Indlæser kataloget…
Indlæser kataloget…
Anthropics Mythos-klasse-frontmodel med altid aktiv adaptiv ræsonnering og et kontekstvindue på 1 million tokens, bygget til dyb kode- og forskningsanalyse frem for chat i sanntid.
Oversigt. Claude Fable 5 er Anthropics proprietære Mythos-klasse-ræsonneringsmodel med lukkede vægte, som har været generelt tilgængelig siden juni 2026. Den kører med obligatorisk, altid aktiv adaptiv ræsonnering og et kontekstvindue på 1 million tokens, modtager tekst og billeder som inddata og returnerer tekst som uddata. Udviklere vælger den, når en opgave kræver vedvarende ræsonnering i mange trin over store mængder kontekst frem for et hurtigt svar i en samtale.
Vigtigste styrker. Benchmarking fra Artificial Analysis placerer Fable 5 som en frontmodel med et Coding Index på 76,5 og et Intelligence Index, der er steget til 62,1 i den seneste måling, sammen med et Agentic Index på 56,6. Modellen tilbyder indbygget verktøjskald, struktureret uddata og JSON-tilstand, hvilket gør den velegnet til agentiske behandlingskæder, der kalder funktioner og forventer svar, som overholder et skema. Dens ræsonneringsniveau i fem trin (max, xhigh, high, medium, low) lader dig afveje svartid mod dybde ved sværere problemer.
Anvendelsesområder. Brug Fable 5 til kodegennemgang med lang kontekst, syntese af forskning på tværs af flere dokumenter og agentiske arbejdsflow, der kæder værktøjskald sammen og kræver struktureret JSON retur. Kontekstvinduet på 1 million tokens og loftet for uddata på 128.000 tokens passer bedre til store kildekoder eller forskningsmateriale end til korte runder i en chat. Da ræsonnering altid er aktiv og optimeret til dybde, passer den naturligt til batch-opgaver og asynkrone job frem for svartidsfølsomme interaktioner i sanntid.
Begrænsninger. Ræsonnering kan ikke slås fra, og modellen accepterer ikke en temperatur-parameter, så den er ikke en direkte erstatning i lette samtale-løsninger, der forventer hurtige svar med lav ræsonnering. Anthropic har ikke oplyst antallet af milliarder parametre, arkitekturdetaljer eller hvor træningsdataene slutter for denne model, og understøttelse af inddata stopper ved tekst og billeder — der er ingen lyd som inddata eller uddata. Dens ræsonneringsfokuserede design peger mod en svartidsprofil i batch-stil frem for chat i sanntid.
Bemærkning om suverænitet. Anthropic er en modelskaber med hovedkvarter i USA, så inferens på Fable 5 medfører eksponering for CLOUD Act frem for garantier om dataplacering i EU; vores undersøgelser fandt ingen offentliggjort mulighed for at fravælge træning på inddata eller specifikke tilsagn om dataplacering i EU for denne model. Det er en proprietær model med lukkede vægte, som er underlagt Anthropics politik for acceptabel brug.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 9,07 / 45,37€+2 betingede priser | Online |
15 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Et kontekstvindue på 1 million tokens kombineret med verktøykald og en score på 65 i Artificial Analysis Intelligence Index gør denne model velegnet til dybe agentiske kodningssessioner i mange filer, hvor ræsonneringsdybde er vigtigere end svartiden.
Egenskaben til verktøykald plus en høj score i intelligensindekset understøtter pålidelige applikationer med strukturerede funktionskald.
Adaptiv ræsonneringstilstand og et enormt kontekstvindue gør den velegnet til at spore fejl på tværs af store kodebaser og lange logs frem for isolerede kodestumper.
Et kontekstvindue på 1 million tokens gør det muligt at indlæse hele repositories til gennemsyn, og modelfamiliens førende intelligensindeks hjælper med at fange subtile strukturelle problemer.
Designet med lang kontekst og en intelligensscore på topniveau (65) favoriserer omfattende litteratursyntese på tværs af dokumenter frem for hurtige opslag.
Altid aktiv adaptiv ræsonnering og et stort kontekstvindue er designet til længere overvejelser med mange trin frem for hurtige svar.
Høj ræsonneringskvalitet understøtter komplekse analytiske opgaver, selvom premium-priser og et gennemløb under gennemsnittet gør den mindre egnet til behandlingskæder med store mængder data.
Billedforståelse gør det muligt at fortolke diagrammer, selvom afvejningen mellem gennemløb og pris gør den mindre ideel end lettere modeller med billedforståelse til rutineopgaver.
Stærk ræsonnering og lang kontekst understøtter omfattende refaktorering, men priser på 12,50 $ / 50,00 $ per 1 million tokens og et gennemløb på 60,3 tokens/sekund gør den dyr til iterative processer.
Billedforståelse er til stede, men modellens fokus på dyb kode- og forskningsanalyse frem for hurtig multimodal interaktion gør den acceptabel snarere end stærk til generelle spørgsmål til billeder.
Beskrevet som bygget til dyb analyse »snarere end chat i sanntid«; et gennemløb på 60,3 tokens/sekund og premium-priser taler imod svartidsfølsom support.
Ingen egenskaber for talesyntese er angivet, og et gennemløb under gennemsnittet strider mod den hurtige svartid, som stemmeagenter kræver.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "anthropic/claude-fable-5",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på