Claude

Claude Fable 5.1

Anthropic按量计费
别名:claude-fable-5-1

Claude Fable 5.1 面向高难度推理与长周期智能体工作,适合多步骤研究、复杂编程,以及结合工具制作专业文档和演示成果。

textimagestreamingfunction_callingtoolsvisionreasoningcachingcontext:1000000
起始价格
输入 / 输出 · 1M
上下文
1M
最大输入窗口
最大输出
128K
单次响应最大 token 数
模态
→
知识截止
Jun 2026
发布于
Sep 2026

按供应商定价

比较同一模型在不同供应商的价格与服务表现。

供应商5
USD · 每 1M tokens性能 · 最近 24 小时
供应商折扣输入/M输出/M缓存读取/M缓存写入 (5m)/M缓存写入 (1h)/M
Anthropic

Anthropic 官方

省10%
$9$10
$45$50
$0.225$0.25
$11.25$12.5
$18$20
CCMax

使用自用 vibe coding,纯血 ccmax号池

省70%
$3$10
$15$50
$0.075$0.25
$3.75$12.5
$6$20
Claude kiro

使用自用 vibe coding,kiro号池

省90%
$1$10
$5$50
$0.025$0.25
$1.25$12.5
$2$20
CCMax-ZL

CCmax微注-可蒸

省70%
$3$10
$15$50
$0.075$0.25
$3.75$12.5
$6$20
AmazonBedrock

AWS 官方

省40%
$6$10
$30$50
$0.15$0.25
$7.5$12.5
$12$20
划线金额为标准价。性能统计覆盖最近 24 小时,实际表现随请求变化。

左右滑动表格,查看完整价格与性能。

能力 / 支持的模态

函数调用工具JSON 模式结构化输出推理视觉提示词缓存
输入
输出

厂商与数据隐私

厂商
Anthropic文档
分词器
Anthropic Claude tokenizer
许可证
Proprietary (commercial)商业闭源
数据保留49 天默认不会用于上游训练

性能

基准测试

标准化评测得分。百分比越高越好,并展示排名百分位。

指标来源:Artificial Analysis 2026-09-30·Claude Fable 5.1

Intelligence Index

Claude Fable 5.1

53.4

基准图表保留来源中的模型选择和思考设置。缺失的模型或测量值不代表零分,基准成本或速度也不是本站的服务承诺。

关于 Claude Fable 5.1

为难题留出足够的分析空间

Claude Fable 5.1 适合需要长期保持目标、反复检查证据和持续完善成果的工作。典型任务包括跨模块代码改造、多步骤研究,以及把复杂资料整理成文档、表格或演示方案。对于已有方法仍无法达到要求的问题,它可以承担更深入的分析与实施过程。

工作不止于给出结论

模型可以接受文本和图片,围绕资料中的细节与关系进行推理。你可以让它先建立判断框架,再逐项核查证据,比较替代方案,最后形成适合目标读者的成果。配合应用提供的文件与执行工具,还可以把分析延伸到文档制作、数据处理和实际代码验证。

长任务需要明确阶段目标。例如研究项目可以依次完成材料整理、冲突分析、验证计划和汇报制作;每一阶段都保存依据与未解决问题,避免后续工作偏离最初约束。复杂任务不应只追求回答长度,更应要求结论能追溯、方案可实施、产物可检查。

保留连续工作的上下文

Fable 5.1 始终开启自适应思考,通过effort调整思考深度。应用接入时应保留对话和工具结果,尤其注意思考内容与原会话的关联。随意修改早期对话或切换旧模型可能破坏连续性。对于长周期工作,清楚记录阶段成果和待办,比频繁重启整段任务更有利于接续。

使用场景与提示词

研究与汇报示例

“基于以下访谈、产品数据和竞品材料,判断下季度应优先改善新用户引导还是团队协作功能。先定义比较标准,再核查支持与反对证据,列出会改变判断的假设。最后形成管理层汇报提纲,并为关键图表列出数据来源与计算方式。”

若要生成实际文件,需要应用提供相应文件处理工具。

怎样管理一个持续多轮的任务?

按阶段保存结论、依据、已完成成果和剩余问题。新的要求作为后续信息补充,并说明对原目标的影响。

为什么修改早期消息后无法继续复用思考内容?

该版本的思考内容与模型和会话相关联,修改早期轮次可能使其失效。接入时应保留完整会话,并按支持的方式续接。

接入 API

API 接口文档

调用示例

请求POST/v1/messages
请求示例
参数
参数类型默认值 / 范围说明信息
temperature
number
=10 ~ 2
采样温度;越低越稳定
top_p
number
=10 ~ 1
核采样累计概率
max_tokens
integer>= 1响应中最大 token 数
frequency_penalty
number
=0-2 ~ 2
惩罚高频 token 的重复出现
presence_penalty
number
=0-2 ~ 2
鼓励引入新话题
stop
array—最多 4 个停止生成的字符串
seed
integer—尽量保证可复现的采样种子
n
integer
=1>= 1
生成的候选条数
stream
boolean
=false
通过 SSE 流式返回 token
response_format
object—强制输出 JSON 对象或符合 Schema 的结果
tools
array—模型可调用的工具 / 函数声明
tool_choice
string
autononerequired
工具选择策略或具体工具名
logprobs
boolean
=false
返回每个 token 的对数概率
top_logprobs
integer0 ~ 20每个 token 返回的 top 概率数量
logit_bias
object—按 token 的 logit 偏置映射
user
string—用于风险审计的终端用户标识

替换 <YOUR_API_KEY> 替换为 API 密钥页面中的密钥。

身份验证

所有请求必须携带 Authorization: Bearer <TOKEN> 请求头。Anthropic 格式的端点也接受 x-api-key 请求头。

在「API 密钥」页面生成 API 密钥,可以按模型、分组、IP、速率等维度精细化授权。

支持的参数

Generation parameters
参数类型默认值 / 范围说明信息
temperature
number
=10 ~ 2
采样温度;越低越稳定
top_p
number
=10 ~ 1
核采样累计概率
max_tokens
integer>= 1响应中最大 token 数
frequency_penalty
number
=0-2 ~ 2
惩罚高频 token 的重复出现
presence_penalty
number
=0-2 ~ 2
鼓励引入新话题
stop
array—最多 4 个停止生成的字符串
seed
integer—尽量保证可复现的采样种子
n
integer
=1>= 1
生成的候选条数
stream
boolean
=false
通过 SSE 流式返回 token
response_format
object—强制输出 JSON 对象或符合 Schema 的结果
tools
array—模型可调用的工具 / 函数声明
tool_choice
string
autononerequired
工具选择策略或具体工具名
logprobs
boolean
=false
返回每个 token 的对数概率
top_logprobs
integer0 ~ 20每个 token 返回的 top 概率数量
logit_bias
object—按 token 的 logit 偏置映射
user
string—用于风险审计的终端用户标识

速率限制

供应商RPMTPMRPD
AmazonBedrock无限制无限制无限制
AmazonBedrock-ZL无限制无限制无限制
Anthropic无限制无限制无限制
CCMax无限制无限制无限制
CCMax-ZL无限制无限制无限制
Claude kiro无限制无限制无限制

无限制

关于 claude-fable-5-1 的常见问题

claude-fable-5-1 是什么?

Claude Fable 5.1 面向高难度推理与长周期智能体工作,适合多步骤研究、复杂编程,以及结合工具制作专业文档和演示成果。

如何调用 claude-fable-5-1?

创建具有 claude-fable-5-1 访问权限的 API 密钥,然后使用 API 接入模块中的准确模型 ID 和受支持的接口。请求字段取决于所选接口。

claude-fable-5-1 如何计费?

费用取决于所选供应商分组和模型计费单位。注册前即可在本页查看当前输入、输出、单次请求或媒体价格。

claude-fable-5-1 的上下文窗口有多大?

模型目录配置的上下文窗口为 1000000 tokens。具体请求限制请查看所选接口。

claude-fable-5-1 的最大输出是多少?

模型目录配置的最大输出为 128000 tokens。请求设置可能指定更低的上限。

如何评估 claude-fable-5-1 是否适合我的项目?

请先参考本页的使用场景与提示词指南,再使用项目中的代表性输入评估模型。