Novo Cadastre-se grátis, 10 chamadas por nossa conta. Até US$ 1, sem cartão.

Claude Fable 5 vs DeepSeek V4 Flash (0731)

Claude Fable 5 saiu do nosso catálogo. Os números abaixo são as últimas tarifas publicadas; ele não pode mais ser chamado, ao contrário do outro modelo desta comparação.

vs

Qual usar e quando

Ambos os modelos compartilham uma janela de contexto de 1000000 de tokens, então a divisão se dá por preço, modalidade e tamanho da saída: o claude-fable-5 recebe entrada de texto e imagem e sempre é executado com o pensamento ativado (não pode ser desativado), enquanto o deepseek-v4-flash-0731 é apenas para texto, mas permite até 393216 tokens de saída contra os 128000 do Fable. Na tabela de preços, o claude-fable-5 custa cerca de 23 vezes mais por milhão de tokens de entrada ($10 vs $0.44) e cerca de 38 vezes mais na saída ($50 vs $1.32). Escolha o claude-fable-5 quando precisar de entrada de imagem ou de sua etapa de raciocínio integrada; escolha o deepseek-v4-flash-0731 para gerações de texto longas e baratas.

Benchmarks

À frenteAcima da médiaNenhum melhorClaude Fable 51986 / 9740 / 97DeepSeek V4 Flash (0731)110 / 280 / 28

20 medidos em ambos.

Claude Fable 5 DeepSeek V4 Flash (0731) outros modelos medidos média dos modelos comparados ★ nenhum outro modelo teve pontuação maior
SWE-Bench Pro
nenhum outro modelo teve pontuação maior 80.3%
56%
BioMysteryBench hard
46.5%
N/A
OSWorld-Verified
nenhum outro modelo teve pontuação maior 85%
N/A
Cybergym
83.1%
76.7%
HealthBench Professional
60.9%
N/A
JobBench
nenhum outro modelo teve pontuação maior 57.4%
41.3%
Harvey Lab-AA
93.6%
N/A
GPQA Diamond
92.6%
89.9%
Blueprint-Bench 2
38.6%
N/A
Agents' Last Exam
48.7%
25.2%
CharXiv (RQ) reasoning
nenhum outro modelo teve pontuação maior 88.9%
N/A

Publicado pelos provedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Preços

Claude Fable 5 DeepSeek V4 Flash (0731) Δ
Entrada / 1M tokens $10 $0.44 23×
Saída / 1M tokens $50 $1.32 38×
Leitura de cache / 1M tokens $1 $0.044 23×
Escrita de cache 1.25x (5m) / 2x (1h) sem cobrança separada -

Tarifas do catálogo em tempo real, lidas no momento do build; a página de cada modelo traz a tabela de preços atual.

Onde cada um fica: preço de entrada por 1M tokens entre os 76 modelos de chat com esta unidade de cobrança (escala logarítmica)

Capacidades

Claude Fable 5 DeepSeek V4 Flash (0731)
Uso de ferramentas sim sim
Controle de raciocínio sempre ativo

sim

o provedor não publica o controle

Saída estruturada sim sim
Cache de prompts explícito (você marca o prefixo) implícito (automático)
Tempo de vida do cache 5m default, 1h option no fixed TTL (evicted when unused)
Prefixo mínimo em cache 1024 tokens não publicado

Especificações

Claude Fable 5 DeepSeek V4 Flash (0731)
Modalidades de entrada texto imagem texto
Modalidades de saída texto texto
Lançamento 2026-06-09 2026-07-31
Corte de conhecimento 2026-01 -
Janela de contexto 1M 1M
Saída máxima 128K 393K
Parâmetro de raciocínio output_config.effort (thinking.type is adaptive-only and needs no configuration) -
Valores aceitos
effort
  • low
  • medium
  • high
  • xhigh
  • max

both "enabled" and "disabled" return 400

-
Padrão

thinking always on (adaptive)

effort
  • high
-

As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: Claude Fable 5 · DeepSeek V4 Flash (0731)

Um prompt, os dois modelos, medidos pelo gateway

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

Claude Fable 5 passou · 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.

saída 228 tok latência 6.7 s

DeepSeek V4 Flash (0731) passou · 3 sentences

Enabling reasoning mode prompts the model to generate extensive internal chain-of-thought tokens before answering, often multiplying total token output per query by several times. This directly inflates costs because we are billed per token, and these reasoning tokens are processed at a premium compute tier that carries a higher price per million tokens. However, this spend buys measurably higher accuracy and fewer failed calls, so we are tracking it against specific error-reduction KPIs to ensure the ROI justifies the increase.

saída 365 tok (+266 raciocínio) latência 5.1 s

Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.

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. VERIFICAÇÃO a correção passa nos testes

Claude Fable 5 passou · 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

saída 531 tok latência 12.5 s

DeepSeek V4 Flash (0731) passou · 8/8 cases

```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 best = max(best, cur) else: cur = 1 return best ``` The original bug stems from initializing `cur` to 0 and only incrementing it when adjacent elements are equal, which counts the number of *equal transitions* rather than the actual run length—so every run of length L is reported as L−1, and a single‑element run (with no transitions) yields 0. Moreover, because `best` is updated only inside the equality branch, it never accounts for a run that ends at the last element if that run is longer than any previously seen (though the real issue remains the off‑by‑one). […]

saída 1268 tok (+1016 raciocínio) latência 14.0 s

Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.

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. VERIFICAÇÃO JSON válido, schema exato

Claude Fable 5 passou · 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.

saída 192 tok latência 6.5 s

DeepSeek V4 Flash (0731) passou · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }

saída 1119 tok (+1072 raciocínio) latência 12.3 s

Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.

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. VERIFICAÇÃO 120 palavras, 0 palavras proibidas

Claude Fable 5 passou · 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.

saída 1173 tok latência 18.2 s

DeepSeek V4 Flash (0731) falhou · 141 words, 0 banned, 1 question

**Introducing Prompt Cache for API Gateway** We are pleased to announce Prompt Cache, a new feature that stores and reuses identical prompt prefixes across all connected LLM providers. By automatically recognizing repeated requests, this cache reduces token consumption and lowers latency without altering your application logic. Whether you use OpenAI, Anthropic, or open-source models, the cache operates transparently, ensuring consistent behavior while cutting costs. Developers can configure cache TTL and scoping rules via a simple API call, giving you precise control over data freshness and privacy. This feature also minimizes redundant upstream calls, freeing provider rate limits for more critical workloads. Start caching today through the dashboard or CLI, and watch your operational expenses drop significantly. […]

saída 254 tok (+80 raciocínio) latência 4.4 s

Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.

Troque de um para o outro mudando uma linha

Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.

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="deepseek-v4-flash-0731",  # descomente esta linha, comente a linha acima
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtenha sua chave de API →

Perguntas frequentes

Qual é mais barato, Claude Fable 5 ou DeepSeek V4 Flash (0731)?

DeepSeek V4 Flash (0731) sai mais barato na linha “Entrada / 1M tokens” ($0.44 contra $10, 23× de diferença). Outras linhas podem pender para o outro lado: a tabela acima mostra todos os preços, e o custo real depende do seu mix de uso.

Posso fazer um teste A/B de Claude Fable 5 contra DeepSeek V4 Flash (0731) sem duas integrações?

Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.

Claude Fable 5 e DeepSeek V4 Flash (0731) suportam cache de prompts?

Sim. Os dois cobram as leituras de cache abaixo da tarifa de entrada, então cargas de trabalho com prefixo já em cache custam menos do que os preços de tabela sugerem. Os valores exatos de leitura de cache estão na tabela de preços acima.

Comparações relacionadas

Dos nossos estudos com medições