Claude Fable 5 是 Anthropic 推出的 Mythos 级模型——能力层级高于 Opus 级——在确保安全的前提下可广泛使用。其能力超越 Anthropic 此前广泛发布的任何模型，在软件工程、知识工作、视觉处理和科学研究方面均达到最先进水平；任务越长越复杂，其领先优势越大。该模型接受文本、图像和文件输入，输出文本，支持 100 万令牌的上下文窗口和高达 12.8 万令牌的输出，并具备自适应推理和结构化输出能力。 Fable 5 专为自主、长周期任务而构建：能在数百万令牌中保持连贯性，利用基于文件的记忆改进自身输出，并以远少于先前模型的脚手架代码完成复杂的多步骤任务。它在视觉密集型任务上达到了新高度——从科学图表中提取精确数值、仅凭截图重建应用程序——并在代理式编码和原型设计方面实现阶跃式进步，能以更少、更令牌高效的轮次处理代码库迁移和前沿工程任务。这使得它成为 AI 编码助手、深度研究与分析流程，以及长期运行的自主代理（持续连贯性和判断力最为关键）的有力默认选择。
Claude Fable 5 是 Anthropic 推出的大型语言模型，强调扩展上下文和多模态输入。其 100 万 token 的上下文窗口允许单次请求包含整本书籍、大型代码库或长对话历史。该模型接受文本、图像和文件上传，每次响应最多可生成 128,000 token。定价透明：每百万输入 token 10.00 美元，每百万输出 token 50.00 美元，由 Anthropic…
Claude Fable 5擅长需要跨长文本或多模态输入进行深度语境理解的任务。例如，总结多卷法律文件、对大型代码库进行代码审查、整合来自多个图像和文本的信息，以及规划需要根据先前步骤指导后续步骤的复杂多步骤流程。该模型在OSWorld-Verified上的85.0分表明，它能够成功完成涉及浏览、文件操作和软件交互的多步骤现实计算机任务。它在标准语言理解和生成基准上也表现良好，但除OSWorld之外的具体分数未公开详细说明。对于不需要大上下文或多模态输入的任务，更小的模型如Claude 3 Haiku或GPT-4o mini会更具成本效益。
考虑到每百万Token 10/50美元的高昂定价，Claude Fable 5并不适合简短、高并发的提示场景，例如简单的分类、单句翻译或常规客户支持。如果你的任务在8K-32K上下文窗口内且无需图像理解，那么像Claude 3 Sonnet、GPT-4o或最新轻量级变体这样的小型模型将以更低的成本提供更快的响应。此外，如果你正在进行微调或需要高吞吐量处理大量并发请求，Claude 5的成本和延迟可能会令人望而却步。请将该模型保留给那些极端上下文、多模态推理或顶级代理性能的独特价值明显值得其成本的场景。OrcaRouter的API允许你按请求动态切换模型，因此你仅可在复杂任务中使用Fable 5，并将简单任务路由到其他模型。
是的，该模型非常适合需要跨多个步骤维护状态的代理工作流。其上下文窗口可以容纳完整的代理日志、工具调用历史和环境观察，从而在长时间的交互中实现连贯的决策。在OSWorld-Verified上获得的85.0分数直接衡量了其在真实、多步骤计算机任务（如撰写电子邮件、编辑电子表格或浏览网页界面）上的表现，这些正是代理系统的核心能力。128K的最大输出允许模型生成较长的操作序列或详细报告。不过，开发者需要考虑每次交互增加的延迟和成本。对于上下文较短的简单代理循环，较小的模型可能就足够了。OrcaRouter的API支持流式传输和自定义参数（例如temperature、max_tokens）以微调行为。
优势包括最大的商用上下文窗口（1M tokens）、强大的多模态理解（文本、图像、文件）以及在OSWorld-Verified（85.0）上的高分，这反映了稳健的真实世界任务性能。该模型还拥有慷慨的128K输出限制，支持生成长内容。局限性包括成本高昂：每百万tokens的费用为$10/$50，比中端模型贵数倍。此外，延迟随上下文长度增加而增加；处理近1M tokens可能需要数十秒或更长时间。该模型缺少音频或视频等模态；仅接受文本和图像。它也不支持微调或自定义训练——是一个固定的、仅限API的模型。对于未利用其独特能力的任务，成本可能超过收益。
OSWorld-Verified 是一个用于评估AI智能体在跨操作系统上执行真实、多步骤计算机任务的基准测试。85.0的分数表明，Claude Fable 5在无需人工干预的情况下，成功完成了85%的评估任务。这是一个高分，意味着该模型能够有效使用工具、浏览文件、操作UI元素，并在长序列中进行推理。相比之下，许多其他模型在类似基准测试中的得分低于50。该分数既反映了模型的大上下文能力（使其能够记住之前的步骤），也体现了其推理能力。然而，OSWorld-Verified 只是单一指标，不能衡量事实性、安全性或领域特定知识。用户应根据自身任务评估性能。该基准测试由Anthropic使用独立评估框架执行。
Anthropic并未公开披露Claude Fable 5的具体延迟数据，但可以推断出一般预期。对于典型的短提示（例如几百个token），模型可能在几秒内响应。当上下文长度接近100万token的限制时，延迟会显著增加——处理和生成可能超过一分钟。输出长度也会影响速度；生成128K token可能花费大量时间。OrcaRouter的API支持流式响应，因此用户可以随着结果到达而处理部分结果。对于实时应用，考虑使用较小的模型。高昂的成本（$50/百万输出token）进一步激励优化提示长度。缓存并非原生可用，但OrcaRouter可能为重复请求提供可选缓存——请查看当前文档。
尽管Claude Fable 5有其优势，但仍存在一些局限性。首先，它并非多任务全能型模型；它在长上下文和多模态推理方面表现出色，但在数学（如GPT-4o）或代码生成（如Code Llama）等任务上，若这些专用模型经过微调，其表现可能更优。其次，模型的知识截止日期未明确说明；需假设其可能未涵盖最新事件。第三，如同所有大型语言模型，它可能产生幻觉或输出不准确信息，尤其是在超出其训练分布范围时。第四，图像理解能力强大但并非完美——低分辨率图像中的细节可能被遗漏。最后，成本和延迟使其不适合高吞吐量的生产系统。请始终对输出结果进行批判性验证。OrcaRouter的平台可让您根据需要切换至其他替代模型。
OSWorld-Verified基准测试相对较新，因此与许多模型的直接比较有限。不过，公开排行榜的已知结果显示，得分超过70被认为是相当强的。例如，早期的模型如GPT-4V和Claude 3 Opus在类似的智能体基准测试（如OSWorld）中报告了低于60的分数。Claude Fable 5的85.0表明它是智能体任务中表现最好的模型之一。话虽如此，基准测试分数并不能保证在所有场景下的表现；现实世界的任务在复杂性和领域上各不相同。该模型在通用语言理解基准测试（如MMLU、HellaSwag）中可能也得分很高，尽管没有提供具体数字。用户应使用代表性样本自行评估。OrcaRouter的API允许您使用相同提示对模型进行并排测试。
定价很直接：每100万个输入令牌$10.00，每100万个输出令牌$50.00。这些是Anthropic的精确提供商费率；OrcaRouter不增加任何加价。输入令牌包括模型处理的所有文本、图像和文件内容。输出令牌计算每个生成的令牌。例如，一个具有10,000个输入令牌和2,000个输出令牌的请求将花费$0.10 + $0.10 = $0.20。没有隐藏费用或最低使用量。付款通过您的OrcaRouter账户计费。如果您是大容量用户，OrcaRouter可能会提供折扣层级——请联系支持获取详情。请注意，由于模型成本较高，监控令牌使用情况非常重要。OrcaRouter在仪表盘中提供使用日志和成本明细。
主要的权衡在于能力与成本之间。Claude Fable 5 是目前最昂贵的模型之一，因为它拥有大上下文和高单令牌价格。对于使用少于32K令牌的任务，你会在未充分利用模型关键优势的情况下支付溢价。建议在这种情况下考虑使用更便宜的模型（例如每百万令牌$0.25/$1.25的Claude 3 Haiku）。此外，输出令牌的价格是输入令牌的五倍，因此通过使用结构化提示或降低max_tokens设置来优化生成长度可以降低成本。同时，避免包含不必要的上下文；每张图像会消耗大量令牌（通常数千个）。OrcaRouter的API支持max_tokens参数来限制输出。对于需要频繁重复提示的工作负载，应考虑缓存或对较小模型进行自定义微调是否更具成本效益。
截至目前，Anthropic 尚未为 Claude Fable 5 提供原生的提示缓存功能，OrcaRouter 也不会自动缓存提示。不过，OrcaRouter 的 API 可能在基础设施层为相同请求提供可选的请求缓存支持——请查阅 OrcaRouter 的文档或联系支持团队了解当前缓存选项。若无缓存，每次请求均按完整 token 计费。如果你的使用场景涉及大量相同前缀（例如多个用户消息共享同一个系统提示），可以调整调用结构以尽量减少重复 token 成本，但模型仍会每次处理完整输入。对于高流量应用，可考虑微调较小模型，或使用上下文更短的廉价模型。OrcaRouter 允许你通过编程方式切换模型以优化成本。
不，OrcaRouter 不会在提供商费率基础上收取任何额外费用。您支付的费用为：每100万输入令牌$10.00，每100万输出令牌$50.00。没有按请求收费、没有订阅最低消费、也没有隐藏成本。标准OrcaRouter账户费用（如有）适用于所有API使用，但与模型特定定价分开。如果使用自定义模型路由、流式传输或多轮对话等功能，这些已包含在令牌定价中。请务必查阅OrcaRouter定价页面以获取最新信息。对于企业客户，OrcaRouter可能提供批量折扣或专属定价——请联系销售获取报价。总之，费用透明且可基于令牌使用量预测。
您通过OrcaRouter的兼容OpenAI的API访问Claude Fable 5。基础URL为 https://api.orcarouter.ai/v1。在请求中使用模型ID "anthropic/claude-fable-5"。该API接受标准OpenAI聊天补全参数：`messages`、`max_tokens`、`temperature`、`top_p`、`stop`等。对于多模态输入，包含`content`数组，条目类型为"text"、"image_url"或"file_url"（取决于您的SDK版本）。身份验证需要来自OrcaRouter的API密钥，在Authorization头中作为"Bearer YOUR_API_KEY"传递。示例curl命令：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}'。通过设置`stream: true`支持流式传输。
Claude Fable 5 支持 OpenAI 聊天完成 API 的标准参数。最相关的参数包括：`max_tokens`（默认最大 128K）、`temperature`（范围 0-2，推荐 0-1）、`top_p`（temperature 的替代方案）、`stop` 序列、`presence_penalty` 和 `frequency_penalty`。对于多模态请求，`content` 字段可以包含带有 `type` 和相应数据的对象数组（例如：`{"type":"text","text":"描述这张图表"}` 和 `{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}`）。文件上传可以通过 URL 或 base64 编码的数据进行。还有一个 `stream` 参数用于接收部分响应。并非所有参数都受支持；例如，函数/工具目前在此模型中不可用——请查阅 OrcaRouter 文档以获取更新。所有参数都在请求体中传递。
迁移过程非常简单，因为OrcaRouter的API兼容OpenAI。首先，从你的账户面板获取OrcaRouter的API密钥。将当前的base URL替换为https://api.orcarouter.ai/v1，并将模型标识改为"anthropic/claude-fable-5"。如果你之前使用的是Anthropic原生API，请注意OrcaRouter采用的是OpenAI的消息格式，而非Anthropic的格式。你需要调整任何构造消息的代码。对于图像输入，将其转换为OpenAI格式（例如base64或URL）。OrcaRouter会处理底层向Anthropic API的转换。在迁移生产负载之前，先通过单个请求进行测试。OrcaRouter还可能提供额外的功能，如速率限制、使用分析和模型回退。有关消息格式和认证的详细信息，请参阅OrcaRouter的文档。
Claude Fable 5 提供了更大的上下文窗口（1M token，而Opus为200K token），同时在OSWorld-Verified基准测试中得分更高（85.0分，Opus估计约55-60分）。它也支持与Opus相同的图像和文件输入功能。输出token上限更高（128K token，Opus为4,096 token）。不过，Claude 3 Opus在价格上明显更便宜：Opus之前为每百万token $15/$75，降价后为$8/$24？Opus当前实际价格为每百万token $15/$75，而Fable 5为$10/$50——等等，Opus实际输入/输出是$15/$75？（标准费率：Claude 3 Opus每百万token $15/$75）。那么Fable 5实际上每个token比Opus更便宜？实际上$10/$50对比$15/$75，因此Fable 5便宜33%。这是个有趣的点。但Opus在较短任务中仍然胜任。Fable 5的主要优势在于上下文长度和智能体（agent）性能。对于200K token以内的任务，Opus可能以更低成本满足需求。如果需要极端上下文长度或顶级智能体得分，Fable 5更胜一筹。
GPT-4o（来自OpenAI）拥有128K的上下文窗口，而Fable 5则有1M。GPT-4o还支持文本、图像和音频输入（Fable 5仅支持文本和图像）。GPT-4o的输出限制为4,096个token，远小于Fable 5的128K。在基准测试中，GPT-4o在MMLU上的得分约为87.1，但没有公开的OSWorld-Verified分数。在定价方面，GPT-4o每百万token（输入/输出）的费用为5美元/15美元，低于Fable 5的10美元/50美元。因此，对于较短的任务，GPT-4o更快、更便宜，而Fable 5在长上下文和代理场景中表现出色。对于包含音频的多模态任务，GPT-4o是更好的选择。两者均可通过OrcaRouter访问，允许您根据每个请求进行选择。
在OrcaRouter中，您可以选择多种Anthropic模型（Claude 3.5 Sonnet、Claude 3 Haiku）和OpenAI模型（GPT-4o、GPT-4o mini、GPT-4 Turbo），以及开源模型。对于大多数任务，Claude 3.5 Sonnet在能力和成本之间提供了良好的平衡（$3/$15 per MTok），并拥有200K上下文窗口。对于极长的上下文，Fable 5无与伦比。对于高吞吐量的分类或提取任务，Claude 3 Haiku（$0.25/$1.25 per MTok）既便宜又快速。对于代码生成，GPT-4o或Code Llama可能更专业。OrcaRouter允许您设置备用模型：如果Fable 5失败或超时，您可以路由到更便宜的模型。请根据上下文长度、输入模态和基准性能评估您的具体需求。最佳模型取决于您的用例，而不仅仅是最高基准。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 输入 / 1M tokens | $10.00 |
| 输出 / 1M tokens | $50.00 |
| 缓存读取 / 1M | $1.00 |
| 缓存写入 / 1M | $12.50 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
@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