Claude Fable 5.1 é o modelo da classe Mythos da Anthropic — um nível de capacidade acima da classe Opus — tornado seguro para uso amplo, e o sucessor do Claude Fable 5. Ele melhora o Fable 5 em todos os aspectos, com os maiores ganhos em codificação agêntica, fluxos de trabalho agênticos de longa duração e trabalho do conhecimento: refatorações extensas de código, engenharia de front-end e visual, e tarefas de múltiplas etapas onde coerência sustentada e julgamento são mais importantes. Ele aceita entradas de texto, imagem e arquivos com saída de texto, serve uma janela de contexto de 1 milhão de tokens com até 128 mil tokens de saída, e suporta raciocínio adaptativo e saídas estruturadas. O Fable 5.1 mantém a postura autônoma e de longo horizonte da linha Fable: ele permanece coerente em milhões de tokens, melhora suas próprias saídas usando memória baseada em arquivos, e conclui trabalhos complexos de múltiplas etapas com muito menos scaffolding do que modelos anteriores. Ele é um padrão forte para assistentes de codificação de IA, pipelines de pesquisa e análise aprofundada, e agentes autônomos de longa duração.
Claude Fable 5.1 é um modelo da Anthropic disponível no OrcaRouter com o ID de modelo anthropic/claude-fable-5.1. Ele aceita entradas de texto, imagem e arquivos, suporta uma janela de contexto de…
A principal capacidade documentada do Claude Fable 5.1 é manter até 1.000.000 de tokens no contexto enquanto gera até 128.000 tokens. Isso torna possível colocar todo o material-fonte antes da instrução e pedir ao modelo que responda sem construir uma etapa separada de recuperação. Como ele aceita texto, imagens e arquivos, uma única mensagem pode incluir diagramas, páginas digitalizadas, planilhas e outros materiais junto com texto comum. Tarefas de revisão podem, então, operar sobre coleções inteiras em vez de fatias do tamanho de uma página. O modelo também tem uma pontuação geral de inteligência de 66,0 no Artificial Analysis Intelligence Index, mas o catálogo não define o comportamento em nível de domínio. Raciocínio, codificação e seguir instruções devem ser verificados com avaliações personalizadas. Não há nenhuma afirmação nos fatos fornecidos sobre latência, cache ou execução de ferramentas agênticas. Use o modelo onde a memória de contexto e a saída de formato longo são o centro do trabalho, e meça todo o resto com sua própria suíte de testes.
Os casos de uso mais fortes decorrem diretamente da especificação. Um contexto de 1.000.000 de tokens torna o Claude Fable 5.1 adequado para análise de código em repositório completo, revisão de documentos jurídicos ou científicos extensos, sumarização de corpus inteiro e respostas a perguntas sobre uma fonte com centenas de páginas em uma única chamada. A saída máxima de 128.000 tokens suporta relatórios longos, resumos detalhados ou geração de conteúdo que, de outra forma, exigiria múltiplas chamadas de modelo e junção manual. Entradas mistas significam que imagens e arquivos podem ser analisados em conjunto com texto. Como o contexto custa US$ 10 por milhão de tokens de entrada, o modelo é mais adequado quando toda a entrada é genuinamente necessária para a resposta. Ele também é mais adequado quando um tempo caro de engenharia seria gasto, de outra forma, na construção de um pipeline de fragmentação e mesclagem. Se a tarefa precisar apenas de alguns parágrafos de um documento, ou se o aplicativo não puder aguardar um prefill longo, um modelo menor provavelmente atenderá melhor ao tráfego. Teste em cargas úteis representativas para ver qual segmento de carga de trabalho recebe melhoria tangível.
Use um modelo mais barato quando sua saída for boa o suficiente para a tarefa. Classificação simples, extração de metadados, sumarização curta, assistentes de chat e conclusão de código raramente precisam de 1.000.000 de tokens de contexto ou 128.000 tokens de saída. O Claude Fable 5.1 custa US$ 10,00 por milhão de tokens de entrada e US$ 50,00 por milhão de tokens de saída. Com alto volume de solicitações, essas taxas tornam prompts comuns uma despesa perceptível, quando comparadas às alternativas de baixo custo. Um modelo mais barato também tende a ser mais rápido para cargas pequenas e evita que você pague por contexto que não utiliza. Nada no catálogo sugere que o Claude Fable 5.1 supere todos os modelos mais baratos em todas as tarefas curtas. Crie uma regra de roteamento no OrcaRouter para que trabalhos longos e de alto valor sejam enviados a esse modelo, enquanto solicitações rotineiras permanecem em um caminho mais econômico. Reavalie a divisão depois que os logs de produção mostrarem com que frequência o contexto longo realmente muda a qualidade das respostas.
O único benchmark listado para o Claude Fable 5.1 é 66,0 no Artificial Analysis Intelligence Index. Esse índice é um composto de terceiros usado para comparar a capacidade geral de modelos de linguagem entre diferentes provedores. Por agregar muitas tarefas em um único número, ele é útil como referência ampla, mas não pode dizer se o modelo lidará corretamente com seu fluxo de trabalho específico de contexto longo, imagem ou arquivos. O catálogo não fornece intervalo de confiança, detalhamento por tarefa ou a versão exata do índice utilizada. Trate a pontuação como um ponto de dados, e não como uma certificação. Se você quiser comparabilidade, compare o Claude Fable 5.1 com outro modelo medido na mesma versão do índice. Para decisões internas, sempre alie o número a avaliações específicas do domínio em seus próprios dados. Um índice composto não detectará falhas sutis em raciocínio jurídico, precisão visual ou comportamento de citação.
Não são fornecidos números de velocidade ou latência para o Claude Fable 5.1. Não confunda uma pontuação de índice de 66,0 ou um limite alto de tokens com velocidade de resposta. Em termos proporcionais, uma solicitação que envia uma entrada muito longa gastará tempo processando a entrada inteira antes que o primeiro token de saída seja produzido, e uma solicitação que gera muitos tokens de saída também precisará de mais tempo de relógio. Contexto mais longo e altos orçamentos de saída sugerem, portanto, latência variável. Se o seu produto precisa de respostas rápidas, meça o tempo até o primeiro token e os tokens por segundo em prompts realistas por meio da API compatível com OpenAI do OrcaRouter. Quantifique o comportamento com os tamanhos exatos de arquivo e limites de saída que você planeja definir. Evite presumir desempenho com base no comportamento de outro modelo. Se apenas uma parte do tráfego tolera latência e é rica em contexto, o Claude Fable 5.1 pode lidar com esse segmento enquanto modelos mais rápidos respondem a solicitações interativas. Sem números medidos nesta entrada, a latência permanece uma questão em aberto.
Os pontos fortes na ficha técnica são capacidade e modalidade. O Claude Fable 5.1 tem uma janela de contexto de 1.000.000 de tokens e uma saída máxima de 128.000 tokens. Ele aceita entradas de texto, imagem e arquivos. Esses fatores combinados viabilizam tarefas especialmente longas, com materiais mistos, em uma única chamada. A pontuação de 66,0 no Artificial Analysis Intelligence Index também fornece um sinal geral da competência do modelo. O principal ponto forte é a abrangência: a quantidade de material de origem e de texto gerado que o modelo consegue processar em uma única solicitação. As limitações ficam igualmente claras pelo que está ausente. Nenhuma métrica de latência, taxa de cache ou benchmark específico de domínio é fornecida. Não há garantia de recall perfeito no extremo final do contexto, de interpretação precisa de cada tipo de imagem ou arquivo, nem de comportamento sob instruções adversárias. O modelo também é caro, então o uso descuidado pode inflar os gastos. Equipes de produção devem verificar o grounding, a qualidade da saída e os modos de falha antes de tratá-lo como padrão para todos os cenários.
A OrcaRouter cobra pelo Claude Fable 5.1 a tarifa do provedor Anthropic, com margem zero. O preço declarado é de $10.00 por 1.000.000 de tokens de entrada e $50.00 por 1.000.000 de tokens de saída. Não há taxa por solicitação nem sobretaxa de gateway, conforme as informações fornecidas. Você paga pelo que o modelo consome em tokens, e os dados de uso nas respostas da API podem informar quantos tokens de entrada e saída foram cobrados. Textos, imagens e conteúdo de arquivos fazem parte da entrada do modelo e serão convertidos em tokens, embora as regras exatas de conversão não sejam fornecidas. Definir um valor menor de max_tokens é uma forma prática de controlar os gastos com saída. Uma pergunta curta com uma resposta curta custará muito pouco a essas tarifas; uma entrada completa de 1.000.000 de tokens seguida de uma saída longa custará muito mais. Como essas são tarifas do provedor, elas podem mudar se a Anthropic alterar sua própria tabela de preços.
A US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída, o Claude Fable 5.1 é caro o suficiente para que o custo por tarefa bem-sucedida importe. Preencher todo o contexto de 1.000.000 de tokens custa US$ 10 antes da geração; emitir uma saída muito grande adiciona custo de geração por cima. Isso significa que o melhor ajuste financeiro é uma tarefa que produz uma resposta materialmente melhor porque consome todo o contexto do modelo. Se um modelo mais barato consegue usar uma pequena passagem e retornar uma resposta de qualidade semelhante, nenhum prêmio de contexto longo se justifica. O trade-off não é simplesmente o preço por token. Você pode economizar tempo de engenharia ao eliminar a fragmentação, loops de sumarização e busca vetorial. Essas economias podem superar uma taxa maior por token. A comparação deve ser o custo total de propriedade, incluindo tempo de desenvolvimento e taxas de erro, não apenas o gasto com API. Execute um piloto em documentos representativos através do OrcaRouter, registre o uso e compare as taxas de sucesso com alternativas de preço mais baixo.
As informações fornecidas não incluem preço do cache, parâmetro cache-control ou qualquer taxa de desconto para o Claude Fable 5.1. Como nenhum desconto de cache está documentado nesta entrada do catálogo, planeje seu orçamento usando as tarifas completas de entrada e saída. Se a Anthropic ou o OrcaRouter retornar campos separados de tokens de entrada em cache nos dados de uso, esses campos apareceriam na resposta da API e poderiam mostrar uma cobrança real menor. Não presuma que eles estão presentes. Para reduzir custos sem depender de cache, mantenha o restante do seu sistema eficiente: reutilize prompts sempre que possível, exclua conteúdo de arquivo irrelevante e defina limites de saída. Se prefixos idênticos repetidos forem comuns na sua carga de trabalho, teste um dia de tráfego e inspecione os metadados de uso para verificar se algum item de linha de cache aparece. Na ausência de uma taxa documentada, o modelo é cobrado pela tarifa padrão do provedor, sem acréscimo no OrcaRouter. Para obter as informações mais recentes sobre disponibilidade de cache, consulte a documentação de cobrança do OrcaRouter.
As chamadas vão para a API compatível com OpenAI da OrcaRouter em https://api.orcarouter.ai/v1. Use o ID do modelo anthropic/claude-fable-5.1 no corpo das chat completions. O payload de mensagens segue a convenção da OpenAI: campos de role e content para turnos de system e user, com turnos de assistant usados ao continuar uma conversa. Código escrito para SDKs da OpenAI pode apontar para este URL base e nome de modelo sem precisar trocar para um SDK da Anthropic. Imagens e arquivos são fornecidos na estrutura de conteúdo esperada pela chat API. As credenciais da OrcaRouter autenticam as solicitações. O objeto de resposta contém model, choices e usage, e usage conta os tokens de entrada e saída sujeitos aos preços mostrados neste catálogo. Comece com uma solicitação mínima, inspecione a resposta e aumente o comprimento do contexto em etapas. Suas primeiras chamadas devem definir max_tokens para um número modesto até você confirmar o comprimento e a formatação da saída.
O endpoint compatível com OpenAI no OrcaRouter suporta parâmetros padrão de conclusão de chat usados por clientes OpenAI. Isso inclui messages, model, temperature, max_tokens, stop e controles de geração relacionados. O catálogo não enumera todos os campos aceitos para anthropic/claude-fable-5.1, portanto, verifique a documentação de referência do OrcaRouter ou inspecione mensagens de erro para parâmetros não suportados. Alguns campos, especialmente os usados para saída estruturada ou chamada de ferramentas, podem funcionar apenas se o modelo implementar o esquema subjacente. Dado o contexto de 1.000.000 de tokens e o orçamento de saída de 128.000 tokens, você deve definir deliberadamente max_tokens em toda solicitação de produção. Se as mensagens excederem a janela de contexto, a API deve rejeitá-las ou sinalizar truncamento. É boa prática calcular o uso de tokens a partir do objeto usage e compará-lo com sua estimativa de custo. As respostas podem usar o mesmo formato de conteúdo de texto em toda a API compatível com OpenAI, e o comportamento de streaming deve ser validado separadamente se você planeja usá-lo.
Se você atualmente chama a API Anthropic Messages diretamente, a migração é principalmente uma mudança de formato de requisição. A API da Anthropic usa um nome de modelo, campo system e corpo messages; o endpoint da OrcaRouter usa mensagens de chat compatíveis com OpenAI. Defina sua URL base para https://api.orcarouter.ai/v1, coloque o ID completo do modelo anthropic/claude-fable-5.1 no campo model e reformate os prompts de sistema como uma mensagem de sistema. Esquemas de ferramentas, se houver, devem usar as convenções documentadas pela OrcaRouter. Se você está migrando de outro gateway compatível com OpenAI, altere a URL base e as credenciais mantendo a mesma estrutura de mensagens. O ID do modelo mantém o prefixo anthropic, então os logs permanecem identificáveis. Nenhuma margem de gateway por token está listada para esta rota, portanto os preços unitários são as tarifas do provedor. Execute um teste de fumaça com um prompt curto e, em seguida, uma tarefa de contexto longo, antes de redirecionar o tráfego de produção.
Modelos menores e mais baratos normalmente oferecem menor custo por token, menos capacidade de contexto e menor comprimento máximo de saída. A vantagem comparativa do Claude Fable 5.1 é o alcance: um contexto de 1.000.000 de tokens e uma saída de 128.000 tokens permitem que ele aceite bibliotecas inteiras de texto e escreva respostas muito mais longas. Um modelo pequeno ainda pode superá-lo em velocidade e custo para uma solicitação que precise apenas de alguns milhares de tokens, e pode ter melhor desempenho em um domínio restrito e especializado. Em um benchmark geral, o Claude Fable 5.1 pontua 66,0 no Artificial Analysis Intelligence Index, mas nenhuma pontuação comparável é fornecida para modelos alternativos nesta página. Compare os modelos diretamente com seus próprios prompts por meio do OrcaRouter. Meça qualidade, latência e custo por resposta aceita. Se um modelo mais barato entrega a mesma qualidade para uma solicitação típica, a escolha racional padrão é o modelo mais barato. Reserve o modelo grande para os casos em que seu tamanho faz diferença no resultado.
Em comparação com outros modelos de contexto longo, os pontos de comparação diretos são os fatos deste catálogo: entrada de texto, imagem e arquivo, contexto de 1.000.000 de tokens, saída máxima de 128.000, US$ 10,00 por milhão de tokens de entrada, US$ 50,00 por milhão de tokens de saída e 66,0 no Artificial Analysis Intelligence Index. Algumas alternativas podem oferecer um limite de saída menor ou cobrar de forma diferente. Outras podem oferecer preços mais baixos, mas pontuar de forma diferente no mesmo índice. Um catálogo não pode estabelecer um vencedor não medido. A comparação responsável mantém a tarefa de avaliação constante. Use os mesmos documentos e instruções para cada modelo candidato. Execute cada um por meio da API compatível com OpenAI do OrcaRouter, registre o uso de tokens e pontue as saídas quanto à precisão. Isso evita comparar tamanhos de contexto ou pontuações de índice sem saber como eles se relacionam com sua carga de trabalho. Se um modelo puder aceitar todo o seu contexto e outro não, essa é uma vantagem significativa. Caso contrário, julgue a qualidade em vez de números de destaque.
Escolha o Claude Fable 5.1 quando a tarefa depender de toda a janela de contexto, exigir uma resposta gerada de grande extensão ou combinar entradas de texto, imagem e arquivo em uma única operação. As taxas de US$ 10 e US$ 50 por milhão de tokens devem ser acessíveis em relação ao valor da tarefa. Escolha outro modelo quando os prompts forem curtos, quando uma abordagem menor for comprovadamente precisa ou quando seu orçamento de latência não puder absorver uma solicitação de contexto longo. Não há motivo para pagar taxas de saída altas por uma resposta de duas frases. O melhor processo de decisão é empírico. Crie uma tarefa de teste no OrcaRouter, defina o ID do modelo como anthropic/claude-fable-5.1 e execute a mesma tarefa em uma ou duas alternativas. Compare correção, comprimento da resposta e gasto total em uma amostra realista. Como o OrcaRouter expõe os modelos por meio de uma API compatível com OpenAI, testar a troca de modelos é barato. Defina o Claude Fable 5.1 como padrão somente se ele vencer em qualidade visível ao usuário e custo por tarefa concluída.
Compatível com OpenAI — mantenha seu 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| Entrada / 1M tokens | $10.00 |
| Saída / 1M tokens | $50.00 |
| Leitura de cache / 1M | $0.250 |
| Escrita de cache / 1M | $12.50 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
Do que os desenvolvedores estão falando esta semana
GET /api/public/models/anthropic/claude-fable-5.1Abrir @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