Claude Fable 5 est le modèle le plus performant largement publié par Anthropic, conçu pour le raisonnement le plus exigeant et le travail agentique à long horizon, décrit comme « une intelligence de nouvelle génération pour les agents de longue durée ».
- Entrée
- texte image $10/M
- Sortie
- texte $50/M
- Lecture de cache
- $1/M
- Contexte
- 200K
- Coupure des connaissances
- 2026-01
Benchmarks
Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Le prix en contexte
Position du prix parmi 60 modèles comparables
La barre montre où se situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises lot, région et écriture en cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 000 000 |
|---|---|
| Sortie max (spéc. fournisseur) | 128 000 |
| Coupure des connaissances | 2026-01 |
Mise en cache
| Mode | explicite (sur activation) |
|---|---|
| Préfixe min. | 512 défaut du fournisseur : 1 024 |
| Durée de vie | 5 min par défaut, 1 heure en option |
| Coût d'écriture | 1.25x (5m) / 2x (1h) |
Raisonnement
| Paramètre du fournisseur | output_config.effort (thinking.type is adaptive-only and needs no configuration) |
|---|---|
| Valeurs acceptées | effort low · medium · high · xhigh · max; both "enabled" and "disabled" return 400 |
| Valeur par défaut | réflexion toujours active (adaptive) ; effort high appliquée si la requête ne précise rien |
| Désactivable | Non |
| Comportement du raisonnement | La réflexion ne peut pas être désactivée: utilisez plutôt display « omitted » (la valeur par défaut ici) pour tenir le texte de réflexion hors des réponses ; la chaîne de pensée brute n'est jamais renvoyée, et une requête qui tente d'obtenir le raisonnement interne comme texte de réponse peut être refusée avec stop_details.category « reasoning_extraction ». |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high la surface de paramètres de la passerelle - le mappage fournisseur ci-dessus s'applique |
Modèle
| Modalités | texte + image → texte |
|---|
- Exécute une réflexion adaptative toujours active, avec un contrôle de profondeur basé sur l'effort
- inclut des classificateurs de sécurité dotés de mécanismes documentés de repli et de crédit de facturation
Un prompt, mesuré via la passerelle
Claude Fable 5 réussi · 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.
sortie 228 tok latence 6.7 s
Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.
Claude Fable 5 réussi · 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
sortie 531 tok latence 12.5 s
Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.
Claude Fable 5 réussi · 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.
sortie 192 tok latence 6.5 s
Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.
Claude Fable 5 réussi · 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.
sortie 1173 tok latence 18.2 s
Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.
Utilisez Claude Fable 5 en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre 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(""));À propos de Claude Fable 5
- Les recommandations de sélection de modèle d'Anthropic le réservent aux charges de travail qui exigent la plus haute capacité disponible, à savoir les agents de longue durée, le raisonnement approfondi et la recherche avancée, tout en orientant le palier Opus vers le codage agentique complexe du quotidien et le travail d'entreprise.
- Il exécute une réflexion adaptative toujours active avec un contrôle de profondeur basé sur l'effort, prend en charge une fenêtre de contexte de 1M de tokens et 128K tokens de sortie, et démarre avec l'outil de mémoire, l'exécution de code, l'appel d'outils programmatique, la compaction et la vision.
- La réflexion ne peut pas être désactivée : les types de réflexion enabled et disabled renvoient tous deux une 400, la chaîne de raisonnement brute n'est jamais retournée, et les résumés sont optionnels via le paramètre d'affichage de la réflexion.
- L'effort va de low à max en incluant xhigh, vaut high par défaut, et Anthropic note que ses réglages d'effort inférieurs dépassent souvent les performances à xhigh des modèles antérieurs.
- La mise en cache des prompts démarre à un préfixe minimum de 512 tokens, le plus bas de la gamme.
- Fait unique, il inclut des classificateurs de sécurité pouvant refuser des requêtes, avec des mécanismes documentés de repli et de crédit de facturation.
- Les refus arrivent sous la forme d'une réponse réussie portant une raison d'arrêt de refus et une catégorie, et une requête refusée avant toute génération de sortie n'est pas facturée.
- Le préremplissage du message assistant et les paramètres d'échantillonnage non par défaut renvoient tous deux des erreurs.
- Synthorai sert Claude Fable 5 (actuellement en bêta sur invitation sur la plateforme) via son endpoint compatible OpenAI.
FAQ
Peut-on essayer l'API Claude Fable 5 gratuitement ?
Claude Fable 5 est actuellement en bêta sur invitation : l'accès se fait sur candidature plutôt que par inscription ouverte. Faites la demande depuis la console Synthorai ; une fois approuvée, la tarification standard au paiement à l'usage s'applique, sans abonnement.
Quels sont les points forts de Claude Fable 5 ?
Réflexion adaptative toujours active, contrôle basé sur l'effort ; fenêtre de contexte de 1M de tokens et 128K en sortie ; classificateurs de sécurité pouvant refuser des requêtes. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.
Combien coûte Claude Fable 5 ?
Sur Synthorai, Claude Fable 5 coûte $10 par million de tokens en entrée et $50 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $1/M.
Claude Fable 5 prend-il en charge la mise en cache des prompts ?
Oui, sur activation : marquez les préfixes stables avec des points d'arrêt cache_control. Les tokens d'entrée en cache sont facturés $1/M contre $10/M hors cache ; les prompts doivent avoir un préfixe stable de 512 tokens pour être mis en cache (TTL 5 min par défaut, 1 heure en option). Guide de mise en cache Claude Fable 5 →
Comment obtenir l'accès à Claude Fable 5 ?
Claude Fable 5 est en bêta sur invitation : demandez l'accès depuis la console Synthorai. Une fois la demande approuvée, il fonctionne comme tous les autres modèles : pointez votre SDK OpenAI vers base_url="https://synthorai.io/v1" et définissez model="claude-fable-5".
Quelle est la date de coupure des connaissances de Claude Fable 5 ?
La date de coupure des connaissances de Claude Fable 5 est 2026-01, selon la documentation officielle du fournisseur (au 2026-07-09).
Modèles associés
Comparer
Chaque valeur de cette page est transcrite de la documentation du fournisseur, liée ci-dessus, et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue ; les valeurs de spécification que les fournisseurs définissent différemment sont présentées avec la différence indiquée plutôt que mises en graphique. Rien ici n'est mesuré par nous, et rien n'est noté.