Indlæser kataloget…
Indlæser kataloget…
Anthropics frontmodel til ræsonnering med et kontekstvindue på 1 million tokens, altid aktiv adaptiv ræsonnering og indbygget tekst- og billedinddata.
Oversigt. Claude Fable 5.1 er Anthropics proprietære frontmodel til ræsonnering med lukkede vægte, udgivet som en trinvis efterfølger til Claude Fable 5. Den kombinerer et kontekstvindue på 1.000.000 tokens med obligatorisk adaptiv ræsonnering, der skalerer fra lavt til maksimalt ræsonneringsniveau ved hver forespørgsel. Modellen accepterer tekst og billeder som inddata og leverer uddata som ren tekst. Udviklere vælger den, når en opgave kræver dyb ræsonnering i mange trin over meget store mængder inddata frem for et hurtigt svar med lavt ræsonneringsniveau.
Vigtigste styrker. Artificial Analysis placerer Claude Fable 5.1 i kvalitetskategorien for frontmodeller med et Intelligence Index på 65,7 ved maksimalt ræsonneringsniveau og et Coding Index på 81,6, hvilket indikerer særlig styrke inden for kodegenerering og ræsonnering om kode. Dens Agentic Index på 61,3 understøtter agentiske arbejdsbelastninger med planlægning og brug af værktøjer i mange trin. Modellens altid aktive ræsonneringsproces (obligatorisk, ikke valgfri) er den definerende egenskab bag disse scorer.
Anvendelsesområder. Brug Claude Fable 5.1 til komplekse kodeopgaver, agentiske arbejdsflow med mange trin og analyse af meget store dokumenter eller kildekoder, der drager fordel af kontekstvinduet på 1.000.000 tokens. Dens indbyggede billedforståelse gør den også velegnet til opgaver, der kombinerer visuel og tekstuel ræsonnering, såsom fortolkning af diagrammer eller screenshots sammen med skrevne instruktioner. Da ræsonneringsniveauet kan justeres fra lavt til maksimalt, kan den finjusteres til enten dybere analyse eller hurtigere svartid inden for samme model.
Begrænsninger. Ræsonnering er obligatorisk og kan ikke deaktiveres, hvilket giver længere svartid sammenlignet med chatmodeller uden ræsonnering, selvom modellen stadig kan bruges i interaktive sammenhænge. Den understøtter ikke en `temperature`-parameter, og uddata er kun tekst — den kan ikke generere billeder eller lyd. Hvor træningsdataene slutter er juni 2026.
Bemærkning om suverænitet. Claude Fable 5.1 er bygget af Anthropic og betjenes under Anthropics politik for acceptabel brug; der findes ingen særskilt licens for denne model. Den tilgængelige dokumentation bekræfter ikke endepunktets dataplacering eller om det er underlagt CLOUD Act, så der gælder ingen suveræn betegnelse.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 9,07 / 45,37€+2 betingede priser | Online |
20 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Et kontekstvindue på 1 million tokens, verktøjskald og altid aktiv adaptiv ræsonnering understøtter agentiske kodningsarbejdsflow med mange trin; modelfamilien fører sin klasse på Artificial Analysis Intelligence Index med en score på 65.
Egenskaben til verktøjskald plus en høj score på intelligensindekset gør denne model til et pålideligt fundament for applikationer med strukturerede verktøjskald.
Adaptiv ræsonnering kombineret med verktøjskald muliggør iterativ hypotesetestning mod store kodebaser inden for kontekstvinduet på 1 million tokens.
Et kontekstvindue på 1 million tokens muliggør gennemgang af hele arkiver i én arbejdsgang, og modelfamiliens ræsonneringsscore på topniveau understøtter dyb strukturel analyse via tokens til premiumpris.
Et kontekstvindue på 1 million tokens understøtter indlæsning af mange videnskabelige artikler samtidigt, og adaptiv ræsonnering hjælper med syntese på tværs af dokumenter.
Altid aktiv adaptiv ræsonnering og et kontekstvindue på 1 million tokens er velegnet til planlægningsopgaver med mange trin, der kræver håndtering af omfattende tilstandsinformation.
Stærk ræsonneringskvalitet er velegnet til analytiske opgaver, men premiumpriser og en gennemstrømning under gennemsnittet gør den til et dyrere valg end alternativer fokuseret på volumen.
Billedforståelse muliggør OCR-lignende dokumentparsing, selvom dette ikke er en specialiseret OCR-model og medfører premiumomkostninger per token ved scanning af store mængder.
Billedforståelse understøtter analyse af brugerflader og screenshots, hvilket stemmer overens med modelfamiliens styrke inden for struktureret uddata og datavisualisering.
Stærk ræsonnering og et enormt kontekstvindue understøtter planlægning af omfattende refaktorering, men en gennemstrømning under gennemsnittet (60,3 tok/s) gør iterative refaktoreringsløkker langsommere end med lettere kodningsmodeller.
Indbygget billedforståelse understøtter parsing af diagrambilleder, selvom der ikke er dokumenteret nogen diagramspecifik benchmark for denne variant.
Høje priser per token (12,50 $ / 50,00 $ per 1 million) og en gennemstrømning under gennemsnittet (60,3 tok/s) gør den uegnet til drift af chatbots med høj volumen og krav om kort svartid.
Der er ikke dokumenteret nogen egenskab for lyd ind eller ud; uegnet til drift som stemmeagent.
Ingen lydegenskaber dokumenteret; modellen understøtter kun tekst og billeder.
Der er ikke dokumenteret nogen egenskab til lydgenerering for denne model.
Modellen har ingen dokumenterede lydegenskaber, kun tekst og billeder som inddata.
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, 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-5-1",
"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