Anthropic: Claude Fable 5 (batch)

Claude Fable 5 (batch) adalah model teks dari Anthropic, terdaftar di api14 dengan model id anthropic/claude-fable-5:batch. Anthropic mendeskripsikannya sebagai model kelas Mythos yang dibangun untuk kerja pengetahuan otonom dan coding. Label batch menandai varian ini sebagai endpoint batch dari model tersebut, yaitu bentuk yang Anda panggil ketika Anda ingin model yang sama dilayani melalui alur kerja batch alih-alih interaktif.

Model ini menerima input teks, gambar, dan file serta mengembalikan teks. Model ini memiliki context window 1.000.000 token dan dapat menghasilkan hingga 128.000 output token dalam satu respons. Reasoning adalah bagian dari desain model, dan API menyediakan kontrol untuknya, sehingga Anda dapat menentukan seberapa besar upaya reasoning internal yang dikeluarkan model sebelum menulis jawabannya. Output hanya berupa teks, yang menjaga penanganan respons tetap sederhana jika pipeline Anda mengharapkan string alih-alih konten campuran.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Dokumen panjang, seluruh codebase, atau kumpulan file yang besar muat di dalam context window, sehingga tugas seperti merangkum repositori, menjawab pertanyaan di seluruh kumpulan kontrak, atau mengekstrak catatan terstruktur dari halaman hasil pemindaian dan PDF adalah cocok. Input gambar membantu ketika materi sumber mencakup screenshot, diagram, atau dokumen yang difoto yang perlu dibaca bersama teks. Karena model ini ditujukan untuk kerja pengetahuan otonom dan coding, model ini cocok untuk tugas bergaya agen di mana model membaca materi, menalar tentangnya, lalu memanggil tool untuk bertindak berdasarkan apa yang ditemukannya.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id anthropic/claude-fable-5:batch, sehingga library klien OpenAI yang ada berfungsi hanya dengan mengubah base URL dan nama model. Parameter permintaan yang didukungnya adalah include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools, dan verbosity. Dalam praktiknya, tools dan tool_choice menggerakkan function calling, structured_outputs dan response_format membatasi bentuk balasan, max_tokens dan stop membatasi generasi, dan parameter terkait reasoning memungkinkan Anda menyetel bagaimana model berpikir sebelum menjawab.

Ingatlah batas output: 128.000 token itu lapang tetapi terbatas, sehingga tugas generasi yang sangat besar mungkin perlu dipecah ke beberapa panggilan. Jika tugas Anda murni interaktif dan Anda tidak memerlukan pemrosesan batch, bentuk non-batch dari model yang sama mungkin lebih cocok. Varian batch adalah pilihan alami ketika Anda memiliki banyak permintaan independen dan dapat menerima alur kerja batch sebagai imbalan menjalankannya bersama-sama.