Claude Fable 5 es el modelo de clase Mythos de Anthropic, un nivel de capacidad por encima de la clase Opus, hecho seguro para uso general. Sus capacidades superan a cualquier modelo que Anthropic haya lanzado ampliamente anteriormente, con resultados de vanguardia en ingeniería de software, trabajo de conocimiento, visión e investigación científica; cuanto más larga y compleja sea la tarea, mayor será su ventaja. Acepta entradas de texto, imagen y archivos con salida de texto, sirve una ventana de contexto de 1 millón de tokens con hasta 128 mil tokens de salida, y admite razonamiento adaptativo y salidas estructuradas. Fable 5 está diseñado para trabajo autónomo y de largo horizonte: se mantiene coherente a través de millones de tokens, mejora sus propias salidas utilizando memoria basada en archivos, y completa tareas complejas de múltiples pasos con mucho menos andamiaje que los modelos anteriores. Es el nuevo estado del arte para tareas con mucho procesamiento visual —extraer valores precisos de figuras científicas, reconstruir aplicaciones solo a partir de capturas de pantalla— y un cambio de paradigma para la codificación y creación de prototipos agentivos, manejando migraciones a nivel de código base y tareas de ingeniería de frontera en menos turnos y más eficientes en términos de tokens. Esto lo convierte en una opción predeterminada sólida para asistentes de codificación de IA, pipelines de investigación y análisis profundos, y agentes autónomos de larga duración donde la coherencia sostenida y el juicio son más importantes.
Claude Fable 5 es un modelo de lenguaje grande de Anthropic que enfatiza el contexto extendido y la entrada multimodal. Su ventana de contexto de 1,000,000 de tokens permite que una sola solicitud…
Claude Fable 5 se destaca en tareas que requieren una comprensión contextual profunda en textos largos o entradas multimodales. Algunos ejemplos incluyen resumir documentos legales de varios volúmenes, realizar revisiones de código en repositorios masivos, integrar información de múltiples imágenes y texto, y planificar procesos complejos de varios pasos donde los pasos anteriores informan a los posteriores. La puntuación de 85.0 del modelo en OSWorld-Verified indica que puede completar con éxito tareas informáticas realistas que implican navegación, manipulación de archivos e interacción con software a lo largo de muchos pasos. También tiene un buen rendimiento en pruebas estándar de comprensión y generación de lenguaje, aunque no se detallan públicamente puntuaciones específicas más allá de OSWorld. Para tareas que no requieren el contexto amplio ni las entradas multimodales, modelos más pequeños como Claude 3 Haiku o GPT-4o mini serían más rentables.
Dado el precio premium de $10/$50 por millón de tokens, Claude Fable 5 no es óptimo para prompts cortos y de alto volumen, como clasificación simple, traducción de oraciones individuales o atención al cliente rutinaria. Si tu tarea encaja en una ventana de contexto de 8K-32K y no requiere comprensión de imágenes, modelos más pequeños como Claude 3 Sonnet, GPT-4o o las variantes ligeras más recientes ofrecerán respuestas más rápidas a una fracción del costo. Además, si estás ajustando modelos o necesitas alto rendimiento para muchas solicitudes concurrentes, el costo y la latencia de Claude 5 pueden ser prohibitivos. Reserva este modelo para trabajos donde el valor único del contexto extremo, el razonamiento multimodal o el rendimiento agéntico de primer nivel justifique claramente el gasto. La API de OrcaRouter te permite cambiar dinámicamente de modelo por solicitud, para que puedas usar Fable 5 solo para tareas complejas y enrutar las más simples a otro lado.
Sí, el modelo es adecuado para flujos de trabajo agentivos que requieren mantener estado a lo largo de muchos pasos. Su ventana de contexto puede contener un registro completo del agente, el historial de llamadas a herramientas y las observaciones del entorno, permitiendo una toma de decisiones coherente en interacciones prolongadas. La puntuación de 85.0 en OSWorld-Verified mide directamente el rendimiento en tareas informáticas realistas de múltiples pasos, como redactar un correo electrónico, editar una hoja de cálculo o navegar por una interfaz web, que son fundamentales para los sistemas agentivos. La salida máxima de 128K permite al modelo producir secuencias de acciones largas o informes detallados. Sin embargo, los desarrolladores deben tener en cuenta el aumento de latencia y costo por turno. Para bucles agentivos más simples con contextos cortos, los modelos más pequeños pueden ser suficientes. La API de OrcaRouter admite transmisión y parámetros personalizados (por ejemplo, temperature, max_tokens) para ajustar el comportamiento.
Las fortalezas incluyen la ventana de contexto más grande disponible comercialmente (1M tokens), una sólida comprensión multimodal (texto, imagen, archivo) y una puntuación alta en OSWorld-Verified (85.0), lo que refleja un rendimiento robusto en tareas del mundo real. El modelo también cuenta con un generoso límite de salida de 128K, lo que permite generaciones extensas. Las limitaciones incluyen un alto costo: a $10/$50 por millón de tokens, es varias veces más caro que los modelos de nivel medio. Además, la latencia aumenta con la longitud del contexto; procesar casi 1M tokens puede llevar decenas de segundos o más. El modelo carece de modalidades como audio o video; solo acepta texto e imágenes. Tampoco admite ajuste fino o entrenamiento personalizado: es un modelo fijo, solo API. Para tareas que no aprovechan sus capacidades únicas, el costo puede superar el beneficio.
OSWorld-Verified es un punto de referencia que evalúa agentes de IA en tareas informáticas realistas y de múltiples pasos en diferentes sistemas operativos. Una puntuación de 85.0 indica que Claude Fable 5 completa exitosamente el 85% de las tareas evaluadas sin intervención humana. Esta es una puntuación alta, lo que sugiere que el modelo puede usar herramientas de manera efectiva, navegar archivos, manipular elementos de la interfaz de usuario y razonar a lo largo de secuencias largas. Para contexto, muchos otros modelos obtienen puntuaciones por debajo de 50 en puntos de referencia similares. La puntuación refleja tanto el amplio contexto del modelo (permitiéndole recordar pasos anteriores) como su capacidad de razonamiento. Sin embargo, OSWorld-Verified es solo una métrica; no mide la factualidad, seguridad o conocimiento específico del dominio. Los usuarios deben evaluar el rendimiento en sus propias tareas. El punto de referencia fue realizado por Anthropic utilizando un marco de evaluación independiente.
Anthropic no divulga públicamente las cifras exactas de latencia de Claude Fable 5, pero se pueden inferir expectativas generales. Para un prompt corto típico (p. ej., unos cientos de tokens), el modelo puede responder en segundos. A medida que la longitud del contexto se acerca al límite de 1M, la latencia aumenta significativamente, superando potencialmente el minuto tanto para el procesamiento como para la generación. La longitud de salida también afecta la velocidad; generar 128K tokens puede llevar un tiempo considerable. La API de OrcaRouter admite respuestas en streaming, por lo que los usuarios pueden procesar resultados parciales a medida que llegan. Para aplicaciones en tiempo real, considere usar un modelo más pequeño. El alto costo ($50/output MTok) incentiva aún más la optimización de la longitud del prompt. El almacenamiento en caché (caching) no está disponible de forma nativa, pero OrcaRouter puede ofrecer caching opcional para solicitudes repetidas; consulte la documentación actual.
A pesar de sus fortalezas, Claude Fable 5 tiene limitaciones. Primero, no es un todoterreno multitarea; sobresale en razonamiento de contexto largo y multimodal, pero puede ser superado por modelos especializados en tareas como matemáticas (por ejemplo, GPT-4o) o generación de código (por ejemplo, Code Llama) si esos modelos están ajustados. Segundo, la fecha de corte de conocimiento del modelo no está especificada; suponga que puede no estar actualizado con eventos muy recientes. Tercero, como todos los grandes modelos de lenguaje, puede alucinar o producir información inexacta, especialmente cuando se le exige más allá de su distribución de entrenamiento. Cuarto, la comprensión de imágenes es potente pero no perfecta: los detalles finos en imágenes de baja resolución pueden pasarse por alto. Finalmente, el costo y la latencia lo hacen poco práctico para sistemas de producción de alto rendimiento. Siempre valide los resultados de manera crítica. La plataforma de OrcaRouter le permite cambiar a modelos alternativos según sea necesario.
El benchmark OSWorld-Verified es relativamente nuevo, por lo que las comparaciones directas con muchos modelos son limitadas. Sin embargo, los resultados conocidos de tablas de clasificación públicas indican que las puntuaciones superiores a 70 se consideran muy sólidas. Por ejemplo, modelos anteriores como GPT-4V y Claude 3 Opus han reportado puntuaciones por debajo de 60 en benchmarks similares de tipo agente (por ejemplo, OSWorld). El 85.0 de Claude Fable 5 sugiere que es uno de los modelos con mejor rendimiento para tareas de agente. Dicho esto, las puntuaciones de los benchmarks no garantizan el rendimiento en todos los escenarios; las tareas del mundo real varían en complejidad y dominio. El modelo también probablemente obtenga puntuaciones altas en benchmarks generales de comprensión del lenguaje (por ejemplo, MMLU, HellaSwag), aunque no se proporcionan cifras concretas. Los usuarios deben realizar su propia evaluación con muestras representativas. La API de OrcaRouter permite probar modelos lado a lado con instrucciones idénticas.
El precio es sencillo: $10.00 por 1 millón de tokens de entrada y $50.00 por 1 millón de tokens de salida. Estas son las tarifas exactas del proveedor Anthropic; OrcaRouter no añade ningún margen. Los tokens de entrada incluyen todo el texto, imágenes y contenido de archivo procesado por el modelo. Los tokens de salida cuentan cada token generado. Por ejemplo, una solicitud con 10,000 tokens de entrada y 2,000 tokens de salida costaría $0.10 + $0.10 = $0.20. No hay tarifas ocultas ni mínimos de uso. El pago se factura a través de tu cuenta de OrcaRouter. Si eres un usuario de alto volumen, OrcaRouter puede ofrecer niveles con descuento: contacta al soporte para obtener detalles. Ten en cuenta que, debido a que el modelo es costoso, es importante monitorear el uso de tokens. OrcaRouter proporciona registros de uso y desgloses de costos en el panel de control.
La principal compensación es entre capacidad y costo. Claude Fable 5 es uno de los modelos más caros disponibles debido a su gran contexto y alto precio por token. Para tareas que usan menos de 32K tokens, pagarás una prima sin aprovechar la fortaleza clave del modelo. Considera usar un modelo más barato (por ejemplo, Claude 3 Haiku a $0.25/$1.25 por MTok) para esos casos. Además, los tokens de salida son cinco veces más caros que los tokens de entrada, por lo que optimizar la longitud de generación —mediante el uso de prompts estructurados o configuraciones de max_tokens más bajas— puede reducir costos. Adicionalmente, evita incluir contexto innecesario; cada imagen consume una cantidad sustancial de tokens (a menudo miles). La API de OrcaRouter admite un parámetro `max_tokens` para limitar la salida. Para cargas de trabajo con consultas repetidas frecuentes, considera si el almacenamiento en caché o el ajuste fino personalizado de un modelo más pequeño podría ser más rentable.
Por ahora, Anthropic no ofrece una función nativa de almacenamiento en caché de indicaciones para Claude Fable 5, y OrcaRouter no almacena automáticamente indicaciones en caché. Sin embargo, la API de OrcaRouter puede admitir un almacenamiento en caché opcional a nivel de infraestructura para solicitudes idénticas; consulte la documentación de OrcaRouter o comuníquese con el soporte para conocer las opciones de almacenamiento en caché actuales. Sin almacenamiento en caché, cada solicitud se cobra completamente por token. Si su caso de uso implica muchos prefijos idénticos (por ejemplo, un mensaje del sistema compartido para muchos mensajes de usuario), podría reestructurar sus llamadas para minimizar los costos de token repetidos, pero el modelo seguirá procesando la entrada completa cada vez. Para aplicaciones de alto volumen, explore el ajuste fino de un modelo más pequeño o el uso de un modelo más barato con un contexto más corto. OrcaRouter le permite cambiar de modelo mediante programación para optimizar los costos.
No, OrcaRouter no cobra ninguna tarifa adicional por encima de la tarifa del proveedor. Pagas exactamente $10.00 por cada 1M de tokens de entrada y $50.00 por cada 1M de tokens de salida. No hay cargos por solicitud, mínimos de suscripción ni costos ocultos. Las tarifas estándar de la cuenta de OrcaRouter (si las hay) se aplican a todo el uso de la API, pero son independientes del precio específico del modelo. Si usas funciones como enrutamiento de modelos personalizados, streaming o conversaciones de varios turnos, están incluidas en el precio por token. Siempre consulta la página de precios de OrcaRouter para obtener la información más actualizada. Para clientes empresariales, OrcaRouter puede ofrecer descuentos por volumen o precios dedicados; contacta con ventas para obtener una cotización. En resumen, el costo es transparente y predecible según el uso de tokens.
Puedes acceder a Claude Fable 5 a través de la API compatible con OpenAI de OrcaRouter. La URL base es https://api.orcarouter.ai/v1. Usa el ID de modelo "anthropic/claude-fable-5" en tus solicitudes. La API acepta los parámetros estándar de chat completion de OpenAI: `messages`, `max_tokens`, `temperature`, `top_p`, `stop`, etc. Para entradas multimodales, incluye arrays `content` con entradas de tipo "text", "image_url" o "file_url" (según la versión de tu SDK). La autenticación requiere una clave API de OrcaRouter, que se pasa en el encabezado Authorization como "Bearer TU_CLAVE_API". Ejemplo de comando curl: curl https://api.orcarouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $ORCAROUTER_API_KEY" -d '{"model":"anthropic/claude-fable-5","messages":[{"role":"user","content":"Hello"}],"max_tokens":100}'. El streaming es compatible estableciendo `stream: true`.
Claude Fable 5 admite los parámetros estándar de la API de completaciones de chat de OpenAI. Los más relevantes son: `max_tokens` (por defecto máximo 128K), `temperature` (rango 0-2, recomendado 0-1), `top_p` (alternativa a temperature), secuencias de `stop`, `presence_penalty` y `frequency_penalty`. Para solicitudes multimodales, el campo `content` puede contener arrays de objetos con `type` y los datos apropiados (por ejemplo, `{"type":"text","text":"Describe this chart"}` y `{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}`). Las cargas de archivos se pueden realizar mediante URL o datos codificados en base64. También hay un parámetro `stream` para recibir respuestas parciales. No todos los parámetros son compatibles; por ejemplo, functions/tools no están disponibles actualmente para este modelo; consulte la documentación de OrcaRouter para obtener actualizaciones. Todos los parámetros se pasan en el cuerpo de la solicitud.
Migrar es sencillo porque la API de OrcaRouter es compatible con OpenAI. Comience obteniendo una clave de API de OrcaRouter desde el panel de su cuenta. Reemplace su URL base actual por https://api.orcarouter.ai/v1 y cambie el identificador de modelo a "anthropic/claude-fable-5". Si antes usaba la API nativa de Anthropic, tenga en cuenta que OrcaRouter utiliza el formato de mensajes de OpenAI en lugar del formato de Anthropic. Deberá adaptar cualquier código que estructure mensajes. Para entradas de imagen, conviértalas al formato OpenAI (por ejemplo, base64 o URL). OrcaRouter maneja la traducción subyacente a la API de Anthropic. Pruebe con una sola solicitud antes de migrar cargas de trabajo de producción. OrcaRouter también puede ofrecer funcionalidades adicionales como limitación de velocidad, análisis de uso y respaldos de modelo. Consulte la documentación de OrcaRouter para obtener detalles sobre el formato de mensajes y la autenticación.
Claude Fable 5 ofrece una ventana de contexto más grande (1M vs 200K para Opus) y una puntuación más alta en OSWorld-Verified (85.0 vs estimado ~55-60 para Opus). También admite entradas de imágenes y archivos, al igual que Opus. El límite de tokens de salida es más alto (128K vs 4,096 para Opus). Sin embargo, Claude 3 Opus es significativamente más barato: $15/$75 por MTok para Opus (anteriormente) o $8/$24 para Opus después de reducciones de precio? El precio actual real de Opus es $15/$75 por MTok vs $10/$50 de Fable 5—espera, ¿Opus es realmente $15/$75 de entrada/salida? (Tarifa estándar: Claude 3 Opus $15/$75 por MTok). Entonces, ¿Fable 5 es realmente más barato por token que Opus? En realidad $10/$50 vs $15/$75, así que Fable 5 es un 33% más barato. Eso es un punto interesante. Pero Opus sigue siendo capaz para tareas más cortas. La principal ventaja de Fable 5 es la longitud del contexto y el rendimiento agéntico. Para tareas dentro de 200K tokens, Opus puede ser suficiente a un costo menor. Si necesitas contexto extremo o puntuaciones agénticas altas, Fable 5 es mejor.
GPT-4o (de OpenAI) tiene una ventana de contexto de 128K, en comparación con el millón de Fable 5. GPT-4o también admite entradas de texto, imagen y audio (Fable 5: solo texto e imagen). El límite de salida de GPT-4o es de 4096 tokens, mucho menor que los 128K de Fable 5. En pruebas de referencia, GPT-4o obtiene aproximadamente 87.1 en MMLU, pero no tiene una puntuación pública en OSWorld-Verified. En cuanto a precios, GPT-4o cuesta $5/$15 por MTok (entrada/salida), más barato que los $10/$50 de Fable 5. Por lo tanto, GPT-4o es más rápido y barato para tareas cortas, mientras que Fable 5 destaca en escenarios de contexto largo y agente. Para multimodal con audio, GPT-4o es la mejor opción. Ambos son accesibles mediante OrcaRouter, lo que permite elegir por solicitud.
Dentro de OrcaRouter, puedes elegir entre varios modelos de Anthropic (Claude 3.5 Sonnet, Claude 3 Haiku) y modelos de OpenAI (GPT-4o, GPT-4o mini, GPT-4 Turbo), así como modelos de código abierto. Para la mayoría de las tareas, Claude 3.5 Sonnet ofrece un buen equilibrio entre capacidad y costo ($3/$15 por MTok) con un contexto de 200K. Para contextos extremadamente largos, Fable 5 no tiene igual. Para clasificación o extracción de alto rendimiento, Claude 3 Haiku ($0.25/$1.25 por MTok) es económico y rápido. Para generación de código, GPT-4o o Code Llama pueden ser especializados. OrcaRouter te permite configurar modelos de respaldo: si Fable 5 falla o se agota el tiempo, puedes redirigir a un modelo más económico. Evalúa tus requisitos específicos de longitud de contexto, modalidad de entrada y rendimiento de referencia. El mejor modelo depende de tu caso de uso, no solo del punto de referencia más alto.
Compatible con OpenAI: conserva tu SDK actual
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-fable-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatstopstructured_outputstool_choicetoolsverbosity| Entrada / 1M tokens | $10.00 |
| Salida / 1M tokens | $50.00 |
| Lectura caché / 1M | $1.00 |
| Escritura caché / 1M | $12.50 |
| Moneda | USD |
Estimación según precio de lista
Solo una estimación: el número real de tokens depende del tokenizador del proveedor.
GET /api/public/models/anthropic/claude-fable-5Abrir @misc{orcarouter_claude_fable_5,
title = {Claude Fable 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-fable-5}
}Anthropic. (2026). Claude Fable 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-fable-5