Så här använder du Claude Fable 5.2: API-konfiguration, effort-nivåer och kostnad

Claude Fable 5.2 är Anthropics efterträdare till Fable 5.1 och, vid tidpunkten för skrivandet, toppmodellen på Artificial Analysis Intelligence Index v5.0.1. På OrcaRouter är den anthropic/claude-fable-5.2 tillgänglig för 8,00 USD per miljon indatatoken och 40,00 USD per miljon utdatatoken och serveras via samma nyckel som alla andra modeller; sidan Claude Fable 5.2 API innehåller de aktuella siffrorna. Konfigurationen är kort. Det som förvånar folk är tänkandebeteendet, ansträngningsreglaget och cache-ekonomin – så den här guiden ägnar större delen av sitt utrymme åt dem.

Vad modellen tar emot, och vad den ger tillbaka

Ett kontextfönster på 1M token, där maxvärdet också är standardvärdet i stället för något man måste välja till. Upp till 128K utdatatoken i ett enda svar. Indata är text, bilder och dokument; utdata är text. Inbyggd verktygsanvändning och strukturerade JSON-utdata stöds. Svåra uppgifter kan köra i flera minuter inom en enda tur, vilket är en funktion för agenter med flera steg och en fälla för allt med en synkron tidsgräns för förfrågningar.

Tänkandet är alltid på. Modellen resonerar adaptivt vid varje begäran och du styr djupet med en ansträngningsnivå från låg till max. Den råa tankekedjan returneras aldrig – du får en sammanfattning, eller ett tomt tänkandefält. Planera din observerbarhet kring sammanfattningar, inte transkript.

Slutpunkt ett: den OpenAI-kompatibla sökvägen

Samma tre rader som för alla andra modeller på gatewayen: bas-URL https://api.orcarouter.ai/v1, din nyckel från miljön och modell-id:t. Om du redan har en fungerande klient för en annan leverantör är detta en radändring och resten av guiden handlar om att finjustera den.

Slutpunkt två: Anthropic Messages API

Fable 5.2 svarar även inbyggt på /v1/messages, och här är detaljen som folk brukar missa: bas-URL:en för den inbyggda sökvägen är https://api.orcarouter.ai utan /v1-suffix. Den OpenAI-kompatibla sökvägen behöver /v1 eftersom det är konventionen som Chat Completions följer; det gör inte Messages-sökvägen. Att kopiera en bas-URL mellan de två exemplen är den vanligaste orsaken till en 404 som ser ut som ett routingavbrott.

Ansträngningsnivåer, i praktiken

Listan över parametrar som stöds är include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tools och verbosity. Två poster gör det egentliga arbetet här: reasoning_effort styr hur djupt modellen tänker, och verbosity styr hur mycket den säger när den svarar. De är oberoende av varandra, och att blanda ihop dem är anledningen till att vissa team drar slutsatsen att modellen är långsam.

En praktisk utgångspolicy: låg ansträngning för klassificering, extrahering och routning, där svaret är kort och svårigheten ligger i indatan; medel för kodgranskning och dokumentanalys; hög eller max endast för uppgifter där du har mätt att ett felaktigt svar kostar mer än latensen. Eftersom tänkande är på vid varje begäran är ansträngning den enda ratt du har över tiden före den första token – ställ in den per väg, inte globalt.

Vad en förfrågan kostar

Indata är $8.00 per miljon och utdata $40.00 per miljon, med cacheläsningar på $0.200 och cacheskrivningar på $10.00 per miljon. Ett dokument på 40 000 token plus ett svar på 2 000 token faktureras $0.32 i indata och $0.08 i utdata: fyrtio cent per förfrågan, innan någon cachning.

Cachning är där räkneexemplet blir intressant, och det är värt att göra ordentligt eftersom skrivningen debiteras. Ett prefix på 40 000 token kostar $0,40 att skriva in i cachen och $0,008 varje gång det läses efteråt. En genomkörning utan cache kostar $0,32. Ett cachat prefix betalar alltså sig självt vid andra läsningen och är dramatiskt mycket billigare därefter – men en korpus som du bara läser en gång bör inte cachas alls.

Som jämförelse ligger Fable 5.1 på $10.00 in och $50.00 ut, och Opus 4.7 på $5.00 in och $25.00 ut. Att Fable 5.2 är 20 procent billigare än sin föregångare på båda raderna är hela skälet att migrera en befintlig promptuppsättning i stället för att behålla det äldre id:t.

Latens och felfrekvens

För OrcaRouters live-trafik under de senaste sju dagarna: p50-tid till första token 8,09 sekunder, p95 10,00 sekunder, utdatahastighet 101 token per sekund, över 35,6 miljoner serverade token. Felfrekvensen var 10,8 procent av förfrågningarna som returnerade non-2xx hos alla uppströmsleverantörer, vilket är värt att känna till innan du sätter det bakom ett synkront UI utan fallback.

De 8,09 sekunderna är inte samma mätning som de 267 sekunder som Artificial Analysis rapporterar för tid till första token. AA:s testram låter modellen tänka med maximal ansträngning på nio svåra benchmarkar; gateway-siffran är medianen för verkliga förfrågningar vid den ansträngningsnivå som anroparen har angett. Om du kör Fable 5.2 med maximal ansträngning på en svår prompt kommer du att se något som ligger mycket närmare AA:s siffra än p50.

Var den ska användas, och var den inte ska användas

Använd det där ett felaktigt svar är dyrt och anropet kan vara asynkront: agenter i flera steg, djupt kodarbete, långsiktig planering, allt där du annars skulle köra tre billigare modeller och stämma av. Med $40 per miljon utdatatoken med tänkande på varje begäran är kostnaden för en felaktig körning verklig, så ansträngningsnivån är en budgetkontroll.

Använd den inte som standardmål för routning för varje prompt.Claude Fable 5.2 vs Claude Opus 5.5jämförelsen är den du bör läsa om du överväger om toppmodellen är värd det för din arbetsbelastning, ochClaude Fable 5.2 vs Claude Fable 5.1täcker migreringen om du redan kör den tidigare generationen.

Om du bygger en multi-modellstack har LLM-modellistan aktuella id:n och priser, och Gemini 4 Carbon API är den naturliga billiga nivån vid sidan av för de 90 procent av anropen som inte behöver så här mycket modell.

Checklistan

Ställ in bas-URL:en efter den slutpunkt du valde – /v1 för Chat Completions, inget suffix för Messages. Ställ in effort per rutt i stället för globalt, och skilj på effort och utförlighet i tanken. Cachelagra prefix som du läser mer än två gånger och hoppa över cachelagring för engångsdokument. Budgetera 128K utdata och 1M indata. Räkna med åtta sekunder till första token vid måttlig effort, minuter vid max, och att ett av tio anrop misslyckas. Mät sedan din egen fördelning: modellen är den mest kapabla som finns, och om den är värd $40 per miljon utdata är helt och hållet en fråga om dina prompter.