Claude Fable 5 est le modèle de classe Mythos d'Anthropic - un niveau de capacité au-dessus de la classe Opus - rendu sûr pour un usage général. Ses capacités dépassent tout modèle qu'Anthropic a précédemment largement diffusé, avec des résultats de pointe dans les domaines du génie logiciel, du travail cognitif, de la vision et de la recherche scientifique ; plus la tâche est longue et complexe, plus son avance est grande. Il accepte les entrées textuelles, images et fichiers avec une sortie textuelle, offre une fenêtre de contexte de 1 million de tokens avec jusqu'à 128 000 tokens de sortie, et prend en charge le raisonnement adaptatif et les sorties structurées. Fable 5 est conçu pour un travail autonome et à long horizon : il reste cohérent sur des millions de tokens, améliore ses propres sorties à l'aide d'une mémoire basée sur des fichiers, et accomplit des tâches complexes en plusieurs étapes avec beaucoup moins d'échafaudage que les modèles précédents. Il représente le nouvel état de l'art pour les tâches lourdes en vision - extraction de valeurs précises à partir de figures scientifiques, reconstruction d'applications à partir de simples captures d'écran - et un changement de cap pour le codage et le prototypage agentiques, gérant des migrations à l'échelle d'une base de code et des tâches d'ingénierie de pointe en moins de tours, plus efficaces en tokens. Cela en fait un choix par défaut solide pour les assistants de codage IA, les pipelines de recherche et d'analyse approfondies, et les agents autonomes de longue durée où la cohérence et le jugement soutenus comptent le plus.
Claude Fable 5 est un grand modèle de langage d'Anthropic qui met l'accent sur le contexte étendu et l'entrée multimodale. Sa fenêtre de contexte de 1,000,000 jetons permet à une seule requête…
Claude Fable 5 excelle dans les tâches nécessitant une compréhension contextuelle profonde sur de longs textes ou des entrées multimodales. Les exemples incluent le résumé de documents juridiques multi-volumes, la réalisation de revues de code sur des dépôts volumineux, l'intégration d'informations provenant de plusieurs images et textes, ainsi que la planification de processus complexes en plusieurs étapes où les étapes antérieures influencent les suivantes. Le score de 85,0 du modèle sur OSWorld-Verified indique qu'il peut accomplir avec succès des tâches informatiques réalistes impliquant la navigation, la manipulation de fichiers et l'interaction avec des logiciels sur plusieurs étapes. Il obtient également de bons résultats sur les benchmarks standard de compréhension et de génération de langage, bien que les scores spécifiques au-delà d'OSWorld ne soient pas détaillés publiquement. Pour les tâches qui ne nécessitent pas un grand contexte ou des entrées multimodales, des modèles plus petits comme Claude 3 Haiku ou GPT-4o mini seraient plus rentables.
Compte tenu du prix premium de 10/50 dollars par million de tokens, Claude Fable 5 n’est pas optimal pour des requêtes courtes et à grand volume comme la classification simple, la traduction de phrases uniques ou le support client de routine. Si votre tâche s’inscrit dans une fenêtre de contexte de 8K à 32K et ne nécessite pas de compréhension d’image, des modèles plus petits comme Claude 3 Sonnet, GPT-4o ou les dernières variantes légères offriront des réponses plus rapides pour une fraction du coût. De plus, si vous effectuez un fine-tuning ou avez besoin d’un débit élevé pour de nombreuses requêtes simultanées, le coût et la latence de Claude 5 peuvent être prohibitifs. Réservez ce modèle aux tâches où la valeur unique d’un contexte extrême, du raisonnement multimodal ou des performances agentiques de premier plan justifie clairement la dépense. L’API d’OrcaRouter vous permet de changer dynamiquement de modèle par requête, vous pouvez donc utiliser Fable 5 uniquement pour les tâches complexes et acheminer les plus simples ailleurs.
Oui, le modèle est bien adapté aux workflows agentiques qui nécessitent de maintenir un état sur de nombreuses étapes. Sa fenêtre de contexte peut contenir un journal d'agent complet, l'historique des appels d'outils et les observations environnementales, permettant une prise de décision cohérente sur des interactions prolongées. Le score de 85.0 sur OSWorld-Verified mesure directement la performance sur des tâches informatiques réalistes en plusieurs étapes — comme composer un email, éditer un tableur ou naviguer dans une interface web — qui sont au cœur des systèmes agentiques. La sortie maximale de 128K permet au modèle de produire de longues séquences d'actions ou des rapports détaillés. Cependant, les développeurs doivent tenir compte de la latence accrue et du coût par tour. Pour des boucles agentiques plus simples avec des contextes courts, des modèles plus petits peuvent suffire. L'API d'OrcaRouter prend en charge le streaming et des paramètres personnalisés (par exemple, temperature, max_tokens) pour affiner le comportement.
Les points forts incluent la plus grande fenêtre de contexte disponible commercialement (1M tokens), une solide compréhension multimodale (texte, image, fichier), et un score élevé sur OSWorld-Verified (85.0), ce qui reflète une performance robuste sur des tâches du monde réel. Le modèle offre également une limite généreuse de 128K tokens en sortie, permettant des générations longues. Les limitations incluent un coût élevé : à $10/$50 par million de tokens, il est plusieurs fois plus cher que les modèles de milieu de gamme. De plus, la latence augmente avec la longueur du contexte ; le traitement de près d'un million de tokens peut prendre des dizaines de secondes ou plus. Le modèle manque de modalités comme l'audio ou la vidéo ; il n'accepte que le texte et les images. Il ne prend pas non plus en charge le réglage fin ou l'entraînement personnalisé — c'est un modèle fixe, accessible uniquement via API. Pour les tâches qui n'exploitent pas ses capacités uniques, le coût peut dépasser les avantages.
OSWorld-Verified est un benchmark qui évalue les agents IA sur des tâches informatiques réalistes et multi-étapes à travers différents systèmes d'exploitation. Un score de 85,0 indique que Claude Fable 5 accomplit avec succès 85 % des tâches évaluées sans intervention humaine. C'est un score élevé, suggérant que le modèle peut utiliser efficacement des outils, parcourir des fichiers, manipuler des éléments d'interface utilisateur et raisonner sur de longues séquences. Pour contexte, de nombreux autres modèles obtiennent un score inférieur à 50 sur des benchmarks similaires. Le score reflète à la fois le large contexte du modèle (lui permettant de se souvenir des étapes précédentes) et sa capacité de raisonnement. Cependant, OSWorld-Verified n'est qu'une seule métrique ; il ne mesure ni la factualité, ni la sécurité, ni les connaissances spécifiques à un domaine. Les utilisateurs doivent évaluer les performances sur leurs propres tâches. Le benchmark a été réalisé par Anthropic en utilisant un cadre d'évaluation indépendant.
Les chiffres exacts de latence pour Claude Fable 5 ne sont pas divulgués publiquement par Anthropic, mais on peut en déduire des attentes générales. Pour une invite typique et courte (par exemple, quelques centaines de tokens), le modèle peut répondre en quelques secondes. Lorsque la longueur du contexte approche la limite de 1M, la latence augmente considérablement — pouvant dépasser une minute à la fois pour le traitement et la génération. La longueur de la sortie affecte également la vitesse ; générer 128K tokens peut prendre un temps considérable. L'API d'OrcaRouter prend en charge les réponses en streaming, permettant aux utilisateurs de traiter les résultats partiels au fur et à mesure. Pour les applications en temps réel, envisagez d'utiliser un modèle plus petit. Le coût élevé (50 $/MTok de sortie) incite davantage à optimiser la longueur de l'invite. La mise en cache n'est pas disponible nativement, mais OrcaRouter peut proposer une mise en cache optionnelle pour les requêtes répétées — vérifiez la documentation actuelle.
Malgré ses points forts, Claude Fable 5 a des limites. Premièrement, ce n'est pas un couteau suisse polyvalent ; il excelle dans le raisonnement à long contexte et multimodal, mais peut être surpassé par des modèles spécialisés sur des tâches comme les mathématiques (par exemple, GPT-4o) ou la génération de code (par exemple, Code Llama) si ces modèles sont affinés. Deuxièmement, la date limite des connaissances du modèle n'est pas spécifiée ; supposez qu'il peut ne pas être à jour avec les événements très récents. Troisièmement, comme tous les grands modèles de langage, il peut halluciner ou produire des informations inexactes, surtout lorsqu'il est poussé au-delà de sa distribution d'entraînement. Quatrièmement, la compréhension des images est puissante mais pas parfaite — des détails fins dans les images basse résolution peuvent être manqués. Enfin, le coût et la latence le rendent impraticable pour les systèmes de production à haut débit. Validez toujours les résultats de manière critique. La plateforme d'OrcaRouter vous permet de passer à des modèles alternatifs selon vos besoins.
Le benchmark OSWorld-Verified est relativement récent, donc les comparaisons directes avec de nombreux modèles sont limitées. Cependant, les résultats connus des classements publics indiquent que les scores supérieurs à 70 sont considérés comme très solides. Par exemple, des modèles antérieurs comme GPT-4V et Claude 3 Opus ont rapporté des scores inférieurs à 60 sur des benchmarks agentiques similaires (par exemple, OSWorld). Le score de 85,0 de Claude Fable 5 suggère qu'il fait partie des meilleurs modèles pour les tâches agentiques. Cela dit, les scores des benchmarks ne garantissent pas les performances dans tous les scénarios ; les tâches réelles varient en complexité et en domaine. Le modèle obtient également probablement des scores élevés sur les benchmarks généraux de compréhension du langage (par exemple, MMLU, HellaSwag), bien que des chiffres spécifiques ne soient pas fournis. Les utilisateurs doivent effectuer leur propre évaluation à l'aide d'échantillons représentatifs. L'API d'OrcaRouter vous permet de tester des modèles côte à côte avec des prompts identiques.
La tarification est simple : 10,00 $ pour 1 million de tokens d’entrée et 50,00 $ pour 1 million de tokens de sortie. Ce sont les tarifs exacts du fournisseur Anthropic ; OrcaRouter n’ajoute aucune majoration. Les tokens d’entrée incluent tout le texte, les images et le contenu des fichiers traités par le modèle. Les tokens de sortie comptent chaque token généré. Par exemple, une requête avec 10 000 tokens d’entrée et 2 000 tokens de sortie coûterait 0,10 $ + 0,10 $ = 0,20 $. Il n’y a pas de frais cachés ni de minimums d’utilisation. Le paiement est facturé via votre compte OrcaRouter. Si vous êtes un utilisateur à volume élevé, OrcaRouter peut proposer des paliers de réduction — contactez le support pour plus de détails. Notez que parce que le modèle est coûteux, il est important de surveiller l’utilisation des tokens. OrcaRouter fournit des journaux d’utilisation et des répartitions des coûts dans le tableau de bord.
Le principal compromis se situe entre la capacité et le coût. Claude Fable 5 est l'un des modèles les plus chers disponibles en raison de son grand contexte et de son prix élevé par jeton. Pour les tâches qui utilisent moins de 32K jetons, vous paierez une prime sans exploiter le principal atout du modèle. Envisagez d'utiliser un modèle moins cher (par exemple, Claude 3 Haiku à $0.25/$1.25 par MTok) pour ces cas. De plus, les jetons de sortie sont cinq fois plus chers que les jetons d'entrée, donc optimiser la longueur de génération—en utilisant des invites structurées ou des paramètres max_tokens plus bas—peut réduire les coûts. En outre, évitez d'inclure un contexte inutile ; chaque image consomme des jetons substantiels (souvent des milliers). L'API d'OrcaRouter prend en charge un paramètre `max_tokens` pour limiter la sortie. Pour les charges de travail avec des invites fréquemment répétées, demandez-vous si la mise en cache ou le réglage personnalisé d'un modèle plus petit pourrait être plus rentable.
À ce jour, Anthropic ne propose pas de fonction native de mise en cache des invites pour Claude Fable 5, et OrcaRouter ne met pas automatiquement les invites en cache. Cependant, l'API d'OrcaRouter peut prendre en charge la mise en cache optionnelle des requêtes au niveau de l'infrastructure pour les requêtes identiques — consultez la documentation d'OrcaRouter ou contactez le support pour connaître les options de mise en cache actuelles. Sans mise en cache, chaque requête est facturée intégralement par token. Si votre cas d'usage implique de nombreux préfixes identiques (par exemple, une invite système partagée pour plusieurs messages utilisateur), vous pouvez restructurer vos appels pour minimiser les coûts de tokens répétés, mais le modèle traitera toujours l'intégralité de l'entrée à chaque fois. Pour les applications à fort volume, envisagez le réglage fin d'un modèle plus petit ou l'utilisation d'un modèle moins coûteux avec un contexte plus court. OrcaRouter vous permet de changer de modèle par programmation pour optimiser les coûts.
Non, OrcaRouter ne facture aucun frais supplémentaire en plus du tarif du fournisseur. Vous payez exactement 10,00 $ pour 1M de tokens d'entrée et 50,00 $ pour 1M de tokens de sortie. Il n'y a pas de frais par requête, pas de minimum d'abonnement et aucun coût caché. Les frais de compte standard d'OrcaRouter (le cas échéant) s'appliquent à toute utilisation de l'API, mais sont distincts de la tarification spécifique aux modèles. Si vous utilisez des fonctionnalités comme le routage personnalisé des modèles, le streaming ou les conversations multi-tours, elles sont incluses dans la tarification par token. Consultez toujours la page de tarification d'OrcaRouter pour obtenir les informations les plus récentes. Pour les clients entreprise, OrcaRouter peut offrir des remises sur volume ou une tarification dédiée—contactez les ventes pour un devis. En résumé, le coût est transparent et prévisible en fonction de l'utilisation des tokens.
Vous accédez à Claude Fable 5 via l'API compatible OpenAI d'OrcaRouter. L'URL de base est https://api.orcarouter.ai/v1. Utilisez l'ID de modèle « anthropic/claude-fable-5 » dans vos requêtes. L'API accepte les paramètres standard de complétion de chat OpenAI : `messages`, `max_tokens`, `temperature`, `top_p`, `stop`, etc. Pour les entrées multimodales, incluez des tableaux `content` avec des entrées de type « text », « image_url » ou « file_url » (selon la version de votre SDK). L'authentification nécessite une clé API d'OrcaRouter, transmise dans l'en-tête Authorization sous la forme « Bearer YOUR_API_KEY ». Exemple de commande 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}'. Le streaming est pris en charge en définissant `stream: true`.
Claude Fable 5 prend en charge les paramètres standard de l'API OpenAI chat completions. Les plus pertinents sont : `max_tokens` (max 128K par défaut), `temperature` (plage 0-2, recommandé 0-1), `top_p` (alternative à temperature), séquences `stop`, `presence_penalty` et `frequency_penalty`. Pour les requêtes multimodales, le champ `content` peut contenir des tableaux d'objets avec `type` et les données appropriées (par exemple, `{"type":"text","text":"Décrivez ce graphique"}` et `{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}`). Les téléchargements de fichiers peuvent être effectués via URL ou données encodées en base64. Il existe également un paramètre `stream` pour recevoir des réponses partielles. Tous les paramètres ne sont pas pris en charge ; par exemple, les fonctions/outils ne sont actuellement pas disponibles pour ce modèle—consultez la documentation OrcaRouter pour les mises à jour. Tous les paramètres sont transmis dans le corps de la requête.
La migration est simple car l'API d'OrcaRouter est compatible avec OpenAI. Commencez par obtenir une clé API OrcaRouter depuis votre tableau de bord de compte. Remplacez votre URL de base actuelle par https://api.orcarouter.ai/v1 et changez l'identifiant du modèle en "anthropic/claude-fable-5". Si vous utilisiez auparavant l'API native d'Anthropic, notez qu'OrcaRouter utilise le format de message OpenAI au lieu du format d'Anthropic. Vous devrez adapter tout code qui structure les messages. Pour les entrées d'image, convertissez-les au format OpenAI (par exemple, base64 ou URL). OrcaRouter gère la traduction sous-jacente vers l'API d'Anthropic. Testez avec une seule requête avant de migrer les charges de travail de production. OrcaRouter peut également offrir des fonctionnalités supplémentaires comme la limitation de débit, les analyses d'utilisation et les bascules de modèle. Référez-vous à la documentation d'OrcaRouter pour les détails sur le formatage des messages et l'authentification.
Claude Fable 5 offre une fenêtre de contexte plus large (1M contre 200K pour Opus) et un score plus élevé sur OSWorld-Verified (85,0 contre environ ~55-60 estimé pour Opus). Il prend également en charge les entrées d'images et de fichiers, tout comme Opus. La limite de tokens en sortie est plus élevée (128K contre 4,096 pour Opus). Cependant, Claude 3 Opus est nettement moins cher : $15/$75 par MTok pour Opus (auparavant) ou $8/$24 pour Opus après les baisses de prix ? Le prix actuel réel pour Opus est de $15/$75 par MTok contre $10/$50 pour Fable 5 — attendez, Opus est en fait $15/$75 en entrée/sortie ? (Tarif standard : Claude 3 Opus $15/$75 par MTok). Donc Fable 5 est en fait moins cher par token qu'Opus ? En fait $10/$50 contre $15/$75, donc Fable 5 est 33 % moins cher. C'est un point intéressant. Mais Opus reste capable pour des tâches plus courtes. Le principal avantage de Fable 5 est la longueur du contexte et la performance agentique. Pour des tâches dans la limite de 200K tokens, Opus peut suffire à moindre coût. Si vous avez besoin d'un contexte extrême ou des meilleurs scores agentiques, Fable 5 est meilleur.
GPT-4o (d'OpenAI) possède une fenêtre de contexte de 128K, contre 1M pour Fable 5. GPT-4o prend également en charge les entrées texte, image et audio (Fable 5 : texte et image uniquement). La limite de sortie de GPT-4o est de 4,096 tokens, bien inférieure aux 128K de Fable 5. Sur les benchmarks, GPT-4o obtient un score d'environ 87.1 sur MMLU mais ne dispose pas d'un score OSWorld-Verified publiquement rapporté. En termes de tarification, GPT-4o coûte 5 $ / 15 $ par MTok (entrée/sortie), moins cher que les 10 $ / 50 $ de Fable 5. Ainsi, GPT-4o est plus rapide et moins cher pour les tâches courtes, tandis que Fable 5 excelle dans les scénarios à long contexte et agentiques. Pour le multimodal avec audio, GPT-4o est le meilleur choix. Les deux sont accessibles via OrcaRouter, vous permettant de choisir par requête.
Avec OrcaRouter, vous pouvez choisir parmi différents modèles Anthropic (Claude 3.5 Sonnet, Claude 3 Haiku) et OpenAI (GPT-4o, GPT-4o mini, GPT-4 Turbo), ainsi que des modèles open source. Pour la plupart des tâches, Claude 3.5 Sonnet offre un bon équilibre entre capacité et coût (3$/15$ par MTok) avec un contexte de 200K. Pour des contextes extrêmement longs, Fable 5 est imbattable. Pour la classification ou l'extraction à haut débit, Claude 3 Haiku (0,25$/1,25$ par MTok) est économique et rapide. Pour la génération de code, GPT-4o ou Code Llama peuvent être spécialisés. OrcaRouter vous permet de définir des modèles de repli : si Fable 5 échoue ou expire, vous pouvez rediriger vers un modèle moins coûteux. Évaluez vos besoins spécifiques en termes de longueur de contexte, de modalité d'entrée et de performances de référence. Le meilleur modèle dépend de votre cas d'utilisation, pas seulement du benchmark le plus élevé.
Compatible OpenAI — gardez votre SDK actuel
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| Entrée / 1M tokens | $10.00 |
| Sortie / 1M tokens | $50.00 |
| Lecture cache / 1M | $1.00 |
| Écriture cache / 1M | $12.50 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/anthropic/claude-fable-5Ouvrir @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