Claude Fable 5.1 是 Anthropic 的 Mythos 級模型——能力等級高於 Opus 級——專為廣泛使用而打造，也是 Claude Fable 5 的後繼者。它在各方面都比 Fable 5 有所改進，最大的提升在於代理式編碼、長期執行的代理式工作流程，以及知識工作：長程程式碼重構、前端與視覺工程，以及需要持續連貫性與判斷力的多步驟任務。它接受文字、圖像與檔案輸入並產生文字輸出，提供 1M token 的上下文視窗，最多可產生 128K token 的輸出，並支援適應性推理與結構化輸出。 Fable 5.1 保留了 Fable 系列自主、長期視角的定位：它在數百萬 token 間保持連貫，利用檔案型記憶改善自身輸出，並以遠少於先前模型的輔助結構完成複雜的多步驟工作。它是 AI 程式設計助手、深度研究與分析管線，以及長期運行的自主代理的強力預設選擇。
Claude Fable 5.1 是 Anthropic 的模型，可透過 OrcaRouter 使用，模型 ID 為 anthropic/claude-fable-5.1。它接受文字、圖片與檔案輸入，支援 1,000,000 個 token 的上下文視窗，最多可回傳 128,000 個輸出 token。OrcaRouter 透過 OpenAI 相容的 API（位於…
Claude Fable 5.1 的主要文件化能力，是在上下文中容納最多 1,000,000 個 token，同時產生最多 128,000 個 token。如此一來，便能把完整原始資料放在指令之前，要求模型直接作答，而不必另行建立檢索步驟。由於模型接受文字、圖片與檔案，因此一則訊息就可以在一般文字之外，同時包含圖表、掃描頁面、試算表及其他素材。審閱任務因此可以處理完整集合，而非逐頁大小的片段。 該模型在 Artificial Analysis Intelligence Index 上的通用智慧分數為 66.0，但目錄中並未定義領域層級的行為。推理、程式撰寫與指令遵循的能力，應以自訂評估加以驗證。所提供的資料中並未針對延遲、快取或代理式工具執行提出任何聲明。請在上下文記憶與長篇輸出為任務核心之處使用此模型，其餘一切則以你自己的測試套件衡量。
最強的使用案例直接來自於規格說明。1,000,000 token 的上下文使得 Claude Fable 5.1 適合進行整個程式碼儲存庫的分析、長篇法律或科學文件審閱、全語料庫摘要，以及在一次呼叫中對數百頁來源進行問答。128,000 token 的最大輸出支援長篇報告、詳細摘要或內容生成，否則這些內容將需要多次模型呼叫和手動拼接。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 收費 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。當原本需要花費昂貴的工程時間來建立區塊切割與合併管線時，它也最為適合。如果任務只需要某份文件中的幾段文字，或應用程式無法等待較長的 prefill 時間，那麼較小的模型可能更能有效服務流量。請在具代表性的負載上進行測試，以了解哪個工作負載區段能獲得實際的改善。
在任務輸出品質已足夠時，改用較便宜的模型。簡單的分類、中繼資料擷取、短摘要、聊天助理和程式碼補全，很少需要 1,000,000 個 token 的上下文或 128,000 個 token 的輸出。Claude Fable 5.1 的定價為每百萬輸入 token 10.00 美元，每百萬輸出 token 50.00 美元。在高請求量下，與低成本替代方案相比，這些費率會讓普通提示詞變成一筆顯而易見的開支。 較便宜的模型對於小型負載通常也更快，而且能避免為你用不到的上下文付費。目錄中沒有任何資料顯示 Claude Fable 5.1 在每個短任務上都優於所有較便宜的模型。在 OrcaRouter 中建立路由規則，讓較長且高價值的工作使用此模型，而例行請求則維持在更經濟的路徑上。在生產日誌顯示長上下文實際改變答案品質的頻率之後，再重新檢視此拆分方式。
Claude Fable 5.1 列出的唯一基準是 Artificial Analysis Intelligence Index 上的 66.0。該指數是第三方綜合指標，用於比較不同提供商之間語言模型的一般能力。由於它將許多任務彙總為一個數字，因此可作為廣泛的參考，但無法告訴您該模型是否能正確處理您的特定長上下文、圖像或基於文件的工作流程。 目錄中未提供信賴區間、任務層級細分或所使用的確切指數版本。請將該分數視為一個數據點，而非認證。如果您需要可比較性，請將 Claude Fable 5.1 與在同一指數版本上測量的另一個模型進行比較。對於內部決策，請務必將該數字與您自身數據上的特定領域評估搭配使用。綜合指數無法檢測法律推理、視覺準確性或引用行為中的細微失誤。
未提供 Claude Fable 5.1 的速度或延遲數據。請勿將 66.0 的索引分數或高 Token 上限誤認為回應速度。就比例而言，傳送非常長輸入的請求會在產生第一個輸出 Token 之前，先花時間處理整個輸入；而產生大量輸出 Token 的請求也需要更多實際時間。因此，較長的上下文與較高的輸出預算意味著延遲可能有所變動。 如果您的產品需要快速回應，請透過 OrcaRouter 的 OpenAI 相容 API，以實際提示詞基準測試首個 Token 時間及每秒 Token 數。使用您計劃設定的確切檔案大小與輸出限制來量化行為。避免根據其他模型的行為來推斷效能。若只有部分流量可容忍延遲且上下文密集，Claude Fable 5.1 可以處理該區段，而較快的模型則回應互動式請求。在此條目缺乏量化數據的情況下，延遲仍是未解的疑問。
這份規格表所列的優勢在於容量與模態。Claude Fable 5.1 具備 1,000,000 個 token 的上下文視窗，最大輸出為 128,000 個 token。它接受文字、影像與檔案輸入。這些特性相結合，讓特別冗長且混合多種素材的任務得以在單次呼叫中完成。66.0 的 Artificial Analysis Intelligence Index 分數也提供了模型能力的整體訊號。其核心優勢在於廣度：模型在單一請求中能處理的來源素材量與生成文字量。 其限制同樣可從缺失的項目中清楚看出。文件中未提供延遲數據、快取比率或特定領域的基準測試，也未對上下文遠端的完美召回、對每種影像或檔案類型的正確解析，或是在對抗性指令下的行為做出任何保證。此外，該模型的成本高昂，使用不慎將導致支出膨脹。生產團隊在將其視為所有情境的預設方案之前，應先驗證其來源依據、輸出品質與失敗模式。
OrcaRouter 以 Anthropic 供應商費率計費 Claude Fable 5.1，不收取任何加價。所述價格為每 1,000,000 個輸入 token 10.00 美元，每 1,000,000 個輸出 token 50.00 美元。在所提供的資料中，並未描述任何每次請求費用或閘道附加費。您只需為模型實際消耗的 token 付費，而 API 回應中的使用量資料可以告訴您有多少輸入和輸出 token 被計費。 文字、影像和檔案內容都會成為模型輸入的一部分，並會被轉換為 token，不過並未提供確切的轉換規則。設定較低的 max_tokens 值是一種控制輸出花費的實用方式。在這些費率下，簡短的問題配上簡短的答案幾乎不需要花費什麼；而完整的 1,000,000 個 token 輸入再加上冗長的輸出，則會花費高昂許多。由於這些是供應商費率，如果 Anthropic 更改其自身的價格表，這些費率也可能隨之變動。
以每百萬輸入token 10美元、每百萬輸出token 50美元計算，Claude Fable 5.1 的價格已高到每個成功任務的成本至關重要。在生成之前，填滿整個100萬token的輸入就要花費10美元；而產生非常大量的輸出還要在之上增加生成成本。這表示最符合經濟效益的任務，是能充分利用模型完整上下文、因而產生實質更佳答案的任務。如果較便宜的模型可以只使用一小段文本就回傳相同品質的答案，那麼長上下文的溢價就沒有道理。 權衡的不只是token價格。你可以透過移除分塊、摘要迴圈和向量搜尋來節省工程時間。這些省下的成本可能超過較高的每token單價。比較的基準應該是總持有成本，包括開發時間和錯誤率，而不只是API支出。 使用OrcaRouter針對具代表性的文件進行試點，記錄使用情況，並與價格較低的替代方案比較成功率。
所提供的資訊並未包含 Claude Fable 5.1 的快取價格、cache-control 參數或任何折扣率。由於此目錄條目中未記載任何快取折扣，請以完整的輸入與輸出費率來規劃您的預算。如果 Anthropic 或 OrcaRouter 在用量資料中回傳獨立的快取輸入 token 欄位，這些欄位會出現在 API 回應中，並可能顯示較低的實際計費金額。請勿假設這些欄位必然存在。 若要在不依賴快取的情況下降低成本，請讓系統其餘部分維持高效：盡可能重用提示詞、排除不相關的檔案內容，並設定輸出上限。若您的工作負載中常見重複的相同前綴，請測試一天的流量並檢查用量中繼資料，以確認是否出現任何快取費用項目。在缺乏已記載費率的情況下，模型將以標準提供商費率計費，且 OrcaRouter 不另外加成。關於最新的快取可用性，請查閱 OrcaRouter 的計費文件。
呼叫會傳送至 OrcaRouter 的 OpenAI 相容 API，網址為 https://api.orcarouter.ai/v1。在 chat completions 的 body 中使用模型 ID：anthropic/claude-fable-5.1。messages 的 payload 遵循 OpenAI 慣例：system 和 user 回合使用 role 與 content 欄位，assistant 回合則用於延續對話。為 OpenAI SDK 撰寫的程式碼可直接指向此 base URL 和模型名稱，無需改用 Anthropic SDK。圖片和檔案會以 chat API 預期的 content 結構提供。OrcaRouter 的憑證用於驗證請求。回應物件包含 model、choices 和 usage，其中 usage 會計算 input 和 output tokens，並依照此目錄中所列的價格計費。先從一個最小的請求開始，檢查回應，然後逐步增加上下文長度。在你確認輸出長度和格式之前，最初幾次呼叫應將 max_tokens 設為適中的數值。
OrcaRouter 上的 OpenAI 相容端點支援 OpenAI 用戶端所使用的標準聊天完成參數，包括 messages、model、temperature、max_tokens、stop 及相關的生成控制項。目錄並未逐一列出 anthropic/claude-fable-5.1 接受的每個欄位，因此請查閱 OrcaRouter 的參考文件，或檢查錯誤訊息以了解不支援的參數。某些欄位，尤其是用於結構化輸出或工具呼叫的欄位，可能只有在模型實作底層 schema 時才能運作。 考量到 1,000,000 個 token 的上下文長度與 128,000 個 token 的輸出預算，您應該刻意在每個正式環境請求中設定 max_tokens。如果訊息超過上下文視窗，API 應予以拒絕或發出截斷訊號。良好的做法是從 usage 物件計算 token 使用量，並與您的成本估算進行比較。回應在整個 OpenAI 相容 API 中可能使用相同的文字內容格式；如果您計畫使用串流功能，應另外驗證串流行為。
如果您目前直接呼叫 Anthropic Messages API，遷移過程大多只是請求格式的變更。Anthropic API 使用模型名稱、system 欄位與 messages 主體；而 OrcaRouter 的端點採用 OpenAI 相容的聊天訊息格式。請將您的 base URL 設定為 https://api.orcarouter.ai/v1，在 model 欄位填入完整的模型 ID：anthropic/claude-fable-5.1，並將系統提示重新格式化為 system 訊息。若有工具結構描述（tool schema），必須遵循 OrcaRouter 文件中記載的規範。 如果是從其他 OpenAI 相容的閘道移轉，則切換 base URL 與憑證，同時維持相同的訊息結構即可。模型 ID 保留了 anthropic 前綴，因此日誌記錄仍可明確識別。此路由未列出按 token 計價的閘道加價，因此單價即為供應商本身的費率。在將正式環境流量切換過去之前，請先以簡短提示執行一次冒煙測試，接著再執行一項長上下文任務。
較小且較便宜的模型通常提供較低的每個 token 成本、較少的上下文容量，以及較短的最大輸出。Claude Fable 5.1 的比較優勢在於範圍：1,000,000 個 token 的上下文和 128,000 個 token 的輸出，讓它能接受整批文字庫並撰寫更長的回應。對於只需要幾千個 token 的請求，小型模型在速度和成本上可能仍然勝出，並且在狹窄、專業的領域中表現可能更好。在一般基準上，Claude Fable 5.1 在 Artificial Analysis Intelligence Index 上得分 66.0，但此頁面未提供其他替代模型的可比較分數。透過 OrcaRouter，在您自己的提示上直接比較模型。衡量品質、延遲，以及每個被接受答案的成本。如果較便宜的模型對典型請求能回傳相同品質，合理的預設選擇就是較便宜的模型。將大型模型保留給其規模能改變結果的情況。
相對於其他長上下文模型，直接比較的關鍵點在於這份目錄中的事實：文字、圖片與檔案輸入、1,000,000 token 上下文、128,000 最大輸出、每百萬輸入 token 10.00 美元、每百萬輸出 token 50.00 美元，以及 Artificial Analysis Intelligence Index 上的 66.0 分。有些替代方案可能提供較小的輸出限制或不同的收費方式；其他方案可能價格更低，但在同一指數上的得分不同。一份目錄無法確立未經量測的贏家。負責任的比較方式，是將評估任務保持不變。 對每個候選模型使用相同的文件與指令。將每個模型都透過 OrcaRouter 的 OpenAI 相容 API 執行，記錄 token 用量，並為輸出的準確度評分。這樣可以避免在不知道上下文大小或指數分數與你的工作負載有何關聯的情況下，就直接進行比較。如果某個模型能接受你的完整上下文，而另一個不能，那就是有意義的優勢。否則，應衡量品質，而非只看標題式的數字。
當任務需要依賴整個上下文視窗、產生大量回應，或是在單次操作中結合文字、圖片與檔案輸入時，請選擇 Claude Fable 5.1。每百萬個 token 10 美元與 50 美元的費率，相對於任務的價值應該是可以負擔的。當提示詞很短、較小型的方案在實測上已足夠精確，或延遲預算無法承受長上下文請求時，請選擇其他模型。為了兩句話的回覆支付高額的輸出費用並沒有道理。 最佳決策流程是實證式的。在 OrcaRouter 上啟動一個測試任務，將模型 ID 設為 anthropic/claude-fable-5.1，並在一或兩個替代模型上執行相同的任務。在貼近真實的樣本上比較正確性、回應長度與總支出。由於 OrcaRouter 讓所有模型都可透過同一個 OpenAI 相容的 API 使用，切換模型進行測試的成本很低。只有在 Claude Fable 5.1 在使用者可見的品質與每個完成任務的成本上都勝出時，才將它設為預設。
相容 OpenAI——沿用你現有的 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| 輸入 / 1M tokens | $10.00 |
| 輸出 / 1M tokens | $50.00 |
| 快取讀取 / 1M | $0.250 |
| 快取寫入 / 1M | $12.50 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@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