Claude Fable 5.1 to model klasy Mythos od Anthropic — poziom możliwości wyższy niż klasa Opus — stworzony z myślą o bezpiecznym powszechnym użyciu i następca modelu Claude Fable 5. Oferuje ulepszenia względem Fable 5 na każdej płaszczyźnie, a największe zyski widać w programowaniu agentowym, długotrwałych przepływach pracy agentów oraz pracy intelektualnej: refaktoryzacji dużych baz kodu, inżynierii front-endu i interfejsów wizualnych oraz zadaniach wieloetapowych, w których kluczowe znaczenie mają trwała spójność i trafność osądów. Przyjmuje dane tekstowe, obrazkowe i plikowe, generuje odpowiedzi tekstowe, obsługuje kontekst 1 mln tokenów z możliwością wygenerowania do 128 tys. tokenów odpowiedzi, a także wspiera adaptacyjne rozumowanie i uporządkowane wyniki. Fable 5.1 zachowuje autonomiczny, długohoryzontowy charakter linii Fable: pozostaje spójny na przestrzeni milionów tokenów, ulepsza własne odpowiedzi dzięki pamięci opartej na plikach i realizuje złożone, wieloetapowe zadania przy znacznie mniejszym wsparciu niż wcześniejsze modele. To solidny domyślny wybór dla asystentów programistycznych opartych na AI, zaawansowanych pipeline'ów badawczo-analitycznych oraz długodziałających autonomicznych agentów.
Claude Fable 5.1 to model Anthropic dostępny w OrcaRouter pod identyfikatorem modelu anthropic/claude-fable-5.1. Przyjmuje tekst, obrazy i pliki jako dane wejściowe, obsługuje okno kontekstu o…
Główna udokumentowana możliwość Claude Fable 5.1 polega na utrzymywaniu do 1,000,000 tokenów w kontekście podczas generowania do 128,000 tokenów. Dzięki temu można umieścić cały materiał źródłowy przed instrukcją i poprosić model o odpowiedź bez konieczności budowania osobnego etapu wyszukiwania. Ponieważ model akceptuje tekst, obrazy i pliki, jedna wiadomość może zawierać diagramy, zeskanowane strony, arkusze kalkulacyjne oraz inne materiały obok zwykłego tekstu. Zadania przeglądu mogą wówczas działać na całych kolekcjach zamiast na wycinkach wielkości strony. Model uzyskał również wynik inteligencji ogólnej 66.0 w Artificial Analysis Intelligence Index, jednak katalog nie definiuje zachowań właściwych dla poszczególnych dziedzin. Rozumowanie, kodowanie i wykonywanie instrukcji należy weryfikować za pomocą niestandardowych ewaluacji. W dostarczonych faktach nie ma żadnych twierdzeń na temat opóźnień, buforowania ani agentowego wykonywania narzędzi. Używaj modelu tam, gdzie centralne znaczenie ma pamięć kontekstowa i długie odpowiedzi, a wszystko inne mierz własnym zestawem testów.
Najbardziej przekonujące przypadki użycia wynikają bezpośrednio ze specyfikacji. Kontekst o wielkości 1 000 000 tokenów sprawia, że Claude Fable 5.1 nadaje się do analizy kodu całego repozytorium, przeglądu długich dokumentów prawnych lub naukowych, streszczania całych korpusów tekstów oraz odpowiadania na pytania na podstawie źródła liczącego kilkaset stron w ramach jednego wywołania. Maksymalna odpowiedź o długości 128 000 tokenów pozwala na tworzenie długich raportów, szczegółowych podsumowań lub generowanie treści, które w przeciwnym razie wymagałyby wielu wywołań modelu i ręcznego sklejania fragmentów. Mieszane dane wejściowe oznaczają, że obrazy i pliki mogą być analizowane wraz z tekstem. Ponieważ kontekst jest kosztowny — 10 USD za milion tokenów wejściowych — model sprawdza się najlepiej, gdy cała treść wejściowa jest faktycznie potrzebna do udzielenia odpowiedzi. Sprawdza się również najlepiej, gdy w innym przypadku kosztowny czas inżynierów zostałby poświęcony na tworzenie potoku dzielenia na fragmenty i scalania. Jeśli zadanie wymaga jedynie kilku akapitów z jednego dokumentu albo aplikacja nie może czekać na długi prefill, mniejszy model prawdopodobnie lepiej obsłuży ruch. Przetestuj na reprezentatywnych danych wejściowych, aby sprawdzić, który segment obciążeń zyska wymierną poprawę.
Używaj tańszego modelu, gdy jego wyniki są wystarczająco dobre do danego zadania. Prosta klasyfikacja, ekstrakcja metadanych, krótkie streszczenia, asystenci czatu i dokańczanie kodu rzadko potrzebują 1 000 000 tokenów kontekstu lub 128 000 tokenów wyjścia. Claude Fable 5.1 kosztuje 10,00 USD za milion tokenów wejściowych i 50,00 USD za milion tokenów wyjściowych. Przy dużej liczbie żądań te stawki zamieniają zwykłe polecenia w zauważalną pozycję w zestawieniu, w porównaniu z tańszymi alternatywami. Tańszy model zwykle działa też szybciej w przypadku małych ładunków i pozwala uniknąć płacenia za kontekst, którego nie wykorzystujesz. Nic w katalogu nie sugeruje, że Claude Fable 5.1 przewyższa wszystkie tańsze modele w każdym krótkim zadaniu. Zbuduj regułę routingu w OrcaRouter, aby długie, wartościowe zadania trafiały do tego modelu, a rutynowe żądania pozostały na bardziej ekonomicznej ścieżce. Zweryfikuj ten podział po tym, jak logi produkcyjne pokażą, jak często długi kontekst faktycznie zmienia jakość odpowiedzi.
Jedyne kryterium wymienione dla Claude Fable 5.1 to wynik 66.0 w Artificial Analysis Intelligence Index. Ten indeks to zewnętrzny wskaźnik zbiorczy używany do porównywania ogólnych możliwości modeli językowych od różnych dostawców. Ponieważ agreguje wiele zadań w jedną liczbę, jest przydatny jako ogólny punkt odniesienia, ale nie pozwala stwierdzić, czy model poprawnie poradzi sobie z Twoim konkretnym przepływem pracy obejmującym długi kontekst, obrazy czy pliki. Katalog nie podaje przedziału ufności, zestawienia wyników na poziomie poszczególnych zadań ani dokładnej wersji indeksu. Traktuj ten wynik jako jeden punkt danych, a nie certyfikat. Jeśli zależy Ci na porównywalności, porównaj Claude Fable 5.1 z innym modelem zmierzonym na tej samej wersji indeksu. Przy decyzjach wewnętrznych zawsze łącz tę liczbę z ewaluacjami specyficznymi dla danej dziedziny, przeprowadzonymi na Twoich własnych danych. Indeks zbiorczy nie wykryje subtelnych błędów w rozumowaniu prawniczym, dokładności w analizie obrazów ani w zachowaniu dotyczącym cytowań.
Dla Claude Fable 5.1 nie podano danych dotyczących szybkości ani opóźnień. Nie należy mylić wyniku indeksu 66.0 ani wysokiego limitu tokenów z szybkością odpowiedzi. Proporcjonalnie, żądanie wysyłające bardzo długie wejście będzie przetwarzać całe wejście, zanim wygeneruje pierwszy token wyjściowy, a żądanie generujące wiele tokenów wyjściowych również będzie wymagać więcej czasu rzeczywistego. Dłuższy kontekst i wysokie budżety wyjściowe sugerują zatem zmienne opóźnienia. Jeśli Twój produkt wymaga szybkiej realizacji, zmierz czas do pierwszego tokena i liczbę tokenów na sekundę na realistycznych promptach przez API OrcaRouter zgodne z OpenAI. Określ zachowanie ilościowo, używając dokładnych rozmiarów plików i limitów wyjściowych, które planujesz ustawić. Unikaj zakładania wydajności na podstawie zachowania innego modelu. Jeśli tylko część ruchu jest tolerancyjna na opóźnienia i wymaga obsługi dużego kontekstu, Claude Fable 5.1 może obsłużyć ten segment, podczas gdy szybsze modele odpowiadają na żądania interaktywne. Bez zmierzonych wartości w tym wpisie opóźnienia pozostają otwartą kwestią.
Mocne strony w karcie informacyjnej to pojemność i modalność. Claude Fable 5.1 ma okno kontekstowe o wielkości 1,000,000 tokenów i maksymalny wynik 128,000 tokenów. Akceptuje wejścia tekstowe, obrazowe i plikowe. Te cechy łącznie umożliwiają wykonywanie szczególnie długich, mieszanych zadań w jednym wywołaniu. Wynik 66.0 w indeksie Artificial Analysis Intelligence Index stanowi również ogólny sygnał kompetencji modelu. Główną mocną stroną jest zakres: ilość materiału źródłowego i wygenerowanego tekstu, jaką model może obsłużyć w pojedynczym żądaniu. Ograniczenia są równie wyraźnie widoczne w tym, czego brakuje. Nie podano wartości opóźnienia, współczynnika cachowania ani benchmarków specyficznych dla domeny. Nie ma gwarancji doskonałego odtwarzania informacji na dalekim końcu kontekstu, dokładnego parsowania każdego typu obrazu lub pliku ani zachowania pod wpływem adwersarialnych instrukcji. Model jest również kosztowny, więc nieostrożne użycie może zwiększyć wydatki. Zespoły produkcyjne powinny zweryfikować ugruntowanie odpowiedzi, jakość wyników i scenariusze awarii, zanim uznają go za domyślne rozwiązanie dla każdego przypadku użycia.
OrcaRouter rozlicza Claude Fable 5.1 według stawki dostawcy Anthropic z zerową marżą. Podana cena to 10,00 USD za 1 000 000 tokenów wejściowych i 50,00 USD za 1 000 000 tokenów wyjściowych. W dostarczonych faktach nie opisano żadnej opłaty za żądanie ani dopłaty bramki. Płacisz za to, co model zużywa w tokenach, a dane o użyciu w odpowiedziach API mogą Ci powiedzieć, ile tokenów wejściowych i wyjściowych zostało rozliczonych. Tekst, obraz i zawartość plików stają się częścią wejścia modelu i zostaną przekonwertowane na tokeny, chociaż dokładne zasady konwersji nie są dostarczone. Ustawienie niższej wartości max_tokens jest praktycznym sposobem kontrolowania wydatków na wyjście. Krótkie pytanie z krótką odpowiedzią będzie kosztować bardzo niewiele przy tych stawkach; pełne wejście o długości 1 000 000 tokenów, po którym następuje długie wyjście, będzie kosztować znacznie więcej. Ponieważ są to stawki dostawcy, mogą się zmienić, jeśli Anthropic zmieni swój własny cennik.
Przy cenie 10 USD za milion tokenów wejściowych i 50 USD za milion tokenów wyjściowych Claude Fable 5.1 jest na tyle kosztowny, że znaczenie ma koszt przypadający na jedno udane zadanie. Wypełnienie całego wejścia obejmującego 1 000 000 tokenów kosztuje 10 USD jeszcze przed generowaniem; wygenerowanie bardzo obszernego wyjścia dodatkowo zwiększa koszt generowania. Oznacza to, że najlepszym finansowo zastosowaniem jest zadanie, które daje znacząco lepszą odpowiedź, ponieważ w całości wykorzystuje kontekst modelu. Jeśli tańszy model może skorzystać z krótkiego fragmentu i zwrócić odpowiedź o podobnej jakości, żadna dopłata za długi kontekst nie jest uzasadniona. Ten kompromis nie sprowadza się jednak wyłącznie do ceny tokenów. Możesz zaoszczędzić czas pracy inżynierów, eliminując chunking, pętle streszczania i wyszukiwanie wektorowe. Te oszczędności mogą przeważyć wyższą stawkę za token. Porównanie powinno obejmować całkowity koszt posiadania (total cost of ownership), w tym czas rozwoju i wskaźniki błędów, a nie tylko wydatki na API. Przeprowadź pilotaż na reprezentatywnych dokumentach z użyciem OrcaRouter, rejestruj użycie i porównaj wskaźniki sukcesu z tańszymi alternatywami.
Przedstawione fakty nie obejmują ceny pamięci podręcznej, parametru cache-control ani żadnej stawki rabatowej dla Claude Fable 5.1. Ponieważ w tym wpisie katalogowym nie udokumentowano rabatu za buforowanie, zaplanuj budżet przy użyciu pełnych stawek za dane wejściowe i wyjściowe. Jeśli Anthropic lub OrcaRouter zwróci w danych użycia osobne pola z tokenami buforowanych danych wejściowych, pola te pojawią się w odpowiedzi API i mogą wykazać niższe rzeczywiste koszty. Nie zakładaj, że one występują. Aby obniżyć koszty bez polegania na pamięci podręcznej, utrzymuj wydajność reszty systemu: używaj ponownie promptów, gdzie to możliwe, wykluczaj nieistotne treści plików i ustaw limity danych wyjściowych. Jeśli w Twoim obciążeniu często występują powtarzające się identyczne prefiksy, przetestuj jeden dzień ruchu i sprawdź metadane użycia, aby zobaczyć, czy pojawiają się jakiekolwiek pozycje związane z pamięcią podręczną. W przypadku braku udokumentowanej stawki model jest rozliczany według standardowej stawki dostawcy z zerową marżą na OrcaRouter. Aby uzyskać najnowsze informacje o dostępności pamięci podręcznej, zapoznaj się z dokumentacją rozliczeniową OrcaRouter.
Wywołania trafiają do zgodnego z OpenAI API OrcaRouter pod adresem https://api.orcarouter.ai/v1. W treści żądań chat completions użyj ID modelu anthropic/claude-fable-5.1. Payload wiadomości jest zgodny z konwencją OpenAI: pola role i content dla tur system i user, a tury assistant są używane przy kontynuowaniu rozmowy. Kod napisany dla pakietów SDK OpenAI może wskazywać ten bazowy URL i nazwę modelu bez przechodzenia na pakiet SDK Anthropic. Obrazy i pliki są dostarczane w strukturze content oczekiwanej przez API czatu. Poświadczenia OrcaRouter uwierzytelniają żądania. Obiekt odpowiedzi zawiera model, choices i usage, a usage zlicza tokeny wejściowe i wyjściowe według cen podanych w tym katalogu. Zacznij od minimalnego żądania, sprawdź odpowiedź, a następnie stopniowo zwiększaj długość kontekstu. Twoje pierwsze wywołania powinny ustawiać max_tokens na umiarkowaną wartość, dopóki nie potwierdzisz długości i formatowania odpowiedzi.
Zgodny z OpenAI punkt końcowy w OrcaRouter obsługuje standardowe parametry uzupełniania czatu używane przez klientów OpenAI. Należą do nich messages, model, temperature, max_tokens, stop oraz powiązane elementy sterowania generowaniem. Katalog nie wymienia każdego akceptowanego pola dla anthropic/claude-fable-5.1, więc sprawdź dokumentację referencyjną OrcaRouter lub przejrzyj komunikaty o błędach dotyczące nieobsługiwanych parametrów. Niektóre pola, zwłaszcza te używane do wyjścia strukturalnego lub wywoływania narzędzi, mogą działać tylko wtedy, gdy model implementuje bazowy schemat. Mając do dyspozycji kontekst 1 000 000 tokenów i budżet wyjściowy 128 000 tokenów, należy celowo ustawiać max_tokens w każdym żądaniu produkcyjnym. Jeśli wiadomości przekroczą okno kontekstu, API powinno je odrzucić lub zasygnalizować obcięcie. Dobrą praktyką jest obliczanie zużycia tokenów na podstawie obiektu usage i porównywanie go z własnym szacunkiem kosztów. Odpowiedzi mogą używać tego samego formatu treści tekstowej w całym zgodnym z OpenAI API, a zachowanie strumieniowania należy zweryfikować osobno, jeśli planujesz z niego korzystać.
Jeśli obecnie wywołujesz API Anthropic Messages bezpośrednio, migracja to w większości zmiana formatu żądania. API Anthropic używa nazwy modelu, pola system i treści wiadomości; endpoint OrcaRouter przyjmuje komunikaty czatu zgodne z OpenAI. Ustaw adres bazowy URL na https://api.orcarouter.ai/v1, umieść pełny identyfikator modelu anthropic/claude-fable-5.1 w polu model i sformatuj prompty systemowe jako wiadomość systemową. Schematy narzędzi, jeśli występują, muszą używać konwencji udokumentowanych przez OrcaRouter. Jeśli przenosisz się z innej bramki zgodnej z OpenAI, zmień adres bazowy URL i poświadczenia, zachowując tę samą strukturę wiadomości. Identyfikator modelu nadal zawiera przedrostek anthropic, dzięki czemu logi pozostają identyfikowalne. Dla tej trasy nie jest podany żaden narzut bramki za token, więc ceny jednostkowe są stawkami dostawcy. Uruchom jeden test dymny z krótkim promptem, a następnie zadanie z długim kontekstem, zanim przekierujesz ruch produkcyjny.
Mniejsze i tańsze modele zazwyczaj oferują niższy koszt za token, mniejszą pojemność kontekstu i krótsze maksymalne wyjście. Przewaga komparatywna Claude Fable 5.1 to zasięg: kontekst 1 000 000 tokenów i wyjście 128 000 tokenów pozwalają mu przyjąć całe biblioteki tekstu i pisać znacznie dłuższe odpowiedzi. Mały model może go jednak pokonać pod względem szybkości i kosztu w przypadku zapytania, które potrzebuje tylko kilku tysięcy tokenów, a także może działać lepiej w wąskiej, wyspecjalizowanej dziedzinie. W ogólnym benchmarku Claude Fable 5.1 uzyskuje 66,0 w Artificial Analysis Intelligence Index, ale na tej stronie nie podano porównywalnego wyniku dla alternatywnych modeli. Porównuj modele bezpośrednio na własnych promptach przez OrcaRouter. Mierz jakość, opóźnienie i koszt za zaakceptowaną odpowiedź. Jeśli tańszy model zwraca tę samą jakość dla typowego zapytania, racjonalnym wyborem domyślnym jest tańszy model. Zarezerwuj duży model dla przypadków, w których jego rozmiar zmienia wynik.
W porównaniu z innymi modelami o długim kontekście bezpośrednie punkty porównania to fakty z tego katalogu: wejście tekstu, obrazów i plików, kontekst 1 000 000 tokenów, maksymalne wyjście 128 000 tokenów, 10,00 USD za milion tokenów wejściowych, 50,00 USD za milion tokenów wyjściowych oraz 66,0 w indeksie Artificial Analysis Intelligence. Niektóre alternatywy mogą mieć mniejszy limit wyjścia lub inaczej naliczać opłaty. Inne mogą oferować niższe ceny, ale mieć inną punktację w tym samym indeksie. Katalog nie może wyłonić niezmierzonego zwycięzcy. Odpowiedzialne porównanie utrzymuje stałe zadanie oceny. Użyj tych samych dokumentów i instrukcji dla każdego modelu kandydującego. Przepuść każdy z nich przez zgodne z OpenAI API OrcaRoutera, odnotuj zużycie tokenów i oceń dokładność odpowiedzi. Pozwala to uniknąć porównywania rozmiarów kontekstu lub wyników indeksu bez wiedzy o tym, jak odnoszą się one do Twojego obciążenia. Jeśli jeden model może przyjąć cały Twój kontekst, a inny nie, to jest to znacząca przewaga. W przeciwnym razie oceniaj jakość, a nie chwytliwe liczby.
Wybierz Claude Fable 5.1, gdy zadanie zależy od całego okna kontekstowego, wymaga obszernej wygenerowanej odpowiedzi lub łączy tekst, obraz i pliki w jednej operacji. Stawki 10 USD i 50 USD za milion tokenów powinny być przystępne w stosunku do wartości zadania. Wybierz inny model, gdy prompty są krótkie, gdy mniejsze rozwiązanie jest mierzalnie dokładne lub gdy budżet opóźnień nie może pochłonąć żądania o długim kontekście. Nie ma powodu, aby płacić wysokie stawki za generowanie dwuzdaniowej odpowiedzi. Najlepszy proces decyzyjny jest empiryczny. Uruchom zadanie testowe w OrcaRouter, ustaw identyfikator modelu na anthropic/claude-fable-5.1 i uruchom to samo zadanie na jednym lub dwóch modelach alternatywnych. Porównaj poprawność, długość odpowiedzi i całkowite wydatki na realistycznej próbie. Ponieważ OrcaRouter udostępnia modele za pośrednictwem jednego interfejsu API zgodnego z OpenAI, przełączanie modeli w testach jest niedrogie. Uczyń Claude Fable 5.1 domyślnym modelem tylko wtedy, gdy wygrywa pod względem jakości widocznej dla użytkownika i kosztu przypadającego na ukończone zadanie.
Zgodne z OpenAI — zostań przy swoim SDK
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| Wejście / 1M tokenów | $10.00 |
| Wyjście / 1M tokenów | $50.00 |
| Odczyt cache / 1M | $0.250 |
| Zapis cache / 1M | $12.50 |
| Waluta | USD |
Szacunek na podstawie cennika
Tylko szacunek — rzeczywista liczba tokenów zależy od tokenizatora dostawcy.
O czym mówią programiści w tym tygodniu
GET /api/public/models/anthropic/claude-fable-5.1Otwórz @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