Claude Fable 5.1 adalah model kelas Mythos milik Anthropic — tingkat kemampuan di atas kelas Opus — yang dibuat aman untuk penggunaan luas, dan merupakan penerus Claude Fable 5. Model ini lebih unggul dari Fable 5 di semua lini, dengan peningkatan terbesar pada coding agen, alur kerja agen jangka panjang, dan pekerjaan pengetahuan: refaktorisasi kode berskala besar, rekayasa front-end dan visual, serta tugas multi-langkah yang paling mengandalkan koherensi dan penilaian yang terjaga. Model ini menerima input teks, gambar, dan file dengan output berupa teks, menyediakan jendela konteks 1M token dengan hingga 128K token output, serta mendukung penalaran adaptif dan keluaran terstruktur. Fable 5.1 mempertahankan karakter otonom dan berorientasi jangka panjang dari lini Fable: ia tetap koheren dalam rentang jutaan token, meningkatkan keluarannya sendiri menggunakan memori berbasis file, dan menyelesaikan pekerjaan multi-langkah yang kompleks dengan scaffolding yang jauh lebih sedikit daripada model-model sebelumnya. Model ini merupakan pilihan default yang kuat untuk asisten coding AI, pipeline riset mendalam dan analisis, serta agen otonom yang berjalan lama.
Claude Fable 5.1 adalah model Anthropic yang tersedia di OrcaRouter dengan ID model anthropic/claude-fable-5.1. Model ini menerima input teks, gambar, dan file, mendukung jendela konteks 1.000.000…
Kemampuan utama yang terdokumentasi dari Claude Fable 5.1 adalah menampung hingga 1.000.000 token dalam konteks sambil menghasilkan hingga 128.000 token. Hal ini memungkinkan materi sumber lengkap ditempatkan sebelum instruksi dan model diminta menjawab tanpa membangun langkah pengambilan terpisah. Karena model ini menerima teks, gambar, dan file, satu pesan dapat menyertakan diagram, halaman pindaian, spreadsheet, dan materi lain di samping teks biasa. Tugas peninjauan kemudian dapat beroperasi pada koleksi utuh, bukan potongan seukuran halaman. Model ini juga memiliki skor kecerdasan umum sebesar 66,0 pada Artificial Analysis Intelligence Index, tetapi katalog tersebut tidak mendefinisikan perilaku tingkat domain. Penalaran, pengodean, dan kepatuhan terhadap instruksi harus diverifikasi dengan evaluasi kustom. Tidak ada klaim dalam fakta yang disediakan tentang latensi, caching, atau eksekusi alat agentik. Gunakan model ini saat memori konteks dan keluaran panjang menjadi inti pekerjaan, dan ukur semua hal lain terhadap rangkaian pengujian Anda sendiri.
Kasus penggunaan terkuat mengikuti langsung dari spesifikasi. Konteks 1.000.000 token membuat Claude Fable 5.1 cocok untuk analisis kode repositori penuh, tinjauan dokumen hukum atau ilmiah yang panjang, peringkasan seluruh korpus, dan tanya jawab atas sumber yang terdiri dari ratusan halaman dalam satu panggilan. Output maksimum 128.000 token mendukung laporan panjang, ringkasan terperinci, atau pembuatan konten yang jika tidak demikian memerlukan banyak panggilan model dan penyambungan manual. Input campuran berarti gambar dan file dapat dianalisis bersama dengan teks. Karena konteks berbiaya mahal, yakni $10 per juta token input, model ini paling cocok ketika seluruh input benar-benar dibutuhkan untuk menghasilkan jawaban. Model ini juga paling cocok ketika waktu rekayasa yang mahal akan terbuang untuk membangun pipa pemotongan dan penggabungan. Jika tugas hanya membutuhkan beberapa paragraf dari satu dokumen, atau jika aplikasi tidak dapat menunggu prefill yang panjang, model yang lebih kecil kemungkinan akan lebih baik dalam melayani lalu lintas. Uji dengan payload yang representatif untuk melihat segmen beban kerja mana yang mendapatkan peningkatan nyata.
Gunakan model yang lebih murah ketika keluarannya cukup baik untuk tugas tersebut. Klasifikasi sederhana, ekstraksi metadata, ringkasan singkat, asisten obrolan, dan penyelesaian kode jarang membutuhkan 1,000,000 token konteks atau 128,000 token keluaran. Claude Fable 5.1 dibandrol dengan harga $10.00 per juta token masukan dan $50.00 per juta token keluaran. Pada volume permintaan tinggi, tarif tersebut mengubah permintaan biasa menjadi pos biaya yang signifikan jika dibandingkan dengan alternatif berbiaya rendah. Model yang lebih murah juga cenderung lebih cepat untuk muatan kecil, dan menghindari pembayaran untuk konteks yang tidak Anda gunakan. Tidak ada apa pun dalam katalog yang menunjukkan bahwa Claude Fable 5.1 mengungguli semua model yang lebih murah pada setiap tugas pendek. Buat aturan perutean di OrcaRouter sehingga tugas yang panjang dan bernilai tinggi masuk ke model ini, sementara permintaan rutin tetap berada di jalur yang lebih ekonomis. Tinjau kembali pembagian tersebut setelah log produksi menunjukkan seberapa sering konteks panjang benar-benar mengubah kualitas jawaban.
Satu-satunya tolok ukur yang tercantum untuk Claude Fable 5.1 adalah 66.0 pada Artificial Analysis Intelligence Index. Indeks tersebut adalah komposit pihak ketiga yang digunakan untuk membandingkan kemampuan umum model bahasa di berbagai penyedia. Karena indeks ini menggabungkan banyak tugas menjadi satu angka, indeks ini berguna sebagai referensi umum, tetapi tidak dapat memberi tahu Anda apakah model tersebut akan menangani alur kerja konteks panjang, gambar, atau berbasis file Anda dengan benar. Katalog tidak menyediakan interval kepercayaan, perincian tingkat tugas, atau versi indeks persis yang digunakan. Perlakukan skor tersebut sebagai satu titik data, bukan sebagai sertifikasi. Jika Anda menginginkan keterbandingan, bandingkan Claude Fable 5.1 dengan model lain yang diukur pada versi indeks yang sama. Untuk keputusan internal, selalu padukan angka tersebut dengan evaluasi khusus domain pada data Anda sendiri. Indeks komposit tidak akan mendeteksi kegagalan halus dalam penalaran hukum, akurasi visi, atau perilaku kutipan.
Tidak ada angka kecepatan atau latensi yang disediakan untuk Claude Fable 5.1. Jangan menyamakan skor indeks 66,0 atau batas token yang tinggi dengan kecepatan respons. Secara proporsional, permintaan yang mengirim input yang sangat panjang akan menghabiskan waktu untuk memproses seluruh input sebelum token output pertama dihasilkan, dan permintaan yang menghasilkan banyak token output juga akan membutuhkan lebih banyak waktu aktual. Konteks yang lebih panjang dan anggaran output yang tinggi oleh karena itu mengindikasikan latensi yang bervariasi. Jika produk Anda membutuhkan penyelesaian yang cepat, lakukan benchmark time-to-first-token dan tokens-per-second pada prompt yang realistis melalui API OrcaRouter yang kompatibel dengan OpenAI. Kuantifikasi perilaku dengan ukuran file dan batas output yang tepat sesuai rencana Anda. Hindari mengasumsikan performa dari perilaku model lain. Jika hanya sebagian lalu lintas yang toleran terhadap latensi dan padat konteks, Claude Fable 5.1 dapat menangani segmen tersebut sementara model yang lebih cepat melayani permintaan interaktif. Tanpa angka terukur dalam entri ini, latensi tetap menjadi pertanyaan yang belum terjawab.
Kekuatan dalam lembar fakta ini adalah kapasitas dan modalitas. Claude Fable 5.1 memiliki jendela konteks 1.000.000 token dan output maksimum 128.000 token. Model ini menerima input teks, gambar, dan file. Kombinasi ini memungkinkan tugas-tugas yang sangat panjang dengan materi campuran diselesaikan dalam satu pemanggilan. Skor Artificial Analysis Intelligence Index 66.0 juga memberikan sinyal umum tentang kompetensi model. Kekuatan utamanya adalah rentang: seberapa banyak materi sumber dan teks yang dihasilkan dapat ditangani model dalam satu permintaan. Keterbatasannya juga terlihat jelas dari hal-hal yang tidak disertakan. Tidak ada angka latensi, caching rate, atau benchmark khusus domain. Tidak ada jaminan mengenai kemampuan mengingat sempurna di ujung terjauh konteks, parsing yang akurat untuk setiap jenis gambar atau file, atau perilaku saat menghadapi instruksi adversarial. Model ini juga mahal, sehingga penggunaan yang ceroboh dapat membuat pengeluaran membengkak. Tim produksi harus memverifikasi grounding, kualitas output, dan mode kegagalan sebelum menjadikannya default untuk setiap skenario.
OrcaRouter menagih Claude Fable 5.1 sesuai tarif penyedia Anthropic tanpa markup sama sekali. Harga yang dinyatakan adalah $10.00 per 1.000.000 token input dan $50.00 per 1.000.000 token output. Tidak ada biaya per permintaan atau biaya tambahan gateway yang dijelaskan dalam fakta yang diberikan. Anda membayar untuk token yang dikonsumsi model, dan data penggunaan dalam respons API dapat memberi tahu Anda berapa banyak token input dan output yang ditagih. Teks, gambar, dan konten file semuanya menjadi bagian dari input model dan akan dikonversi menjadi token, meskipun aturan konversi pastinya tidak disediakan. Menyetel nilai max_tokens yang lebih rendah adalah cara praktis untuk mengontrol pengeluaran output. Pertanyaan singkat dengan jawaban singkat akan berbiaya sangat kecil pada tarif ini; input penuh 1.000.000 token yang diikuti output panjang akan berbiaya jauh lebih besar. Karena ini adalah tarif penyedia, tarif ini dapat berubah jika Anthropic mengubah daftar harganya sendiri.
Dengan harga $10 per juta token input dan $50 per juta token output, Claude Fable 5.1 cukup mahal sehingga biaya per tugas yang berhasil menjadi faktor penting. Mengisi seluruh input 1.000.000 token membutuhkan biaya $10 sebelum proses generasi; menghasilkan output yang sangat besar akan menambah biaya generasi di atasnya. Artinya, kecocokan finansial terbaik adalah tugas yang menghasilkan jawaban yang secara signifikan lebih baik karena tugas tersebut mengonsumsi seluruh konteks model. Jika model yang lebih murah dapat menggunakan bagian kecil dari teks dan mengembalikan jawaban dengan kualitas serupa, maka premi konteks panjang tidak dapat dibenarkan. Trade-off-nya tidak hanya soal harga token. Anda dapat menghemat waktu rekayasa dengan menghilangkan chunking, loop peringkasan, dan pencarian vektor. Penghematan tersebut dapat melebihi tarif per token yang lebih tinggi. Perbandingan harus mencakup total biaya kepemilikan, termasuk waktu pengembangan dan tingkat kesalahan, bukan hanya pengeluaran API. Jalankan uji coba pada dokumen yang representatif melalui OrcaRouter, catat penggunaannya, dan bandingkan tingkat keberhasilannya dengan alternatif yang lebih murah.
Fakta yang diberikan tidak mencakup harga cache, parameter kontrol cache, atau tingkat diskon apa pun untuk Claude Fable 5.1. Karena tidak ada diskon caching yang didokumentasikan di entri katalog ini, rencanakan anggaran Anda menggunakan tarif input dan output penuh. Jika Anthropic atau OrcaRouter mengembalikan kolom token input cache terpisah dalam data penggunaan, kolom tersebut akan muncul dalam respons API dan dapat menunjukkan penagihan aktual yang lebih rendah. Jangan berasumsi kolom tersebut ada. Untuk mengurangi biaya tanpa mengandalkan cache, jaga efisiensi sistem Anda: gunakan kembali prompt jika memungkinkan, kecualikan konten file yang tidak relevan, dan tetapkan batas output. Jika prefiks identik berulang umum dalam beban kerja Anda, uji lalu lintas satu hari dan periksa metadata penggunaan untuk melihat apakah ada baris cache yang muncul. Jika tidak ada tarif yang didokumentasikan, model ditagih dengan tarif penyedia standar tanpa markup di OrcaRouter. Untuk ketersediaan cache terbaru, konsultasikan dokumentasi penagihan OrcaRouter.
Panggilan dikirim ke API kompatibel-OpenAI milik OrcaRouter di https://api.orcarouter.ai/v1. Gunakan ID model anthropic/claude-fable-5.1 dalam isi chat completions. Payload messages mengikuti konvensi OpenAI: field role dan content untuk giliran system dan user, dengan giliran assistant digunakan saat melanjutkan percakapan. Kode yang ditulis untuk OpenAI SDK dapat mengarah ke base URL dan nama model ini tanpa perlu beralih ke SDK Anthropic. Gambar dan file disediakan dalam struktur konten yang diharapkan oleh chat API. Kredensial OrcaRouter mengautentikasi permintaan. Objek respons berisi model, choices, dan usage, dan usage menghitung token input dan output sesuai dengan harga yang ditampilkan dalam katalog ini. Mulailah dengan permintaan minimal, periksa responsnya, lalu tingkatkan panjang konteks secara bertahap. Panggilan pertama Anda harus mengatur max_tokens ke angka yang moderat hingga Anda memastikan panjang dan format output.
Endpoint yang kompatibel dengan OpenAI di OrcaRouter mendukung parameter chat completion standar yang digunakan klien OpenAI. Parameter ini mencakup messages, model, temperature, max_tokens, stop, serta kontrol generasi terkait. Katalog tidak merinci setiap field yang diterima untuk anthropic/claude-fable-5.1, jadi lihat dokumentasi referensi OrcaRouter atau cermati pesan error untuk parameter yang tidak didukung. Beberapa field, terutama yang digunakan untuk output terstruktur atau pemanggilan tool, mungkin hanya berfungsi jika model mengimplementasikan skema yang mendasarinya. Mengingat konteks 1.000.000 token dan batas output 128.000 token, Anda sebaiknya menetapkan max_tokens secara eksplisit pada setiap permintaan produksi. Jika pesan melebihi jendela konteks, API seharusnya menolaknya atau memberi sinyal pemotongan. Merupakan praktik yang baik untuk menghitung penggunaan token dari objek usage dan membandingkannya dengan estimasi biaya Anda. Respons dapat menggunakan format konten teks yang sama di seluruh API yang kompatibel dengan OpenAI, dan perilaku streaming harus divalidasi secara terpisah jika Anda berencana menggunakannya.
Jika Anda saat ini memanggil Anthropic Messages API secara langsung, migrasi sebagian besar hanya perubahan format permintaan. API Anthropic menggunakan nama model, bidang system, dan isi messages; endpoint OrcaRouter menggunakan pesan chat yang kompatibel dengan OpenAI. Atur base URL Anda ke https://api.orcarouter.ai/v1, masukkan ID model lengkap anthropic/claude-fable-5.1 di bidang model, dan format ulang prompt sistem sebagai pesan sistem. Skema alat, jika ada, harus menggunakan konvensi yang didokumentasikan oleh OrcaRouter. Jika Anda berpindah dari gateway lain yang kompatibel dengan OpenAI, ganti base URL dan kredensial sambil mempertahankan struktur pesan yang sama. ID model tetap mempertahankan prefiks anthropic, sehingga pencatatan tetap dapat diidentifikasi. Tidak ada markup gateway per-token yang tercantum untuk rute ini, jadi harga satuan adalah tarif penyedia. Jalankan satu smoke test dengan prompt singkat, lalu tugas dengan konteks panjang, sebelum mengalihkan lalu lintas produksi.
Model yang lebih kecil dan lebih murah biasanya menawarkan biaya per token yang lebih rendah, kapasitas konteks yang lebih kecil, dan keluaran maksimum yang lebih pendek. Keunggulan komparatif Claude Fable 5.1 adalah jangkauan: konteks 1,000,000 token dan keluaran 128,000 token memungkinkannya menerima seluruh perpustakaan teks dan menulis jawaban yang jauh lebih panjang. Model kecil mungkin masih mengalahkannya dalam hal kecepatan dan biaya untuk permintaan yang hanya membutuhkan beberapa ribu token, dan model tersebut mungkin berkinerja lebih baik pada domain khusus yang sempit. Pada tolok ukur umum, Claude Fable 5.1 mencetak skor 66.0 pada Artificial Analysis Intelligence Index, tetapi tidak ada skor sebanding yang disediakan untuk model alternatif di halaman ini. Bandingkan model secara langsung dengan prompt Anda sendiri melalui OrcaRouter. Ukur kualitas, latensi, dan biaya per jawaban yang diterima. Jika model yang lebih murah menghasilkan kualitas yang sama untuk permintaan yang umum, pilihan rasional secara default adalah model yang lebih murah. Sisihkan model besar untuk kasus-kasus di mana ukurannya mengubah hasil.
Dibandingkan dengan model konteks panjang lainnya, titik perbandingan langsungnya adalah fakta-fakta dalam katalog ini: masukan teks, gambar, dan file, konteks 1.000.000 token, keluaran maksimum 128.000, $10,00 per juta token masukan, $50,00 per juta token keluaran, dan 66,0 pada Artificial Analysis Intelligence Index. Beberapa alternatif mungkin menyediakan batas keluaran yang lebih kecil atau menerapkan tarif berbeda. Yang lain mungkin menawarkan harga lebih rendah tetapi skornya berbeda pada indeks yang sama. Katalog tidak dapat menentukan pemenang yang tidak terukur. Perbandingan yang bertanggung jawab harus menjaga tugas evaluasi tetap konstan. Gunakan dokumen dan instruksi yang sama untuk setiap model kandidat. Jalankan masing-masing melalui API yang kompatibel dengan OpenAI milik OrcaRouter, catat penggunaan token, dan beri skor keluaran untuk akurasi. Ini menghindari perbandingan ukuran konteks atau skor indeks tanpa mengetahui bagaimana keduanya berhubungan dengan beban kerja Anda. Jika satu model dapat menerima konteks penuh Anda dan model lain tidak, itu adalah keunggulan yang berarti. Jika tidak, nilai kualitas daripada angka-angka utama.
Pilih Claude Fable 5.1 ketika tugas bergantung pada seluruh jendela konteks, membutuhkan respons yang dihasilkan dalam jumlah besar, atau menggabungkan input teks, gambar, dan file dalam satu operasi. Tarif $10 dan $50 per juta token seharusnya terjangkau relatif terhadap nilai tugas. Pilih model lain ketika prompt pendek, ketika pendekatan yang lebih kecil akurat secara terukur, atau ketika anggaran latensi Anda tidak dapat menyerap permintaan konteks panjang. Tidak ada alasan untuk membayar tarif output tinggi untuk balasan dua kalimat. Proses pengambilan keputusan terbaik adalah empiris. Jalankan tugas uji di OrcaRouter, atur ID model ke anthropic/claude-fable-5.1, dan jalankan tugas yang sama pada satu atau dua alternatif. Bandingkan kebenaran, panjang respons, dan total pengeluaran pada sampel yang realistis. Karena OrcaRouter mengekspos model melalui satu API yang kompatibel dengan OpenAI, mengganti model tidak mahal untuk diuji. Jadikan Claude Fable 5.1 sebagai default hanya jika ia menang pada kualitas yang terlihat pengguna dan biaya per pekerjaan selesai.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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| Input / 1M token | $10.00 |
| Output / 1M token | $50.00 |
| Baca cache / 1M | $0.250 |
| Tulis cache / 1M | $12.50 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
Yang dibicarakan developer minggu ini
GET /api/public/models/anthropic/claude-fable-5.1Buka @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