Como Usar Claude Fable 5.2: Configuração da API, Níveis de Esforço e Custo

Claude Fable 5.2 é o sucessor do Fable 5.1 da Anthropic e, no momento em que escrevo, o modelo mais bem colocado no Artificial Analysis Intelligence Index v5.0.1. No OrcaRouter, ele está anthropic/claude-fable-5.2 a US$ 8,00 por milhão de tokens de entrada e US$ 40,00 por milhão de saída, servido pela mesma chave que todos os outros modelos; a página Claude Fable 5.2 API traz os números em tempo real. A configuração é curta. As partes que surpreendem as pessoas são o comportamento de raciocínio, o seletor de esforço e a economia de cache — por isso este guia concentra nelas a maior parte do conteúdo.

O que o modelo aceita e o que ele devolve

Uma janela de contexto de 1M de tokens, em que o máximo também é o padrão, em vez de algo que você precisa ativar. Até 128K tokens de saída em uma única resposta. A entrada é texto, imagens e documentos; a saída é texto. O uso nativo de ferramentas e as saídas JSON estruturadas são suportados. Tarefas difíceis podem levar vários minutos dentro de um único turno, o que é um recurso para agentes de várias etapas e uma armadilha para qualquer coisa com timeout de requisição síncrona.

O raciocínio está sempre ativado. O modelo raciocina de forma adaptativa em cada requisição, e você controla a profundidade com um nível de esforço de baixo até máximo. A cadeia de pensamento bruta nunca é retornada — você recebe um resumo ou um campo thinking vazio. Planeje sua observabilidade em torno de resumos, não de transcrições.

Endpoint um: o caminho compatível com OpenAI

As mesmas três linhas de qualquer outro modelo no gateway: URL base https://api.orcarouter.ai/v1, sua chave do ambiente e o ID do modelo. Se você já tem um cliente funcional para outro fornecedor, é uma mudança de uma linha, e o resto do guia é sobre ajustá-lo.

Endpoint dois: a Anthropic Messages API

O Fable 5.2 também responde nativamente em /v1/messages, e aqui está o detalhe que as pessoas erram: a URL base para o caminho nativo é https://api.orcarouter.ai sem sufixo /v1. O caminho compatível com OpenAI precisa de /v1 porque essa é a convenção seguida pelo Chat Completions; o caminho Messages não. Copiar uma URL base entre os dois exemplos é a causa mais comum de um 404 que parece uma falha de roteamento.

Níveis de esforço, na prática

A lista de parâmetros suportados é include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tools e verbosity. Duas entradas fazem o trabalho de verdade aqui: reasoning_effort define a profundidade com que o modelo pensa, e verbosity define quanto ele diz ao responder. Eles são independentes, e confundi-los é o motivo pelo qual algumas equipes concluem que o modelo é lento.

Uma política inicial prática: esforço baixo para classificação, extração e roteamento, em que a resposta é curta e a dificuldade está na entrada; médio para revisão de código e análise de documentos; alto ou máximo apenas para as tarefas em que você mediu que uma resposta errada custa mais do que a latência. Como o raciocínio está ativado em todas as solicitações, o esforço é o único controle que você tem sobre o tempo até o primeiro token — defina-o por rota, não globalmente.

Quanto custa uma solicitação

A entrada custa US$ 8,00 por milhão e a saída US$ 40,00 por milhão, com leituras de cache a US$ 0,200 e gravações de cache a US$ 10,00 por milhão. Um documento de 40.000 tokens mais uma resposta de 2.000 tokens cobra US$ 0,32 de entrada e US$ 0,08 de saída: quarenta centavos por solicitação, antes de qualquer cache.

O cache é onde a aritmética fica interessante, e vale a pena fazer isso direito porque a gravação é cobrada. Um prefixo de 40.000 tokens custa $0,40 para ser gravado no cache e $0,008 sempre que é lido depois. Uma passagem sem cache custa $0,32. Assim, um prefixo em cache se paga na segunda leitura e é drasticamente mais barato a partir daí — mas um corpus que você lê apenas uma vez não deve ser colocado em cache de jeito nenhum.

Para comparação, o Fable 5.1 custa US$ 10,00 de entrada e US$ 50,00 de saída, e o Opus 4.7 custa US$ 5,00 de entrada e US$ 25,00 de saída. O Fable 5.2 ser 20% mais barato que seu antecessor nas duas linhas é o motivo principal para migrar um conjunto de prompts existente em vez de manter o id mais antigo.

Latência e taxa de falha

No tráfego ao vivo do OrcaRouter nos últimos sete dias: p50 de tempo até o primeiro token 8,09 segundos, p95 10,00 segundos, velocidade de saída de 101 tokens por segundo, mais de 35,6 milhões de tokens servidos. A taxa de erro foi de 10,8 por cento das solicitações retornando não-2xx em todos os provedores upstream, o que vale saber antes de colocá-lo por trás de uma UI síncrona sem fallback.

Os 8,09 segundos não são a mesma medição que os 267 segundos que a Artificial Analysis relata para o tempo até o primeiro token. O harness da AA permite que o modelo pense com esforço máximo em nove benchmarks difíceis; o valor do gateway é a mediana das solicitações reais, com o nível de esforço que o chamador tiver definido. Se você executar o Fable 5.2 com esforço máximo em um prompt difícil, verá algo muito mais próximo do número da AA do que do p50.

Onde usá-lo e onde não usá-lo

Use-o onde uma resposta errada sai cara e a chamada pode ser assíncrona: agentes com várias etapas, trabalho profundo de código, planejamento de longo horizonte, qualquer coisa em que, de outra forma, você executaria três modelos mais baratos e reconciliaria os resultados. A US$ 40 por milhão de tokens de saída, com raciocínio em cada solicitação, o custo de um erro é real, então o nível de esforço é um controle de orçamento.

Não o use como destino de encaminhamento predefinido para todos os prompts. A comparação Claude Fable 5.2 vs Claude Opus 5.5 é a que deve ler se estiver a decidir se o topo de gama vale a pena para a sua carga de trabalho, e Claude Fable 5.2 vs Claude Fable 5.1 cobre a migração se já utiliza a geração anterior.

Se você está construindo uma pilha com vários modelos, a lista de modelos LLM tem os ids e preços atuais, e a API Gemini 4 Carbon é a camada econômica natural ao lado dela para os 90% das chamadas que não precisam de tanto poder de modelo.

A lista de verificação

Defina a URL base de acordo com o endpoint escolhido — /v1 para Chat Completions, sem sufixo para Messages. Defina o esforço por rota em vez de globalmente e separe o esforço da verbosidade na sua mente. Faça cache de prefixos que você lê mais de duas vezes e pule o cache para documentos de uso único. Reserve 128K para saída e 1M para entrada. Espere oito segundos até o primeiro token com esforço moderado, minutos no máximo, e que uma em cada dez chamadas falhe. Depois, meça sua própria distribuição: o modelo é o mais capaz disponível, e se isso vale US$ 40 por milhão de saída é inteiramente uma questão sobre seus prompts.