Anthropic: Claude Fable 5 (batch)

Claude Fable 5 (batch) es un modelo de texto de Anthropic, listado en api14 bajo el id de modelo anthropic/claude-fable-5:batch. Anthropic lo describe como un modelo de clase Mythos construido para el trabajo autónomo del conocimiento y la programación. La etiqueta batch marca esta variante como el endpoint batch del modelo, que es la forma que se llama cuando se quiere el mismo modelo servido a través de un flujo de trabajo batch en lugar de uno interactivo.

El modelo acepta entradas de texto, imagen y archivos y devuelve texto. Tiene una ventana de contexto de 1.000.000 de tokens y puede producir hasta 128.000 tokens de salida en una sola respuesta. El razonamiento es parte del diseño del modelo, y la API expone controles para ello, así que se puede decidir cuánto esfuerzo de razonamiento interno gasta el modelo antes de escribir su respuesta. La salida es solo texto, lo que mantiene simple el manejo de la respuesta si su pipeline espera cadenas en lugar de contenido mixto.

Esas capacidades apuntan a algunos usos prácticos. Documentos largos, bases de código completas o grandes colecciones de archivos caben dentro de la ventana de contexto, así que tareas como resumir un repositorio, responder preguntas a través de un conjunto de contratos o extraer registros estructurados de páginas escaneadas y PDFs son encajes razonables. La entrada de imagen ayuda cuando el material de origen incluye capturas de pantalla, diagramas o documentos fotografiados que deben leerse junto con el texto. Debido a que el modelo está orientado al trabajo autónomo del conocimiento y la programación, se adapta a trabajos de estilo agente donde lee material, razona sobre él y luego llama a herramientas para actuar sobre lo que encontró.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo anthropic/claude-fable-5:batch, así que las bibliotecas cliente de OpenAI existentes funcionan con solo cambiar la URL base y el nombre del modelo. Los parámetros de solicitud que admite son include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools y verbosity. En la práctica, tools y tool_choice impulsan el llamado a funciones, structured_outputs y response_format restringen la forma de la respuesta, max_tokens y stop limitan la generación, y los parámetros relacionados con el razonamiento permiten ajustar cómo piensa el modelo antes de responder.

Tenga en cuenta el techo de salida: 128.000 tokens es generoso pero finito, así que los trabajos de generación muy grandes pueden necesitar dividirse en varias llamadas. Si su tarea es puramente interactiva y no necesita procesamiento batch, la forma no batch del mismo modelo puede ser el mejor encaje. La variante batch es la elección natural cuando tiene muchas solicitudes independientes y puede aceptar el flujo de trabajo batch a cambio de ejecutarlas juntas.