Claude Fable 5.2: Specyfikacja, cennik API i migracja — ściągawka

Claude Fable 5.2 (wydany 9 listopada 2026 r.) to flagowy model frontier firmy Anthropic zaprojektowany specjalnie do wymagającego wnioskowania i długohoryzontowej pracy agentowej. W porównaniu z Fable 5.1 standardowe generowanie jest do 30% szybsze, bazowe ceny API są o 20% niższe, a opcjonalny tryb Fast (Fast mode) zapewnia nawet 2,5× większą szybkość generowania tokenów.

💡 Relacja modeli siostrzanych: Claude Fable 5.2 i Claude Mythos 5.2 współdzielą te same bazowe wagi modelu. Fable 5.2 jest udostępniany szeroko z rygorystycznymi zabezpieczeniami cybernetycznymi i biologicznymi; Mythos 5.2 jest udostępniany wyłącznie zweryfikowanym instytucjom w ramach programów Anthropic Cyber oraz Life Sciences Verification Programs.

🔗 Powiązane ściągawki: Ściągawka Claude Code CLI · Porównanie terminalowych agentów AI CLI · Inżynieria AI Agent Harness · Pojęcia techniczne LLM i agentów AI · Porównanie 4 wiodących agentów Always-on

---

1. Kluczowa specyfikacja i międzyplatformowe identyfikatory modeli

---

2. Cennik API i porównanie kosztów (USD za milion tokenów)

Standardowe stawki za tokeny wejściowe i wyjściowe spadły o 20% względem Fable 5.1, przy bardzo dużych zniżkach na odczyt z Prompt Caching:

⚡ Wskazówka optymalizacji kosztów: Wieloturowe pętle agentowe wielokrotnie przesyłają prompty systemowe, definicje narzędzi oraz historię konwersacji. Włączenie Prompt Caching obniża koszt odczytu z pamięci podręcznej do $0.20 / MTok — zrównując go z ceną odczytu w Opus 5.5.

---

3. Pięciopoziomowa regulacja parametru effort

Adaptacyjne myślenie jest zawsze aktywne w Fable 5.2; dobieraj parametr effort, aby zrównoważyć głębię rozumowania, opóźnienia i koszt tokenów:

---

4. Granice doboru modelu i kluczowe zastosowania

4.1 Zalecany schemat decyzyjny routingu

Fable 5.2 nie jest modelem do zwykłego czatu. Większość zadań rozpoczynaj od Sonnet 5.5 lub Opus 5.5, a eskaluj do Fable 5.2 dopiero wtedy, gdy wyższy effort na Opus 5.5 nie wystarcza lub zadanie wymaga wielogodzinnej pracy autonomicznej:

Napływające zadanie
 ├── Zwykły czat, lekkie pisanie, rutynowe podsumowania, proste pytania?
 │     └── TAK ➔ Użyj Claude Sonnet 5.5 / Opus 5.5 (niższe opóźnienia, 1/4–1/2 kosztu)
 └── NIE (Złożona inżynieria / głęboki research / wieloetapowy agent)
       ├── Czy Opus 5.5 z wyższym effort spełnia wymagania jakościowe?
       │     └── TAK ➔ Pozostań przy Claude Opus 5.5 (najlepszy stosunek ceny do jakości)
       └── NIE / Wymagana wielogodzinna autonomiczna orkiestracja
             └── Eskaluj do Claude Fable 5.2
                   ├── Przepływ krytyczny pod kątem opóźnień? ➔ Tryb Fast (2,5× szybkość, 2× cena)
                   └── Przepływ standardowy / asynchroniczny? ➔ Tryb standardowy + high effort

4.2 Obszary zastosowań o wysokiej wartości

---

5. Zmiany niekompatybilne wstecz i lista kontrolna migracji

Zweryfikuj wszystkie cztery zmiany na poziomie platformy przed przełączeniem obciążeń produkcyjnych na claude-fable-5-2:

Przykłady kodu migracyjnego

1) Zaktualizowany zestaw narzędzi Computer Use z opcjonalnym trybem Fast:

response = client.messages.create(
    model="claude-fable-5-2",
    max_tokens=64000,
    speed="fast",  # Opcjonalnie: włącza tryb Fast (do 2,5x większa szybkość przy 2x cenie za token)
    tools=[
        {
            "type": "computer_toolset_20260801",  # Zastępuje wycofane narzędzie computer_20251124
            "display_width_px": 1280,
            "display_height_px": 800,
        }
    ],
    messages=[{"role": "user", "content": "Run the automated desktop verification suite."}],
)

2) Obsługa dynamicznych zmian prefiksu za pomocą prefix_mismatch_behavior (wymaga nagłówka beta):

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

⚠️ Uwaga: Ustawienie prefix_mismatch_behavior na "drop_block" (wartość domyślna to "error") odrzuca unieważnione wcześniejsze bloki myślenia zamiast przerywać żądanie błędem; należy oczekiwać nieco wyższego zużycia tokenów wyjściowych, gdy model ponownie przemyśli te tury.