Anthropic: Claude Fable 5 (batch)

Claude Fable 5 (batch) ist ein Textmodell von Anthropic, gelistet auf api14 unter der Modell-ID anthropic/claude-fable-5:batch. Anthropic beschreibt es als ein Modell der Mythos-Klasse, das für autonome Wissensarbeit und Coding entwickelt wurde. Das Label batch kennzeichnet diese Variante als den Batch-Endpunkt des Modells, also die Form, die Sie aufrufen, wenn Sie dasselbe Modell über einen Batch-Workflow statt über einen interaktiven Workflow nutzen möchten.

Das Modell akzeptiert Texteingaben, Bild- und Dateieingaben und gibt Text zurück. Es hat ein Kontextfenster von 1.000.000 Tokens und kann in einer einzigen Antwort bis zu 128.000 Ausgabe-Tokens erzeugen. Reasoning ist Teil des Designs des Modells, und die API bietet Steuerungsmöglichkeiten dafür, sodass Sie entscheiden können, wie viel interne Reasoning-Anstrengung das Modell aufwendet, bevor es seine Antwort schreibt. Die Ausgabe ist reiner Text, was die Behandlung der Antwort einfach hält, wenn Ihre Pipeline Zeichenketten statt gemischter Inhalte erwartet.

Diese Fähigkeiten deuten auf einige praktische Einsatzmöglichkeiten hin. Lange Dokumente, ganze Codebasen oder große Sammlungen von Dateien passen in das Kontextfenster, sodass Aufgaben wie das Zusammenfassen eines Repositorys, das Beantworten von Fragen über eine Reihe von Verträgen hinweg oder das Extrahieren strukturierter Datensätze aus gescannten Seiten und PDFs gut geeignet sind. Bildeingabe hilft, wenn das Ausgangsmaterial Screenshots, Diagramme oder fotografierte Dokumente enthält, die neben dem Text gelesen werden müssen. Da das Modell auf autonome Wissensarbeit und Coding ausgerichtet ist, eignet es sich für Agenten-ähnliche Aufgaben, bei denen es Material liest, darüber nachdenkt und dann Tools aufruft, um auf Grundlage des Gefundenen zu handeln.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID anthropic/claude-fable-5:batch auf, sodass vorhandene OpenAI-Client-Bibliotheken nur mit geänderter Basis-URL und geändertem Modellnamen funktionieren. Die unterstützten Anforderungsparameter sind include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools und verbosity. In der Praxis steuern tools und tool_choice den Funktionsaufruf, schränken structured_outputs und response_format die Form der Antwort ein, begrenzen max_tokens und stop die Generierung, und die reasoning-bezogenen Parameter lassen Sie abstimmen, wie das Modell denkt, bevor es antwortet.

Behalten Sie die Obergrenze für die Ausgabe im Auge: 128.000 Tokens sind großzügig, aber endlich, sodass sehr große Generierungsaufgaben möglicherweise auf mehrere Aufrufe aufgeteilt werden müssen. Wenn Ihre Aufgabe rein interaktiv ist und Sie keine Batch-Verarbeitung benötigen, ist die Nicht-Batch-Form desselben Modells möglicherweise die bessere Wahl. Die Batch-Variante ist die natürliche Wahl, wenn Sie viele unabhängige Anfragen haben und den Batch-Workflow akzeptieren können, um sie gemeinsam auszuführen.