Claude Fable 5 är Anthropics Mythos-klassmodell - en kapacitetsnivå över Opus-klassen - gjord säker för allmänt bruk. Dess kapacitet överträffar alla modeller som Anthropic tidigare har släppt brett, med state-of-the-art resultat inom mjukvaruteknik, kunskapsarbete, syn och vetenskaplig forskning; ju längre och mer komplex uppgiften är, desto större är dess försprång. Den accepterar text-, bild- och filinmatningar med textutmatning, betjänar ett 1M-tokens kontextfönster med upp till 128K utmatningstokens, och stöder adaptiv resonemang och strukturerade utdata. Fable 5 är byggd för autonomt, långsiktigt arbete: den förblir sammanhängande över miljontals tokens, förbättrar sina egna utdata med hjälp av filbaserat minne, och slutför komplexa flerstegsuppgifter med mycket mindre ställningstagande (scaffolding) än tidigare modeller. Den är den nya state-of-the-art för synintensiva uppgifter - extrahera exakta värden från vetenskapliga figurer, återbygga applikationer från enbart skärmdumpar - och ett stegförändring för agentisk kodning och prototyparbete, hantera kodbasomfattande migreringar och banbrytande ingenjörsuppgifter i färre, mer tokeneffektiva vändor. Detta gör den till ett starkt standardval för AI-kodningsassistenter, djupa forsknings- och analyspipelines, och långvariga autonoma agenter där ihållande sammanhang och omdöme betyder mest.
Claude Fable 5 är en stor språkmodell från Anthropic som betonar utökad kontext och multimodal inmatning. Dess kontextfönster på 1 000 000 token gör att en enda begäran kan innehålla hela böcker,…
Claude Fable 5 utmärker sig i uppgifter som kräver djup kontextuell förståelse över långa texter eller multimodala indata. Exempel inkluderar att sammanfatta flervolyms juridiska dokument, utföra kodgranskning på stora databaser, integrera information från flera bilder och text, samt planera komplexa flerstegsprocesser där tidigare steg informerar senare. Modellens poäng på 85,0 på OSWorld-Verified indikerar att den framgångsrikt kan utföra realistiska datoruppgifter som involverar surfning, filhantering och programinteraktion över många steg. Den presterar också bra på standardmässiga språkförståelse- och genereringstester, även om specifika poäng utöver OSWorld inte offentliggörs i detalj. För uppgifter som inte kräver den stora kontexten eller multimodala indata skulle mindre modeller som Claude 3 Haiku eller GPT-4o mini vara mer kostnadseffektiva.
Med tanke på premiumprissättningen på $10/$50 per miljon tokens är Claude Fable 5 inte optimal för korta, högfrekventa prompts som enkel klassificering, översättning av enstaka meningar eller rutinmässig kundsupport. Om din uppgift ryms inom ett 8K–32K kontextfönster och inte kräver bildförståelse, kommer mindre modeller som Claude 3 Sonnet, GPT-4o eller de senaste lättviktsvarianterna att leverera snabbare svar till en bråkdel av kostnaden. Om du dessutom finjusterar eller behöver hög genomströmning för många samtidiga förfrågningar kan kostnaden och latensen för Claude 5 vara oöverkomlig. Reservera denna modell för uppgifter där det unika värdet av extremt stort sammanhang, multimodalt resonemang eller högpresterande agentförmåga tydligt motiverar kostnaden. OrcaRouters API låter dig dynamiskt växla modeller per förfrågan, så du kan använda Fable 5 endast för komplexa uppgifter och dirigera enklare ärenden någon annanstans.
Ja, modellen är väl lämpad för agentiska arbetsflöden som kräver att tillstånd upprätthålls över många steg. Dess kontextfönster kan rymma en fullständig agentlogg, verktygshistorik och miljöobservationer, vilket möjliggör sammanhängande beslutsfattande över utökade interaktioner. Poängen 85.0 på OSWorld-Verified mäter direkt prestanda på realistiska, flerstegs datoruppgifter – som att komponera ett e-postmeddelande, redigera ett kalkylark eller navigera i ett webbgränssnitt – vilket är centralt för agentiska system. Den maximala utdatan på 128K gör att modellen kan producera långa åtgärdsekvenser eller detaljerade rapporter. Utvecklare bör dock ta hänsyn till ökad latens och kostnad per steg. För enklare agentiska loopar med korta kontexter kan mindre modeller vara tillräckliga. OrcaRouters API stöder streaming och anpassade parametrar (t.ex. temperature, max_tokens) för att finjustera beteendet.
Styrkor inkluderar det största kommersiellt tillgängliga kontextfönstret (1M tokens), stark multimodal förståelse (text, bild, fil) och hög poäng på OSWorld-Verified (85.0), vilket speglar robust prestanda i verkliga uppgifter. Modellen har också en generös utdatagräns på 128K, vilket möjliggör långa genereringar. Begränsningar inkluderar hög kostnad: på $10/$50 per miljon tokens är den flera gånger dyrare än modeller i mellanklassen. Dessutom ökar latensen med kontextlängden; bearbetning av nästan 1M tokens kan ta tiotals sekunder eller mer. Modellen saknar modaliteter som ljud eller video; den accepterar endast text och bilder. Den stöder inte heller finjustering eller anpassad träning – det är en fast, API-endast modell. För uppgifter som inte utnyttjar dess unika kapacitet kan kostnaden överstiga nyttan.
OSWorld-Verified är ett riktmärke som utvärderar AI-agenter på realistiska, flerstegs datoruppgifter över operativsystem. En poäng på 85,0 indikerar att Claude Fable 5 framgångsrikt slutför 85% av de utvärderade uppgifterna utan mänsklig inblandning. Detta är en hög poäng, vilket tyder på att modellen effektivt kan använda verktyg, bläddra i filer, manipulera UI-element och resonera över långa sekvenser. För sammanhang: många andra modeller får poäng under 50 på liknande riktmärken. Poängen återspeglar både modellens stora kontext (som gör att den kan komma ihåg tidigare steg) och dess resonemangsförmåga. Dock är OSWorld-Verified endast ett mått; det mäter inte faktualitet, säkerhet eller domänspecifik kunskap. Användare bör utvärdera prestanda på sina egna uppgifter. Riktmärket utfördes av Anthropic med ett oberoende utvärderingsramverk.
Exakta latenssiffror för Claude Fable 5 offentliggörs inte av Anthropic, men allmänna förväntningar kan utläsas. För en typisk kort prompt (t.ex. några hundra tokens) kan modellen svara inom sekunder. När kontextlängden närmar sig 1M-gränsen ökar latensen avsevärt – potentiellt över en minut för både bearbetning och generering. Utdatalängden påverkar också hastigheten; att generera 128K tokens kan ta betydande tid. OrcaRouters API stödjer strömningssvar, så användare kan bearbeta partiella resultat när de anländer. För realtidsapplikationer, överväg att använda en mindre modell. Den höga kostnaden ($50/utdata MTok) motiverar ytterligare optimering av promptlängden. Cache är inte inbyggt tillgängligt, men OrcaRouter kan erbjuda valfri cache för återkommande förfrågningar – kontrollera aktuell dokumentation.
Trots sina styrkor har Claude Fable 5 begränsningar. För det första är det ingen multitalang som klarar allt; den utmärker sig inom långkontext- och multimodal resonemang, men kan överträffas av specialiserade modeller inom uppgifter som matematik (t.ex. GPT-4o) eller kodgenerering (t.ex. Code Llama) om dessa modeller är finjusterade. För det andra är modellens kunskapsgräns inte specificerad; anta att den kanske inte är aktuell med mycket senaste händelser. För det tredje, som alla stora språkmodeller, kan den hallucinera eller producera felaktig information, särskilt när den pressas bortom sin träningsfördelning. För det fjärde är bildförståelse kraftfull men inte perfekt – fina detaljer i lågupplösta bilder kan missas. Slutligen gör kostnaden och latensen den opraktisk för högkapacitetsproduktionssystem. Validera alltid utdata kritiskt. OrcaRouters plattform låter dig växla till alternativa modeller vid behov.
OSWorld-Verified-benchmark är relativt nytt, så direkta jämförelser med många modeller är begränsade. Dock indikerar kända resultat från offentliga topplistor att poäng över 70 anses vara mycket starka. Till exempel har tidigare modeller som GPT-4V och Claude 3 Opus rapporterat poäng under 60 på liknande agentiska benchmark (t.ex. OSWorld). Claude Fable 5:s 85,0 tyder på att den är en av de bäst presterande modellerna för agentiska uppgifter. Det sagt, benchmark-poäng garanterar inte prestanda i alla scenarier; verkliga uppgifter varierar i komplexitet och domän. Modellen får sannolikt också höga poäng på generella språkförståelsebenchmark (t.ex. MMLU, HellaSwag), även om specifika siffror inte anges. Användare bör genomföra sin egen utvärdering med representativa stickprov. OrcaRouters API låter dig testa modeller sida vid sida med identiska uppmaningar.
Prissättningen är rak: 10,00 USD per 1 miljon inmatningstokens och 50,00 USD per 1 miljon utmatningstokens. Dessa är de exakta leverantörspriserna från Anthropic; OrcaRouter lägger ingen påslag. Inmatningstokens inkluderar all text, bild och filinnehåll som modellen bearbetar. Utmatningstokens räknar varje genererad token. Till exempel skulle en begäran med 10 000 inmatningstokens och 2 000 utmatningstokens kosta 0,10 USD + 0,10 USD = 0,20 USD. Det finns inga dolda avgifter eller minimikrav på användning. Betalning faktureras via ditt OrcaRouter-konto. Om du är en storskalig användare kan OrcaRouter erbjuda rabatterade nivåer – kontakta support för detaljer. Observera att eftersom modellen är dyr är det viktigt att övervaka tokenanvändningen. OrcaRouter tillhandahåller användningsloggar och kostnadsuppdelningar i instrumentpanelen.
Den primära avvägningen är mellan kapacitet och kostnad. Claude Fable 5 är en av de dyraste modellerna som finns på grund av dess stora kontext och höga pris per token. För uppgifter som använder färre än 32K tokens betalar du en premie utan att utnyttja modellens viktigaste styrka. Överväg att använda en billigare modell (t.ex. Claude 3 Haiku till $0.25/$1.25 per MTok) för sådana fall. Dessutom är utmatningstokens fem gånger dyrare än inmatningstokens, så att optimera genereringslängden – genom att använda strukturerade uppmaningar eller lägre max_tokens-inställningar – kan minska kostnaderna. Undvik dessutom att inkludera onödig kontext; varje bild förbrukar avsevärda mängder tokens (ofta tusentals). OrcaRouters API stöder en `max_tokens`-parameter för att begränsa utmatningen. För arbetsbelastningar med ofta upprepade uppmaningar, överväg om cachelagring eller anpassad finjustering av en mindre modell kan vara mer kostnadseffektivt.
Från och med nu erbjuder Anthropic ingen inbyggd promptcachning för Claude Fable 5, och OrcaRouter cachar inte automatiskt prompts. Däremot kan OrcaRouters API stödja valfri förfrågningscachning på infrastrukturnivå för identiska förfrågningar – kontrollera OrcaRouters dokumentation eller kontakta supporten för aktuella cachningsalternativ. Utan cachning debiteras varje förfrågan fullt per token. Om ditt användningsfall involverar många identiska prefix (t.ex. ett delat systemprompt för många användarmeddelanden) kan du omstrukturera dina anrop för att minimera upprepade tokenkostnader, men modellen kommer fortfarande att bearbeta hela indata varje gång. För högvolymapplikationer, överväg finjustering av en mindre modell eller användning av en billigare modell med kortare kontext. OrcaRouter låter dig programmatiskt byta modeller för att optimera kostnaden.
Nej, OrcaRouter tar inte ut några extra avgifter utöver leverantörens taxa. Du betalar exakt 10,00 USD per 1M inmatningstokens och 50,00 USD per 1M utdatatokens. Det tillkommer inga avgifter per förfrågan, inga minimikrav för prenumeration och inga dolda kostnader. Standardavgifter för OrcaRouter-konto (om sådana finns) gäller för all API-användning men är separata från modellspecifik prissättning. Om du använder funktioner som anpassad modellroutning, strömning eller flerstegssamtal ingår dessa i tokenprissättningen. Kontrollera alltid OrcaRouters prissida för den mest aktuella informationen. För företagskunder kan OrcaRouter erbjuda volymrabatter eller dedikerad prissättning – kontakta försäljning för en offert. Sammanfattningsvis är kostnaden transparent och förutsägbar baserad på tokenanvändning.
Du får åtkomst till Claude Fable 5 via OrcaRouters OpenAI-kompatibla API. Bas-URL:en är https://api.orcarouter.ai/v1. Använd modell-ID:t "anthropic/claude-fable-5" i dina förfrågningar. API:et accepterar standardparameterar för OpenAI-chattkomplettering: `messages`, `max_tokens`, `temperature`, `top_p`, `stop`, etc. För multimodala indata, inkludera `content`-arrayer med poster av typen "text", "image_url" eller "file_url" (beroende på din SDK-version). Autentisering kräver en API-nyckel från OrcaRouter, skickad i Authorization-headern som "Bearer YOUR_API_KEY". Exempel på curl-kommando: 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}'. Strömning stöds genom att ställa in `stream: true`.
Claude Fable 5 stödjer standardparametrarna för OpenAI chat completions API. De mest relevanta är: `max_tokens` (standard max 128K), `temperature` (intervall 0-2, rekommenderat 0-1), `top_p` (alternativ till temperature), `stop`-sekvenser, `presence_penalty` och `frequency_penalty`. För multimodala förfrågningar kan fältet `content` innehålla arrayer av objekt med `type` och lämplig data (t.ex. `{"type":"text","text":"Describe this chart"}` och `{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}`). Filuppladdningar kan göras via URL eller base64-kodad data. Det finns också en `stream`-parameter för att ta emot partiella svar. Alla parametrar stöds inte; till exempel är funktioner/verktyg för närvarande inte tillgängliga för denna modell—kontrollera OrcaRouter-dokumentationen för uppdateringar. Alla parametrar skickas i request body.
Migreringen är enkel eftersom OrcaRouters API är kompatibelt med OpenAI. Börja med att hämta en OrcaRouter API-nyckel från ditt konto-dashboard. Ersätt din nuvarande bas-URL med https://api.orcarouter.ai/v1 och ändra modellidentifieraren till "anthropic/claude-fable-5". Om du tidigare använde Anthropics inbyggda API, notera att OrcaRouter använder OpenAIs meddelandeformat istället för Anthropics format. Du måste anpassa all kod som strukturerar meddelanden. För bildinmatningar, konvertera dem till OpenAI-format (t.ex. base64 eller URL). OrcaRouter hanterar den underliggande översättningen till Anthropics API. Testa med en enskild begäran innan du migrerar produktionsarbetsbelastningar. OrcaRouter kan också erbjuda ytterligare funktioner som hastighetsbegränsning, användningsanalys och modellreservplaner. Se OrcaRouters dokumentation för detaljer om meddelandeformatering och autentisering.
Claude Fable 5 erbjuder ett större kontextfönster (1M vs 200K för Opus) och ett högre betyg på OSWorld-Verified (85,0 vs uppskattat ~55-60 för Opus). Den stöder även bild- och filinmatning precis som Opus. Utmatningstoken-gränsen är högre (128K vs 4 096 för Opus). Dock är Claude 3 Opus betydligt billigare: $15/$75 per MTok för Opus (tidigare) eller $8/$24 för Opus efter prissänkningar? Nuvarande prissättning för Opus är $15/$75 per MTok vs Fable 5:s $10/$50 – vänta, är Opus faktiskt $15/$75 in/ut? (Standardpris: Claude 3 Opus $15/$75 per MTok). Så Fable 5 är faktiskt billigare per token än Opus? Faktiskt $10/$50 vs $15/$75, så Fable 5 är 33 % billigare. Det är en intressant poäng. Men Opus är fortfarande kapabel för kortare uppgifter. Fable 5:s främsta fördel är kontextlängd och agentprestanda. För uppgifter inom 200K token kan Opus räcka till lägre kostnad. Om du behöver extrem kontext eller högsta agentpoäng är Fable 5 bättre.
GPT-4o (från OpenAI) har ett kontextfönster på 128K, jämfört med Fable 5:s 1M. GPT-4o stöder också text-, bild- och ljudinmatning (Fable 5: endast text och bild). Utgångsgränsen för GPT-4o är 4 096 tokens, mycket mindre än Fable 5:s 128K. I riktmärken får GPT-4o cirka 87,1 på MMLU men har ingen offentligt rapporterad OSWorld-Verified-poäng. Prismässigt kostar GPT-4o $5/$15 per MTok (inmatning/utmatning), billigare än Fable 5:s $10/$50. Så GPT-4o är snabbare och billigare för kortare uppgifter, medan Fable 5 utmärker sig i långa kontext- och agentiska scenarier. För multimodal med ljud är GPT-4o det bättre valet. Båda är tillgängliga via OrcaRouter, vilket gör att du kan välja per förfrågan.
I OrcaRouter kan du välja mellan olika Anthropic-modeller (Claude 3.5 Sonnet, Claude 3 Haiku) och OpenAI-modeller (GPT-4o, GPT-4o mini, GPT-4 Turbo), samt open source-modeller. För de flesta uppgifter erbjuder Claude 3.5 Sonnet en bra balans mellan kapacitet och kostnad ($3/$15 per MTok) med en 200K-kontext. För extremt långa kontexter är Fable 5 oöverträffad. För klassificering eller extrahering med hög genomströmning är Claude 3 Haiku ($0,25/$1,25 per MTok) billig och snabb. För kodgenerering kan GPT-4o eller Code Llama vara specialiserade. OrcaRouter låter dig ställa in reservmodeller: om Fable 5 misslyckas eller tar timeout kan du styra trafiken till en billigare modell. Utvärdera dina specifika krav för kontextlängd, ingångsmodalitet och benchmark-prestanda. Den bästa modellen beror på ditt användningsfall, inte bara det högsta benchmark-resultatet.
OpenAI-kompatibel — behåll det SDK du redan använder
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Inmatning / 1M token | $10.00 |
| Utdata / 1M tokens | $50.00 |
| Cacheläsning / 1M | $1.00 |
| Cache-skrivning / 1M | $12.50 |
| Valuta | USD |
Uppskattning baserad på listpris
Endast en uppskattning — faktiskt antal token beror på leverantörens tokenizer.
GET /api/public/models/anthropic/claude-fable-5Öppna @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