Laster katalogen …
Laster katalogen …
Anthropics Mythos-klasse frontmodell med alltid aktiv adaptiv resonnering og et kontekstvindu på én million token, bygget for dyp kode- og forskningsanalyse fremfor sanntidschat.
Oversikt. Claude Fable 5 er Anthropics proprietære flaggskipmodell med lukkede vekter i Mythos-klassen, en resonneringsmodell som har vært allment tilgjengelig siden juni 2026. Den kjører med obligatorisk, alltid aktiv adaptiv resonnering og et kontekstvindu på én million token, tar imot tekst og bilder som inndata og returnerer tekst som utdata. Utviklere velger den når en oppgave krever vedvarende resonnering med mange steg over store mengder kontekst, fremfor et raskt svar i en samtale.
Viktigste styrker. Artificial Analysis-benchmarking plasserer Fable 5 i frontmodellterritorie, med en Coding Index på 76,5 og en Intelligence Index som i den siste målingen har steget til 62,1, samt en Agentic Index på 56,6. Modellen har innebygd verktøykall, strukturert utdata og JSON-modus, noe som gjør den godt egnet til agentiske behandlingskjeder som kaller funksjoner og forventer skjemabegrenset respons. Resonneringsnivåkontrollen med fem trinn (max, xhigh, high, medium, low) lar et selskap avveie svartid mot dybde på vanskeligere problemer.
Når du bør bruke den. Bruk Fable 5 til kodegjennomgang med lang kontekst, syntese av forskning på tvers av mange dokumenter og agentiske arbeidsflyter som kjeder verktøykall og trenger strukturert JSON tilbake. Kontekstvinduet på én million token og taket på 128 000 token for utdata passer store kodebaser eller forskningskorpora bedre enn korte frem-og-tilbake-samtaler. Siden resonnering alltid er på og innstilt for dybde, passer den bedre til batch- og asynkrone jobber enn til svartidssensitive, sanntidsinteraksjoner.
Begrensninger. Resonnering kan ikke slås av, og modellen godtar ikke en temperaturparameter, så den er ikke et direkte bytte for lette konversasjonsdistribusjoner som forventer raske, lite krevende svar. Anthropic har ikke offentliggjort parameterantall, arkitekturdetaljer eller når treningsdataene slutter for denne modellen, og inndatastøtten er begrenset til tekst og bilder – det finnes ingen lydinndata eller -utdata. Resonneringsfokuset peker mot en svartidsprofil tilpasset batch-kjøring fremfor sanntidschat.
Suverenitetsnotat. Anthropic er et selskap med hovedkontor i USA, så inferens med Fable 5 medfører eksponering under CLOUD Act fremfor EU-suverenitetsbeskyttelse. Vår gjennomgang avdekket ingen publisert mulighet til å reservere seg mot trening på inndata, og ingen forpliktelse om datalokasjon i EU for denne modellen. Det er en proprietær modell med lukkede vekter som reguleres av Anthropics retningslinjer for akseptabel bruk.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L0 | 8,98 / 44,88€+1 pris | Tilkoblet |
50 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Et kontekstvindu på 1 million token, innebygd verktøykall og en skår på 65 på Artificial Analysis Intelligence Index gjør denne modellen godt egnet til dype, agentiske kodingsøkter med mange filer, der resonneringsdybde veier tyngre enn svartid.
Verktøykall kombinert med høy skår på Intelligence Index støtter pålitelige applikasjoner med strukturert funksjonskall.
Adaptiv resonneringsmodus og et svært stort kontekstvindu egner seg til å spore feil på tvers av store kodebaser og lange logger, snarere enn isolerte kodesnutt.
Design for dyp resonnering og et langt kontekstvindu støtter grundige og presise forklaringer av kompleks kode.
Stavs beskrivelse fremhever dyp kodeanalyse som et målrettet bruksområde; en høy skår på Intelligence Index og utvidet resonneringsmodus støtter fullføringer av høy kvalitet med god kontekstforståelse.
Et kontekstvindu på én million token gjør det mulig å lese inn hele repositorier til gjennomgang, og familiens toppskår på Intelligence Index hjelper med å fange subtile strukturelle problemer.
Høy resonneringskvalitet støtter komplekse analytiske oppgaver, men høy pris og under gjennomsnittlig gjennomstrømning gjør den lite egnet til behandlingskjeder med stort analysevolum.
Bildeforståelse muliggjør OCR-lignende oppgaver, men det finnes ingen referansemålinger som dokumenterer spesialisert OCR-ytelse.
Høy skriveevne er tydelig, men kostnadsøkonomien per oppgave favoriserer lettere modeller for rutineutkast til e-post; modellen er berettiget når tone, nyanser eller strategisk kommunikasjonskvalitet er avgjørende.
Bildeforståelse gjør det mulig å tolke diagrammer, men avveininger mellom gjennomstrømning og kostnad gjør den mindre egnet enn lettere bildemodeller for rutinediagramoppgaver.
Støtte for bildeanalyse gjør det mulig å tolke skjermbilder, selv om dette ikke er modellens primære designfokus ifølge beskrivelsen.
Resonnering på toppnivå støtter nyansert klassifisering med mange klasser; kostnadseffektivitet er en bekymring ved klassifisering i stort volum.
Beskrives som bygget for dyp analyse «snarere enn sanntidschat»; en gjennomstrømning på 60,3 token per sekund og høy pris taler mot svartidssensitive støttearbeidsflyter.
Høy kostnad (12,50 / 50,00 per 1M token) og under gjennomsnittlig gjennomstrømning (60,3 tok/s) gjør denne til et dårlig økonomisk valg for triagering med høyt volum og kort svartid.
Ingen lydgenereringsegenskap; stemmekopiering er helt utenfor det som er dokumentert for denne modellen.
Ingen talesynteseegenskap er oppgitt, og under gjennomsnittlig gjennomstrømning er uforenlig med den sanntidsresponsiviteten stemmeagenter krever.
Ingen tekst-til-tale- eller lydutdataegenskaper er dokumentert; talesyntese støttes ikke.
Ingen lyd- eller taleegenskaper er dokumentert for denne modellen.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet 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",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på