Comment utiliser Claude Fable 5.2 : configuration de l'API, niveaux d'effort et coût

Claude Fable 5.2 est le successeur de Fable 5.1 chez Anthropic et, au moment de la rédaction, le meilleur modèle de l'Artificial Analysis Intelligence Index v5.0.1. Sur OrcaRouter, il est anthropic/claude-fable-5.2 à 8,00 $ par million de jetons d'entrée et 40,00 $ par million de jetons de sortie, servi via la même clé que tous les autres modèles ; la page Claude Fable 5.2 API affiche les chiffres en temps réel. La configuration est brève. Les aspects qui surprennent les gens sont le comportement de raisonnement, le réglage de l'effort et l'économie du cache — c'est donc à cela que ce guide consacre sa longueur.

Ce que le modèle accepte, et ce qu’il renvoie

Une fenêtre de contexte de 1 M de tokens, où le maximum est aussi la valeur par défaut plutôt que quelque chose que vous devez activer. Jusqu’à 128 K tokens de sortie dans une seule réponse. L’entrée est du texte, des images et des documents ; la sortie est du texte. L’utilisation native d’outils et les sorties JSON structurées sont prises en charge. Les tâches difficiles peuvent durer plusieurs minutes au sein d’un même tour, ce qui est un atout pour les agents multi-étapes et un piège pour tout ce qui a un délai d’expiration de requête synchrone.

La réflexion est toujours activée. Le modèle raisonne de manière adaptative à chaque requête, et vous contrôlez la profondeur avec un niveau d’effort allant de faible à maximal. La chaîne de pensée brute n’est jamais renvoyée — vous obtenez un résumé, ou un champ de réflexion vide. Planifiez votre observabilité autour des résumés, et non des transcriptions.

Point de terminaison un : le chemin compatible avec OpenAI

Les trois mêmes lignes que pour tout autre modèle sur la passerelle : l’URL de base https://api.orcarouter.ai/v1, votre clé depuis l’environnement, et l’identifiant du modèle. Si vous disposez déjà d’un client fonctionnel pour un autre fournisseur, il s’agit d’une modification d’une seule ligne, et le reste du guide porte sur son optimisation.

Point de terminaison deux : l'API Messages d'Anthropic

Fable 5.2 répond également nativement sur /v1/messages, et voici le détail que les gens comprennent mal : l'URL de base pour le chemin natif est https://api.orcarouter.ai, sans suffixe /v1. Le chemin compatible OpenAI nécessite /v1, car c'est la convention suivie par Chat Completions ; le chemin Messages, lui, ne l'exige pas. Copier une URL de base d'un exemple à l'autre est la cause la plus fréquente d'un 404 qui ressemble à une panne de routage.

Les niveaux d'effort, en pratique

La liste des paramètres pris en charge comprend include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tools et verbosity. Deux entrées font ici le vrai travail : reasoning_effort détermine la profondeur de réflexion du modèle, et verbosity détermine la quantité de texte produite lorsqu’il répond. Ces deux éléments sont indépendants, et les confondre est ce qui amène certaines équipes à conclure que le modèle est lent.

Une politique de départ pratique : un effort faible pour la classification, l’extraction et le routage, où la réponse est courte et où la difficulté vient de l’entrée ; moyen pour la revue de code et l’analyse de documents ; élevé ou maximal uniquement pour les tâches où vous avez mesuré qu’une réponse erronée coûte plus que la latence. Parce que la réflexion est activée à chaque requête, l’effort est le seul levier dont vous disposez sur le délai avant le premier token — définissez-le par route, pas globalement.

Ce que coûte une requête

L’entrée est à 8,00 $ par million et la sortie à 40,00 $ par million, avec les lectures de cache à 0,200 $ et les écritures de cache à 10,00 $ par million. Un document de 40 000 jetons plus une réponse de 2 000 jetons facture 0,32 $ d’entrée et 0,08 $ de sortie : quarante cents par requête, avant toute mise en cache.

La mise en cache est là où l’arithmétique devient intéressante, et il vaut la peine de bien la faire car l’écriture est facturée. Un préfixe de 40 000 tokens coûte 0,40 $ à écrire dans le cache et 0,008 $ à chaque lecture ultérieure. Une passe sans cache coûte 0,32 $. Ainsi, un préfixe mis en cache est amorti dès la deuxième lecture et devient nettement moins cher par la suite — mais un corpus que l’on ne lit qu’une seule fois ne doit pas être mis en cache du tout.

Pour donner un ordre de grandeur, Fable 5.1 coûte 10,00 $ en entrée et 50,00 $ en sortie, et Opus 4.7 coûte 5,00 $ en entrée et 25,00 $ en sortie. Le fait que Fable 5.2 soit 20 % moins cher que son prédécesseur sur les deux lignes justifie à lui seul de migrer un jeu d’invites existant plutôt que de conserver l’ancien id.

Latence et taux de défaillance

Sur le trafic en direct d'OrcaRouter au cours des sept derniers jours : le temps jusqu'au premier token p50 était de 8,09 secondes, p95 de 10,00 secondes, une vitesse de sortie de 101 tokens par seconde, plus de 35,6 millions de tokens servis. Le taux d'erreur était de 10,8 pour cent des requêtes renvoyant un code non-2xx sur l'ensemble des fournisseurs en amont, ce qu'il vaut la peine de savoir avant de le placer derrière une interface utilisateur synchrone sans solution de repli.

Les 8,09 secondes ne correspondent pas à la même mesure que les 267 secondes qu’Artificial Analysis indique pour le temps jusqu’au premier token. Le banc d’essai d’AA permet au modèle de réfléchir à effort maximal sur neuf benchmarks difficiles ; le chiffre de la passerelle est la médiane des requêtes réelles, quel que soit l’effort défini par l’appelant. Si vous exécutez Fable 5.2 à effort maximal sur un prompt difficile, vous verrez un résultat bien plus proche du chiffre d’AA que du p50.

Où l'utiliser, et où ne pas l'utiliser

Utilisez-le lorsque une mauvaise réponse coûte cher et que l’appel peut être asynchrone : agents multi-étapes, travail approfondi sur le code, planification à long terme, tout cas où vous feriez autrement tourner trois modèles moins coûteux et réconcilier leurs résultats. À 40 $ par million de jetons de sortie, avec la réflexion activée à chaque requête, le coût d’une erreur est bien réel, donc le niveau d’effort constitue un contrôle budgétaire.

Ne l'utilisez pas comme cible de routage par défaut pour chaque prompt. La comparaison Claude Fable 5.2 vs Claude Opus 5.5 est celle à lire si vous vous demandez si le haut de gamme en vaut la peine pour votre charge de travail, et Claude Fable 5.2 vs Claude Fable 5.1 couvre la migration si vous utilisez déjà la génération précédente.

Si vous construisez une pile multi-modèles, la liste des modèles LLM contient les identifiants et les prix actuels, et Gemini 4 Carbon API est le palier économique naturel à ses côtés pour les 90 % des appels qui n’ont pas besoin d’un modèle aussi puissant.

La liste de contrôle

Configurez l’URL de base en fonction du point de terminaison que vous avez choisi — /v1 pour Chat Completions, aucun suffixe pour Messages. Définissez l’effort par route plutôt que globalement, et séparez l’effort de la verbosité dans votre esprit. Mettez en cache les préfixes que vous lisez plus de deux fois et évitez la mise en cache pour les documents à usage unique. Prévoyez 128K en sortie et 1M en entrée. Attendez-vous à huit secondes avant le premier token à effort modéré, à des minutes au maximum, et à un appel sur dix qui échoue. Mesurez ensuite votre propre distribution : le modèle est le plus capable disponible, et savoir si cela vaut 40 $ par million de sortie est entièrement une question de prompts.