Claude Fable 5

Claude Fable 5 é o modelo Fable anterior do Anthropic, ainda disponível ao lado do Claude Fable 5.1. Envie a requisição oficial de Mensagens do Anthropic para o SeedRouter: altere a URL base e a chave de API, mantenha o corpo. O mesmo modelo também responde aos formatos OpenAI Chat Completions e Responses.

ID do modelo

Consulte a página do modelo para os preços atuais.

Exemplo rápido

curl https://api.seedrouter.ai/v1/messages \
  -H "x-api-key: $SEEDROUTER_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-fable-5",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "Summarize the trade-offs of event sourcing in three bullet points."}]
  }'

Endpoints

O endpoint de Mensagens encaminha o corpo da sua requisição como enviado, incluindo campos opcionais, e retorna a resposta oficial. Um cabeçalho anthropic-beta também é encaminhado. Mantenha a chave de API em código do lado do servidor.

Parâmetros

Raciocínio e nível de raciocínio

Claude Fable 5 sempre usa raciocínio adaptativo: o modelo decide quanto pensar, e output_config.effort o orienta. Esforço maior geralmente significa mais tokens de saída, uma espera mais longa e um custo mais alto. Com thinking.display definido como summarized, a resposta inclui blocos de thinking que você pode mostrar; com omitted, Claude Fable 5 ainda retorna um bloco de thinking, mas seu texto está vazio. Leia a resposta dos blocos text, não do primeiro bloco. Os tokens de raciocínio são cobrados como tokens de saída.

Entradas de mídia

Imagens e PDFs vão no content de um turno do usuário como blocos image e document, com uma fonte url ou, como na API oficial, uma fonte base64:

{"role": "user", "content": [
  {"type": "image", "source": {"type": "url", "url": "https://example.com/chart.png"}},
  {"type": "text", "text": "What does this chart show?"}
]}

Substitua a URL de exemplo por um arquivo publicamente acessível do seu próprio.

Dimensões de cobrança

Consulte as taxas atuais na página do modelo. Uma requisição é cobrada pelos tokens que usa:

• tokens de entrada,
• tokens de saída, incluindo raciocínio,
• leituras de cache de prompt, e
• escritas de cache de prompt, com taxas separadas de 5 minutos e 1 hora.

A cobrança é retirada do usage informado com a resposta concluída. Uma requisição que falha não é cobrada. Os registros de uso da sua conta mostram a cobrança exata para cada requisição.

Saída

Uma requisição sem streaming retorna o objeto de mensagem oficial:

{
  "id": "msg_...",
  "type": "message",
  "role": "assistant",
  "model": "claude-fable-5",
  "content": [{"type": "text", "text": "..."}],
  "stop_reason": "end_turn",
  "usage": {"input_tokens": 18, "output_tokens": 4, "cache_read_input_tokens": 0, "cache_creation_input_tokens": 0}
}

Com "stream": true a resposta é um fluxo dos eventos oficiais: message_start, content_block_start, content_block_delta, content_block_stop, message_delta e message_stop. O message_delta final contém a contagem de tokens de saída.

Formatos compatíveis com OpenAI

O mesmo modelo responde aos formatos OpenAI, então o código OpenAI existente precisa apenas de uma nova URL base e ID de modelo:

from openai import OpenAI

client = OpenAI(api_key="YOUR_SEEDROUTER_KEY", base_url="https://api.seedrouter.ai/v1")

chat = client.chat.completions.create(
    model="claude-fable-5",
    messages=[{"role": "user", "content": "Hello"}],
)
response = client.responses.create(model="claude-fable-5", input="Hello")

Essas requisições são convertidas para o formato de Mensagens, então um campo sem contrapartida em Mensagens não tem efeito. Suas respostas carregam os campos oficiais do OpenAI e podem incluir alguns campos de uso extra; leia usage.total_tokens e os campos oficiais.

Erros

Erros em /v1/messages usam a forma do Anthropic, {"type": "error", "error": {"type": "...", "message": "..."}}; os outros formatos usam {"error": {"code": ..., "message": "..."}}. O code é um código do catálogo de erros comum. Requisições falhadas não são cobradas.

Dicas

• Comece com o nível de raciocínio padrão e aumente-o apenas para tarefas que precisam de mais raciocínio; a mudança de esforço afeta tanto a qualidade quanto o custo.
• Defina max_tokens alto o suficiente para o raciocínio e também para a resposta: é um orçamento para ambos.
• Coloque contexto longo e reutilizado primeiro e marque-o com cache_control para que requisições posteriores o leiam do cache com a taxa mais baixa.

Relacionados

• Playground e preços do Claude Fable 5
• Baixar OpenAPI
• Markdown copiável