Come usare Claude Fable 5.2: configurazione API, livelli di impegno e costi

Claude Fable 5.2 è il successore di Fable 5.1 di Anthropic e, al momento della stesura, il modello di punta sull'Artificial Analysis Intelligence Index v5.0.1. Su OrcaRouter è anthropic/claude-fable-5.2 a 8,00 $ per milione di token di input e 40,00 $ per milione di output, erogato tramite la stessa chiave usata per ogni altro modello; la pagina Claude Fable 5.2 API riporta i dati aggiornati in tempo reale. La configurazione è breve. Gli aspetti che sorprendono sono il comportamento di pensiero, il selettore dell'effort e l'economia della cache — perciò questa guida si concentra a lungo proprio su questi.

Ciò che il modello accetta e ciò che restituisce

Una finestra di contesto da 1M di token, in cui il massimo è anche il valore predefinito anziché qualcosa che devi attivare esplicitamente. Fino a 128K token di output in una singola risposta. L'input è testo, immagini e documenti; l'output è testo. Sono supportati l'uso nativo degli strumenti e gli output JSON strutturati. Le attività difficili possono richiedere diversi minuti all'interno di un singolo turno, il che è una caratteristica per gli agenti multi-step e una trappola per qualsiasi cosa abbia un timeout sincrono sulla richiesta.

Il pensiero è sempre attivo. Il modello ragiona in modo adattivo a ogni richiesta e tu controlli la profondità con un livello di impegno da basso a massimo. La catena di pensiero grezza non viene mai restituita: ricevi un riepilogo oppure un campo thinking vuoto. Pianifica la tua osservabilità basandoti sui riepiloghi, non sulle trascrizioni.

Endpoint uno: il percorso compatibile con OpenAI

Le stesse tre righe di qualsiasi altro modello sul gateway: URL di base https://api.orcarouter.ai/v1, la tua chiave dall'ambiente e l'id del modello. Se hai già un client funzionante per un altro fornitore, questa è una modifica da una riga e il resto della guida riguarda la sua ottimizzazione.

Endpoint due: l'API Messages di Anthropic

Fable 5.2 risponde inoltre in modo nativo su /v1/messages, ed ecco il dettaglio che molti sbagliano: l'URL di base per il percorso nativo è https://api.orcarouter.ai senza suffisso /v1. Il percorso compatibile con OpenAI richiede /v1 perché è la convenzione seguita da Chat Completions; il percorso Messages no. Copiare un URL di base tra i due esempi è la causa più comune di un 404 che sembra un'interruzione del routing.

Livelli di impegno, in pratica

L'elenco dei parametri supportati comprende include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tools e verbosity. Due voci fanno il vero lavoro qui: reasoning_effort stabilisce quanto a fondo ragiona il modello, e verbosity stabilisce quanto dice quando risponde. Sono indipendenti, e confonderli è il motivo per cui alcuni team concludono che il modello è lento.

Una politica di partenza pratica: sforzo basso per classificazione, estrazione e instradamento, dove la risposta è breve ed è l'input a portare la difficoltà; medio per la revisione del codice e l'analisi dei documenti; alto o massimo solo per i compiti in cui hai misurato che una risposta sbagliata costa più della latenza. Poiché il pensiero è attivo a ogni richiesta, lo sforzo è l'unica leva che hai sul tempo prima del primo token — impostalo per route, non a livello globale.

Quanto costa una richiesta

L'input costa $8,00 per milione e l'output $40,00 per milione, con letture dalla cache a $0,200 e scritture nella cache a $10,00 per milione. Un documento da 40.000 token più una risposta da 2.000 token comporta $0,32 di input e $0,08 di output: quaranta centesimi per richiesta, prima di qualsiasi caching.

La cache è il punto in cui l'aritmetica diventa interessante, e vale la pena farla bene perché la scrittura viene addebitata. Un prefisso di 40.000 token costa $0,40 per essere scritto nella cache e $0,008 ogni volta che viene letto successivamente. Un passaggio non in cache costa $0,32. Quindi un prefisso in cache si ripaga alla seconda lettura ed è drasticamente più economico da quel momento in poi — ma un corpus che leggi una sola volta non dovrebbe essere messo in cache affatto.

Per dare un termine di paragone, Fable 5.1 costa 10,00 $ in input e 50,00 $ in output, mentre Opus 4.7 costa 5,00 $ in input e 25,00 $ in output. Il fatto che Fable 5.2 sia il 20 percento più economico del suo predecessore su entrambe le voci è proprio il motivo per cui conviene migrare un set di prompt esistente anziché mantenere l'id più vecchio.

Latenza e tasso di errore

Sul traffico live di OrcaRouter negli ultimi sette giorni: tempo al primo token p50 8,09 secondi, p95 10,00 secondi, velocità di output 101 token al secondo, oltre 35,6 milioni di token serviti. Il tasso di errore è stato del 10,8 per cento di richieste che hanno restituito risposte non-2xx su tutti i provider upstream, cosa che vale la pena sapere prima di metterlo dietro un'interfaccia sincrona senza fallback.

Gli 8,09 secondi non sono la stessa misura dei 267 secondi che Artificial Analysis riporta per il tempo al primo token. L'harness di AA consente al modello di ragionare al massimo sforzo su nove benchmark difficili; il dato del gateway è la mediana delle richieste reali con qualunque livello di sforzo impostato dal chiamante. Se esegui Fable 5.2 al massimo sforzo su un prompt difficile, vedrai qualcosa molto più vicino al numero di AA che al p50.

Dove usarlo e dove no

Usalo quando una risposta sbagliata costa cara e la chiamata può essere asincrona: agenti a più passaggi, lavoro approfondito sul codice, pianificazione a lungo termine, qualsiasi cosa per cui altrimenti eseguiresti tre modelli più economici e ne riconcilieresti i risultati. A 40 $ per milione di token di output con il thinking attivo a ogni richiesta, il costo di un errore è concreto, quindi il livello di effort è un controllo di budget.

Non usarlo come destinazione di routing predefinita per ogni prompt. Claude Fable 5.2 vs Claude Opus 5.5 è il confronto da leggere se stai decidendo se il top di gamma vale la pena per il tuo carico di lavoro, e Claude Fable 5.2 vs Claude Fable 5.1 copre la migrazione se già utilizzi la generazione precedente.

Se stai costruendo uno stack multi-modello, l'elenco dei modelli LLM contiene gli ID e i prezzi attuali, e l'Gemini 4 Carbon API è il naturale livello economico al suo fianco per il 90 percento delle chiamate che non necessitano di un modello così potente.

La checklist

Imposta l'URL di base in base all'endpoint che hai scelto: /v1 per Chat Completions, nessun suffisso per Messages. Imposta effort per route invece che a livello globale, e tieni separati nella tua mente effort e verbosity. Metti in cache i prefissi che leggi più di due volte e salta la cache per i documenti monouso. Prevedi 128K di output e 1M di input. Aspettati otto secondi al primo token con effort moderato, minuti al massimo, e che una chiamata su dieci fallisca. Poi misura la tua distribuzione: il modello è il più capace disponibile, e se valga $40 per milione di output è interamente una questione che riguarda i tuoi prompt.