Claude Fable 5.2: Specifiche, Prezzi API e Guida alla Migrazione (Cheat Sheet)

Claude Fable 5.2 (rilasciato il 9 novembre 2026) è il modello di frontiera di punta di Anthropic, progettato appositamente per ragionamento complesso e attività agentiche di lunga durata. Rispetto a Fable 5.1, l'output standard è fino al 30% più veloce, i prezzi base delle API sono inferiori del 20% e la modalità opzionale Fast mode offre una velocità di generazione dei token fino a 2.5×.

💡 Relazione tra modelli gemelli: Claude Fable 5.2 e Claude Mythos 5.2 condividono gli stessi pesi fondamentali. Fable 5.2 è distribuito su larga scala con rigorose misure di salvaguardia informatica e biologica; Mythos 5.2 è riservato esclusivamente alle istituzioni verificate nell'ambito dei programmi Cyber e Life Sciences Verification di Anthropic.

🔗 Cheat Sheet correlati: Cheat Sheet CLI di Claude Code · Confronto CLI di coding IA da terminale · Ingegneria dell'AI Agent Harness · Concetti tecnici di LLM e agenti IA · Confronto tra i 4 principali agenti Always-on

---

1. Specifiche principali e ID modello multipiattaforma

---

2. Prezzi API e confronto costi (USD per milione di token)

Le tariffe standard di input e output diminuiscono del 20% rispetto a Fable 5.1, con forti sconti sulle letture di Prompt Caching:

⚡ Consiglio per ottimizzare i costi: I cicli agentici multi-turno inviano ripetutamente prompt di sistema, definizioni di tool e cronologia. L'attivazione del Prompt Caching riduce il costo di lettura dalla cache a $0.20 / MTok, allineandosi al prezzo di lettura di Opus 5.5.

---

3. Tabella di regolazione effort su cinque livelli

L'Adaptive thinking è sempre attivo su Fable 5.2; regola effort per bilanciare profondità di ragionamento, latenza e costo dei token:

---

4. Criteri di scelta del modello e casi d'uso ad alto valore

4.1 Flusso decisionale consigliato per il routing

Fable 5.2 non è un modello per chat informali. Avvia la maggior parte dei carichi di lavoro con Sonnet 5.5 o Opus 5.5, ed esegui l'escalation a Fable 5.2 solo quando un effort più alto su Opus 5.5 non basta ancora o il compito richiede orchestrazione autonoma per più ore:

Attività in ingresso
 ├── Chat informale, scrittura leggera, riepiloghi di routine, Q&A semplici?
 │     └── SÌ ➔ Usa Claude Sonnet 5.5 / Opus 5.5 (latenza inferiore, 1/4–1/2 del costo)
 └── NO (Ingegneria complessa / ricerca approfondita / agente multi-step)
       ├── Opus 5.5 con effort più elevato soddisfa i requisiti di qualità?
       │     └── SÌ ➔ Resta su Claude Opus 5.5 (miglior rapporto prestazioni/costo)
       └── NO / Necessaria orchestrazione autonoma multi-ora
             └── Passa a Claude Fable 5.2
                   ├── Flusso critico per la latenza? ➔ Fast mode (velocità 2.5×, prezzo 2×)
                   └── Flusso standard / asincrono? ➔ Modalità standard + effort high

4.2 Ambiti applicativi ad alto valore

---

5. Breaking change per sviluppatori e checklist di migrazione

Verifica tutte e quattro le modifiche a livello di piattaforma prima di aggiornare i carichi di lavoro in produzione a claude-fable-5-2:

Esempi di codice per la migrazione

1) Toolset Computer Use aggiornato con Fast mode opzionale:

response = client.messages.create(
    model="claude-fable-5-2",
    max_tokens=64000,
    speed="fast",  # Opzionale: abilita la Fast mode (velocità fino a 2.5x al doppio del prezzo per token)
    tools=[
        {
            "type": "computer_toolset_20260801",  # Sostituisce il deprecato computer_20251124
            "display_width_px": 1280,
            "display_height_px": 800,
        }
    ],
    messages=[{"role": "user", "content": "Run the automated desktop verification suite."}],
)

2) Gestione delle modifiche dinamiche al prefisso con prefix_mismatch_behavior (richiede intestazione beta):

// Intestazione della richiesta:
// anthropic-beta: thinking-binding-controls-2026-08-01
{
  "model": "claude-fable-5-2",
  "thinking": {
    "type": "adaptive",
    "block_binding": {
      "prefix_mismatch_behavior": "drop_block"
    }
  }
}

⚠️ Nota: Impostare prefix_mismatch_behavior su "drop_block" (il valore predefinito è "error") scarta i blocchi thinking precedenti invalidati invece di far fallire la richiesta; prevedi un consumo leggermente maggiore di token di output quando il modello rielabora quei turni.