Claude Fable 5.1 是 Anthropic 推出的 Mythos 级模型——其能力等级高于 Opus 级——经过安全设计以支持广泛应用，同时也是 Claude Fable 5 的继任者。它在各方面均优于 Fable 5，在智能体编码、长期运行的智能体工作流和知识工作方面提升最大：包括长代码重构、前端与视觉工程，以及需要持续连贯与判断力的多步骤任务。它支持文本、图像和文件输入，输出文本，提供 1M token 上下文窗口与高达 128K 的输出 token，并支持自适应推理和结构化输出。 Fable 5.1 保持了 Fable 系列自主且长周期的特性：在数百万 token 内保持连贯，使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完成复杂的多步骤工作。它是 AI 编码助手、深度研究与分析流程以及长期运行的自主智能体的强大默认选择。
Claude Fable 5.1 是 Anthropic 旗下的一款模型，可通过 OrcaRouter 使用，模型 ID 为 anthropic/claude-fable-5.1。它支持文本、图像和文件输入，拥有 1,000,000 token 的上下文窗口，最多可返回 128,000 个输出 token。OrcaRouter 通过兼容 OpenAI 的…
Claude Fable 5.1 的主要文档化能力是在上下文中容纳多达 1,000,000 个 token，同时生成多达 128,000 个 token。这使得可以在指令之前放入完整源材料，并要求模型作答，而无需构建单独的检索步骤。由于它接受文本、图像和文件，一条消息可以包含图表、扫描页面、电子表格以及其他材料，同时还可包含普通文本。因此，审查任务可以作用于整个集合，而不是按页切片。 该模型在 Artificial Analysis Intelligence Index 上的通用智能得分为 66.0，但目录并未定义领域级行为。推理、编码和指令遵循应通过自定义评测来验证。所提供的资料中并未声称任何关于延迟、缓存或智能体工具执行的信息。请在上下文记忆和长文输出是核心任务的地方使用该模型，并针对自己的测试套件来衡量其他所有方面。
最強的使用場景直接來自於規格說明。1,000,000 token 的上下文長度，使 Claude Fable 5.1 適合在單次呼叫中完成全倉庫程式碼分析、長篇法律或科學文件審閱、跨語料庫摘要，以及針對數百頁來源資料的問答。128,000 token 的最大輸出長度則支援長篇報告、詳細摘要或內容生成，否則這些工作將需要多次模型呼叫並手動拼接。混合輸入表示影像和檔案可以與文字一起分析。 由於上下文成本高昂，每百萬輸入 token 需 10 美元，因此此模型最適合在答案確實需要完整輸入時使用。它也最適合在原本需要花費昂貴工程時間來建構切塊與合併管線的情境下使用。如果任務只需要某一文件中的幾段內容，或應用程式無法等待冗長的預填充階段，那麼較小的模型可能更能服務流量。請在代表性負載上進行測試，以了解哪個工作負載區段能獲得實質性的改善。
当某个较便宜模型的输出足以胜任任务时，就使用它。简单的分类、元数据提取、短摘要、聊天助手和代码补全很少需要 1,000,000 token 的上下文或 128,000 token 的输出。Claude Fable 5.1 的定价为每百万输入 token $10.00、每百万输出 token $50.00。在高请求量下，与低成本替代方案相比，这些费率会让普通提示词变成一项不可忽视的开支。 较便宜的模型在处理小型负载时通常也更快，而且能避免为你不会占用的上下文付费。产品目录中没有任何迹象表明 Claude Fable 5.1 在每个短任务上都优于所有更便宜的模型。请在 OrcaRouter 中配置一条路由规则，让长篇幅、高价值的任务落到该模型上，而常规请求继续走更经济的路径。等生产日志揭示了长上下文实际改变答案质量的频率后，再重新审视这样的分流。
Claude Fable 5.1 列出的唯一基准是 Artificial Analysis Intelligence Index 上的 66.0 分。该指数是第三方综合指数，用于比较不同提供商的语言模型的整体能力。由于它将许多任务聚合为一个数字，因此可作为广泛的参考，但无法说明该模型能否正确处理您的特定长上下文、图像或基于文件的工作流。 目录未提供置信区间、任务级细分或所使用的确切指数版本。请将该分数视为一个数据点，而非认证。如需可比性，请将 Claude Fable 5.1 与在同一指数版本下测量的另一模型进行比较。对于内部决策，请始终将该数字与您自己数据上的领域特定评估结合使用。综合指数无法检测法律推理、视觉准确性或引用行为上的细微失败。
未提供 Claude Fable 5.1 的速度或延迟数据。不要将 66.0 的指数得分或较高的 token 限制与响应速度混为一谈。按比例来说，发送超长输入的请求在产生第一个输出 token 之前，需要花费时间处理整个输入；而生成大量输出 token 的请求也需要更多的实际耗时。因此，更长的上下文和更高的输出预算意味着延迟会存在波动。 如果您的产品需要快速响应的周转时间，请通过 OrcaRouter 的兼容 OpenAI 的 API，在真实提示词上对首个 token 时间（time-to-first-token）和每秒 token 数（tokens-per-second）进行基准测试。使用您计划设置的确切文件大小和输出限制来量化行为。避免根据其他模型的表现来推断性能。如果只有一部分流量对延迟容忍且上下文密集，Claude Fable 5.1 可以处理该部分，而更快的模型则负责响应交互式请求。由于此条目中缺少实测数据，延迟仍是一个悬而未决的问题。
情况说明书中的优势在于容量和模态。Claude Fable 5.1 拥有 1,000,000 个 token 的上下文窗口和 128,000 个 token 的最大输出。它接受文本、图像和文件输入。这些特性结合在一起，使得在一次调用中处理特别长且混合材料的任务成为可能。66.0 的 Artificial Analysis Intelligence Index 分数也提供了模型能力的总体信号。主要优势在于范围：模型在单次请求中能处理的源材料和生成文本的数量。 局限性同样从缺失之处清晰可见。没有提供延迟数据、缓存率或领域特定基准。也没有对上下文远端完美召回、准确解析每种图像或文件类型、或在对抗性指令下的行为作出保证。该模型价格昂贵，因此粗心使用可能会增加支出。生产团队在将其视为所有场景的默认选择之前，应验证其事实依据、输出质量和失败模式。
OrcaRouter 以 Anthropic 提供商费率对 Claude Fable 5.1 计费，且不加价。所述价格为每 1,000,000 个输入 Token 10.00 美元，每 1,000,000 个输出 Token 50.00 美元。所提供的事实中没有描述每次请求费用或网关附加费。您只需为模型消耗的 Token 付费，API 响应中的用量数据可以告知您被计费的输入和输出 Token 数量。 文本、图像和文件内容都会成为模型输入的一部分，并会被转换为 Token，但未提供确切转换规则。设置较低的 max_tokens 值是控制输出花费的实用方法。在这些费率下，简短的问题配简短的答案成本很低；而完整的 1,000,000 Token 输入加长输出则成本高得多。由于这些是提供商费率，如果 Anthropic 更改其自己的价格表，这些费率可能会发生变化。
按每百万输入 token 10 美元、每百万输出 token 50 美元计算，Claude Fable 5.1 的价格高到足以让“每个成功任务的成本”成为关键考量。在生成之前，填满整整 1,000,000 token 的输入就要花费 10 美元；若再产生非常大的输出，生成成本还会进一步叠加。这意味着最具财务性价比的任务，是那种能够因为消耗模型完整上下文而产出实质性更优答案的任务。如果更便宜的模型只需一小段文本就能返回质量相近的答案，那么就没有理由为长上下文支付溢价。 这里的权衡并不仅仅是 token 单价。通过去掉分块（chunking）、摘要循环和向量搜索，你或许能节省工程时间——这些节省下来的成本可能超过更高的每 token 费率。比较的基准应该是总拥有成本，包括开发时间和错误率，而不仅仅是 API 支出。建议用具有代表性的文档通过 OrcaRouter 运行试点，记录使用量，并与价格更低的替代方案对比成功率。
所提供的资料中不包含Claude Fable 5.1的缓存价格、缓存控制参数或任何折扣率。由于该目录条目中未记载缓存折扣，请按完整的输入和输出费率规划预算。如果Anthropic或OrcaRouter在用量数据中返回单独的缓存输入token字段，这些字段会出现在API响应中，并可能显示较低的实际计费金额。请勿假设这些字段一定存在。 如需在不依赖缓存的情况下降低成本，请保持系统其余部分高效运行：尽可能复用提示词、排除无关文件内容，并设置输出限制。如果工作负载中常见的重复前缀较多，可测试一天的流量并检查用量元数据，以确认是否出现任何缓存计费条目。若没有记载的费率，模型将按OrcaRouter的标准提供商费率计费，且无任何加价。有关最新缓存可用性信息，请查阅OrcaRouter的计费文档。
调用会发送到 OrcaRouter 的 OpenAI 兼容 API，地址为 https://api.orcarouter.ai/v1。在聊天补全请求体中，使用模型 ID anthropic/claude-fable-5.1。消息载荷遵循 OpenAI 约定：系统和用户轮次使用 role 和 content 字段，在继续对话时使用助手轮次。为 OpenAI SDK 编写的代码可以将此基础 URL 和模型名称作为指向目标，而无需切换到 Anthropic SDK。图片和文件按照聊天 API 期望的 content 结构提供。 OrcaRouter 凭据用于对请求进行身份验证。响应对象包含 model、choices 和 usage，其中 usage 统计输入和输出令牌数，这些令牌数适用本目录中显示的价格。从一个最小请求开始，检查响应，然后分阶段增加上下文长度。您的首次调用应将 max_tokens 设置为一个适中的数值，直到您确认输出长度和格式为止。
OrcaRouter 上兼容 OpenAI 的端点支持 OpenAI 客户端使用的标准聊天补全参数，包括 messages、model、temperature、max_tokens、stop 及相关生成控制项。目录并未逐一枚举 anthropic/claude-fable-5.1 接受的所有字段，因此请查阅 OrcaRouter 的参考文档，或留意不支持参数的相关错误消息。某些字段（尤其是用于结构化输出或工具调用的字段）可能仅在模型实现了底层 schema 时才生效。 考虑到 1,000,000 个 token 的上下文窗口和 128,000 个 token 的输出预算，你应在每个生产请求中主动设置 max_tokens。如果消息超过上下文窗口，API 应拒绝这些消息或发出截断信号。良好的实践是：根据 usage 对象计算 token 用量，并与你的成本估算进行对比。兼容 OpenAI 的 API 可能使用相同的文本内容格式返回响应；若你计划使用流式传输，则应单独对流式行为进行验证。
如果您目前直接调用Anthropic Messages API，迁移主要只是请求格式的改变。Anthropic API使用模型名称、system字段和messages请求体；OrcaRouter的端点是OpenAI兼容的聊天消息格式。请将base URL设置为https://api.orcarouter.ai/v1，在model字段中填入完整模型ID anthropic/claude-fable-5.1，并将系统提示改写成系统消息。如有工具定义（tool schemas），则必须遵循OrcaRouter文档中的约定。 如果是从其他OpenAI兼容网关迁移过来，只需切换base URL和凭据，保持消息结构不变即可。模型ID保留anthropic前缀，便于日志识别。此路由未列出按token计的网关加价，因此单价即提供商的费率。在切换生产流量之前，请先用一个简短提示做冒烟测试，再跑一个长上下文任务。
更小更便宜的模型通常提供更低的每 token 成本、更少的上下文容量和更短的最大输出。Claude Fable 5.1 的比较优势在于广度：1,000,000 token 的上下文和 128,000 token 的输出使其能够接受整个文本库并写出更长的答案。对于只需要几千个 token 的请求，小型模型可能在速度和成本上仍然胜过它，并且在狭窄的专业领域中可能表现更好。 在通用基准测试中，Claude Fable 5.1 在 Artificial Analysis Intelligence Index 上得分 66.0，但本页面未提供其他模型的可比分数。通过 OrcaRouter 使用您自己的提示词直接比较模型。衡量质量、延迟以及每个被接受答案的成本。如果更便宜的模型在典型请求上返回相同质量，理性的默认选择是更便宜的模型。仅在模型规模会改变结果的情况下才使用大型模型。
与其他长上下文模型相比，直接比较的要点是本目录中的事实：文本、图像和文件输入，1,000,000 token 上下文，128,000 最大输出，每百万输入 token 10.00 美元，每百万输出 token 50.00 美元，以及 Artificial Analysis Intelligence Index 上的 66.0 分。某些替代方案可能提供较小的输出上限或不同的收费方式。另一些可能价格更低，但在同一指数上的得分不同。目录无法确立一个未经测量的胜者。负责任的比较应当保持评估任务不变。 对每个候选模型使用相同的文档和指令。通过 OrcaRouter 的 OpenAI 兼容 API 运行每个模型，记录 token 使用情况，并对输出的准确性打分。这样可避免在不知道上下文大小或指数得分与你的工作负载有何关联的情况下进行比较。如果一个模型能接受你的完整上下文而另一个不能，那就是一个有意义的优势。否则，应评判质量，而非只看宣传中的数字。
当任务依赖整个上下文窗口、需要生成较长的响应，或需在一次操作中结合文本、图像和文件输入时，请选择 Claude Fable 5.1。每百万 token 10 美元和 50 美元的费率相对于任务价值应该是可承受的。当提示词很短、较小的方案经测量已足够准确，或延迟预算无法承受长上下文请求时，请选择其他模型。没有任何理由为两句话的回复支付高额输出费率。 最好的决策过程是实测。在 OrcaRouter 中启动一个测试任务，将模型 ID 设置为 anthropic/claude-fable-5.1，并在一到两个备选模型上运行相同任务。在现实样本上比较正确性、响应长度和总花费。由于 OrcaRouter 通过统一的 OpenAI 兼容 API 暴露模型，切换模型的测试成本很低。只有 Claude Fable 5.1 在用户可见质量和每个完成作业的成本上胜出时，才应将其设为默认模型。
兼容 OpenAI——沿用你现有的 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| 输入 / 1M tokens | $10.00 |
| 输出 / 1M tokens | $50.00 |
| 缓存读取 / 1M | $0.250 |
| 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。
本周开发者的讨论
@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