Claude Fable 5 ची किंमत आणि कधी वापरावे

Claude Fable 5 ची किंमत किती आहे?

Claude API वर Claude Fable 5 ची किंमत प्रति दशलक्ष input tokens साठी $10 आणि प्रति दशलक्ष output tokens साठी $50 आहे. हे Anthropic ने प्रकाशित केलेले list rates आहेत. ते 3 August 2026 रोजी pricing page वरून घेतले आहेत. API model ID claude-fable-5 आहे. ते 9 June 2026 रोजी Claude API, Amazon Bedrock, Claude Platform on AWS, Google Cloud आणि Microsoft Foundry वर सर्वसाधारणपणे उपलब्ध झाले.

[
  {
    "label": "Claude Fable 5",
    "input": "10",
    "output": "50",
    "cache_read": "1",
    "batch_input": "5",
    "batch_output": "25"
  },
  {
    "label": "Claude Opus 5",
    "input": "5",
    "output": "25",
    "cache_read": "0.50",
    "batch_input": "2.50",
    "batch_output": "12.50"
  },
  {
    "label": "Claude Sonnet 5 (intro rate)",
    "input": "2",
    "output": "10",
    "cache_read": "0.20",
    "batch_input": "1",
    "batch_output": "5"
  },
  {
    "label": "Claude Sonnet 5 (from 1 Sep)",
    "input": "3",
    "output": "15",
    "cache_read": "0.30",
    "batch_input": "1.50",
    "batch_output": "7.50"
  },
  {
    "label": "Claude Haiku 4.5",
    "input": "1",
    "output": "5",
    "cache_read": "0.10",
    "batch_input": "0.50",
    "batch_output": "2.50"
  }
]

याची तुलना एका क्रमवारीप्रमाणे करा. Fable 5 ची list price Claude Opus 5 च्या दुप्पट, सध्याच्या Claude Sonnet 5 rate च्या पाचपट आणि Claude Haiku 4.5 च्या दहापट आहे. बिलाच्या दोन्ही भागांसाठी हेच प्रमाण लागू होते, कारण त्या chart मधील प्रत्येक model स्वतःच्या input rate च्या नेमक्या पाचपट output rate आकारतो. त्यामुळे एखाद्या job साठी input आणि output tokens चे प्रमाण माहीत असल्यास, गुणाकार करून एका price चे दुसऱ्या कोणत्याही price मध्ये रूपांतर करता येते.

एक तारीख हे गणित बदलते. 31 August 2026 पर्यंत Sonnet 5 साठी introductory pricing लागू आहे: प्रति दशलक्ष tokens साठी $2 input आणि $10 output. 1 September 2026 पासून त्याची list price $3 input आणि $15 output असेल. Fable 5 ची स्वतःची price बदलत नाही. त्यामुळे त्या दिवशी दोन्हीमधील फरक पाचपटावरून तीनपटापेक्षा थोडा अधिक राहील. शरद ऋतूसाठी budget तयार करत असल्यास Sonnet चे नंतरचे numbers वापरा.

सवलती आणि उलट दिशेने जाणारा एक multiplier

Prompt caching हा खर्च कमी करण्यासाठी सर्वात प्रभावी उपाय आहे. Cache read ची किंमत base input price च्या एक-दशांश असते. Fable 5 वर ती प्रति दशलक्ष tokens $1 आहे. Cache मध्ये लिहिण्याची किंमत सामान्य input token पेक्षा जास्त असते: पाच मिनिटांच्या cache साठी base च्या 1.25 पट आणि एका तासाच्या cache साठी base च्या 2 पट. पाच मिनिटांचा cache एकदाच read केल्यानंतर स्वतःचा खर्च भरून काढतो, तर एका तासाचा cache दोन reads नंतर तो खर्च भरून काढतो. सर्वत्र prompt caching सुरू करण्यापूर्वी prompt caching कुठे break-even होते हे ठरवणे आवश्यक का आहे, हे या गणितातून स्पष्ट होते.

Batch API दोन्ही बाजूंवर 50% सवलत देते. त्यामुळे batched Fable 5 कामाची किंमत प्रति दशलक्ष tokens $5 input आणि $25 output असते. Batch requests asynchronous असतात. त्यामुळे ज्याचे उत्तर लगेच आवश्यक नाही, अशा कामांसाठीच याचा फायदा होतो. या दोन सवलती एकत्र लागू होतात. त्यामुळे cached आणि batched job चा input आणि output, दोन्हींचा खर्च कमी होतो.

Claude 4.6 आणि त्यानंतरच्या models वर 1M token context window standard rates मध्ये समाविष्ट आहे. मोठ्या context साठी वेगळा surcharge नाही. त्यामुळे 900k token request साठी प्रति token दर 9k token request सारखाच असतो.

बिल वाढवणारा multiplier म्हणजे data residency. Inference United States मध्येच ठेवण्यासाठी inference_geo: "us" सेट केल्यास प्रत्येक token category वर 1.1 पट multiplier लागू होतो. यात cache reads आणि cache writes देखील समाविष्ट आहेत. करारानुसार आवश्यक नसल्यास default global routing बदलू नका.

या model साठी एक billing rule विशिष्ट आहे. Fable 5 मध्ये safety classifiers समाविष्ट आहेत, जे request नाकारू शकतात. असे झाल्यास Messages API error ऐवजी stop_reason: "refusal" successful HTTP 200 response म्हणून परत करते. Output तयार होण्यापूर्वी request नाकारली गेली असेल, तर तिचे billing केले जात नाही. त्याच prompt वर दुसऱ्या Claude model मध्ये retry केल्यास fallback credit मुळे model बदलताना झालेल्या prompt cache cost ची परतफेड होते. त्यामुळे तोच cache दोनदा warm करण्यासाठी पैसे द्यावे लागत नाहीत.

कोणत्या योजनांमध्ये Claude Fable 5 समाविष्ट आहे?

3 August 2026 रोजी Anthropic च्या Claude Fable पृष्ठानुसार, हे मॉडेल Pro, Max, Team आणि Enterprise वापरकर्त्यांसाठी उपलब्ध आहे. Free योजना नमूद केलेली नाही. या यादीतील Pro ही सर्वात स्वस्त seat आहे. त्यामुळे Pro ची किंमत किती आहे आणि तिच्या वापरमर्यादा कुठे अडथळा आणतात यावरून Fable साठी कोणत्याही subscription मार्गाची किमान किंमत ठरते. तुम्ही upgrade करण्याचे मुख्य कारण Fable access असेल, तर आधी तुमच्या स्वतःच्या वापरासाठी Pro seat घेणे योग्य आहे का हे तपासा. कारण Fable ची मर्यादित allowance ही subscription घेण्यासाठी एकटी पुरेशी कारणे देत नाही. Developers साठी ते Claude API वर आणि वर सूचीबद्ध केलेल्या cloud marketplaces द्वारे सामान्यतः उपलब्ध आहे. त्या मार्गावर free tier नाही. त्यामुळे meter सुरू होण्यापूर्वी Anthropic signup वेळी देत असलेला लहान credit एवढाच लाभ मिळतो.

एखाद्या योजनेवर उपलब्ध असणे आणि कोणत्याही मर्यादेशिवाय समाविष्ट असणे या वेगळ्या गोष्टी आहेत. Subscription चे metering API प्रमाणेही होत नाही. कारण Pro seat साठी कोणतीही प्रकाशित token quota नाही. त्याऐवजी rolling window मधील messages नुसार वापर मोजला जातो. त्यामुळे योजनेतील कोणतीही मर्यादा वरील per million आकड्यांमध्ये थेट रूपांतरित करता येत नाही. Anthropic च्या pricing page वरील plan comparison table मध्ये काही seats साठी Fable साप्ताहिक usage limits मधील वाट्याद्वारे, तर इतर seats साठी usage credits द्वारे मर्यादित केले आहे. July 2026 मध्ये ही व्यवस्था एकापेक्षा अधिक वेळा बदलली. Fable 5 पुन्हा deploy करण्याबाबतच्या Anthropic च्या स्वतःच्या निवेदनात Pro, Max, Team आणि select Enterprise plans साठी 7 July 2026 पर्यंत साप्ताहिक usage limits च्या कमाल 50% पर्यंत हे मॉडेल समाविष्ट असल्याचे नमूद केले होते. त्यानंतर usage credits लागू होणार होते. July च्या उर्वरित काळातील अहवालांमध्ये पुढील मुदतवाढी आणि seat प्रकारांमधील वेगळे नियम वर्णन केले होते.

म्हणून हे पृष्ठ प्रत्येक योजनेसाठी स्वतंत्र मर्यादा देणार नाही. त्या महिन्यात प्रकाशित झालेली कोणतीही संख्या fortnightभरही स्थिर राहिली नाही. त्यामुळे येथे जुनी संख्या देणे हे कोणतीही संख्या न देण्यापेक्षा अधिक दिशाभूल करणारे ठरेल. तुम्ही निर्णय घेत असलेल्या दिवशी plan comparison table मधील Fable नावाची row उघडा. कोणत्याही news article मधील संख्या जुनी समजा. Fable access साठी seat घेतल्यानंतर table ने अपेक्षा निर्माण केली त्यापेक्षा allowance कमी असल्याचे आढळल्यास, पुढील renewal आधी पुन्हा खालच्या योजनेवर जाणे यामुळे तुम्ही आधीच पैसे दिलेला महिना अबाधित राहतो.

स्थिर असलेली गोष्ट म्हणजे API rate. कोणत्याही मार्गावर included allowance संपल्यानंतर Fable 5 च्या पुढील वापरासाठी वरील chart मधील किंमतीनुसार billing होते. Enterprise मध्ये ही रचना स्पष्टपणे दिसते. कारण Enterprise seat fee मुळे access मिळतो, परंतु tokens साठी API rates नुसार स्वतंत्र metering सुरू राहते. त्यामुळे कोणत्याही मार्गाने planning करताना price list मधील संख्या वापरावी. इतर Claude model साठी API billing ची subscription सोबत तुलना केली तरी हाच निष्कर्ष मिळतो. तुम्ही अद्याप tier निवडलेला नसेल, तर तुमच्या वापराशी कोणती Claude योजना जुळते इथून सुरुवात करा. ही seat Fable साठीच नव्हे तर तुमचा रोजचा assistant म्हणूनही वापरणार असाल, तर commit करण्यापूर्वी Claude plans ची किंमत ChatGPT च्या plans च्या तुलनेत कशी आहे हे तपासणे उपयुक्त ठरेल.

तुमच्या बिलाची रक्कम price ratio पेक्षा जास्त का येते

दोन दस्तऐवजीकरण केलेल्या यंत्रणांमुळे Fable 5 ची किंमत थेट price comparison वरून दिसते त्यापेक्षा जास्त येते.

पहिली यंत्रणा tokenizer आहे. Fable 5 मध्ये Claude Opus 4.7 सोबत सादर केलेला tokenizer वापरला जातो. Opus 4.7 पूर्वी रिलीज झालेल्या models च्या तुलनेत, समान मजकूरातून साधारण 30% अधिक tokens तयार होतात. ही वाढ नेमक्या मजकुरावर अवलंबून असते. Haiku 4.5 मध्ये जुना tokenizer आहे. त्यामुळे price list मधील ten times अंतर, दोन्ही models ला समान मजकूर दिल्यावर, प्रत्यक्षात जवळपास thirteen times होते. Sonnet 5 मध्ये नवीन tokenizer वापरला जातो. त्यामुळे Fable आणि Sonnet यांची per token तुलना योग्य आहे. Fable आणि Haiku यांची तुलना योग्य नाही.

दुसरी यंत्रणा thinking आहे. Fable 5 साठी Adaptive thinking नेहमी सुरू असते आणि thinking: {"type": "disabled"} समर्थित नाही. Thinking tokens ची गणना output tokens म्हणून केली जाते आणि त्यांच्यावर पूर्ण output rate आकारला जातो. या model कडून raw chain of thought कधीही परत पाठवली जात नाही. तसेच thinking.display चे default मूल्य "omitted" आहे. त्यामुळे दिसणारे उत्तर लहान असले तरी billed output count मोठा असू शकतो. Anthropic च्या documentation मध्ये हे स्पष्टपणे नमूद आहे: billed output token count हा response मधील visible token count शी जुळत नाही.

अंदाज लावण्याऐवजी breakdown तपासा. usage.output_tokens_details.thinking_tokens field reasoning साठी वापरलेल्या billed output tokens ची संख्या दाखवते:

{
  "usage": {
    "input_tokens": 25,
    "output_tokens": 348,
    "output_tokens_details": {
      "thinking_tokens": 312
    }
  }
}

Anthropic च्या thinking documentation मधील या उदाहरणात, 348 billed output tokens पैकी 312 tokens reasoning साठी वापरले गेले आणि ते कधीही वापरकर्त्याला दिसले नाहीत. तुम्ही stream करत असताना हा breakdown फक्त अंतिम message_delta event मध्ये येतो. त्यामुळे शेवटचा text chunk वाचल्यानंतर थांबणारा client तो कधीही नोंदवणार नाही.

नियंत्रण effort आहे. ते output_config.effort येथे set केले जाते. उपलब्ध levels low, medium, high (default), xhigh आणि max आहेत.

{
  "model": "claude-fable-5",
  "max_tokens": 32000,
  "output_config": { "effort": "medium" },
  "messages": [{ "role": "user", "content": "..." }]
}

या model साठी Anthropic च्या मार्गदर्शनानुसार सुरुवात high पासून करा. सर्वाधिक capability sensitive कामासाठीच ते xhigh पर्यंत वाढवा. नियमित कामासाठी ते medium किंवा low पर्यंत कमी करा. याचे कारण असे की Fable 5 वर कमी effort हे पूर्वीच्या models मधील xhigh पेक्षा अनेकदा चांगले परिणाम देते. यासोबत दोन अडचणी आहेत. Requests दरम्यान effort बदलल्यास prompt cache अवैध ठरतो, कारण resolved effort value prompt मध्ये render केली जाते. त्यामुळे प्रत्येक workload साठी एक level निवडा आणि तो स्थिर ठेवा. तसेच max_tokens ही thinking आणि response text यांसह एकूण output वर लागू होणारी hard cap आहे. त्यामुळे thinking नसलेल्या उत्तरासाठी योग्य असलेली cap वापरल्यास उत्तर truncated होऊ शकते. stop_reason: "max_tokens" दिसल्यास cap वाढवा किंवा effort कमी करा.

पूर्ण झालेल्या कार्यामागील खर्च, टोकनमागील खर्च नाही

[
  {
    "label": "Short answer (5k in, 1k out)",
    "fable_5": "0.10",
    "opus_5": "0.05",
    "sonnet_5": "0.02",
    "haiku_4_5": "0.01"
  },
  {
    "label": "Coding session (300k in, 40k out)",
    "fable_5": "5.00",
    "opus_5": "2.50",
    "sonnet_5": "1.00",
    "haiku_4_5": "0.50"
  },
  {
    "label": "Long agent run (2M in, 400k out)",
    "fable_5": "40.00",
    "opus_5": "20.00",
    "sonnet_5": "8.00",
    "haiku_4_5": "4.00"
  }
]

ते 3 रकाने benchmark नसून अंकगणितावर आधारित आहेत. दर प्रकाशित केलेले आहेत. टोकनचे प्रमाण ही गृहीतके आहेत; ती तुमच्या स्वतःच्या वापराच्या आकडेवारीतील संख्यांनी बदला. मधल्या रकान्यासारख्या coding session साठी Fable 5 वरील खर्च $5.00, तर Sonnet 5 वरील खर्च $1.00 आहे. दीर्घ run साठी हा खर्च अनुक्रमे $40.00 आणि $8.00 आहे. शेवटच्या रकान्यातील Haiku स्तंभ केवळ अंकगणितासाठी आहे: Haiku 4.5 ची context window 200k टोकनची आहे, त्यामुळे ते कार्य त्यात अजिबात मावणार नाही.

निर्णय घेण्यासाठी टोकनमागील खर्च हे चुकीचे एकक आहे. पूर्ण झालेल्या कार्यामागील खर्च म्हणजे प्रत्येक प्रयत्नाचा खर्च आणि प्रयत्नांची संख्या यांचा गुणाकार. आजच्या दरांनुसार Fable 5 च्या एका प्रयत्नाचा खर्च Sonnet 5 च्या पाच प्रयत्नांइतका आहे. त्यामुळे केवळ retry count मुळे upgrade करणे जवळजवळ कधीच योग्य ठरत नाही. स्वस्त पर्याय टोकनच्या दृष्टीने तोट्यात जाण्यासाठी Sonnet ला पाचपैकी चारपेक्षा जास्त वेळा अपयशी ठरावे लागेल.

मात्र टोकनच्या बिलात समाविष्ट नसलेल्या सर्व बाबी upgrade योग्य ठरवू शकतात. chart मधील दोन दीर्घ run मधील खर्चातील फरक बहुतेक बाजारपेठांमध्ये engineer च्या एका तासाच्या खर्चापेक्षा कमी आहे. महागडे model review साठी एक तास वाचवत असेल किंवा नंतर दुरुस्त करावी लागणारी एखादी चुकीची migration टाळत असेल, तर बचत बिलावर दिसत नसली तरी त्याने स्वतःचा खर्च भरून काढलेला असतो. तुलना स्वीकारलेल्या परिणामामागील पैशांमध्ये करा आणि एकूण खर्चात तुमचा स्वतःचा वेळ समाविष्ट करा. दशलक्ष टोकन प्रत्यक्षात काय मिळवून देतात हे जाणून घेतल्यास हा अंदाज खूपच कमी अमूर्त राहतो.

Claude Fable 5 ची किंमत सार्थ ठरणारी तीन कामे

चुकीचा निर्णय महागात पडतो अशी दीर्घकाळ चालणारी agent कामे. Fable 5 ची रचना तासांनी मोजल्या जाणाऱ्या कामांसाठी केली आहे: 1M token context window, प्रत्येक request साठी 128k पर्यंत output tokens आणि तीस मिनिटांपेक्षा जास्त चालणाऱ्या, लाखो tokens चे budget असलेल्या कामांसाठी असलेली xhigh effort level. Agent ने step 40 वर चुकीचा मार्ग निवडला आणि ते step 300 पर्यंत कोणाच्याही लक्षात आले नाही, तर त्यानंतरच्या cleanup च्या तुलनेत ही run योग्य आहे का ते तपासा.

मोठ्या codebase वर एकदाच चालवायचे migration किंवा audit. एकदाच होणाऱ्या कामात volume द्वारे खर्च कमी करता येत नाही. त्यामुळे प्रति-token अतिरिक्त खर्च एकाच invoice वर येतो आणि संपूर्ण काम एका context window मध्ये बसू शकते. ते asynchronous पद्धतीने चालवता येत असल्यास, Batch API मुळे प्रति million output tokens खर्च निम्मा होऊन $25 होतो.

स्वस्त model आधीच दोनदा अपयशी ठरलेले काम. दोन अपयशी प्रयत्न आणि तुमचा debugging time यांचा खर्च वरील chart मधील volumes वर एका Fable प्रयत्नापेक्षा जास्त असतो. त्यामुळे अधिक सक्षम tier कडे जाणे हा स्वस्त पर्याय ठरतो. Model ladder याच कारणासाठी असते. तुम्ही अजूनही tiers मधील सामान्य निवड करत असाल, तर Claude model tiers मधील capability comparison या पृष्ठावरील प्रश्नापेक्षा वेगळ्या प्रश्नाचे उत्तर देते.

Sonnet 5 किंवा Haiku 4.5 हेच योग्य उत्तर ठरणारी तीन कामे

मोठ्या प्रमाणातील वर्गीकरण आणि माहिती काढणे. या कामांचे मूल्यमापन throughput आणि प्रति-युनिट खर्चावर केले जाते. तसेच गुणवत्तेची कमाल पातळी इतकी कमी असते की स्वस्त मॉडेलही ती गाठते. Haiku 4.5 ज्या कामाचे अचूकपणे पूर्णत्व करते, त्यासाठी दहापट किंमत देऊन Fable 5 वापरल्यास मोजता येईल असा कोणताही अतिरिक्त लाभ मिळत नाही.

Latency हाच उत्पादनाचा मुख्य भाग असलेले परस्परसंवादी काम. Anthropic च्या model table नुसार Fable 5 ची तुलनात्मक latency अधिक आहे आणि thinking बंद करता येत नाही. अधिक सक्षम मॉडेल वापरल्यास chat box किंवा editor completion चा अनुभव खराब वाटतो, कारण वापरकर्त्यांना गुणवत्तेची जाणीव होण्यापूर्वी प्रतीक्षेची जाणीव होते.

January 2026 नंतर घडलेल्या घटनांवर अवलंबून असलेली कोणतीही गोष्ट. Fable 5 चा विश्वसनीय knowledge cutoff January 2026 आहे. Opus 5 चा cutoff May 2026 आहे. अधिक महाग मॉडेलमध्ये अद्ययावत माहिती कमी आहे. त्यामुळे अलीकडील माहितीविषयक प्रश्नांसाठी search किंवा fetch tools न दिल्यास जुन्या माहितीसाठी तुम्ही दुप्पट पैसे देता.

एक मर्यादा पूर्णपणे खर्चापेक्षा वेगळी आहे. Fable 5 मध्ये 30 day data retention आहे आणि ते zero data retention अंतर्गत उपलब्ध नाही, कारण ते Covered Model म्हणून designated आहे. तुमच्या करारानुसार zero retention आवश्यक असल्यास Fable 5 कोणत्याही किमतीत पर्याय ठरत नाही. कोणतीही discount ही बाब बदलू शकत नाही.

fable-method repos काय दाखवतात आणि काय दाखवत नाहीत

Fable 5 च्या पद्धती कशा काम करतात हे संक्षेपित करून स्वस्त मॉडेलला अनुसरता येतील अशा skills मध्ये मांडणारे repos practitioners नी प्रकाशित केले आहेत. fable-method repo मध्ये thinking skill, orchestration loop आणि adversarial verifier यांचे वर्णन आहे. हा verifier agent ने दिलेला स्वतःचा अहवाल वाचण्याऐवजी दावा केलेली प्रत्येक तपासणी पुन्हा चालवतो. त्याच्या README मध्ये हे स्पष्टपणे नमूद केले आहे: "हे community distillation आहे, Anthropic artifact नाही."

त्याकडे नेमके त्याच स्वरूपात पाहा. लोक मॉडेलला कसे निर्देश देत आहेत याचा तो पुरावा आहे. मॉडेल प्रत्यक्षात कसे काम करते याचे documentation नाही. त्यातील कोणतीही बाब Anthropic ने validate केलेली नाही. वेगवेगळ्या wording सह जवळजवळ समान अनेक forks अस्तित्वात आहेत. हे spec पेक्षा folklore कडून अपेक्षित असलेल्या स्वरूपाशी अधिक जुळते.

Cost decision साठी उपयुक्त signal असा आहे की लोकांना copy करण्यासारख्या वाटलेल्या बाबी procedural आहेत. Task चे classification करा, ते पूर्ण झाल्याचे सिद्ध करणारी check निश्चित करा, निर्णय घेण्यापूर्वी evidence गोळा करा, आणि summary वाचण्याऐवजी observation द्वारे verify करा. स्वस्त मॉडेलला स्पष्ट checklist आणि verification step दिल्यास हा gap काही अंशी कमी होतो. त्यामुळे महाग मॉडेल standard करण्यापूर्वी स्वतःच्या evaluation set वर हा प्रयोग चालवा. निकाल तुमच्या tasks वर अवलंबून असतो. म्हणून इतरांच्या numbers चा तुमच्यासाठी फारसा उपयोग नाही.

कमिट करण्यापूर्वी तुमचे स्वतःचे आकडे तपासा

• प्रत्येक प्रतिसादातील usage वाचा आणि दृश्यमान आउटपुटपासून output_tokens_details.thinking_tokens स्वतंत्रपणे नोंदवा. तुम्हाला दिसत नसलेले reasoning हेच अनेकदा अनपेक्षित खर्चाचे कारण ठरते.
• default स्वीकारण्याऐवजी effort स्पष्टपणे सेट करा. Prompt caching वर अवलंबून असलेल्या कोणत्याही संभाषणात ते स्थिर ठेवा.
• तुमचा स्थिर prefix प्रथम cache breakpoint च्या मागे ठेवा. Base input price च्या one tenth दराने होणारी cache read बचत बहुतेक model downgrades पेक्षा अधिक असते.
• ज्यासाठी तात्काळ उत्तराची गरज नाही ते सर्व Batch API कडे हलवा.
• पर्यायाची किंमत वास्तववादी पद्धतीने मोजा. तुमच्या workload वर Claude आणि ChatGPT API pricing ची तुलना करण्यासाठी दीर्घकालीन commitment करण्यापूर्वी एक दुपार देणे उपयुक्त ठरते.

जर workload तुमच्या स्वतःच्या server वर चालणारा agent असेल, तर सर्वाधिक महत्त्वाची controls ही model choice च्या बाहेर असतात. VPS वर agent चे खर्च नियंत्रणात ठेवणे runaway session थांबवणाऱ्या loop limits आणि spend caps चे वर्णन करते. तसेच Claude Code प्रत्यक्षात कुठे tokens खर्च करते तुमच्या usage dashboard मध्ये दिसणारे आकडे स्पष्ट करते.

FAQ

Claude Fable 5 ची प्रति दशलक्ष tokens किंमत किती आहे?

Claude API वर Claude Fable 5 ची किंमत प्रति दशलक्ष input tokens साठी $10 आणि प्रति दशलक्ष output tokens साठी $50 आहे. Anthropic च्या pricing page वर 3 August 2026 रोजी ही किंमत तपासण्यात आली. Cache read ची किंमत प्रति दशलक्ष tokens साठी $1 आहे. हा दर मूळ input दराच्या एक दशांश आहे. Batch API दोन्ही प्रकारच्या tokens वर 50% सवलत देते. त्यामुळे asynchronous कामासाठी प्रति दशलक्ष tokens साठी अनुक्रमे $5 आणि $25 आकारले जातात. inference_geo parameter वापरून inference United States मध्येच ठेवण्यासाठी प्रत्येक श्रेणीवर 1.1 पट multiplier लागू होतो.

Claude Pro subscription मध्ये Claude Fable 5 समाविष्ट आहे का?

Anthropic च्या Claude Fable page वर हे model Pro, Max, Team आणि Enterprise users साठी उपलब्ध असल्याचे नमूद केले आहे. Free plan चा उल्लेख केलेला नाही. समाविष्ट access अमर्यादित नाही. काही seats साठी Fable हा weekly usage limits मधील वाटा म्हणून उपलब्ध असतो. इतर seats साठी तो usage credits द्वारे उपलब्ध असतो. July 2026 मध्ये ही व्यवस्था एकापेक्षा अधिक वेळा बदलली. तुम्ही निर्णय घेत असलेल्या दिवशी Anthropic च्या pricing page वरील plan comparison table मध्ये Fable असे label असलेली row वाचा. एखाद्या article मधील आकड्यावर अवलंबून राहू नका. समाविष्ट allowance संपल्यानंतरचा वापर API दराने आकारला जातो.

दिसणाऱ्या output च्या तुलनेत माझे Claude Fable 5 चे bill जास्त का आहे?

Claude Fable 5 साठी adaptive thinking नेहमी सुरू असते. Thinking tokens साठी output tokens प्रमाणे billing होते. Raw chain of thought परत केला जात नाही. thinking.display चे default मूल्य omitted असताना तुम्हाला रिकामे thinking field दिसते. मात्र त्यामागील प्रत्येक reasoning token साठी शुल्क आकारले जाते. Response मधील usage.output_tokens_details.thinking_tokens वाचून या वापराचे विभाजन पाहा. Streaming वापरताना ते फक्त अंतिम message_delta event मध्ये येते, हे लक्षात ठेवा. Reasoning आणि answer यांचे प्रमाण task साठी आवश्यकतेपेक्षा जास्त असल्यास effort level कमी करा.

मी Claude Fable 5 वापरावे की Claude Opus 5?

Claude Opus 5 ची प्रति token किंमत निम्मी आहे. त्याचा reliable knowledge cutoff अधिक अलीकडचा आहे: Claude Opus 5 साठी May 2026, तर Fable 5 साठी January 2026. सुरुवात Opus 5 पासून करा. तेथे task fail झाल्यास किंवा चुकीच्या उत्तराची किंमत price difference पेक्षा जास्त असल्यास Fable 5 कडे जा. दीर्घकालीन agent work साठी Fable 5 योग्य पर्याय आहे, विशेषतः एका चुकीच्या branch मुळे cleanup साठी अनेक तास लागत असतील तर. तसेच, प्रत्येक request वर कायम premium देण्याऐवजी तो खर्च एकदाच एका invoice वर येत असेल, अशा one-off jobs साठीही Fable 5 योग्य आहे.