Claude Fable 5.1 es el modelo de clase Mythos de Anthropic — un nivel de capacidad por encima de la clase Opus — diseñado para un uso generalizado y seguro, y el sucesor de Claude Fable 5. Mejora a Fable 5 en todos los aspectos, con los mayores avances en codificación agéntica, flujos de trabajo agénticos de larga duración y trabajo de conocimiento: refactorizaciones de código extensas, ingeniería front-end y visual, y tareas de múltiples pasos donde la coherencia sostenida y el juicio importan más. Acepta entradas de texto, imagen y archivos con salida de texto, ofrece una ventana de contexto de 1M de tokens con hasta 128K tokens de salida, y admite razonamiento adaptativo y salidas estructuradas. Fable 5.1 mantiene la postura autónoma y de horizonte prolongado de la línea Fable: permanece coherente a lo largo de millones de tokens, mejora sus propias salidas mediante memoria basada en archivos y completa trabajo complejo de múltiples pasos con mucho menos andamiaje que los modelos anteriores. Es una opción predeterminada sólida para asistentes de codificación con IA, pipelines de investigación y análisis profundo, y agentes autónomos de larga duración.
Claude Fable 5.1 es un modelo de Anthropic disponible en OrcaRouter con el ID de modelo anthropic/claude-fable-5.1. Acepta entradas de texto, imagen y archivos, admite una ventana de contexto de…
La principal capacidad documentada de Claude Fable 5.1 es mantener hasta 1,000,000 de tokens en contexto mientras genera hasta 128,000 tokens. Esto permite colocar el material fuente completo antes de la instrucción y pedir al modelo que responda sin crear un paso de recuperación separado. Debido a que acepta texto, imágenes y archivos, un mensaje puede incluir diagramas, páginas escaneadas, hojas de cálculo y otro material junto con texto normal. Las tareas de revisión pueden entonces operar sobre colecciones completas en lugar de fragmentos del tamaño de una página. El modelo también tiene una puntuación de inteligencia general de 66.0 en el Artificial Analysis Intelligence Index, pero el catálogo no define el comportamiento a nivel de dominio. El razonamiento, la codificación y el seguimiento de instrucciones deben verificarse con evaluaciones personalizadas. No hay ninguna afirmación en los datos proporcionados sobre latencia, almacenamiento en caché o ejecución agéntica de herramientas. Utilice el modelo donde la memoria de contexto y la salida de formato largo sean el centro del trabajo, y mida todo lo demás contra su propio conjunto de pruebas.
Los casos de uso más sólidos se derivan directamente de la especificación. Un contexto de 1,000,000 de tokens hace que Claude Fable 5.1 sea adecuado para el análisis de código de repositorio completo, la revisión de documentos legales o científicos extensos, la generación de resúmenes a nivel de corpus y la respuesta a preguntas sobre una fuente de varios cientos de páginas en una sola llamada. La salida máxima de 128,000 tokens permite generar informes extensos, resúmenes detallados o contenido que, de otro modo, requeriría múltiples llamadas al modelo y un ensamblaje manual. Las entradas mixtas implican que las imágenes y los archivos pueden analizarse junto con el texto. Dado que el contexto resulta costoso a $10 por millón de tokens de entrada, el modelo se adapta mejor cuando se necesita genuinamente la totalidad de la entrada para la respuesta. También se adapta mejor cuando, de lo contrario, se invertiría tiempo de ingeniería costoso en construir un sistema de división y fusión. Si la tarea solo requiere unos pocos párrafos de un documento, o si la aplicación no puede esperar una precarga larga, un modelo más pequeño probablemente atenderá mejor el tráfico. Pruebe con cargas útiles representativas para ver qué segmento de carga de trabajo recibe una mejora tangible.
Usa un modelo más barato cuando su salida sea lo suficientemente buena para la tarea. La clasificación simple, la extracción de metadatos, el resumen breve, los asistentes de chat y la finalización de código rara vez necesitan 1,000,000 tokens de contexto o 128,000 tokens de salida. Claude Fable 5.1 está a $10.00 por millón de tokens de entrada y $50.00 por millón de tokens de salida. Con un alto volumen de solicitudes, esas tarifas convierten las indicaciones comunes en una partida notable en comparación con las alternativas de bajo costo. Un modelo más barato también tiende a ser más rápido para cargas útiles pequeñas, y evita pagar por el contexto que no ocupas. Nada en el catálogo sugiere que Claude Fable 5.1 supere a todos los modelos más baratos en cada tarea corta. Crea una regla de enrutamiento en OrcaRouter para que los trabajos largos y de alto valor vayan a este modelo, mientras que las solicitudes rutinarias sigan una ruta más económica. Revisa la división después de que los registros de producción muestren con qué frecuencia el contexto largo realmente cambia la calidad de la respuesta.
El único benchmark listado para Claude Fable 5.1 es 66.0 en el Artificial Analysis Intelligence Index. Ese índice es un compuesto de terceros utilizado para comparar la capacidad general de los modelos de lenguaje entre diferentes proveedores. Debido a que agrega muchas tareas en un solo número, es útil como referencia amplia, pero no puede indicarle si el modelo manejará correctamente su flujo de trabajo específico de contexto largo, imágenes o basado en archivos. El catálogo no proporciona un intervalo de confianza, un desglose a nivel de tareas ni la versión exacta del índice utilizada. Trate la puntuación como un punto de datos más que como una certificación. Si desea comparabilidad, compare Claude Fable 5.1 con otro modelo medido en la misma versión del índice. Para decisiones internas, combine siempre el número con evaluaciones específicas del dominio en sus propios datos. Un índice compuesto no detectará fallos sutiles en el razonamiento legal, la precisión visual o el comportamiento de citación.
No se proporcionan cifras de velocidad ni de latencia para Claude Fable 5.1. No confundas una puntuación de índice de 66.0 ni un límite alto de tokens con la velocidad de respuesta. En términos proporcionales, una solicitud que envía una entrada muy larga dedicará tiempo a procesar toda la entrada antes de que se produzca el primer token de salida, y una solicitud que genera muchos tokens de salida también necesitará más tiempo de reloj. Por lo tanto, un contexto más largo y presupuestos de salida elevados sugieren una latencia variable. Si tu producto necesita tiempos de respuesta rápidos, evalúa el tiempo hasta el primer token y los tokens por segundo con prompts realistas a través de la API compatible con OpenAI de OrcaRouter. Cuantifica el comportamiento con los tamaños de archivo exactos y los límites de salida que planees establecer. Evita asumir el rendimiento a partir del comportamiento de otro modelo. Si solo una parte del tráfico tolera la latencia y hace un uso intensivo del contexto, Claude Fable 5.1 puede manejar ese segmento mientras que los modelos más rápidos responden a las solicitudes interactivas. Sin cifras medidas en esta entrada, la latencia sigue siendo una cuestión abierta.
Las fortalezas en la ficha técnica son la capacidad y la modalidad. Claude Fable 5.1 tiene una ventana de contexto de 1,000,000 tokens y una salida máxima de 128,000 tokens. Acepta entradas de texto, imagen y archivos. Estas capacidades se combinan para hacer posibles tareas especialmente largas y con material mixto en una sola llamada. La puntuación de 66.0 en el índice Artificial Analysis Intelligence también proporciona una señal general de la competencia del modelo. La principal fortaleza es el alcance: la cantidad de material fuente y texto generado que el modelo puede manejar en una sola solicitud. Las limitaciones son igualmente claras por lo que se omite. No se proporciona cifra de latencia, tasa de caché ni punto de referencia específico del dominio. No se garantiza una recuperación perfecta en el extremo final del contexto, un análisis preciso de cada tipo de imagen o archivo, ni un comportamiento bajo instrucciones adversarias. El modelo también es caro, por lo que un uso descuidado puede inflar el gasto. Los equipos de producción deben verificar la fidelidad (grounding), la calidad de la salida y los modos de fallo antes de tratarlo como opción predeterminada para todos los escenarios.
OrcaRouter factura Claude Fable 5.1 a la tarifa de proveedor de Anthropic con cero margen. El precio establecido es de $10.00 por cada 1,000,000 de tokens de entrada y $50.00 por cada 1,000,000 de tokens de salida. No hay tarifa por solicitud ni recargo de pasarela descrito en los hechos suministrados. Usted paga por lo que el modelo consume en tokens, y los datos de uso en las respuestas de la API pueden indicarle cuántos tokens de entrada y salida se facturaron. El contenido de texto, imagen y archivo pasa a formar parte de la entrada del modelo y se convertirá en tokens, aunque no se suministran las reglas exactas de conversión. Establecer un valor de max_tokens más bajo es una forma práctica de controlar el gasto de salida. Una pregunta breve con una respuesta breve costará muy poco a estas tarifas; una entrada completa de 1,000,000 de tokens seguida de una salida larga costará mucho más. Debido a que son tarifas de proveedor, pueden cambiar si Anthropic modifica su propia lista de precios.
A 10 USD por millón de tokens de entrada y 50 USD por millón de tokens de salida, Claude Fable 5.1 es lo bastante caro como para que el costo por tarea exitosa importe. Llenar los 1,000,000 de tokens de entrada completos cuesta 10 USD antes de la generación; emitir una salida muy grande añade costo de generación adicional. Eso significa que el mejor ajuste financiero es una tarea que produce una respuesta materialmente mejor porque consume todo el contexto del modelo. Si un modelo más barato puede usar un pasaje pequeño y devolver una respuesta de calidad similar, no se justifica ninguna prima por contexto largo. La disyuntiva no es simplemente el precio por token. Puedes ahorrar tiempo de ingeniería al eliminar la fragmentación, los bucles de resumen y la búsqueda vectorial. Esos ahorros pueden superar una tarifa más alta por token. La comparación debe ser el costo total de propiedad, incluyendo el tiempo de desarrollo y las tasas de error, no solo el gasto en API. Ejecuta una prueba piloto en documentos representativos a través de OrcaRouter, registra el uso y compara las tasas de éxito frente a alternativas de menor precio.
Los hechos proporcionados no incluyen un precio de caché, un parámetro de control de caché ni ninguna tasa de descuento para Claude Fable 5.1. Debido a que no se documenta ningún descuento de caché en esta entrada del catálogo, planifique su presupuesto utilizando las tarifas completas de entrada y salida. Si Anthropic u OrcaRouter devuelven campos separados de tokens de entrada en caché en los datos de uso, esos campos aparecerían en la respuesta de la API y podrían mostrar una facturación real más baja. No asuma que están presentes. Para reducir costos sin depender de una caché, mantenga el resto de su sistema eficiente: reutilice los prompts cuando sea posible, excluya el contenido de archivos irrelevante y establezca límites de salida. Si los prefijos idénticos repetidos son comunes en su carga de trabajo, pruebe un día de tráfico e inspeccione los metadatos de uso para ver si aparece alguna partida de caché. En ausencia de una tarifa documentada, el modelo se factura a la tarifa estándar del proveedor con cero recargo en OrcaRouter. Para conocer la disponibilidad más reciente de caché, consulte la documentación de facturación de OrcaRouter.
Las llamadas se envían a la API compatible con OpenAI de OrcaRouter en https://api.orcarouter.ai/v1. Usa el ID de modelo anthropic/claude-fable-5.1 en el cuerpo de chat completions. La carga útil de mensajes sigue la convención de OpenAI: campos de role y content para los turnos de system y user, con turnos de assistant al continuar una conversación. El código escrito para los SDK de OpenAI puede apuntar a esta URL base y a este nombre de modelo sin cambiar a un SDK de Anthropic. Las imágenes y los archivos se proporcionan en la estructura de content que espera la API de chat. Las credenciales de OrcaRouter autentican las solicitudes. El objeto de respuesta contiene model, choices y usage, y usage contabiliza los tokens de entrada y salida sujetos a los precios que se muestran en este catálogo. Comienza con una solicitud mínima, inspecciona la respuesta y luego aumenta la longitud del contexto por etapas. Tus primeras llamadas deben establecer max_tokens en un número modesto hasta que confirmes la longitud y el formato de la salida.
El endpoint compatible con OpenAI en OrcaRouter admite los parámetros estándar de finalización de chat utilizados por los clientes de OpenAI. Estos incluyen messages, model, temperature, max_tokens, stop y controles de generación relacionados. El catálogo no enumera todos los campos aceptados para anthropic/claude-fable-5.1, por lo que debes consultar la documentación de referencia de OrcaRouter o inspeccionar los mensajes de error para conocer los parámetros no admitidos. Algunos campos, especialmente los utilizados para salida estructurada o llamadas a herramientas, pueden funcionar solo si el modelo implementa el esquema subyacente. Dado el contexto de 1,000,000 tokens y un presupuesto de salida de 128,000 tokens, deberías establecer deliberadamente max_tokens en cada solicitud de producción. Si los mensajes exceden la ventana de contexto, la API debería rechazarlos o indicar la truncación. Es una buena práctica calcular el uso de tokens a partir del objeto usage y compararlo con tu estimación de costos. Las respuestas pueden utilizar el mismo formato de contenido de texto en toda la API compatible con OpenAI, y el comportamiento de streaming debe validarse por separado si planeas usarlo.
Si actualmente llamas directamente a la API de Mensajes de Anthropic, la migración consiste principalmente en un cambio de formato de solicitud. La API de Anthropic utiliza un nombre de modelo, un campo de sistema y un cuerpo de mensajes; el endpoint de OrcaRouter utiliza mensajes de chat compatibles con OpenAI. Establece tu URL base en https://api.orcarouter.ai/v1, coloca el ID de modelo completo anthropic/claude-fable-5.1 en el campo de modelo y reformatea las indicaciones de sistema como un mensaje de sistema. Los esquemas de herramientas, si los hay, deben utilizar las convenciones documentadas por OrcaRouter. Si te estás migrando desde otra pasarela compatible con OpenAI, cambia la URL base y las credenciales manteniendo la misma estructura de mensajes. El ID de modelo conserva el prefijo anthropic, por lo que el registro sigue siendo identificable. No se indica ningún margen por token de la pasarela para esta ruta, por lo que los precios unitarios son las tarifas del proveedor. Ejecuta una prueba de humo con una indicación breve y luego una tarea de contexto largo, antes de redirigir el tráfico de producción.
Los modelos más pequeños y baratos normalmente ofrecen un menor costo por token, menos capacidad de contexto y una salida máxima más corta. La ventaja comparativa de Claude Fable 5.1 es el alcance: un contexto de 1,000,000 de tokens y una salida de 128,000 tokens le permiten aceptar bibliotecas completas de texto y escribir respuestas mucho más largas. Un modelo pequeño aún puede superarlo en velocidad y costo para una solicitud que solo necesita unos pocos miles de tokens, y puede rendir mejor en un dominio reducido y especializado. En un benchmark general, Claude Fable 5.1 obtiene 66.0 en el Artificial Analysis Intelligence Index, pero no se proporciona una puntuación comparable para los modelos alternativos en esta página. Compare los modelos directamente con sus propios prompts a través de OrcaRouter. Mida la calidad, la latencia y el costo por respuesta aceptada. Si un modelo más barato devuelve la misma calidad para una solicitud típica, la opción racional por defecto es el modelo más barato. Reserve el modelo grande para los casos en que su tamaño cambie el resultado.
Frente a otros modelos de contexto largo, los puntos de comparación directa son los hechos de este catálogo: entrada de texto, imagen y archivo, contexto de 1,000,000 de tokens, salida máxima de 128,000, $10.00 por millón de tokens de entrada, $50.00 por millón de tokens de salida y 66.0 en el Artificial Analysis Intelligence Index. Algunas alternativas pueden ofrecer un límite de salida menor o cobrar de manera diferente. Otras pueden tener precios más bajos pero puntuar de forma distinta en el mismo índice. Un catálogo no puede establecer un ganador sin medición. La comparación responsable mantiene constante la tarea de evaluación. Use los mismos documentos e instrucciones para cada modelo candidato. Ejecute cada uno a través de la API compatible con OpenAI de OrcaRouter, registre el uso de tokens y califique las salidas por su precisión. Esto evita comparar tamaños de contexto o puntuaciones de índices sin saber cómo se relacionan con su carga de trabajo. Si un modelo puede aceptar todo su contexto y otro no, esa es una ventaja significativa. De lo contrario, juzgue la calidad en lugar de las cifras destacadas.
Elija Claude Fable 5.1 cuando la tarea dependa de toda la ventana de contexto, necesite una respuesta generada extensa o combine entradas de texto, imagen y archivos en una sola operación. Las tarifas de $10 y $50 por millón de tokens deberían ser asequibles en relación con el valor de la tarea. Elija otro modelo cuando las indicaciones sean cortas, cuando un enfoque más pequeño sea mediblemente preciso o cuando su presupuesto de latencia no pueda absorber una solicitud de contexto largo. No hay razón para pagar tarifas de salida altas por una respuesta de dos frases. El mejor proceso de decisión es empírico. Ponga en marcha una tarea de prueba en OrcaRouter, establezca el ID del modelo en anthropic/claude-fable-5.1 y ejecute la misma tarea en una o dos alternativas. Compare la corrección, la longitud de la respuesta y el gasto total en una muestra realista. Dado que OrcaRouter expone los modelos a través de una API compatible con OpenAI, cambiar de modelo es económico de probar. Convierta a Claude Fable 5.1 en el modelo predeterminado solo si gana en calidad visible para el usuario y en costo por trabajo completado.
Compatible con OpenAI: conserva tu SDK actual
https://api.orcarouter.ai/v1https://api.orcarouter.aiimport os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="anthropic/claude-fable-5.1",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningreasoning_effortresponse_formatstopstructured_outputstoolsverbosity| Entrada / 1M tokens | $10.00 |
| Salida / 1M tokens | $50.00 |
| Lectura caché / 1M | $0.250 |
| 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.
De qué hablan los desarrolladores esta semana
GET /api/public/models/anthropic/claude-fable-5.1Abrir @misc{orcarouter_claude_fable_5_1,
title = {Claude Fable 5.1 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-fable-5.1}
}Anthropic. (2026). Claude Fable 5.1 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-fable-5.1