Claude Fable 5 es el modelo de despliegue amplio más capaz de Anthropic, construido para el trabajo de razonamiento y agéntico de largo horizonte más exigente, descrito como «inteligencia de próxima generación para agentes de larga duración».
- Entrada
- texto imagen $10/M
- Salida
- texto $50/M
- Lectura de caché
- $1/M
- Contexto
- 1M
- Corte de conocimiento
- 2026-01
Benchmarks
Publicado por los proveedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
El precio en contexto
Posición del precio entre 68 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 1.000.000 |
|---|---|
| Salida máxima (especificación del proveedor) | 128.000 |
| Corte de conocimiento | 2026-01 |
Caché de prompts
| Modo | explícito (requiere activación) |
|---|---|
| Prefijo mín. | 512 valor por defecto del proveedor: 1024 |
| Duración | 5 min por defecto, 1 hora opcional |
| Coste de escritura | 1.25x (5m) / 2x (1h) |
Razonamiento
| Parámetro del proveedor | output_config.effort (thinking.type is adaptive-only and needs no configuration) |
|---|---|
| Valores admitidos | effort low · medium · high · xhigh · max; both "enabled" and "disabled" return 400 |
| Valor por defecto | pensamiento siempre activo (adaptive); effort high se aplica si la solicitud no indica nada |
| Se puede desactivar | No |
| Comportamiento del razonamiento | El pensamiento no se puede desactivar, así que use display "omitted" (el valor por defecto aquí) para mantener el texto de pensamiento fuera de las respuestas; la cadena de pensamiento en bruto nunca se devuelve, y una solicitud que intente obtener el razonamiento interno como texto de respuesta puede rechazarse con stop_details.category "reasoning_extraction". |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high parámetros que expone la pasarela; se aplica el mapeo del proveedor indicado arriba |
Modelo
| Modalidades | texto + imagen → texto |
|---|
- Ejecuta pensamiento adaptativo siempre activo con control de profundidad basado en el esfuerzo
- incluye clasificadores de seguridad con mecánicas documentadas de reserva y de crédito de facturación
Un prompt, medido a través de la pasarela
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
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.
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
Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.
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
Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.
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
Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.
Usa Claude Fable 5 en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu SDK. POST /v1/chat/completions
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",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "claude-fable-5",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "claude-fable-5",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "claude-fable-5",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("claude-fable-5")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Acerca de Claude Fable 5
- La guía de selección de modelos de Anthropic lo reserva para las cargas de trabajo que necesitan la máxima capacidad disponible, en concreto agentes de larga duración, razonamiento profundo e investigación avanzada, mientras dirige el nivel Opus a la codificación agéntica compleja cotidiana y al trabajo empresarial.
- Ejecuta pensamiento adaptativo siempre activo con control de profundidad basado en el esfuerzo, admite una ventana de contexto de 1M tokens y 128K tokens de salida, y se lanza con la herramienta de memoria, ejecución de código, llamada a herramientas programática, compactación y visión.
- El pensamiento no puede desactivarse: tanto el tipo de pensamiento enabled como el disabled devuelven un 400, la cadena de pensamiento en bruto nunca se devuelve y los resúmenes son opcionales mediante el ajuste de visualización del pensamiento.
- El esfuerzo va de low hasta max, incluido xhigh, por defecto es high, y Anthropic señala que sus ajustes de esfuerzo más bajos superan a menudo el rendimiento con xhigh de modelos anteriores.
- La caché de prompts arranca con un prefijo mínimo de 512 tokens, el más bajo de la línea.
- De forma singular, incluye clasificadores de seguridad que pueden rechazar solicitudes, con mecánicas documentadas de reserva y de crédito de facturación.
- Los rechazos llegan como una respuesta correcta que lleva un motivo de parada de rechazo y una categoría, y una solicitud rechazada antes de generar cualquier salida no se factura.
- Tanto el prefill del asistente como los parámetros de muestreo distintos de los predeterminados devuelven errores.
- Synthorai sirve Claude Fable 5 (actualmente una beta por invitación en la plataforma) a través de su endpoint compatible con OpenAI.
Preguntas frecuentes
¿Se puede probar gratis la API de Claude Fable 5?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $10/M de tokens de entrada, solo con ese crédito tienes para unas 12 solicitudes de ~8K tokens a Claude Fable 5.
¿En qué destaca Claude Fable 5?
Pensamiento adaptativo siempre activo con control por esfuerzo; ventana de contexto de 1M tokens y 128K de salida; clasificadores de seguridad que pueden rechazar solicitudes. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta Claude Fable 5?
Claude Fable 5 cuesta $10 por millón de tokens de entrada y $50 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma. Los tokens de entrada en caché se facturan a $1/M.
¿Cuál es la ventana de contexto de Claude Fable 5?
Claude Fable 5 tiene una ventana de contexto de 1M tokens en Synthorai. Una sola respuesta puede tener hasta 128,000 tokens. Claude Fable 5 ya no está disponible aquí; su sucesor es Claude Fable 5.1.
¿Claude Fable 5 admite caché de prompts?
Sí, pero hay que activarla: marca los prefijos estables con puntos de corte cache_control. Los tokens de entrada en caché se facturan a $1/M frente a $10/M sin caché; los prompts necesitan un prefijo estable de 512 tokens para entrar en caché (TTL 5 min por defecto, 1 hora opcional). Guía de caché de Claude Fable 5 →
¿Cómo obtengo acceso a Claude Fable 5?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="claude-fable-5" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
¿Cuál es la fecha de corte de conocimiento de Claude Fable 5?
La fecha de corte de conocimiento de Claude Fable 5 es 2026-01, según la documentación oficial del proveedor (a fecha de 2026-07-09).
Modelos relacionados
Comparar
Todos los valores de esta página están transcritos de la documentación del propio proveedor, enlazada arriba, e indican la fecha en que se comprobaron. Los precios se comparan con los de todo el catálogo; cuando los proveedores definen una especificación de forma distinta, se muestra el valor indicando la diferencia en lugar de llevarlo a un gráfico. Aquí no hay mediciones nuestras ni puntuaciones.