Cara Menggunakan Claude Fable 5.2: Penyiapan API, Tingkat Upaya, dan Biaya

Claude Fable 5.2 adalah penerus Fable 5.1 dari Anthropic dan, pada saat penulisan ini, merupakan model teratas pada Artificial Analysis Intelligence Index v5.0.1. Di OrcaRouter, model ini adalah anthropic/claude-fable-5.2 dengan harga $8.00 per juta token input dan $40.00 per juta output, dilayani melalui kunci yang sama dengan setiap model lainnya; halaman Claude Fable 5.2 API memuat angka terkini. Penyiapannya singkat. Bagian yang mengejutkan orang adalah perilaku berpikir, pengatur effort, dan ekonomi cache — jadi panduan ini menghabiskan panjangnya di sana.

Apa yang diterima model, dan apa yang dikembalikannya

Jendela konteks 1M token, dengan batas maksimum sekaligus menjadi default, bukan sesuatu yang harus Anda aktifkan secara khusus. Hingga 128K token output dalam satu respons. Input berupa teks, gambar, dan dokumen; output berupa teks. Penggunaan alat native dan output JSON terstruktur didukung. Tugas-tugas sulit dapat berjalan selama beberapa menit dalam satu giliran, yang merupakan fitur bagi agen multi-langkah dan jebakan bagi apa pun yang memiliki batas waktu permintaan sinkron.

Thinking selalu aktif. Model bernalar secara adaptif pada setiap permintaan dan Anda mengontrol kedalamannya dengan tingkat upaya dari low hingga max. Rantai pemikiran mentah tidak pernah dikembalikan — Anda menerima ringkasan, atau bidang thinking yang kosong. Rencanakan observabilitas Anda berdasarkan ringkasan, bukan transkrip.

Endpoint satu: jalur yang kompatibel dengan OpenAI

Tiga baris yang sama seperti model lain di gateway: base URL https://api.orcarouter.ai/v1, key Anda dari environment, dan id model. Jika Anda sudah memiliki klien yang berfungsi untuk vendor lain, ini hanyalah perubahan satu baris dan sisa panduan ini membahas penyetelannya.

Endpoint kedua: Anthropic Messages API

Fable 5.2 juga menjawab secara native di /v1/messages, dan inilah detail yang sering disalahpahami orang: base URL untuk jalur native adalah https://api.orcarouter.ai tanpa akhiran /v1. Jalur yang kompatibel dengan OpenAI memerlukan /v1 karena itulah konvensi yang diikuti Chat Completions; jalur Messages tidak memerlukannya. Menyalin base URL antara kedua contoh adalah penyebab paling umum dari 404 yang terlihat seperti gangguan routing.

Tingkat upaya, dalam praktik

Daftar parameter yang didukung adalah include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tools, dan verbosity. Di sinilah dua entri melakukan pekerjaan yang sebenarnya: reasoning_effort mengatur seberapa dalam model berpikir, dan verbosity mengatur seberapa banyak yang dikatakannya saat menjawab. Keduanya independen, dan mencampuradukkannya adalah alasan sebagian tim menyimpulkan bahwa model itu lambat.

Kebijakan awal yang praktis: upaya rendah untuk klasifikasi, ekstraksi, dan perutean, yang jawabannya singkat dan kesulitannya terletak pada input; sedang untuk tinjauan kode dan analisis dokumen; tinggi atau maksimum hanya untuk tugas-tugas yang telah Anda ukur bahwa jawaban yang salah lebih mahal daripada latensi. Karena thinking aktif pada setiap permintaan, upaya adalah satu-satunya pengatur yang Anda miliki atas waktu sebelum token pertama — atur per rute, bukan secara global.

Berapa biaya permintaan

Input $8.00 per juta dan output $40.00 per juta, dengan pembacaan cache $0.200 dan penulisan cache $10.00 per juta. Dokumen 40.000 token ditambah jawaban 2.000 token ditagihkan $0.32 untuk input dan $0.08 untuk output: empat puluh sen per permintaan, sebelum caching apa pun.

Caching adalah bagian yang membuat perhitungannya menarik, dan perlu dilakukan dengan benar karena penulisannya dikenai biaya. Prefiks 40.000 token memerlukan biaya $0.40 untuk ditulis ke cache dan $0.008 setiap kali dibaca setelahnya. Satu proses tanpa cache memakan biaya $0.32. Jadi, prefiks yang di-cache balik modal pada pembacaan kedua dan jauh lebih murah setelah itu — tetapi korpus yang hanya Anda baca sekali sama sekali tidak boleh di-cache.

Sebagai gambaran, Fable 5.1 adalah $10,00 masuk dan $50,00 keluar, sedangkan Opus 4.7 adalah $5,00 masuk dan $25,00 keluar. Fable 5.2 yang 20 persen lebih murah daripada pendahulunya pada kedua lini adalah alasan utama untuk memigrasikan set prompt yang ada alih-alih mempertahankan id lama.

Latensi dan tingkat kegagalan

Pada lalu lintas langsung OrcaRouter selama tujuh hari terakhir: p50 waktu hingga token pertama 8,09 detik, p95 10,00 detik, kecepatan output 101 token per detik, lebih dari 35,6 juta token dilayani. Tingkat kesalahannya adalah 10,8 persen permintaan yang mengembalikan non-2xx di semua penyedia upstream, yang perlu diketahui sebelum Anda menempatkannya di belakang UI sinkron tanpa fallback.

8,09 detik bukan pengukuran yang sama dengan 267 detik yang dilaporkan Artificial Analysis untuk waktu ke token pertama. Harness AA membiarkan model berpikir dengan upaya maksimum pada sembilan benchmark sulit; angka gateway adalah median permintaan nyata pada tingkat upaya apa pun yang ditetapkan pemanggil. Jika Anda menjalankan Fable 5.2 dengan upaya maksimum pada prompt yang sulit, Anda akan melihat hasil yang jauh lebih mendekati angka AA daripada p50.

Di mana menggunakannya, dan di mana tidak

Gunakan ini ketika jawaban yang salah mahal dan panggilannya bisa asinkron: agen multi-langkah, pekerjaan kode yang mendalam, perencanaan jangka panjang, apa pun yang biasanya mengharuskan Anda menjalankan tiga model yang lebih murah lalu merekonsiliasinya. Dengan $40 per juta token output dan thinking aktif di setiap permintaan, biaya dari kesalahan itu nyata, sehingga tingkat effort menjadi kontrol anggaran.

Jangan jadikan ini sebagai target perutean default untuk setiap prompt. Perbandingan Claude Fable 5.2 vs Claude Opus 5.5 adalah yang perlu dibaca jika Anda sedang memutuskan apakah model teratas layak untuk beban kerja Anda, dan Claude Fable 5.2 vs Claude Fable 5.1 mencakup migrasi jika Anda sudah menjalankan generasi sebelumnya.

Jika Anda sedang membangun stack multi-model, daftar model LLM memuat id dan harga terkini, dan API Gemini 4 Carbon adalah tier murah yang wajar di sampingnya untuk 90 persen panggilan yang tidak memerlukan model sebesar ini.

Daftar periksa

Atur base URL sesuai endpoint yang Anda pilih — /v1 untuk Chat Completions, tanpa akhiran untuk Messages. Atur effort per rute, bukan secara global, dan pisahkan effort dari verbosity di pikiran Anda. Cache prefiks yang Anda baca lebih dari dua kali dan lewati caching untuk dokumen sekali pakai. Anggarkan 128K output dan 1M input. Perkirakan delapan detik hingga token pertama pada effort sedang, beberapa menit pada maksimum, dan satu dari sepuluh panggilan gagal. Lalu ukur distribusi Anda sendiri: model adalah yang paling cakap yang tersedia, dan apakah itu layak $40 per juta output sepenuhnya merupakan pertanyaan tentang prompt Anda.