Claude Fable 5: Presyo at Kailan Ito Gagamitin

Magkano ang Claude Fable 5?

Ang Claude Fable 5 ay nagkakahalaga ng $10 bawat milyong input token at $50 bawat milyong output token sa Claude API. Ito ang mga published list rate ng Anthropic, na kinuha mula sa pricing page noong 3 August 2026. Ang API model ID ay claude-fable-5. Naging generally available ito noong 9 June 2026 sa Claude API, Amazon Bedrock, Claude Platform on AWS, Google Cloud, at Microsoft Foundry.

[
  {
    "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"
  }
]

Ituring ito bilang isang paghahambing. Ang list price ng Fable 5 ay dalawang beses ng Claude Opus 5, limang beses ng kasalukuyang rate ng Claude Sonnet 5, at sampung beses ng Claude Haiku 4.5. Pareho ang ratio sa input at output dahil ang bawat model sa chart na iyon ay nagpepresyo ng output sa eksaktong limang beses ng sarili nitong input rate. Kaya kung alam mo ang hatian ng input at output token para sa isang job, maaaring i-convert ang isang presyo sa iba sa pamamagitan ng multiplication.

May isang petsang nagbabago sa kalkulasyon. Nasa introductory pricing ang Sonnet 5 na $2 at $10 bawat milyong token hanggang 31 August 2026. Mula 1 September 2026, ililista ito sa $3 at $15. Hindi nagbabago ang sariling presyo ng Fable 5, kaya liliit ang agwat ng dalawa mula limang beses tungo sa bahagyang higit sa tatlong beses sa araw na iyon. Kung gumagawa ka ng budget para sa autumn, gamitin ang mas bagong Sonnet numbers.

Mga diskwento, at ang isang multiplier na nagpapataas ng singil

Pinakamalaking lever ang prompt caching. Ang cache read ay nagkakahalaga ng one tenth ng base input price, o $1 bawat million tokens sa Fable 5. Mas mahal kaysa ordinaryong input token ang pagsusulat sa cache: 1.25 times ng base price para sa five minute cache, at 2 times ng base price para sa one hour cache. Nababayaran na ng five minute cache ang sarili nito pagkatapos ng isang read, at ng one hour cache pagkatapos ng dalawang read. Iyan ang buong batayan para sa pagkalkula kung kailan nagiging sulit ang prompt caching bago mo ito i-enable sa lahat ng lugar.

Nagbibigay ang Batch API ng 50% diskwento sa parehong panig, kaya ang batched Fable 5 work ay nagkakahalaga ng $5 at $25 bawat million tokens. Asynchronous ang batch requests, kaya nakakatulong lamang ito sa work na hindi nangangailangan ng sagot agad. Nagsasama ang dalawang diskwento, kaya mababa ang gastos ng cached, batched job sa parehong input at output.

Kasama sa standard rates ang 1M token context window sa Claude 4.6 at mga susunod na model. Walang long context surcharge, kaya pareho ang per-token rate ng isang request na may 900k tokens at ng request na may 9k tokens.

Ang multiplier na nagpapataas ng bill ay data residency. Kapag itinakda ang inference_geo: "us" upang manatili sa United States ang inference, nalalapat ang 1.1 times multiplier sa bawat token category, kabilang ang cache reads at cache writes. Panatilihin ang default global routing maliban kung kinakailangan ng kontrata ang ibang setting.

May isang billing rule na partikular sa model na ito. May safety classifiers ang Fable 5 na maaaring tumanggi sa isang request. Kapag nangyari ito, ibinabalik ng Messages API ang stop_reason: "refusal" bilang matagumpay na HTTP 200 response sa halip na error, at hindi ka sisingilin para sa request na tinanggihan bago makabuo ng anumang output. Kung ire-retry mo ang parehong prompt sa ibang Claude model, ibinabalik ng fallback credit ang prompt cache cost ng paglipat, kaya hindi mo kailangang magbayad para painitin muli ang parehong cache.

Aling mga plan ang may kasamang Claude Fable 5?

Noong 3 August 2026, sinasabi sa Claude Fable page ng Anthropic na available ang model sa mga user ng Pro, Max, Team, at Enterprise. Hindi binanggit ang free plan. Ang Pro ang pinakamurang seat sa listahang iyon, kaya ang presyo ng Pro at kung saan humihinto ang usage limits nito ang nagtatakda ng pinakamababang gastos sa anumang subscription route para sa Fable. Para sa mga developer, karaniwang available ito sa Claude API at sa mga cloud marketplace na nakalista sa itaas. Walang free tier sa route na iyon, kaya ang maliit na credit na ibinibigay ng Anthropic kapag nag-sign up lang ang magagamit mo bago magsimulang maningil ang meter.

Ang pagiging available sa isang plan ay hindi nangangahulugang kasama ito nang walang limit. Nililimitahan ng plan comparison table sa pricing page ng Anthropic ang Fable batay sa bahagi ng weekly usage limits para sa ilang seat at batay sa usage credits para sa iba. Ilang beses ding nagbago ang arrangement na iyon noong July 2026. Sa sariling pahayag ng Anthropic tungkol sa muling pag-deploy ng Fable 5, kasama ang model nang hanggang 50% ng weekly usage limits hanggang 7 July 2026 sa Pro, Max, Team, at piling Enterprise plan, na sinundan ng usage credits pagkalipas ng petsang iyon. Ayon sa mga ulat sa natitirang bahagi ng July, nagkaroon pa ng mga extension at paghahati batay sa uri ng seat.

Kaya hindi maglalagay ang page na ito ng limit para sa bawat plan. Walang figure na inilathala noong buwang iyon ang nanatiling tama nang dalawang linggo, at mas makasasama ang lumang numero rito kaysa sa walang numero. Buksan ang row na may label na Fable sa plan comparison table sa araw na magpapasya ka, at ituring na luma na ang anumang numerong nasa isang news article. Kung kukuha ka ng seat para sa Fable access at mas maliit pala ang allowance kaysa sa ipinahiwatig ng table, ang pag-downgrade bago ang susunod na renewal ay mag-iiwan sa iyo ng buwang nabayaran mo na nang hindi ito naaapektuhan.

Ang stable ay ang API rate. Sa lahat ng route, kapag nagamit na ang kasama mong allowance, sisingilin ang karagdagang Fable 5 usage ayon sa mga presyong nasa chart sa itaas. Malinaw ang structure na ito sa Enterprise, dahil ang Enterprise seat fee ay para sa access habang sisingilin pa rin ang mismong tokens sa API rates bukod dito. Dahil dito, ang price list ang dapat gamiting batayan sa pagpaplano sa alinmang route. Ito rin ang konklusyong makukuha kapag ikinumpara ang API billing sa subscription para sa iba pang Claude model. Kung hindi ka pa nakapipili ng tier, magsimula sa kung aling Claude plan ang tumutugma sa iyong usage. Kung ang seat na iyon ay gagamitin mo rin bilang everyday assistant at hindi lamang para makapasok sa Fable, sulit na suriin kung paano ikinumpara ang presyo ng Claude plans sa ChatGPT bago ka mag-commit sa isa.

Bakit mas mataas ang bill kaysa sa ipinahihiwatig ng price ratio

May dalawang documented na mekanismo kung bakit mas mahal ang Fable 5 kaysa sa ipinahihiwatig ng simpleng paghahambing ng presyo.

Ang una ay ang tokenizer. Ginagamit ng Fable 5 ang tokenizer na ipinakilala kasama ng Claude Opus 4.7. Kung ikukumpara sa mga modelong inilabas bago ang Opus 4.7, humigit-kumulang 30% na mas maraming token ang nalilikha mula sa parehong text, at nakadepende sa content ang eksaktong dagdag. Nauna ang Haiku 4.5 sa tokenizer na iyon, kaya ang sampung beses na agwat sa price list ay nagiging mas malapit sa labintatlong beses kapag parehong text block ang ipinoproseso ng dalawang modelo. Ginagamit ng Sonnet 5 ang mas bagong tokenizer, kaya patas ang per-token na paghahambing ng Fable at Sonnet. Hindi patas ang paghahambing ng Fable at Haiku.

Ang ikalawa ay thinking. Palaging naka-enable ang adaptive thinking sa Fable 5, at hindi sinusuportahan ang thinking: {"type": "disabled"}. Sinisingil ang thinking tokens bilang output tokens, gamit ang buong output rate. Hindi kailanman ibinabalik ng modelong ito ang raw chain of thought, at ang thinking.display ay nagde-default sa "omitted". Ibig sabihin, maaaring may malaking billed output count ang isang maikling nakikitang sagot. Malinaw itong nakasaad sa documentation ng Anthropic: hindi tumutugma ang billed output token count sa nakikitang token count sa response.

Basahin ang breakdown sa halip na manghula. Iniuulat ng field na usage.output_tokens_details.thinking_tokens kung ilang billed output tokens ang ginamit para sa reasoning:

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

Sa halimbawang ito mula sa documentation ng Anthropic tungkol sa thinking, 312 sa 348 billed output tokens ang napunta sa reasoning na hindi kailanman nakita ng user. Kapag nag-stream ka, sa final message_delta event lamang ipinapadala ang breakdown na ito. Kaya hindi ito mare-record ng client na humihinto sa pagbasa sa huling text chunk.

Ang control ay effort, na sine-set sa output_config.effort, gamit ang mga level na low, medium, high (ang default), xhigh, at max.

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

Ayon sa guidance ng Anthropic para sa modelong ito, magsimula sa high. Itaas lamang ito sa xhigh para sa trabahong nangangailangan ng pinakamataas na capability, at ibaba sa medium o low para sa routine work. Batay ito sa obserbasyon na sa Fable 5, madalas na mas mahusay ang mas mababang effort kaysa sa xhigh sa mga naunang modelo. May dalawang trap dito. Kapag binago ang effort sa pagitan ng mga request, hindi na valid ang prompt cache dahil nire-render ang resolved effort value sa prompt. Kaya pumili ng isang level para sa bawat workload at panatilihin itong pare-pareho. Ang max_tokens ay hard cap sa pinagsamang total output, kasama ang thinking at response text. Kung ang cap ay itinakda para sa sagot na walang thinking, maaaring ma-truncate ang output. Kapag nakita mo ang stop_reason: "max_tokens", itaas ang cap o ibaba ang effort.

Gastos bawat nakumpletong task, hindi gastos bawat token

[
  {
    "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"
  }
]

Ang 3 row na iyon ay arithmetic, hindi benchmark. Published ang mga rate. Mga assumption ang token volume, kaya dapat mong palitan ang mga ito ng figures mula sa sarili mong usage data. Ang coding session na katulad ng nasa gitnang row ay nagkakahalaga ng $5.00 sa Fable 5 kumpara sa $1.00 sa Sonnet 5. Ang mahabang run ay nagkakahalaga ng $40.00 kumpara sa $8.00. Arithmetic lamang ang Haiku column sa huling row na iyon: may 200k token context window ang Haiku 4.5, kaya hindi nito kayang i-hold ang job na iyon.

Maling unit para sa isang decision ang gastos bawat token. Ang gastos bawat nakumpletong task ay gastos bawat attempt na minultiply sa bilang ng attempts. Sa kasalukuyang rates, kapareho ng gastos ng limang Sonnet 5 attempts ang isang Fable 5 attempt, kaya halos hindi kailanman sapat na dahilan ang retry count lang para mag-upgrade. Kailangang mag-fail ang Sonnet nang mahigit apat na beses sa bawat lima bago maging mas mahal ang cheap path batay sa token cost.

Ang nagbibigay-katwiran dito ay ang lahat ng hindi kasama sa token bill. Sa karamihan ng market, mas maliit kaysa sa isang oras ng engineer time ang pagitan ng dalawang mahabang run sa chart. Kung makakatipid ng isang oras ng review ang mas mahal na model, o makakaiwas sa isang maling migration na kailangan mo pang ayusin, nabawi na nito ang gastos kahit hindi ipinapakita ng bill ang natipid. Ihambing ang mga option batay sa gastos bawat accepted result, at isama sa total ang sarili mong oras. Ang tunay na halaga ng isang milyong token ay ginagawang mas konkreto ang estimate na iyon.

Tatlong gawain kung saan sulit ang presyo ng Claude Fable 5

Mahahabang agent run kung saan magastos ang maling direksiyon. Ang Fable 5 ay idinisenyo para sa mga gawaing sinusukat sa oras: may 1M token context window, hanggang 128k output tokens bawat request, at xhigh effort level para sa mga task na tumatakbo nang mahigit tatlumpung minuto at gumagamit ng token budget na umaabot sa milyon. Ihambing ang gastos ng run sa paglilinis na kakailanganin kapag maling branch ang pinili ng agent sa step 40 at walang nakapansin hanggang step 300.

Isang migration o audit na isang beses mong tatakbuhin sa malaking codebase. Walang volume na mapaghahatian sa one-off na gawain, kaya sa iisang invoice mapupunta ang premium sa bawat token, at maaaring magkasya ang buong job sa loob ng isang context window. Kung maaari itong patakbuhin asynchronously, hinahati ng Batch API ang gastos sa $25 bawat milyong output tokens.

Ang task na dalawang beses nang nabigo sa mas murang model. Mas malaki ang gastos ng dalawang nabigong attempt kasama ang oras sa pag-debug kaysa sa isang Fable attempt sa mga volume na nasa chart sa itaas. Mas murang option ang pag-escalate, at para rito ginagamit ang model ladder. Kung pumipili ka pa rin sa pagitan ng mga tier sa pangkalahatan, ibang tanong ang sinasagot ng paghahambing ng mga capability ng Claude model tiers kumpara sa pahinang ito.

Tatlong sitwasyon kung saan Sonnet 5 o Haiku 4.5 ang tapat na sagot

High-volume classification at extraction. Sinusukat ang mga task na ito batay sa throughput at unit cost, at sapat na mababa ang quality ceiling para maabot ito ng murang model. Kung sampung beses ang presyo ng isang task na tama namang kinukumpleto ng Haiku 4.5, walang nasusukat na dagdag na pakinabang ang Fable 5.

Interactive na trabaho kung saan ang latency ang mismong produkto. Ayon sa model table ng Anthropic, mas mabagal ang comparative latency ng Fable 5, at hindi maaaring i-disable ang thinking. Mas hindi maganda ang pakiramdam ng chat box o editor completion sa mas capable na model, dahil mas nauunang mapansin ng mga user ang paghihintay kaysa ang kalidad.

Anumang nakadepende sa mga event pagkatapos ng January 2026. Ang reliable knowledge cutoff ng Fable 5 ay January 2026. Ang sa Opus 5 ay May 2026. Mas kaunti ang nalalamang bago ng mas mahal na model, kaya sa mga tanong tungkol sa recency, doble ang bayad mo para sa mas lumang kaalaman maliban kung bibigyan mo ito ng search o fetch tools.

May isang constraint na hiwalay sa cost. May 30 day data retention ang Fable 5 at hindi ito available sa ilalim ng zero data retention dahil itinalaga ito bilang Covered Model. Kung nangangailangan ang agreement mo ng zero retention, hindi option ang Fable 5 sa anumang presyo, at walang discount na makapagbabago nito.

Ipinapakita ng mga fable-method repo, at hindi nito ipinapakita

Nag-publish ang mga practitioner ng mga repository na naglalahad kung paano gumagana ang mga approach ng Fable 5 upang masundan ang mga ito ng mas murang model. Inilalarawan ng fable-method repo ang isang kasanayan sa pag-iisip, isang orchestration loop, at isang adversarial verifier na muling nagpapatakbo ng bawat check na inaangkin, sa halip na basahin ang sariling report ng agent. Tahasang sinasabi ito sa README nito: "Isa itong community distillation, hindi artifact ng Anthropic."

Ituring ito bilang ganoon lamang. Ebidensiya ito kung paano ginagamit ng mga tao ang model, at hindi ito dokumentasyon kung paano gumagana ang model. Walang bahagi nito ang validated ng Anthropic, at may ilang halos magkakaparehong fork na magkakaiba ang wording. Inaasahan ito sa folklore, hindi sa isang spec.

Ang mahalagang signal para sa isang cost decision ay procedural ang mga bahaging nakita ng mga tao na sulit kopyahin. I-classify ang task, tukuyin ang check na magpapatunay na tapos na ito, mangalap ng ebidensiya bago magdesisyon, at pagkatapos ay mag-verify sa pamamagitan ng obserbasyon sa halip na pagbabasa ng summary. Kapag binigyan ang mas murang model ng tahasang checklist at verification step, nababawasan ang bahagi ng agwat. Kaya isagawa muna ang experiment sa sarili mong evaluation set bago mo gawing standard ang mas mahal na model. Nakadepende ang resulta sa mga task mo. Dahil dito, hindi gaanong mahalaga sa iyo ang numero ng ibang tao.

Suriin ang sarili mong mga numero bago maglaan ng budget

• Basahin ang usage sa bawat response, at i-log nang hiwalay ang output_tokens_details.thinking_tokens mula sa visible output. Ang reasoning na hindi mo nakikita ang line item na kadalasang nakakagulat sa mga tao.
• Itakda nang explicit ang effort sa halip na tanggapin ang default, at panatilihin itong pare-pareho sa loob ng anumang conversation na umaasa sa prompt caching.
• Ilagay muna sa likod ng cache breakpoint ang stable prefix mo. Ang cache read na one tenth ng base input price ay mas malaking tipid kaysa sa karamihan ng model downgrades.
• Ilipat sa Batch API ang anumang hindi nangangailangan ng agarang sagot.
• Tiyaking tapat ang pagpresyo sa alternatibo. Sulit ang isang hapon para sa Paghahambing ng Claude at ChatGPT API pricing batay sa sarili mong workload bago gumawa ng pangmatagalang commitment.

Kung ang workload ay isang agent na tumatakbo sa sarili mong server, nasa labas ng model choice ang pinakamahahalagang control. Tinalakay sa Pagkontrol sa gastos ng agent sa isang VPS ang loop limits at spend caps na pumipigil sa runaway session, habang ipinapaliwanag ng kung saan talaga kumokonsumo ng tokens ang Claude Code ang mga numerong makikita mo sa usage dashboard.

FAQ

Magkano ang halaga ng Claude Fable 5 kada milyong token?

Ang Claude Fable 5 ay may presyong $10 kada milyong input token at $50 kada milyong output token sa Claude API, batay sa pagsusuri sa pricing page ng Anthropic noong 3 August 2026. Ang cache read ay nagkakahalaga ng $1 kada milyong token, o isang ikasampu ng base input rate. Nagbibigay ang Batch API ng 50% diskwento sa parehong panig, kaya ang halaga ay $5 at $25 kada milyong token para sa asynchronous work. Kapag pinananatili ang inference sa loob ng United States gamit ang inference_geo parameter, nagdaragdag ito ng 1.1 times multiplier sa bawat kategorya.

Kasama ba ang Claude Fable 5 sa Claude Pro subscription?

Inililista ng Claude Fable page ng Anthropic ang model bilang available sa mga user ng Pro, Max, Team, at Enterprise, at hindi nito binabanggit ang free plan. Hindi unlimited ang access na kasama sa subscription. May ilang seat na nakaka-access sa Fable bilang bahagi ng weekly usage limits, habang ang iba ay gumagamit ng usage credits. Nagbago ang arrangement na ito nang mahigit isang beses noong July 2026. Basahin ang row na may label na Fable sa plan comparison table sa pricing page ng Anthropic sa araw na magpapasya ka. Huwag umasa sa figure mula sa isang article. Kapag nagamit na ang kasama sa allowance, sisingilin ang karagdagang paggamit sa API rate.

Bakit mas mataas ang singil ko sa Claude Fable 5 kaysa sa ipinapakitang output?

Palaging naka-on ang adaptive thinking sa Claude Fable 5. Sisingilin bilang output tokens ang thinking tokens, at hindi kailanman ibinabalik ang raw chain of thought. Kapag ang thinking.display ay nasa default nitong omitted, makakakita ka ng walang laman na thinking field habang sinisingil sa bawat reasoning token na nasa likod nito. Basahin ang usage.output_tokens_details.thinking_tokens sa response upang makita ang paghahati, at tandaan na kapag streaming, dumarating lamang ito sa final message_delta event. Ibaba ang effort level kung mas mataas kaysa sa kailangan ng task ang ratio ng reasoning sa answer.

Dapat ko bang gamitin ang Claude Fable 5 o Claude Opus 5?

Kalahati ng presyo kada token ang Claude Opus 5 at mayroon itong mas bagong reliable knowledge cutoff: May 2026 kumpara sa January 2026 para sa Fable 5. Magsimula sa Opus 5 at mag-escalate kapag nabigo roon ang isang task, o kapag mas malaki ang halaga ng maling sagot kaysa sa price difference. Mas angkop ang Fable 5 para sa long horizon agent work kung saan maaaring umabot sa ilang oras ang cleanup dahil sa isang maling branch, at para sa one-off jobs kung saan isang invoice lamang sasagutin ang premium sa halip na masingil sa bawat request nang tuluy-tuloy.