufwand auf einen schwierigen Prompt ausführen, sehen Sie einen Wert, der viel näher an der Zahl von AA als am p50 liegt.

Wo es zu verwenden ist – und wo nicht

Setze es dort ein, wo eine falsche Antwort teuer ist und der Aufruf asynchron erfolgen kann: mehrstufige Agenten, tiefgehende Codearbeit, langfristige Planung – überall dort, wo du sonst drei günstigere Modelle laufen lassen und die Ergebnisse abgleichen würdest. Bei 40 US-Dollar pro Million Ausgabe-Tokens und Thinking bei jeder Anfrage sind die Kosten eines Fehlschlags real, daher ist die Effort-Stufe eine Budgetsteuerung.

Verwenden Sie es nicht als Standard-Routing-Ziel für jeden Prompt. Der Claude Fable 5.2 vs Claude Opus 5.5Vergleich ist der, den Sie lesen sollten, wenn Sie entscheiden, ob sich das Topmodell für Ihre Arbeitslast lohnt, und Claude Fable 5.2 vs Claude Fable 5.1behandelt die Migration, falls Sie bereits die vorherige Generation einsetzen.

Wenn Sie einen Multi-Modell-Stack aufbauen, enthält die LLM-Modellliste die aktuellen IDs und Preise, und die Gemini 4 Carbon API ist die natürliche günstige Stufe daneben für die 90 Prozent der Aufrufe, die nicht so viel Modell benötigen.

Die Checkliste

Lege die Basis-URL entsprechend dem gewählten Endpoint fest – /v1 für Chat Completions, kein Suffix für Messages. Lege den Aufwand pro Route statt global fest und trenne den Aufwand gedanklich von der Ausführlichkeit. Cache Präfixe, die du mehr als zweimal liest, und überspringe das Caching bei einmaligen Dokumenten. Plane 128K Ausgabe und 1M Eingabe ein. Rechne bei moderatem Aufwand mit acht Sekunden bis zum ersten Token, bei maximalem Aufwand mit Minuten und damit, dass einer von zehn Aufrufen fehlschlägt. Dann miss deine eigene Verteilung: Das Modell ist das leistungsfähigste verfügbare, und ob es $40 pro Million Ausgabe wert ist, ist ausschließlich eine Frage deiner Prompts.