Cómo usar Claude Fable 5.2: configuración de la API, niveles de esfuerzo y coste

Claude Fable 5.2 es el sucesor de Fable 5.1 de Anthropic y, en el momento de escribir esto, el modelo líder del Artificial Analysis Intelligence Index v5.0.1. En OrcaRouter es anthropic/claude-fable-5.2 a $8.00 por millón de tokens de entrada y $40.00 por millón de salida, servido mediante la misma clave que todos los demás modelos; la página API de Claude Fable 5.2 contiene las cifras en vivo. La configuración es breve. Las partes que sorprenden a la gente son el comportamiento del razonamiento, el control de esfuerzo y la economía de la caché, así que esta guía dedica su extensión a ello.

Lo que el modelo acepta y lo que devuelve

Ventana de contexto de 1M de tokens, en la que el máximo también es el valor predeterminado en lugar de algo a lo que haya que optar. Hasta 128K tokens de salida en una sola respuesta. La entrada es texto, imágenes y documentos; la salida es texto. Se admiten el uso nativo de herramientas y las salidas JSON estructuradas. Las tareas difíciles pueden ejecutarse durante varios minutos dentro de un solo turno, lo que es una ventaja para los agentes de varios pasos y una trampa para cualquier cosa con un tiempo de espera de solicitud síncrona.

Thinking siempre está activado. El modelo razona de forma adaptativa en cada solicitud y tú controlas la profundidad con un nivel de esfuerzo desde bajo hasta máximo. La cadena de pensamiento sin procesar nunca se devuelve: obtienes un resumen o un campo thinking vacío. Planifica tu observabilidad en torno a resúmenes, no a transcripciones.

Endpoint uno: la ruta compatible con OpenAI

Las mismas tres líneas que cualquier otro modelo en el gateway: la URL base https://api.orcarouter.ai/v1, tu clave desde el entorno y el id del modelo. Si ya tienes un cliente que funciona para otro proveedor, este es un cambio de una sola línea y el resto de la guía trata sobre cómo ajustarlo.

Endpoint dos: la API de Messages de Anthropic

Fable 5.2 también responde de forma nativa en /v1/messages, y aquí está el detalle que la gente suele malinterpretar: la URL base para la ruta nativa es https://api.orcarouter.ai sin el sufijo /v1. La ruta compatible con OpenAI necesita /v1 porque esa es la convención que sigue Chat Completions; la ruta de Messages no. Copiar una URL base entre los dos ejemplos es la causa más común de un 404 que parece una interrupción del enrutamiento.

Niveles de esfuerzo, en la práctica

La lista de parámetros admitidos es include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tools y verbosity. Dos entradas hacen el trabajo real aquí: reasoning_effort establece la profundidad con la que piensa el modelo, y verbosity establece cuánto dice al responder. Son independientes, y confundirlas es la razón por la que algunos equipos concluyen que el modelo es lento.

Una política inicial práctica: esfuerzo bajo para clasificación, extracción y enrutamiento, donde la respuesta es corta y la entrada concentra la dificultad; medio para revisión de código y análisis de documentos; alto o máximo solo para las tareas en las que hayas medido que una respuesta incorrecta cuesta más que la latencia. Como el pensamiento está activo en cada solicitud, el esfuerzo es el único control que tienes sobre el tiempo antes del primer token; configúralo por ruta, no de forma global.

Lo que cuesta una solicitud

La entrada cuesta $8.00 por millón y la salida $40.00 por millón, con lecturas de caché a $0.200 y escrituras de caché a $10.00 por millón. Un documento de 40,000 tokens más una respuesta de 2,000 tokens factura $0.32 de entrada y $0.08 de salida: cuarenta centavos por solicitud, antes de cualquier uso de caché.

El almacenamiento en caché es donde la aritmética se vuelve interesante, y vale la pena hacerlo bien porque la escritura se cobra. Un prefijo de 40.000 tokens cuesta $0,40 escribirlo en la caché y $0,008 cada vez que se lee después. Una pasada sin caché cuesta $0,32. Así que un prefijo almacenado en caché se amortiza con la segunda lectura y resulta drásticamente más barato a partir de entonces; pero un corpus que solo se lee una vez no debería almacenarse en caché en absoluto.

A modo de referencia, Fable 5.1 cuesta $10.00 de entrada y $50.00 de salida, y Opus 4.7 cuesta $5.00 de entrada y $25.00 de salida. Que Fable 5.2 sea un 20 por ciento más barato que su predecesor en ambas líneas es la razón principal para migrar un conjunto de prompts existente en lugar de conservar el id anterior.

Latencia y tasa de fallos

En el tráfico en vivo de OrcaRouter durante los últimos siete días: el tiempo p50 hasta el primer token 8,09 segundos, el p95 10,00 segundos, la velocidad de salida de 101 tokens por segundo, más de 35,6 millones de tokens servidos. La tasa de error fue del 10,8 por ciento de las solicitudes que devolvieron respuestas no 2xx en todos los proveedores upstream, lo cual conviene saber antes de ponerlo detrás de una UI síncrona sin fallback.

Los 8.09 segundos no son la misma medición que los 267 segundos que Artificial Analysis informa para el tiempo hasta el primer token. El sistema de evaluación de AA permite que el modelo piense con el máximo esfuerzo en nueve benchmarks difíciles; la cifra de la puerta de enlace es la mediana de solicitudes reales con el nivel de esfuerzo que haya configurado quien llama. Si ejecutas Fable 5.2 con el máximo esfuerzo en un prompt difícil, verás algo mucho más cercano a la cifra de AA que a la p50.

Dónde usarlo y dónde no

Úsalo donde una respuesta incorrecta resulte costosa y la llamada pueda ser asíncrona: agentes de varios pasos, trabajo profundo con código, planificación a largo plazo, cualquier cosa en la que, de otro modo, ejecutarías tres modelos más baratos y conciliarías. A 40 $ por millón de tokens de salida y con razonamiento en cada solicitud, el coste de un fallo es real, así que el nivel de esfuerzo es un control de presupuesto.

No lo uses como destino de enrutamiento predeterminado para cada prompt.Claude Fable 5.2 vs Claude Opus 5.5 es la comparación que debes leer si estás decidiendo si la gama más alta merece la pena para tu carga de trabajo, y Claude Fable 5.2 vs Claude Fable 5.1 cubre la migración si ya ejecutas la generación anterior.

Si estás construyendo una pila de varios modelos, la lista de modelos LLM tiene los ids y precios actuales, y la Gemini 4 Carbon API es el nivel económico natural junto a ella para el 90 por ciento de las llamadas que no necesitan tanto modelo.

La lista de verificación

Configura la URL base según el endpoint que hayas elegido: /v1 para Chat Completions, sin sufijo para Messages. Configura el esfuerzo por ruta en lugar de globalmente, y separa en tu mente el esfuerzo de la verbosidad. Cachea los prefijos que leas más de dos veces y omite el caché para documentos de un solo uso. Presupuesta 128K de salida y 1M de entrada. Espera ocho segundos hasta el primer token con esfuerzo moderado, minutos con el máximo, y que una de cada diez llamadas falle. Luego mide tu propia distribución: el modelo es el más capaz disponible, y si eso vale $40 por millón de salida es totalmente una cuestión de tus prompts.