Claude Fable 5.1 est le modèle de classe Mythos d'Anthropic — un niveau de capacité supérieur à la classe Opus — rendu sûr pour une utilisation généralisée, et le successeur de Claude Fable 5. Il améliore Fable 5 sur toute la ligne, avec les plus grands progrès dans le codage agentique, les flux de travail agentiques de longue durée et le travail de connaissance : refactorisations de code longues, ingénierie front-end et visuelle, et tâches en plusieurs étapes où la cohérence et le jugement soutenus importent le plus. Il accepte des entrées texte, image et fichier avec sortie texte, offre une fenêtre de contexte de 1 M de jetons avec jusqu'à 128 K jetons de sortie, et prend en charge le raisonnement adaptatif et les sorties structurées. Fable 5.1 conserve la posture autonome et à long horizon de la gamme Fable : il reste cohérent sur des millions de jetons, améliore ses propres sorties en utilisant une mémoire basée sur des fichiers, et exécute des travaux complexes en plusieurs étapes avec beaucoup moins d'échafaudage que les modèles précédents. Il constitue une option par défaut solide pour les assistants de codage IA, les pipelines de recherche approfondie et d'analyse, et les agents autonomes de longue durée.
Claude Fable 5.1 est un modèle Anthropic disponible sur OrcaRouter avec l'identifiant de modèle anthropic/claude-fable-5.1. Il accepte des entrées de texte, d'image et de fichier, prend en charge une…
La principale capacité documentée de Claude Fable 5.1 est de conserver jusqu'à 1 000 000 de tokens en contexte tout en générant jusqu'à 128 000 tokens. Cela permet de placer l'intégralité du matériel source avant l'instruction et de demander au modèle de répondre sans construire d'étape de récupération distincte. Comme il accepte le texte, les images et les fichiers, un seul message peut inclure des diagrammes, des pages numérisées, des feuilles de calcul et d'autres documents en complément du texte ordinaire. Les tâches de révision peuvent alors porter sur des collections entières plutôt que sur des portions de la taille d'une page. Le modèle obtient également un score d'intelligence générale de 66,0 sur l'Artificial Analysis Intelligence Index, mais le catalogue ne définit pas de comportement par domaine. Le raisonnement, le codage et le suivi des instructions doivent être vérifiés au moyen d'évaluations personnalisées. Les informations fournies ne contiennent aucune affirmation relative à la latence, à la mise en cache ou à l'exécution d'outils agentiques. Utilisez le modèle lorsque la mémoire contextuelle et la production de textes longs sont au cœur de la tâche, et mesurez tout le reste avec votre propre suite de tests.
The strongest use cases follow directly from the specification. A 1,000,000-token context makes Claude Fable 5.1 suitable for full-repository code analysis, long legal or scientific document review, corpus-wide summarization, and question answering over a multi-hundred-page source in one call. The 128,000-token maximum output supports long reports, detailed summaries, or content generation that would otherwise require multiple model calls and manual stitching. Mixed inputs mean images and files can be analyzed together with text. Because context is costly at $10 per million input tokens, the model fits best when the entire input is genuinely needed for the answer. It also fits best when expensive engineering time would otherwise be spent building a chunking and merging pipeline. If the task only needs a few paragraphs from one document, or if the application cannot wait for a long prefill, a smaller model will probably serve traffic better. Test on representative payloads to see which workload segment receives tangible improvement.
Utilisez un modèle moins cher lorsque sa sortie est suffisamment bonne pour la tâche. La classification simple, l’extraction de métadonnées, le résumé court, les assistants de chat et la complétion de code ont rarement besoin de 1 000 000 de jetons de contexte ou de 128 000 jetons de sortie. Claude Fable 5.1 est facturé à 10,00 $ par million de jetons d’entrée et à 50,00 $ par million de jetons de sortie. À volume de requêtes élevé, ces tarifs transforment des prompts ordinaires en un poste de coût important par rapport aux alternatives à faible coût. Un modèle moins cher a aussi tendance à être plus rapide pour les petites charges utiles, et il évite de payer pour un contexte que vous n’occupez pas. Rien dans le catalogue ne suggère que Claude Fable 5.1 surpasse tous les modèles moins chers sur chaque tâche courte. Créez une règle de routage dans OrcaRouter afin que les travaux longs et à forte valeur aillent vers ce modèle, tandis que les requêtes routinières restent sur un chemin plus économique. Réexaminez la répartition une fois que les journaux de production auront montré à quelle fréquence le contexte long modifie réellement la qualité des réponses.
Le seul benchmark répertorié pour Claude Fable 5.1 est de 66,0 sur l'Artificial Analysis Intelligence Index. Cet indice est un composite tiers utilisé pour comparer la capacité générale des modèles de langage entre différents fournisseurs. Comme il agrège de nombreuses tâches en un seul chiffre, il est utile en tant que référence large, mais il ne peut pas vous dire si le modèle gérera correctement votre workflow spécifique basé sur le long contexte, les images ou les fichiers. Le catalogue ne fournit pas d'intervalle de confiance, de ventilation par tâche ni de version exacte de l'indice utilisée. Considérez le score comme un point de données plutôt que comme une certification. Si vous souhaitez une comparabilité, comparez Claude Fable 5.1 avec un autre modèle mesuré sur la même version de l'indice. Pour les décisions internes, associez toujours le chiffre à des évaluations spécifiques au domaine sur vos propres données. Un indice composite ne détectera pas les défaillances subtiles dans le raisonnement juridique, la précision de la vision ou le comportement de citation.
Aucune donnée de vitesse ou de latence n’est fournie pour Claude Fable 5.1. Ne confondez pas un score d’indice de 66,0 ou une limite de tokens élevée avec la rapidité de réponse. En termes proportionnels, une requête envoyant une entrée très longue passera du temps à traiter l’intégralité de l’entrée avant que le premier token de sortie ne soit produit, et une requête générant de nombreux tokens de sortie nécessitera également plus de temps réel. Un contexte plus long et des budgets de sortie élevés suggèrent donc une latence variable. Si votre produit nécessite des délais d’exécution rapides, mesurez le temps jusqu’au premier token et les tokens par seconde sur des prompts réalistes via l’API compatible OpenAI d’OrcaRouter. Quantifiez le comportement avec les tailles de fichiers exactes et les limites de sortie que vous prévoyez de définir. Évitez de supposer des performances à partir du comportement d’un autre modèle. Si seule une partie du trafic tolère la latence et est gourmande en contexte, Claude Fable 5.1 peut gérer ce segment tandis que des modèles plus rapides répondent aux requêtes interactives. Sans chiffres mesurés dans cette entrée, la latence reste une question ouverte.
The strengths in the fact sheet are capacity and modality. Claude Fable 5.1 has a context window of 1,000,000 tokens and a maximum output of 128,000 tokens. It accepts text, image, and file inputs. These combine to make especially long, mixed-material tasks possible in one call. The 66.0 Artificial Analysis Intelligence Index score also provides a general signal of model competence. The main strength is range: the amount of source material and generated text the model can handle in a single request. The limitations are equally clear from what is missing. No latency figure, caching rate, or domain-specific benchmark is provided. No guarantee is made about perfect recall at the far end of the context, accurate parsing of every image or file type, or behavior under adversarial instructions. The model is also expensive, so careless use can inflate spend. Production teams should verify grounding, output quality, and failure modes before treating it as a default for every scenario.
OrcaRouter facture Claude Fable 5.1 au tarif du fournisseur Anthropic sans aucune majoration. Le prix indiqué est de 10,00 $ pour 1 000 000 de jetons d'entrée et de 50,00 $ pour 1 000 000 de jetons de sortie. Aucun frais par requête ni surcharge de passerelle n'est décrit dans les faits fournis. Vous payez pour ce que le modèle consomme en jetons, et les données d'utilisation dans les réponses API peuvent vous indiquer combien de jetons d'entrée et de sortie ont été facturés. Le contenu texte, image et fichier fait partie de l'entrée du modèle et sera converti en jetons, bien que les règles exactes de conversion ne soient pas fournies. Définir une valeur max_tokens plus basse est un moyen pratique de contrôler les dépenses de sortie. Une question courte avec une réponse courte coûtera très peu à ces tarifs ; une entrée complète de 1 000 000 de jetons suivie d'une sortie longue coûtera beaucoup plus. Comme il s'agit de tarifs fournisseur, ils peuvent changer si Anthropic modifie sa propre grille tarifaire.
À 10 $ par million de jetons d’entrée et 50 $ par million de jetons de sortie, Claude Fable 5.1 est suffisamment cher pour que le coût par tâche réussie compte. Remplir la totalité des 1 000 000 de jetons d’entrée coûte 10 $ avant la génération ; produire une très grande sortie ajoute encore le coût de génération. Par conséquent, la meilleure adéquation financière est une tâche qui produit une réponse nettement meilleure car elle consomme l’intégralité du contexte du modèle. Si un modèle moins cher peut utiliser un petit passage et renvoyer une réponse de qualité similaire, aucune prime pour le long contexte n’est justifiée. Le compromis ne se résume pas simplement au prix des jetons. Vous pouvez économiser du temps d’ingénierie en supprimant le découpage, les boucles de synthèse et la recherche vectorielle. Ces économies peuvent compenser un tarif par jeton plus élevé. La comparaison devrait porter sur le coût total de possession, y compris le temps de développement et les taux d’erreur, et pas seulement sur les dépenses API. Exécutez un pilote sur des documents représentatifs via OrcaRouter, consignez l’utilisation, et comparez les taux de réussite par rapport à des alternatives moins chères.
Les faits fournis ne comprennent pas de prix de cache, de paramètre cache-control, ni de taux de remise pour Claude Fable 5.1. Comme aucun rabais de mise en cache n'est documenté dans cette entrée de catalogue, planifiez votre budget en utilisant les tarifs d'entrée et de sortie complets. Si Anthropic ou OrcaRouter renvoie des champs distincts de jetons d'entrée mis en cache dans les données d'utilisation, ces champs apparaîtraient dans la réponse de l'API et pourraient indiquer une facturation réelle inférieure. Ne supposez pas qu'ils sont présents. Pour réduire les coûts sans dépendre d'un cache, maintenez l'efficacité du reste de votre système : réutilisez les invites lorsque c'est possible, excluez le contenu de fichier non pertinent et définissez des limites de sortie. Si des préfixes identiques répétés sont courants dans votre charge de travail, testez une journée de trafic et inspectez les métadonnées d'utilisation pour voir si des éléments de ligne de cache apparaissent. En l'absence de tarif documenté, le modèle est facturé au tarif standard du fournisseur sans aucune majoration sur OrcaRouter. Pour connaître la disponibilité la plus récente du cache, consultez la documentation de facturation d'OrcaRouter.
Les appels aboutissent à l'API compatible OpenAI d'OrcaRouter à l'adresse https://api.orcarouter.ai/v1. Utilisez l'ID de modèle anthropic/claude-fable-5.1 dans le corps des requêtes de chat completions. La charge utile des messages suit la convention OpenAI : les champs role et content pour les tours système et utilisateur, les tours assistant étant utilisés lors de la poursuite d'une conversation. Le code écrit pour les SDK OpenAI peut pointer vers cette URL de base et ce nom de modèle sans avoir à basculer vers un SDK Anthropic. Les images et fichiers sont fournis dans la structure de contenu attendue par l'API de chat. Les identifiants OrcaRouter authentifient les requêtes. L'objet de réponse contient model, choices et usage, et usage compte les jetons d'entrée et de sortie soumis aux prix indiqués dans ce catalogue. Commencez par une requête minimale, inspectez la réponse, puis augmentez la longueur du contexte par étapes. Vos premiers appels doivent définir max_tokens sur un nombre modeste jusqu'à ce que vous confirmiez la longueur et le formatage de la sortie.
L'endpoint compatible OpenAI d'OrcaRouter prend en charge les paramètres standard de complétion de chat utilisés par les clients OpenAI. Ceux-ci incluent messages, model, temperature, max_tokens, stop, ainsi que les contrôles de génération associés. Le catalogue n'énumère pas chaque champ accepté pour anthropic/claude-fable-5.1. Consultez donc la documentation de référence d'OrcaRouter ou inspectez les messages d'erreur pour les paramètres non pris en charge. Certains champs, en particulier ceux utilisés pour la sortie structurée ou l'appel d'outils, peuvent ne fonctionner que si le modèle implémente le schéma sous-jacent. Compte tenu du contexte de 1 000 000 de tokens et du budget de sortie de 128 000 tokens, vous devez définir délibérément max_tokens sur chaque requête de production. Si les messages dépassent la fenêtre de contexte, l'API doit les rejeter ou signaler une troncature. Il est recommandé de calculer l'utilisation des tokens à partir de l'objet usage et de la comparer à votre estimation des coûts. Les réponses peuvent utiliser le même format de contenu texte dans l'ensemble de l'API compatible OpenAI, et le comportement de streaming doit être validé séparément si vous prévoyez de l'utiliser.
Si vous appelez actuellement l'API Messages d'Anthropic directement, la migration consiste principalement à modifier le format de la requête. L'API Anthropic utilise un nom de modèle, un champ system et un corps messages ; le point de terminaison d'OrcaRouter utilise des messages de chat compatibles OpenAI. Définissez votre URL de base sur https://api.orcarouter.ai/v1, placez l'ID de modèle complet anthropic/claude-fable-5.1 dans le champ model, et reformatez les invites système en message système. Les schémas d'outils, le cas échéant, doivent utiliser les conventions documentées par OrcaRouter. Si vous migrez depuis une autre passerelle compatible OpenAI, changez l'URL de base et les identifiants tout en conservant la même structure de messages. L'ID de modèle conserve le préfixe anthropic, de sorte que la journalisation reste identifiable. Aucune majoration de passerelle par jeton n'est répertoriée pour cette route, les prix unitaires correspondent donc aux tarifs du fournisseur. Exécutez un test de fumée avec une invite courte, puis une tâche à contexte long, avant de rediriger le trafic de production.
Les modèles plus petits et moins chers offrent généralement un coût par token inférieur, une capacité de contexte réduite et une longueur de sortie maximale plus courte. L’avantage comparatif de Claude Fable 5.1 tient à son envergure : un contexte de 1 000 000 de tokens et une sortie de 128 000 tokens lui permettent d’accepter des bibliothèques entières de textes et de rédiger des réponses beaucoup plus longues. Un petit modèle peut toutefois le surpasser en vitesse et en coût pour une requête qui n’exige que quelques milliers de tokens, et il peut se révéler plus performant sur un domaine restreint et spécialisé. Sur un benchmark général, Claude Fable 5.1 obtient un score de 66,0 sur l’Artificial Analysis Intelligence Index, mais aucun score comparable n’est fourni pour les autres modèles sur cette page. Comparez directement les modèles sur vos propres prompts via OrcaRouter. Mesurez la qualité, la latence et le coût par réponse acceptée. Si un modèle moins cher produit la même qualité pour une requête type, le choix rationnel par défaut est le modèle moins cher. Réservez le grand modèle aux cas où sa taille fait la différence.
Face à d'autres modèles à contexte long, les points de comparaison directs sont les faits de ce catalogue : saisie de texte, d'image et de fichier, contexte de 1 000 000 de jetons, sortie maximale de 128 000, 10,00 $ par million de jetons en entrée, 50,00 $ par million de jetons en sortie, et 66,0 sur l'indice d'intelligence d'Artificial Analysis. Certaines alternatives peuvent offrir une limite de sortie plus faible ou facturer différemment. D'autres peuvent proposer des prix plus bas mais obtenir des scores différents sur le même indice. Un catalogue ne peut pas établir un gagnant non mesuré. La comparaison responsable maintient la tâche d'évaluation constante. Utilisez les mêmes documents et instructions pour chaque modèle candidat. Exécutez chacun via l'API compatible OpenAI d'OrcaRouter, enregistrez l'utilisation de jetons et notez les sorties pour leur exactitude. Cela évite de comparer les tailles de contexte ou les scores d'indice sans savoir comment ils se rapportent à votre charge de travail. Si un modèle peut accepter votre contexte complet et qu'un autre non, cela constitue un avantage significatif. Sinon, jugez la qualité plutôt que les chiffres publicitaires.
Choisissez Claude Fable 5.1 lorsque la tâche dépend de l’intégralité de la fenêtre de contexte, nécessite une réponse générée de grande taille, ou combine des entrées texte, image et fichier en une seule opération. Les tarifs de 10 $ et 50 $ par million de jetons devraient être abordables par rapport à la valeur de la tâche. Choisissez un autre modèle lorsque les prompts sont courts, lorsqu’une approche plus légère offre une précision mesurable, ou lorsque votre budget de latence ne peut pas absorber une requête à long contexte. Il n’y a aucune raison de payer des tarifs de sortie élevés pour une réponse de deux phrases. Le meilleur processus de décision est empirique. Lancez une tâche de test dans OrcaRouter, définissez l’ID du modèle sur anthropic/claude-fable-5.1, et exécutez la même tâche sur une ou deux alternatives. Comparez l’exactitude, la longueur des réponses et le coût total sur un échantillon réaliste. Comme OrcaRouter expose les modèles via une API compatible OpenAI, changer de modèle est peu coûteux à tester. Ne faites de Claude Fable 5.1 une option par défaut que s’il gagne en termes de qualité visible par l’utilisateur et de coût par tâche accomplie.
Compatible OpenAI — gardez votre SDK actuel
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| Entrée / 1M tokens | $10.00 |
| Sortie / 1M tokens | $50.00 |
| Lecture cache / 1M | $0.250 |
| 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.
Ce dont parlent les développeurs cette semaine
GET /api/public/models/anthropic/claude-fable-5.1Ouvrir @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