如何使用 Claude Fable 5.2：API 设置、努力级别与成本

Claude Fable 5.2 是 Anthropic 旗下 Fable 5.1 的继任者，并且在撰写本文时，是 Artificial Analysis Intelligence Index v5.0.1 上排名最高的模型。在 OrcaRouter 上，它是 anthropic/claude-fable-5.2，价格为每百万输入 token $8.00、每百万输出 token $40.00，并与其他所有模型一样通过同一个密钥提供服务；Claude Fable 5.2 API 页面会显示实时数据。配置过程很简短。令人意外的地方在于思考行为、effort 档位和缓存经济学——因此本指南把大量篇幅放在这些方面。

模型接受什么，又返回什么

100 万 token 的上下文窗口，其上限同时也是默认值，无需手动选择启用。单次响应最多可输出 128K token。输入为文本、图像和文档；输出为文本。支持原生工具调用和结构化 JSON 输出。高难度任务可在单轮对话中运行数分钟，这对多步骤 agent 是一项优势，但对任何设有同步请求超时的系统则是一个陷阱。

Thinking 始终开启。模型会对每个请求进行自适应推理，你可以通过从 low 到 max 的努力级别来控制推理深度。原始思维链绝不会返回——你得到的是摘要，或空的 thinking 字段。请围绕摘要而非完整记录来规划可观测性。

端点一：OpenAI 兼容路径

与网关上任何其他模型一样，都是那三行配置：基础 URL 为 https://api.orcarouter.ai/v1，密钥从环境变量中读取，再加上模型 ID。如果你已经有一个可用于其他供应商的客户端，那么只需改一行即可，本指南其余部分讲的是如何调优。

端点二：Anthropic Messages API

Fable 5.2 也会在 /v1/messages 上原生响应，而这里有一个人们常弄错的细节：原生路径的 base URL 是 https://api.orcarouter.ai，不带 /v1 后缀。OpenAI 兼容路径需要 /v1，因为这是 Chat Completions 遵循的约定；Messages 路径则不需要。在这两个示例之间复制 base URL，是导致看似路由故障的 404 的最常见原因。

实践中的投入等级

支持的参数列表包括 include_reasoning、max_completion_tokens、max_tokens、reasoning、reasoning_effort、response_format、stop、structured_outputs、tools 和 verbosity。这里真正起作用的是两项：reasoning_effort决定模型思考的深度，而 verbosity决定模型回答时输出多少内容。二者相互独立，而将它们混为一谈，正是一些团队得出模型运行缓慢这一结论的原因。

一个实用的起始策略：分类、提取和路由使用低强度，因为这类任务答案简短，难度在输入本身；代码审查和文档分析使用中等强度；只有在已经测量出错误答案的代价高于延迟的任务上，才使用高强度或最高强度。由于每个请求都会开启思考，强度是你唯一能用来调节首个 token 之前耗时的旋钮——应按路由设置，而不是全局设置。

一次请求的成本

输入每百万 $8.00，输出每百万 $40.00，缓存读取为 $0.200，缓存写入为每百万 $10.00。一份 40,000 token 的文档加上 2,000 token 的回答，计费为 $0.32 的输入和 $0.08 的输出：每次请求四十美分，尚未计入任何缓存。

缓存的算术价值就在这里变得有意思了，而且值得认真做，因为写入是要计费的。一段 40,000 token 的前缀写入缓存需花费 $0.40，此后每次读取花费 $0.008。一次未走缓存的完整处理花费 $0.32。因此，一段被缓存的前缀在第二次读取时就能回本，此后成本大幅降低——但如果一个语料库你只会读取一次，那就根本不该缓存。

作为参照，Fable 5.1 的输入价格为 $10.00，输出价格为 $50.00；Opus 4.7 的输入价格为 $5.00，输出价格为 $25.00。Fable 5.2 在输入和输出两项上都比前代便宜 20%，这正是要迁移现有提示词集、而不是继续沿用旧 ID 的全部原因。

延迟和失败率

根据 OrcaRouter 过去七天的实时流量：p50 首个 token 时间为 8.09 秒，p95 为 10.00 秒，输出速度为每秒 101 个 token，已服务超过 3560 万个 token。错误率为 10.8%，也就是跨所有上游提供商，请求返回非 2xx 的比例；在将其置于没有回退的同步 UI 后面之前，这一点值得了解。

8.09 秒与 Artificial Analysis 报告的首个 token 时间 267 秒并非同一种测量。AA 的评测框架让模型在九个高难度基准上以最大努力进行思考；网关数值则是真实请求的中位数，其努力程度由调用方设定。如果你在困难提示词上以最大努力运行 Fable 5.2，看到的结果会远比 p50 更接近 AA 的数值。

在哪里使用它，以及哪里不适合使用

在错误答案代价高昂、且调用可以异步进行的场景中使用它：多步骤智能体、深度代码工作、长周期规划，以及任何否则你就要运行三个更便宜的模型再核对结果的任务。在每次请求都开启思考、每百万输出 token 收费 40 美元的情况下，一次失误的成本是实打实的，因此投入程度就是一种预算控制。

不要把它用作每个提示的默认路由目标。Claude Fable 5.2 vs Claude Opus 5.5对比是你在判断顶级型号是否值得为你的工作负载投入时应该阅读的内容，而Claude Fable 5.2 vs Claude Fable 5.1则涵盖了你已经在运行上一代时的迁移。

如果你正在构建多模型技术栈，LLM 模型列表中有当前的 ID 和价格，而Gemini 4 Carbon API则是与之搭配的天然低成本层级，适用于 90% 不需要如此强大模型的调用。

检查清单

根据你选择的端点设置 base URL——Chat Completions 用 /v1，Messages 不加后缀。按路由设置 effort，而不是全局设置；在脑子里把 effort 和 verbosity 分开。对读取超过两次的前缀进行缓存，一次性文档则跳过缓存。预算设为 128K 输出和 1M 输入。预期在中等 effort 下首 token 需要八秒，在最大 effort 下需要数分钟，并且每十次调用会有一次失败。然后测量你自己的分布：该模型是当前可用的最强模型，而它是否值每百万输出 $40，完全取决于你的提示词。