API Hop

用於程式設計與研究的 Claude Fable 5.1 API

比較 Claude Fable 5.1 API 價格與多步驟程式設計、研究的整合選項。查看推理指南並線上測試文字提示詞。

Claude Fable 5.1 API 價格與計費

比較 API

官方價格

輸入
$10.0000 /M
輸出
$50.0000 /M
快取輸入
$0.2500 /M
快取寫入（5 分鐘）
$12.5000 /M
快取寫入（1 小時）
$20.0000 /M

API Hop 價格 降低 45%

輸入
$5.5000 /M
輸出
$27.5000 /M
快取輸入
$0.1375 /M
快取寫入（5 分鐘）
$6.8750 /M
快取寫入（1 小時）
$11.0000 /M

參考價格尚未經獨立驗證。比較成本前，請確認來源最新的價格、計費單位和適用條件。

Claude Fable 5.1 線上聊天工具

模型設定
進階參數
0 個字元起(0/無固定上限)
無固定字元上限；完整請求仍受請求大小和模型上下文限制。此處不是 Token 計數。
0 – 2
0 – 1
-2 – 2
-2 – 2

對話

今天有什麼可以幫你？

就緒

重設並開始新的對話？

這將清空目前對話和未傳送的內容，並還原預設參數。

Claude Fable 5.1 提示詞範例

這些是 Claude Fable 5.1 的評估提示詞，並非模型實測輸出。僅分析提供的文字，不執行程式碼、不檢查正式環境系統，也不證明長上下文效能。請核對引用證據與驗收條件，並在正式使用前檢查回應中繼資料與用量。

將合成記錄擷取為含 id、owner、deadline、evidence 的 JSON：[R1] 問題 41：Ana 負責匯出修復；未約定期限。[R2] 問題 42：審核期限 10 月 15 日；未指定負責人、未說明年份。缺失值用 null，保留原文不完整日期。evidence 引用原文，不猜測年份或負責人。逐欄核對來源；這只是文字整理，不是資料庫操作。

僅使用這份文件樣本：[P1] 匯出修復通過預備環境檢查。[P2] 有人提議週五發布，但未獲核准。[P3] Mei 將於週二審核錯誤訊息。[P4] 文件尚無負責人。以表格回傳結論、準確引文、段落編號和不確定性。正式發布是否已核准？誰負責文件？缺失事實標為未知。引文必須與樣本一致，不由預備環境成功推斷正式環境成功。這個小樣本不測試最大上下文長度。

審查這份虛構的付款 Webhook 策略：每個失敗的 POST 都重試三次，不儲存冪等鍵，傳送回應前先扣減餘額。指出重複扣款風險，提出最小修改和三項驗收測試。僅使用這些事實，不要假設能存取程式碼、工具或正式環境系統。

什麼是 Claude Fable 5.1？

多步驟程式設計與研究

Claude Fable 5.1 是 Anthropic 於 2026年9月1日發布的模型，著重持續分析、多步驟任務與工具協作。它不只是快速回答，更適合需要深入思考的複雜程式問題與研究。原生規格支援文字與圖片輸入、文字輸出、一百萬 token 上下文及最高 128K 輸出 token。原生 API 預設 high 推理強度，可依任務調整。

整合 API 前先試文字對話

API Hop 線上工具讓你快速試用 Fable 5.1：登入、建立 API 金鑰並少量儲值，即可開始評估，無需先整合 API 或訂閱。你不必另開 Anthropic 帳戶，但這不保證免受帳戶限制；仍須遵守平台條款。本頁支援文字對話，不提供檔案上傳、網頁瀏覽或程式執行。

Claude Fable 5.1 可以用來做什麼？

除錯與程式碼審查

Anthropic 將跨程式碼庫開發、程式審查與效能工作列為 Fable 5.1 的核心用途。提供錯誤追蹤、相關程式碼、環境細節與重現步驟後，它可讀取編譯錯誤、堆疊與陌生函式庫原始碼，追蹤相依關係並提出解法。一位客戶描述團隊多年未完全解決的罕見崩潰：Fable 5.1 反組譯外部函式庫、比較崩潰傾印，追到該函式庫的缺陷，最終解決問題。

也可要求檢查介面相容性、例外路徑、權限檢查、資源清理與資料一致性。將它視為提出選項的資深助手，決策責任仍由開發者承擔。

研究與分析

研究分析也是核心用途。Fable 5.1 不只摘要資料，也能圍繞問題進行計算、觀察結果並調整方法。一位客戶表示，某優化任務在 Fable 5 需要額外提示，Fable 5.1 已不需相同引導。若應用提供搜尋或資料工具，它可分析公開資料、擬定方案並依需求評估；本文字頁面本身不會瀏覽網頁。

公開資料可能有大量雜訊。建議依業務理解建立可信來源，或使用我們工程與業務團隊挑選的 API Hop 資料 API。

寫作與文件草擬

Fable 5.1 的寫作改善主要是表達清楚、更遵守寫作要求，而非只產出更長文章。Anthropic 指引建議讓模型保持助手角色，不視為主要作者，並持續自行審查與判斷 AI 內容。

Anthropic 建議指定讀者、讀者需解決的資訊或問題、必須包含的內容及避免的表達。具體目標、結構與範例，比單純要求專業文章更容易得到實用草稿。

長文件與多輪討論

Artificial Analysis 比較中，Fable 5.1 綜合指數高於 Kimi K3，但 AA-LCR v1.1 長上下文推理為 85%，低於 Kimi K3 的 89%。設定是 Fable 5.1 Max、Default Fallback 與 Kimi K3 Max。因此 Kimi K3 在此特定長文件推理測試領先，不能據此稱 Fable 5.1 為最強長文件模型。

如 Anthropic 提示指引所述，長流程壓縮上下文後，重要限制、既定決策或精確細節可能遺失。若應用可實作，建議每次對話保留必要資訊。

Claude Fable 5.1 基準：程式設計、推理與速度

以下分開呈現 Anthropic 發布評測與 Artificial Analysis 獨立評測。設定不同，兩者都不是 API Hop 實測。

Terminal-Bench-Science 0.1：科學終端任務
Fable 5.1: 52.6%Fable 5: 24.7%GPT-5.6 Sol: 22.4%
Terminal-Bench-Science 0.1：科學終端任務 比較圖，由上至下：Fable 5.1: 52.6%; Fable 5: 24.7%; GPT-5.6 Sol: 22.4%。橫軸：0–100%。
Anthropic，2026-10-04 快照，非 API Hop 實測。長條由上至下依圖例排序。橫軸：0–100%。 網格間距：20。
Terminal-Bench 4.0：終端任務
Fable 5.1: 55.8%Fable 5: 42.0%GPT-5.6 Sol: 37.3%
Terminal-Bench 4.0：終端任務 比較圖，由上至下：Fable 5.1: 55.8%; Fable 5: 42.0%; GPT-5.6 Sol: 37.3%。橫軸：0–100%。
Anthropic，2026-10-04 快照，非 API Hop 實測。長條由上至下依圖例排序。橫軸：0–100%。 網格間距：20。
CursorBench 3.2.0：程式設計任務
Fable 5.1: 73.4%Fable 5: 70.5%GPT-5.6 Sol: 67.2%
CursorBench 3.2.0：程式設計任務 比較圖，由上至下：Fable 5.1: 73.4%; Fable 5: 70.5%; GPT-5.6 Sol: 67.2%。橫軸：0–100%。
Anthropic，2026-10-04 快照，非 API Hop 實測。長條由上至下依圖例排序。橫軸：0–100%。 網格間距：20。
Humanity's Last Exam：不使用工具
Fable 5.1: 60.9%Fable 5: 57.8%
Humanity's Last Exam：不使用工具 比較圖，由上至下：Fable 5.1: 60.9%; Fable 5: 57.8%。橫軸：0–100%。
Anthropic，2026-10-04 快照，非 API Hop 實測。長條由上至下依圖例排序。橫軸：0–100%。 網格間距：20。
Humanity's Last Exam：使用工具
Fable 5.1: 65.0%Fable 5: 63.8%
Humanity's Last Exam：使用工具 比較圖，由上至下：Fable 5.1: 65.0%; Fable 5: 63.8%。橫軸：0–100%。
Anthropic，2026-10-04 快照，非 API Hop 實測。長條由上至下依圖例排序。橫軸：0–100%。 網格間距：20。

程式設計：終端工作進步最大

Fable 5.1 最明顯的程式能力改善，在於需操作環境、處理執行結果並持續工作的終端任務，不是所有程式任務平均提升。Anthropic 報告相較 Fable 5，Terminal-Bench-Science 0.1 增加 27.9 個百分點、Terminal-Bench 4.0 增加 13.8、CursorBench 3.2.0 增加 2.9。這較像複雜任務執行增強，而非程式生成品質全面躍升。

價值在於連接分析與實際行動。Anthropic 描述跨程式碼庫開發、獨立撰寫測試，並用視覺結果確認實作是否達標。我們解讀為更能理解、修改、驗證及精進解法，而不是停在看似合理的提案。

推理：較小且取決於設定的提升

推理有所改善，但部分公開測試提升小於終端任務。Humanity's Last Exam 不使用工具由 Fable 5 的 57.8% 升至 60.9%，使用工具由 63.8% 升至 65.0%，分別增加 3.1 與 1.2 個百分點。

我們不把推理強度視為越高就越聰明的簡單開關。Anthropic 將它定義為能力、延遲與成本的主要控制，並指出不同模型相同強度名稱不代表相同思考量。

社群提供了有用反例。Hacker News 使用者 seaurchinzee 解讀系統卡指出，最高強度在 FrontierCode Extended 並非最佳，更高設定可能增加未要求的修改。這是特定程式評測，不是 HLE，但提醒更多推理不一定更遵守任務。範圍與正確性同樣重要，Anthropic 提示指引也另外討論額外修改與範圍擴張。

獨立指數與吞吐量：兩個不同問題

我們認為 Fable 5.1 整體能力與回應速度應分開評估，而非濃縮成單一分數。2026年10月4日查核時，Artificial Analysis 的 Max、Default Fallback 設定為智慧指數 53、每秒約 66.2 輸出 token、首 token 約 259.12 秒。

同一 SVG 繪圖任務，high 約 29.6 秒，max 約 13 分 54 秒。我們認為最高強度結果較好，但等待與輸出用量也大幅增加。結論是額外推理能改善部分複雜輸出。

Claude Fable 5.1 與 Fable 5、GPT-5.6 Sol、Kimi K3 比較

支持 Fable 5.1 最直接的證據仍是終端任務領先。下表為 Anthropic 發布評測。

Artificial Analysis：智慧指數
Fable 5.1: 53Kimi K3: 44
Artificial Analysis：智慧指數 比較圖，由上至下：Fable 5.1: 53; Kimi K3: 44。範圍：0–100 指數點，非百分比。
Artificial Analysis，2026-10-04 快照，非 API Hop 實測。Fable 5.1: Max, Default Fallback; Kimi K3: Max. 長條由上至下依圖例排序。範圍：0–100 指數點，非百分比。 網格間距：20。
Artificial Analysis: Terminal-Bench 4.0
Fable 5.1: 52%Kimi K3: 13%
Artificial Analysis: Terminal-Bench 4.0 比較圖，由上至下：Fable 5.1: 52%; Kimi K3: 13%。橫軸：0–100%。
Artificial Analysis，2026-10-04 快照，非 API Hop 實測。Fable 5.1: Max, Default Fallback; Kimi K3: Max. 長條由上至下依圖例排序。橫軸：0–100%。 網格間距：20。
AA-LCR v1.1：長上下文推理
Fable 5.1: 85%Kimi K3: 89%
AA-LCR v1.1：長上下文推理 比較圖，由上至下：Fable 5.1: 85%; Kimi K3: 89%。橫軸：0–100%。
Artificial Analysis，2026-10-04 快照，非 API Hop 實測。Fable 5.1: Max, Default Fallback; Kimi K3: Max. 長條由上至下依圖例排序。橫軸：0–100%。 網格間距：20。
Anthropic 發布評測：Fable 5.1、Fable 5 與 GPT-5.6 Sol（2026-10-04 快照）
基準測試Fable 5.1Fable 5GPT-5.6 Sol
Terminal-Bench-Science 0.152.6%24.7%22.4%
Terminal-Bench 4.055.8%42.0%37.3%
CursorBench 3.2.073.4%70.5%67.2%

對比 Fable 5 與 GPT-5.6 Sol：終端程式設計優勢最明顯

這些分數顯示，Fable 5.1 對 GPT-5.6 Sol 的領先，在兩項終端基準大於 CursorBench。一位客戶表示，Fable 5.1 在其測試與 Fable 5 相當或略勝，且降低單任務成本，因此開始用於程式碼審查。

對比 Kimi K3：長文件推理排名反轉

我們認為此比較中 Fable 5.1 的綜合能力較強。Artificial Analysis 指數為 Fable 5.1 53、Kimi K3 44，Terminal-Bench 4.0 分別為 52% 與 13%。AA-LCR v1.1 長上下文推理則反轉：Fable 5.1 85%，Kimi K3 89%。

部分使用者可能偏好 Kimi K3 的解釋，轉用它做程式審查或理解問題。目前結論是 Fable 5.1 綜合能力領先，Kimi K3 則在此特定長文件測試領先。

為什麼透過 API Hop 使用 Claude Fable 5.1？

依用量計費與模型成本最佳化

費用依目前 API Hop 費率與實際用量計算，可按需儲值。

統一 AI 模型與資料 API，一站存取多模型

一組 API 金鑰連接多個 AI 模型與資料服務，減少整合成本並可一鍵切換。業務應用同時需要 AI 與資料。

呼叫紀錄與應用程式存取控制，每次呼叫清楚可查

每次 API 呼叫都記錄在控制台中。可為不同應用程式建立獨立 API 金鑰。

依任務評估輸出

透過 API Hop 使用文件列出的模型 ID 與支援參數。依自己的驗收條件評估輸出，在正式使用前檢查用量紀錄與回應中繼資料。模型名稱或範例不保證每次結果。

如何在 API Hop 使用 Claude Fable 5.1

在控制台建立 API 金鑰後，請依文件開始使用 Claude Fable 5.1。

準備帳戶並線上測試

登入、確認餘額，然後建立 API 金鑰。

在試用區體驗

在試用區探索模型能力，找出最佳使用方式。

將 Claude Fable 5.1 整合至業務

依照開發者文件，將 Claude Fable 5.1 整合至業務。

後續模型升級

切換至新模型前，請先確認 API 金鑰的模型目錄回傳其精確 ID。若支援相同端點與請求欄位，再更新模型 ID，並在導入正式流量前測試回應格式、串流、輸出上限與計費。非同步圖片或影片任務還需驗證任務提交、狀態輪詢與結果取得。

Claude Fable 5.1 API 常見問題

Claude Fable 5.1 與 Fable 5 是同一個 API 模型嗎？

不是。Claude Fable 5.1（API 模型名稱：claude-fable-5-1）是 Claude Fable 5（API 模型名稱：claude-fable-5）的升級版本。呼叫 API 時請使用正確的 model 參數。

為什麼 thinking 是空的，或回答不完整？

原生 Fable 5.1 預設使用自適應思考，並可省略思考文字。一般請求不需要 thinking 參數，thinking 為空本身不代表失敗。 若回答不完整，請檢查完成狀態與輸出額度，為思考及最終文字保留足夠空間。

如何排查驗證、餘額或存取錯誤？

請依 API 錯誤文件診斷問題。

可以透過 OpenAI Responses 使用 Claude Fable 5.1 嗎？

不支援 OpenAI Responses。Claude 有自己的 Claude Messages 格式；詳情請參閱文件。

可以強制工具呼叫或編輯原生 Messages 對話嗎？

原生 Fable 5.1 不支援 tool_choice 的 any 或 tool 強制模式。 修改早期訊息後重新傳送保留的思考內容時，請務必謹慎。工具接續過程中應完整保留原生 assistant 內容區塊及其簽章。

對話記憶是永久的嗎？

不是。API 不會自動為後續請求保留對話上下文。請自行管理歷史，並在每次請求加入所需內容。長期記憶需由應用程式實作。

相關文字 API

Claude Fable 5

另一款支援 Chat Completions 的 Anthropic 模型；可比較輸出效果、限制與價格。

Claude Opus 5

另一款支援 Chat Completions 的 Anthropic 模型；可比較輸出效果、限制與價格。

GPT 5.6 Sol

同樣支援 Chat Completions；可使用相同工作負載比較輸出效果、限制與價格。

Kimi K3

同樣支援 Chat Completions；可使用相同工作負載比較輸出效果、限制與價格。