Anthropic: Claude Fable 5 (batch)

Claude Fable 5 (batch) is een tekstmodel van Anthropic, vermeld op api14 onder het model-id anthropic/claude-fable-5:batch. Anthropic beschrijft het als een model van de Mythos-klasse, gebouwd voor autonoom kenniswerk en coderen. Het label batch markeert deze variant als het batch-endpoint van het model, de vorm die je aanroept wanneer je hetzelfde model via een batchworkflow wilt laten draaien in plaats van interactief.

Het model accepteert tekst-, afbeeldings- en bestandsinvoer en retourneert tekst. Het heeft een contextvenster van 1.000.000 tokens en kan tot 128.000 uitvoertokens in één antwoord produceren. Redeneren maakt deel uit van het ontwerp van het model, en de API biedt hiervoor instelmogelijkheden, zodat je kunt bepalen hoeveel interne redeneerinspanning het model levert voordat het zijn antwoord schrijft. De uitvoer is alleen tekst, wat de afhandeling van antwoorden eenvoudig houdt als je pipeline strings verwacht in plaats van gemengde inhoud.

Die mogelijkheden wijzen op een paar praktische toepassingen. Lange documenten, volledige codebases of grote verzamelingen bestanden passen binnen het contextvenster, dus taken zoals het samenvatten van een repository, het beantwoorden van vragen over een set contracten of het extraheren van gestructureerde records uit gescande pagina's en PDF's zijn redelijke opties. Beeldinvoer helpt wanneer het bronmateriaal screenshots, diagrammen of gefotografeerde documenten bevat die samen met tekst gelezen moeten worden. Omdat het model is gericht op autonoom kenniswerk en coderen, is het geschikt voor agent-achtige taken waarbij het materiaal leest, erover redeneert en vervolgens tools aanroept om actie te ondernemen op basis van wat het heeft gevonden.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id anthropic/claude-fable-5:batch, zodat bestaande OpenAI-clientbibliotheken werken met alleen een gewijzigde base URL en modelnaam. De aanvraagparameters die het ondersteunt zijn include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools en verbosity. In de praktijk sturen tools en tool_choice het aanroepen van functies aan, beperken structured_outputs en response_format de vorm van het antwoord, begrenzen max_tokens en stop de generatie, en laten de redeneer-gerelateerde parameters je afstemmen hoe het model denkt voordat het antwoordt.

Houd het uitvoerplafond in gedachten: 128.000 tokens is ruim, maar eindig, dus zeer grote generatietaken moeten mogelijk over meerdere aanroepen worden gesplitst. Als je taak puur interactief is en je geen batchverwerking nodig hebt, is de niet-batchvorm van hetzelfde model mogelijk de betere keuze. De batchvariant is de natuurlijke keuze wanneer je veel onafhankelijke aanvragen hebt en de batchworkflow kunt accepteren in ruil voor het samen uitvoeren ervan.