O Claude Fable 5 é o modelo de lançamento amplo mais capaz da Anthropic, construído para o trabalho de raciocínio e agêntico de longo horizonte mais exigente, descrito como “inteligência de próxima geração para agentes de longa duração”.
- Entrada
- texto imagem $10/M
- Saída
- texto $50/M
- Leitura de cache
- $1/M
- Contexto
- 1M
- Corte de conhecimento
- 2026-01
Benchmarks
Publicado pelos provedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 68 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Nas extremidades aparecem o mais barato e o mais caro. São as tarifas base; os descontos de batch, região e escrita de cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do provedor) | 1.000.000 |
|---|---|
| Saída máxima (especificação do provedor) | 128.000 |
| Corte de conhecimento | 2026-01 |
Cache de prompts
| Modo | explícito (opt-in) |
|---|---|
| Prefixo mín. | 512 padrão do provedor: 1.024 |
| Duração | 5 min por padrão, 1 hora opcional |
| Custo de escrita | 1.25x (5m) / 2x (1h) |
Raciocínio
| Parâmetro do provedor | 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 |
| Valor padrão | raciocínio sempre ativo (adaptive); effort high usado quando a requisição não define nada |
| Pode ser desativado | Não |
| Comportamento do raciocínio | O raciocínio não pode ser desligado, então use display "omitted" (o padrão aqui) para manter o texto de raciocínio fora das respostas; a cadeia de pensamento bruta nunca é retornada, e uma requisição que tenta obter o raciocínio interno como texto de resposta pode ser recusada com stop_details.category "reasoning_extraction". |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high parâmetros expostos pelo gateway; vale o mapeamento do provedor indicado acima |
Modelo
| Modalidades | texto + imagem → texto |
|---|
- Executa raciocínio adaptativo sempre ativo, com controle de profundidade baseado em esforço
- inclui classificadores de segurança com mecânicas documentadas de fallback e de crédito de cobrança
conforme documentação oficial da Anthropic ↗
Um prompt, medido pelo gateway
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
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.
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
Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.
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
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.
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
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.
Use o Claude Fable 5 em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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(""));Sobre o Claude Fable 5
- A orientação de seleção de modelos da Anthropic o reserva para cargas de trabalho que precisam da maior capacidade disponível, a saber, agentes de longa duração, raciocínio profundo e pesquisa avançada, enquanto aponta o nível Opus para o código agêntico complexo do dia a dia e o trabalho empresarial.
- Ele roda com raciocínio adaptativo (adaptive thinking) sempre ativo com controle de profundidade baseado em esforço, suporta uma janela de contexto de 1M tokens e 128K tokens de saída, e chega com a ferramenta de memória, execução de código, chamada programática de ferramentas, compaction e visão.
- O raciocínio não pode ser desligado: tanto o tipo de raciocínio enabled quanto o disabled retornam um 400, a chain of thought bruta nunca é retornada, e os resumos são opcionais pela configuração de exibição de raciocínio.
- O esforço vai de low até max incluindo xhigh, assume high por padrão, e a Anthropic nota que suas configurações de esforço mais baixas frequentemente superam o desempenho xhigh de modelos anteriores.
- O cache de prompts começa em um prefixo mínimo de 512 tokens, o menor da linha.
- De forma única, ele inclui classificadores de segurança que podem recusar requisições, com mecânicas documentadas de fallback e de crédito de cobrança.
- As recusas chegam como uma resposta bem-sucedida contendo uma razão de parada de recusa e uma categoria, e uma requisição recusada antes de qualquer saída ser gerada não é cobrada.
- O prefill do assistente e os parâmetros de amostragem fora do padrão retornam erros.
- A Synthorai serve o Claude Fable 5 (atualmente um beta por convite na plataforma) pelo seu endpoint compatível com OpenAI.
Perguntas frequentes
A API do Claude Fable 5 é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $10/M de tokens de entrada, só esse crédito já cobre cerca de 12 requisições de ~8K tokens ao Claude Fable 5.
Em que o Claude Fable 5 é melhor?
Raciocínio adaptativo sempre ativo com controle por esforço; janela de contexto de 1M tokens e 128K de saída; classificadores de segurança que podem recusar requisições. Veja na seção Sobre o quadro completo, tirado das notas de lançamento do próprio provedor.
Quanto custa o Claude Fable 5?
Na Synthorai, o Claude Fable 5 custa $10 por milhão de tokens de entrada e $50 por milhão de tokens de saída. É o preço de tabela do provedor, sem markup da plataforma. Tokens de entrada em cache são cobrados a $1/M.
Qual é a janela de contexto do Claude Fable 5?
O Claude Fable 5 tem uma janela de contexto de 1M tokens na Synthorai. Uma única resposta pode ter até 128,000 tokens. O Claude Fable 5 foi descontinuado aqui; o sucessor é o Claude Fable 5.1.
O Claude Fable 5 suporta cache de prompts?
Sim, por opt-in: marque prefixos estáveis com breakpoints de cache_control. Tokens de entrada em cache são cobrados a $1/M, contra $10/M sem cache; os prompts precisam de um prefixo estável de 512 tokens para entrar em cache (TTL 5 min por padrão, 1 hora opcional). Guia de cache do Claude Fable 5 →
Como obtenho acesso ao Claude Fable 5?
Aponte o SDK da OpenAI que você já usa para base_url="https://synthorai.io/v1", defina model="claude-fable-5" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do Claude Fable 5?
O corte de conhecimento do Claude Fable 5 é 2026-01, segundo a documentação oficial do provedor (verificado em 2026-07-09).
Modelos relacionados
Comparar
Cada valor desta página foi transcrito da documentação do provedor, com link acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; já as especificações que cada provedor define de um jeito aparecem com a diferença indicada, em vez de irem para um gráfico. Nada aqui foi medido por nós, e nada recebe nota.