Anthropic: Claude Fable 5 (batch)

Claude Fable 5 (batch) är en textmodell från Anthropic, listad på api14 under modell-id anthropic/claude-fable-5:batch. Anthropic beskriver den som en modell i Mythos-klassen byggd för autonomt kunskapsarbete och kodning. Etiketten batch markerar att denna variant är modellens batch-endpoint, alltså den form du anropar när du vill att samma modell ska betjänas genom ett batch-flöde i stället för ett interaktivt sådant.

Modellen tar emot text-, bild- och filindata och returnerar text. Den har ett kontextfönster på 1 000 000 tokens och kan producera upp till 128 000 utdata-tokens i ett enda svar. Resonemang är en del av modellens design, och API:et exponerar kontroller för det, så du kan bestämma hur mycket internt resonemangsarbete modellen lägger ned innan den skriver sitt svar. Utdata är enbart text, vilket håller svarshanteringen enkel om din pipeline förväntar sig strängar i stället för blandat innehåll.

Dessa förmågor pekar mot några praktiska användningsområden. Långa dokument, hela kodbaser eller stora samlingar av filer ryms inom kontextfönstret, så uppgifter som att sammanfatta ett kodförråd, besvara frågor över en uppsättning avtal eller extrahera strukturerade poster från skannade sidor och PDF:er är rimliga tillämpningar. Bildindata hjälper när källmaterialet innehåller skärmbilder, diagram eller fotograferade dokument som behöver läsas tillsammans med text. Eftersom modellen är inriktad på autonomt kunskapsarbete och kodning passar den för agentliknande jobb där den läser material, resonerar kring det och sedan anropar verktyg för att agera på det den hittat.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id anthropic/claude-fable-5:batch, så befintliga OpenAI-klientbibliotek fungerar med bara bas-URL och modellnamn ändrade. De begäransparametrar den stöder är include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools och verbosity. I praktiken styr tools och tool_choice funktionsanrop, structured_outputs och response_format begränsar svarets form, max_tokens och stop avgränsar genereringen, och de resonemangsrelaterade parametrarna låter dig finjustera hur modellen tänker innan den svarar.

Håll taket för utdata i minnet: 128 000 tokens är generöst men ändligt, så mycket stora genereringsjobb kan behöva delas upp över flera anrop. Om din uppgift är helt interaktiv och du inte behöver batchbearbetning kan den icke-batchade formen av samma modell vara ett bättre val. Batch-varianten är det naturliga valet när du har många oberoende begäranden och kan acceptera batch-flödet i utbyte mot att köra dem tillsammans.