Claude Fable 5 è il modello di classe Mythos di Anthropic, un livello di capacità superiore alla classe Opus, reso sicuro per uso generale. Le sue capacità superano qualsiasi modello precedentemente rilasciato da Anthropic su larga scala, con risultati all'avanguardia in ingegneria del software, lavoro della conoscenza, visione e ricerca scientifica; più lungo e complesso è il compito, maggiore è il suo vantaggio. Accetta input di testo, immagini e file con output testuale, serve una finestra di contesto da 1 milione di token con fino a 128.000 token in output e supporta ragionamento adattivo e output strutturati. Fable 5 è progettato per lavoro autonomo a lungo termine: rimane coerente attraverso milioni di token, migliora i propri output utilizzando una memoria basata su file e completa compiti multi-step complessi con molto meno scaffolding rispetto ai modelli precedenti. È il nuovo stato dell'arte per compiti pesanti di visione – estrarre valori precisi da figure scientifiche, ricostruire applicazioni solo da screenshot – e un cambiamento radicale per la codifica agentiva e il prototyping, gestendo migrazioni su larga scala del codebase e compiti di ingegneria d'avanguardia in meno turni, più efficienti in termini di token. Questo lo rende un default potente per assistenti di codifica AI, pipeline di ricerca e analisi approfondita e agenti autonomi di lunga durata dove coerenza sostenuta e giudizio contano di più.
Claude Fable 5 è un modello linguistico di grandi dimensioni di Anthropic che enfatizza il contesto esteso e l'input multimodale. La sua finestra di contesto di 1.000.000 di token consente a una…
Claude Fable 5 eccelle in compiti che richiedono una profonda comprensione contestuale su testi lunghi o input multimodali. Tra gli esempi figurano il riepilogo di documenti legali plurivolume, la revisione del codice su repository di grandi dimensioni, l'integrazione di informazioni da più immagini e testo, e la pianificazione di processi complessi in cui i passaggi precedenti informano quelli successivi. Il punteggio di 85.0 del modello su OSWorld-Verified indica che può completare con successo attività informatiche realistiche che coinvolgono navigazione, manipolazione di file e interazione software su più passaggi. Si comporta bene anche nei benchmark standard di comprensione e generazione del linguaggio, sebbene i punteggi specifici oltre a OSWorld non siano divulgati pubblicamente. Per compiti che non richiedono il grande contesto o input multimodali, modelli più piccoli come Claude 3 Haiku o GPT-4o mini sarebbero più convenienti in termini di costi.
Considerando il prezzo premium di $10/$50 per milione di token, Claude Fable 5 non è ottimale per prompt brevi e ad alto volume come classificazione semplice, traduzione di frasi singole o supporto clienti di routine. Se il tuo compito rientra in una finestra di contesto da 8K a 32K e non richiede comprensione delle immagini, modelli più piccoli come Claude 3 Sonnet, GPT-4o o le ultime varianti leggere forniranno risposte più veloci a una frazione del costo. Inoltre, se stai effettuando fine-tuning o hai bisogno di un throughput elevato per molte richieste contemporanee, il costo e la latenza di Claude 5 potrebbero essere proibitivi. Riserva questo modello per lavori in cui il valore unico di contesto estremo, ragionamento multimodale o prestazioni agentive di alto livello giustifichino chiaramente la spesa. L'API di OrcaRouter ti consente di cambiare dinamicamente modello per richiesta, così da usare Fable 5 solo per compiti complessi e instradare quelli più semplici altrove.
Sì, il modello è ben adatto per flussi di lavoro agentici che richiedono il mantenimento dello stato su più passaggi. La sua finestra di contesto può contenere un registro completo dell'agente, la cronologia delle chiamate agli strumenti e le osservazioni ambientali, consentendo un processo decisionale coerente in interazioni prolungate. Il punteggio 85.0 su OSWorld-Verified misura direttamente le prestazioni in attività informatiche realistiche e multi-step—come scrivere un'email, modificare un foglio di calcolo o navigare in un'interfaccia web—che sono fondamentali per i sistemi agentici. L'output massimo di 128K consente al modello di produrre lunghe sequenze di azioni o report dettagliati. Tuttavia, gli sviluppatori devono tenere conto dell'aumento della latenza e del costo per turno. Per cicli agentici più semplici con contesti brevi, modelli più piccoli possono essere sufficienti. L'API di OrcaRouter supporta lo streaming e parametri personalizzati (ad es. temperature, max_tokens) per ottimizzare il comportamento.
I punti di forza includono la finestra di contesto più grande disponibile commercialmente (1 milione di token), una forte comprensione multimodale (testo, immagini, file) e un punteggio elevato su OSWorld-Verified (85.0), che riflette una solida performance in compiti reali. Il modello offre anche un generoso limite di output di 128K, consentendo generazioni lunghe. I limiti includono il costo elevato: a $10/$50 per milione di token, è diverse volte più costoso dei modelli di fascia media. Inoltre, la latenza aumenta con la lunghezza del contesto; elaborare quasi 1 milione di token può richiedere decine di secondi o più. Il modello manca di modalità come audio o video; accetta solo testo e immagini. Inoltre non supporta il fine-tuning o l'addestramento personalizzato—è un modello fisso, solo API. Per compiti che non sfruttano le sue capacità uniche, il costo potrebbe superare il beneficio.
OSWorld-Verified è un benchmark che valuta gli agenti AI su compiti informatici realistici e multi-step attraverso diversi sistemi operativi. Un punteggio di 85.0 indica che Claude Fable 5 completa con successo l'85% dei compiti valutati senza intervento umano. Si tratta di un punteggio elevato, che suggerisce che il modello può utilizzare efficacemente strumenti, navigare file, manipolare elementi dell'interfaccia utente e ragionare su sequenze lunghe. Per contesto, molti altri modelli ottengono punteggi inferiori a 50 su benchmark simili. Il punteggio riflette sia il contesto ampio del modello (che gli consente di ricordare passaggi precedenti) sia la sua capacità di ragionamento. Tuttavia, OSWorld-Verified è solo una metrica; non misura la factualità, la sicurezza o la conoscenza specifica di dominio. Gli utenti dovrebbero valutare le prestazioni sui propri compiti. Il benchmark è stato eseguito da Anthropic utilizzando un framework di valutazione indipendente.
I dati esatti sulla latenza per Claude Fable 5 non sono divulgati pubblicamente da Anthropic, ma si possono dedurre aspettative generali. Per un prompt tipico breve (ad esempio, poche centinaia di token) il modello può rispondere in secondi. Quando la lunghezza del contesto si avvicina al limite di 1M, la latenza aumenta significativamente—potenzialmente superando un minuto sia per l'elaborazione che per la generazione. Anche la lunghezza dell'output influisce sulla velocità; generare 128K token può richiedere molto tempo. L'API di OrcaRouter supporta risposte in streaming, quindi gli utenti possono elaborare risultati parziali man mano che arrivano. Per applicazioni in tempo reale, considera l'utilizzo di un modello più piccolo. L'alto costo ($50/output MTok) incentiva ulteriormente l'ottimizzazione della lunghezza del prompt. La memorizzazione nella cache non è disponibile nativamente, ma OrcaRouter potrebbe offrire una cache opzionale per richieste ripetute—verifica la documentazione attuale.
Nonostante i suoi punti di forza, Claude Fable 5 presenta dei limiti. Primo, non è un tuttofare multi-task; eccelle nel ragionamento a lungo contesto e multimodale, ma può essere superato da modelli specializzati in compiti come la matematica (es. GPT-4o) o la generazione di codice (es. Code Llama) se questi modelli sono ottimizzati. Secondo, la data di taglio delle conoscenze del modello non è specificata; presumi che possa non essere aggiornata su eventi molto recenti. Terzo, come tutti i grandi modelli linguistici, può allucinare o produrre informazioni inesatte, specialmente se spinto oltre la sua distribuzione di addestramento. Quarto, la comprensione delle immagini è potente ma non perfetta: i dettagli fini in immagini a bassa risoluzione potrebbero essere persi. Infine, il costo e la latenza lo rendono poco pratico per sistemi di produzione ad alto throughput. Convalida sempre gli output in modo critico. La piattaforma di OrcaRouter ti permette di passare a modelli alternativi secondo necessità.
Il benchmark OSWorld-Verified è relativamente nuovo, quindi i confronti diretti con molti modelli sono limitati. Tuttavia, i risultati noti dalle classifiche pubbliche indicano che punteggi superiori a 70 sono considerati molto forti. Ad esempio, modelli precedenti come GPT-4V e Claude 3 Opus hanno riportato punteggi inferiori a 60 su benchmark agentici simili (ad es., OSWorld). L'85.0 di Claude Fable 5 suggerisce che sia uno dei modelli con le migliori prestazioni per i compiti agentici. Detto ciò, i punteggi dei benchmark non garantiscono le prestazioni in ogni scenario; i compiti del mondo reale variano in complessità e dominio. Il modello probabilmente ottiene punteggi elevati anche su benchmark generali di comprensione linguistica (ad es., MMLU, HellaSwag), sebbene non siano forniti numeri specifici. Gli utenti dovrebbero condurre la propria valutazione utilizzando campioni rappresentativi. L'API di OrcaRouter consente di testare i modelli fianco a fianco con prompt identici.
Il prezzo è semplice: $10.00 per 1 milione di token di input e $50.00 per 1 milione di token di output. Queste sono le tariffe esatte del provider Anthropic; OrcaRouter non applica alcun margine. I token di input includono tutto il testo, le immagini e il contenuto dei file elaborati dal modello. I token di output contano ogni token generato. Ad esempio, una richiesta con 10.000 token di input e 2.000 token di output costerebbe $0.10 + $0.10 = $0.20. Non ci sono commissioni nascoste né minimi di utilizzo. Il pagamento viene fatturato tramite il tuo account OrcaRouter. Se sei un utente ad alto volume, OrcaRouter può offrire fasce scontate: contatta il supporto per i dettagli. Nota che, poiché il modello è costoso, è importante monitorare l'utilizzo dei token. OrcaRouter fornisce log di utilizzo e ripartizione dei costi nella dashboard.
Il principale compromesso è tra capacità e costo. Claude Fable 5 è uno dei modelli più costosi disponibili a causa del suo ampio contesto e dell'alto prezzo per token. Per attività che utilizzano meno di 32K token, pagherai un premio senza sfruttare il punto di forza del modello. Considera l'utilizzo di un modello più economico (ad esempio, Claude 3 Haiku a $0.25/$1.25 per MTok) per questi casi. Inoltre, i token di output sono cinque volte più costosi dei token di input, quindi ottimizzare la lunghezza della generazione—utilizzando prompt strutturati o impostazioni `max_tokens` più basse—può ridurre i costi. Inoltre, evita di includere contesto non necessario; ogni immagine consuma un numero considerevole di token (spesso migliaia). L'API di OrcaRouter supporta un parametro `max_tokens` per limitare l'output. Per carichi di lavoro con richieste frequenti e ripetute, considera se la memorizzazione nella cache o l'ottimizzazione personalizzata di un modello più piccolo potrebbe essere più conveniente.
Al momento, Anthropic non offre una funzionalità nativa di caching dei prompt per Claude Fable 5, e OrcaRouter non memorizza automaticamente nella cache i prompt. Tuttavia, l'API di OrcaRouter potrebbe supportare il caching opzionale delle richieste a livello di infrastruttura per richieste identiche—consultare la documentazione di OrcaRouter o contattare il supporto per le opzioni di caching attuali. Senza caching, ogni richiesta viene addebitata per intero per token. Se il tuo caso d'uso prevede molti prefissi identici (ad esempio, un prompt di sistema condiviso per molti messaggi utente), potresti ristrutturare le tue chiamate per minimizzare i costi di token ripetuti, ma il modello elaborerà comunque l'input completo ogni volta. Per applicazioni ad alto volume, esplora la possibilità di mettere a punto un modello più piccolo o utilizzare un modello più economico con un contesto più breve. OrcaRouter ti consente di cambiare modello a livello programmatico per ottimizzare i costi.
No, OrcaRouter non addebita commissioni aggiuntive oltre alla tariffa del fornitore. Paghi esattamente $10.00 per 1 milione di token di input e $50.00 per 1 milione di token di output. Non ci sono commissioni per richiesta, nessun minimo di abbonamento e nessun costo nascosto. Le commissioni standard dell'account OrcaRouter (se presenti) si applicano a tutto l'uso dell'API ma sono separate dal pricing specifico del modello. Se utilizzi funzionalità come il routing personalizzato dei modelli, lo streaming o le conversazioni multi-turno, sono inclusi nel pricing per token. Controlla sempre la pagina dei prezzi di OrcaRouter per le informazioni più aggiornate. Per i clienti enterprise, OrcaRouter può offrire sconti sul volume o prezzi dedicati: contatta le vendite per un preventivo. In sintesi, il costo è trasparente e prevedibile in base all'uso dei token.
Puoi accedere a Claude Fable 5 tramite l'API compatibile con OpenAI di OrcaRouter. L'URL di base è https://api.orcarouter.ai/v1. Usa l'ID del modello "anthropic/claude-fable-5" nelle tue richieste. L'API accetta i parametri standard di completamento chat di OpenAI: `messages`, `max_tokens`, `temperature`, `top_p`, `stop`, ecc. Per input multimodali, includi array `content` con voci di tipo "text", "image_url" o "file_url" (a seconda della versione del tuo SDK). L'autenticazione richiede una chiave API da OrcaRouter, passata nell'header Authorization come "Bearer YOUR_API_KEY". Esempio di comando 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}'. Lo streaming è supportato impostando `stream: true`.
Claude Fable 5 supporta i parametri standard dell'API OpenAI chat completions. I più rilevanti sono: `max_tokens` (default 128K max), `temperature` (range 0-2, consigliato 0-1), `top_p` (alternativa a temperatura), sequenze `stop`, `presence_penalty` e `frequency_penalty`. Per richieste multimodali, il campo `content` può contenere array di oggetti con `type` e i dati appropriati (ad esempio, `{"type":"text","text":"Descrivi questo grafico"}` e `{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}`). I caricamenti di file possono essere effettuati tramite URL o dati codificati in base64. È presente anche un parametro `stream` per ricevere risposte parziali. Non tutti i parametri sono supportati; ad esempio, funzioni/strumenti non sono attualmente disponibili per questo modello—controlla la documentazione di OrcaRouter per aggiornamenti. Tutti i parametri vengono passati nel corpo della richiesta.
La migrazione è semplice perché l'API di OrcaRouter è compatibile con OpenAI. Inizia ottenendo una chiave API OrcaRouter dal tuo pannello di controllo dell'account. Sostituisci il tuo attuale URL di base con https://api.orcarouter.ai/v1 e cambia l'identificatore del modello in "anthropic/claude-fable-5". Se in precedenza utilizzavi l'API nativa di Anthropic, tieni presente che OrcaRouter utilizza il formato dei messaggi di OpenAI invece di quello di Anthropic. Dovrai adattare qualsiasi codice che struttura i messaggi. Per gli input di immagini, convertili nel formato OpenAI (ad esempio, base64 o URL). OrcaRouter gestisce la traduzione sottostante verso l'API di Anthropic. Esegui un test con una singola richiesta prima di migrare i carichi di lavoro di produzione. OrcaRouter può anche offrire funzionalità aggiuntive come limitazione della velocità, analisi di utilizzo e fallback dei modelli. Fai riferimento alla documentazione di OrcaRouter per i dettagli sulla formattazione dei messaggi e l'autenticazione.
Claude Fable 5 offre una finestra di contesto più ampia (1M vs 200K per Opus) e un punteggio più alto su OSWorld-Verified (85.0 vs ~55-60 stimati per Opus). Supporta anche input di immagini e file proprio come Opus. Il limite di token di output è più alto (128K vs 4.096 per Opus). Tuttavia, Claude 3 Opus è significativamente più economico: $15/$75 per MTok per Opus (precedentemente) o $8/$24 per Opus dopo i tagli di prezzo? I prezzi attuali effettivi per Opus sono $15/$75 per MTok vs $10/$50 di Fable 5—aspetta, Opus è in realtà $15/$75 input/output? (Tariffa standard: Claude 3 Opus $15/$75 per MTok). Quindi Fable 5 è in realtà più economico per token rispetto a Opus? In effetti $10/$50 vs $15/$75, quindi Fable 5 è il 33% più economico. Questo è un punto interessante. Ma Opus è ancora capace per compiti più brevi. Il vantaggio principale di Fable 5 è la lunghezza del contesto e le prestazioni agentiche. Per compiti entro 200K token, Opus può bastare a un costo inferiore. Se hai bisogno di un contesto estremo o dei migliori punteggi agentici, Fable 5 è migliore.
GPT-4o (di OpenAI) ha una finestra di contesto di 128K token, rispetto a 1M di Fable 5. GPT-4o supporta anche input di testo, immagini e audio (Fable 5: solo testo e immagini). Il limite di output per GPT-4o è di 4.096 token, molto inferiore ai 128K di Fable 5. Nei benchmark, GPT-4o ottiene circa 87,1 su MMLU, ma non ha un punteggio OSWorld-Verified riportato pubblicamente. In termini di prezzi, GPT-4o costa $5/$15 per MTok (input/output), più economico di Fable 5 che costa $10/$50. Quindi GPT-4o è più veloce ed economico per attività più brevi, mentre Fable 5 eccelle in scenari a lungo contesto e agentici. Per il multimodale con audio, GPT-4o è la scelta migliore. Entrambi sono accessibili tramite OrcaRouter, consentendo di scegliere per ogni richiesta.
All'interno di OrcaRouter, puoi scegliere tra vari modelli Anthropic (Claude 3.5 Sonnet, Claude 3 Haiku) e modelli OpenAI (GPT-4o, GPT-4o mini, GPT-4 Turbo), oltre a modelli open-source. Per la maggior parte delle attività, Claude 3.5 Sonnet offre un buon equilibrio tra capacità e costo ($3/$15 per MTok) con un contesto di 200K. Per contesti estremamente lunghi, Fable 5 è insuperabile. Per classificazione o estrazione ad alto rendimento, Claude 3 Haiku ($0.25/$1.25 per MTok) è economico e veloce. Per la generazione di codice, GPT-4o o Code Llama possono essere specializzati. OrcaRouter ti consente di impostare modelli di fallback: se Fable 5 fallisce o va in timeout, puoi reindirizzare a un modello più economico. Valuta i tuoi requisiti specifici per lunghezza del contesto, modalità di input e prestazioni di benchmark. Il modello migliore dipende dal tuo caso d'uso, non solo dal benchmark più alto.
Compatibile con OpenAI: mantieni il tuo SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Input / 1M token | $10.00 |
| Output / 1M token | $50.00 |
| Lettura cache / 1M | $1.00 |
| Scrittura cache / 1M | $12.50 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
GET /api/public/models/anthropic/claude-fable-5Apri @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