Nuevo Regístrate gratis, 10 llamadas de regalo. Hasta 1 $, sin tarjeta.

Claude Fable 5 vs Gemini 3.7 Flash

Claude Fable 5 se ha retirado de nuestro catálogo. Las cifras de abajo son sus últimas tarifas publicadas. Ya no atendemos llamadas a ese modelo; al otro de esta comparativa, sí.

vs

Cuál usar y cuándo

claude-fable-5 cuesta aproximadamente 13.3x más que gemini-3.7-flash en cada línea comparable: $10 vs $0.75 por millón de tokens de entrada, $50 vs $3.75 de salida, $1 vs $0.075 en lecturas cacheadas. Elíjalo para un modo de pensamiento siempre activo que no se puede desactivar y respuestas más amplias, hasta 128000 tokens de salida frente a 65536. Elija gemini-3.7-flash para trabajo de alto volumen o cuando necesite entrada de audio o video, con un contexto comparable de 1048576 tokens frente a 1000000.

Benchmarks

GanaSobre la mediaNinguno mejorClaude Fable 5986 / 9740 / 97Gemini 3.7 Flash317 / 233 / 23

12 medidos en ambos.

Claude Fable 5 Gemini 3.7 Flash otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
DeepSWE 1.1
69.7%
65.3%
BioMysteryBench hard
46.5%
43.5%
OSWorld 2.0
66.1%
47.9%
Cybergym
83.1%
N/A
HealthBench Professional
60.9%
N/A
Finance Agent v2
56.3%
59%
Harvey Lab-AA
93.6%
90.7%
GPQA Diamond
92.6%
N/A
Blueprint-Bench 2
38.6%
N/A
AutomationBench (v1.0.6)
46.2%
52.3%
LVBench
N/A
ningún otro modelo puntuó más alto 85.4%

Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Precios

Claude Fable 5 Gemini 3.7 Flash Δ
Entrada / 1M tokens $10 $0.75 13×
Salida / 1M tokens $50 $3.75 13×
Lectura de caché / 1M tokens $1 $0.075 13×
Escritura en caché 1.25x (5m) / 2x (1h) - -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 76 modelos de chat que se facturan en esta unidad (escala logarítmica)

$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

Claude Fable 5 Gemini 3.7 Flash
Uso de herramientas sí sí
Control del razonamiento siempre activo

sí

el proveedor no publica cómo ajustarlo

Salida estructurada sí sí
Caché de prompts explícito (tú marcas el prefijo) implícito + explícito
Duración de la caché 5m default, 1h option no publicado
Prefijo mínimo en caché 1024 tokens 4096 tokens

Especificaciones

Claude Fable 5 Gemini 3.7 Flash
Modalidades de entrada texto imagen texto imagen audio vídeo
Modalidades de salida texto texto
Lanzamiento 2026-06-09 2026-08-13
Corte de conocimiento 2026-01 2026-03
Ventana de contexto 1M 1M
Salida máxima 128K 66K
Parámetro de razonamiento output_config.effort (thinking.type is adaptive-only and needs no configuration) -
Valores aceptados
effort
  • low
  • medium
  • high
  • xhigh
  • max

both "enabled" and "disabled" return 400

-
Valor por defecto

thinking always on (adaptive)

effort
  • high
-

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: Claude Fable 5 · Gemini 3.7 Flash

Un mismo prompt en los dos modelos, medido a través de la pasarela

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBACIÓN exactamente 3 frases

Claude Fable 5 superado · 3 sentences

When we enabled reasoning, the model began generating extensive internal "thinking" tokens before each answer, and those tokens are billed as output even though users never see them. Output tokens typically cost several times more than input tokens, so adding thousands of hidden reasoning tokens per request effectively multiplied our per-query cost. In short, we're paying for a much longer response behind the scenes in exchange for higher answer quality, and we can manage this by tuning reasoning effort levels or reserving reasoning mode for complex tasks only.

salida 228 tok latencia 6.7 s

Gemini 3.7 Flash superado · 3 sentences

Enabling reasoning causes the model to generate a high volume of invisible "thinking tokens" behind the scenes to deliberate and solve complex logic before delivering a final response. Because our vendor bills strictly on token volume, this additional internal computation effectively doubled our billable output per query. In short, our costs increased because we are now paying for the extra compute capacity required to produce significantly higher-accuracy answers.

salida 878 tok (+799 razonamiento) latencia 6.9 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. COMPROBACIÓN la corrección pasa las pruebas

Claude Fable 5 superado · 8/8 cases

## Fixed code ```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ## Explanation The original function counts **adjacent equal pairs** rather than **items in a run**: a run of length *n* contains only *n − 1* equal neighbor pairs, so every result is off by one — a single-element list yields 0 instead of 1, and `[1, 2, 2]` yields 1 instead of 2 (which callers perceive as "missing" the run at the end). The fix is to initialize both `cur` and `best` to 1 (any nonempty list has a run of at least length 1), reset `cur` to 1 rather than 0 when

salida 531 tok latencia 12.5 s

Gemini 3.7 Flash superado · 8/8 cases

Here is the corrected function: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ### Explanation of the Bug The original function tracked equal adjacent transitions instead of the actual number of elements in a run, causing all non-empty run lengths to be undercounted by one (e.g., returning `0` instead of `1` for single-element lists because the loop never executes, and `1` instead of `2` for pairs). Initializing both `best` and `cur` to `1` (after handling empty inputs) and resetting `cur` to `1` on a mismatch ensures every individual element is counted as a valid run of at least length one.

salida 1050 tok (+827 razonamiento) latencia 6.4 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. COMPROBACIÓN JSON válido, esquema exacto

Claude Fable 5 superado · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "Q3 (September quarter)", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ``` Notes on interpretation: "up eleven and change" is rendered as 11 (the precise figure isn't stated), and guidance is null because it was explicitly withheld.

salida 192 tok latencia 6.5 s

Gemini 3.7 Flash superado · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```

salida 918 tok (+858 razonamiento) latencia 6.2 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

Claude Fable 5 superado · 120 words, 0 banned, 1 question

**Introducing Cross-Provider Prompt Caching for our API Gateway** Starting today, your repeated prompts are cached once and reused across OpenAI, Anthropic, Google, and any other provider you route through the gateway. Instead of paying full token costs every time your application sends the same system prompt or context block, the gateway detects matching prefixes and serves cached results in milliseconds. Why keep spending money and latency on identical requests? Early adopters report cost reductions of up to 60 percent on high-volume workloads, along with faster median response times. Configuration is simple: enable caching in your dashboard, set a TTL, and choose which routes participate. Cache entries are encrypted at rest and never shared between accounts. Available now on all plans.

salida 1173 tok latencia 18.2 s

Gemini 3.7 Flash superado · 120 words, 0 banned, 1 question

Why pay twice for identical AI queries simply because you routed them to different model vendors? Today, we introduce Universal Prompt Caching directly within our unified API gateway architecture. This capability stores repeated prompt contexts across OpenAI, Anthropic, and local models, instantly returning stored results to eliminate redundant computation fees. When your application sends an LLM request, the gateway inspects the payload, identifies semantic matches, and returns accurate cached responses in under ten milliseconds. Engineering teams can now slash inference latency by eighty percent while dramatically reducing monthly token expenditures across diverse production deployments. You retain complete privacy control, flexible cache eviction policies, and granular metrics through a single dashboard. Update your routing settings today to accelerate overall system performance.

salida 2858 tok (+2718 razonamiento) latencia 14.1 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="claude-fable-5",
    # model="gemini-3.7-flash",  # descomenta esta línea, comenta la de arriba
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, Claude Fable 5 o Gemini 3.7 Flash?

Gemini 3.7 Flash es más barato en Entrada / 1M tokens ($0.75 frente a $10, una diferencia de 13×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de Claude Fable 5 frente a Gemini 3.7 Flash sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten Claude Fable 5 y Gemini 3.7 Flash caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones