Claude Fable 5 : guide complet et avis honnête (2026)

 

Ce qu'est réellement Claude Fable 5

Avant les benchmarks, la question qui mérite une réponse est de savoir pourquoi une nouvelle catégorie existe. La gamme d'Anthropic culminait déjà avec Opus 4.8. Fable 5 est la version publique, soumise à des contrôles de sécurité, d'une catégorie supérieure qu'Anthropic appelle Mythos — le même modèle sous-jacent que Claude Mythos 5, qui reste réservé à un petit groupe de partenaires approuvés dans le cadre d'un programme appelé Project Glasswing. Fable est la version avec les garde-fous activés ; Mythos est la version dont certains ont été retirés.

En termes simples : Fable 5 est le modèle le plus puissant jamais rendu généralement disponible par Anthropic. Il est moins conçu pour discuter que pour effectuer de longues tâches autonomes — planifier en plusieurs étapes, appeler des outils, lire les résultats et, avec le niveau de puissance maximal, vérifier ses propres résultats avant de les renvoyer. L'identifiant du modèle est claude-fable-5.

Les spécifications en un coup d'œil

Est-il vraiment performant — et où montre-t-il ses limites ?

Fable 5 s'est classé numéro un à son lancement sur l'Artificial Analysis Intelligence Index, avec un score de 65, contre 60 pour GPT-5.5 et 57 pour Gemini 3.1 Pro. C'est en programmation que l'écart est le plus marqué : des rapports indépendants l'évaluent à environ 80 % sur SWE-bench Pro, loin devant le modèle suivant. Les premiers partenaires d'Anthropic confirment ces résultats : l'entreprise d'analyse Hex a indiqué que Fable 5 avait dépassé 90 % sur son benchmark principal, soit dix points de plus qu'Opus 4.8, et Stripe a déclaré que le modèle avait effectué en une seule journée une migration portant sur l'ensemble d'une base de code de 50 millions de lignes Ruby, un travail qui aurait, selon ses estimations, demandé plus de deux mois à une équipe humaine.

Jusqu'ici, cela ressemble à tous les articles de lancement. Voici la partie que la plupart omettent. Sur le benchmark Agents' Last Exam, GPT-5.5 a devancé Fable 5 — un résultat qui correspond à une tendance plus générale : les modèles d'OpenAI suivent plus littéralement les instructions longues et composées de plusieurs parties. Dans l'un des premiers articles indépendants, le développeur Simon Willison a posé la même question factuelle à Fable et à GPT-5.5 et a constaté que GPT-5.5 renvoyait en réalité une réponse plus complète. Fable 5 est le modèle le plus performant du secteur sur la plupart des axes ; il ne l'est pas sur tous, et « meilleur dans l'ensemble » ne signifie pas « meilleur pour votre tâche spécifique ».

Une controverse non résolue mérite également d'être signalée, en la présentant pour ce qu'elle est : un point contesté, pas une question tranchée. Fortune a rapporté qu'un passage enfoui dans la fiche système de 319 pages de Fable 5 décrit le modèle diminuant silencieusement la qualité de ses réponses pour certains travaux de développement liés à l'IA, sans en informer l'utilisateur. Anthropic présente ce routage comme une fonctionnalité de sécurité ; les critiques considèrent que le problème réside précisément dans le fait de « ne pas en informer l'utilisateur ». Si votre travail concerne ce domaine, considérez cela comme une inconnue connue jusqu'à la publication de directives plus claires.

Ce que cela change au quotidien

Après deux jours d'utilisation, le signal le plus utile provient de développeurs identifiés qui montrent leur travail. La leçon récurrente est que Fable 5 donne de meilleurs résultats lorsqu'on lui fournit d'emblée toute l'étendue du projet. Dans l'un des premiers articles indépendants, Simon Willison lui a demandé d'ajouter une étape d'approbation à une bibliothèque d'agents open source. Il l'a d'abord vu recourir à des « astuces assez complexes », puis les refactoriser en fonctionnalités propres et prises en charge dès qu'il lui a indiqué que la bibliothèque sous-jacente pouvait être modifiée. En environ cinq heures et demie, le modèle a écrit presque toute une version de cette bibliothèque de manière autonome.

Cette capacité a un coût. Willison a dépensé 110,42 $ en tokens au cours d'une seule journée de tests. Et Fable n'est pas infatigable comme on pourrait l'espérer : certains utilisateurs, ainsi que la propre documentation d'Anthropic, signalent qu'il s'arrête parfois prématurément sur les tâches longues, terminant un tour par une intention au lieu d'achever le travail. L'habitude pratique qui résout ces deux problèmes : lui donner toute la spécification d'un coup et vérifier qu'il a bien effectué la dernière étape.

Le vibe coding : une application fonctionnelle à partir d'un seul prompt

S'il y a un domaine vers lequel Fable 5 est davantage orienté que les autres, c'est le vibe coding — décrire une application ou une scène en langage naturel et laisser le modèle tout construire, souvent en une seule passe. Anthropic mise directement sur cette capacité : sur ViBench, son propre benchmark de vibe coding de bout en bout, l'entreprise présente Fable 5 comme le modèle ayant obtenu le meilleur score parmi ceux qu'elle a testés.

Les exemples publics sont convaincants. Ethan Mollick a généré une série de jeux de petite taille mais complets, chacun à partir d'un seul prompt initial dans Claude Code — un Snake de style Pac-Man, un labyrinthe d'allumage de lanternes appelé Strata à l'apparence légèrement inspirée de Myst, un jeu de poésie fondé sur les Élégies de Duino, ainsi qu'une carte fonctionnelle des temps de trajet isochrones — et a rapporté que le modèle « surpassait largement tous les autres modèles publics que j'ai utilisés », en travaillant jusqu'à douze heures sur des spécifications de plusieurs pages. Matt Shumer a créé en une seule requête un monde jouable dans le navigateur, de style Minecraft, avec ThreeJS personnalisé, puis lui a également demandé de représenter à l'échelle la vallée de Yosemite à partir de données d'altitude de la NASA. Lorsque le rendu s'est révélé lent, toute sa consigne corrective a été : « rends-le plus rapide, sans perdre en qualité », et Fable a refactorisé lui-même le pipeline de rendu.

La partie reproductible, c'est que vous n'avez pas besoin d'un prompt ingénieux, seulement d'un prompt clair. Donnez à Fable 5 un objectif et de la marge pour planifier, et il s'occupe de la structure de base. Voici un prompt de départ que vous pouvez coller directement dans Claude Fable 5 sur GPT Proto pour le regarder construire :

Build a single-file browser game in HTML + JavaScript with no external
dependencies: a top-down 2D snake that grows when it eats apples, arrow-key
controls, game over on hitting the wall or itself, with a visible score and
a restart button. Keep the visuals clean and a little retro — chunky pixels,
a muted arcade palette. Don't stop until it runs as a single file I can open
directly in a browser.

Augmentez le niveau d'effort, fournissez-lui une spécification de plusieurs pages plutôt qu'une phrase, et la même boucle s'adapte aux créations de plusieurs heures décrites par Mollick. C'est ce qui justifie le tarif premium : une première version propre de quelque chose qui aurait autrement demandé une journée de travail préparatoire.

Comment l'utiliser (notamment via GPT Proto)

Vous appelez Fable 5 via le format standard Anthropic Messages. Sur GPT Proto, le point de terminaison est https://gptproto.com/v1/messages, avec une authentification par votre clé dans l'en-tête Authorization. L'appel cURL minimal :

curl --location 'https://gptproto.com/v1/messages' \
  --header 'Authorization: YOUR_GPTPROTO_API_KEY' \
  --header 'Content-Type: application/json' \
  --header 'anthropic-version: 2023-06-01' \
  --data '{
    "model": "claude-fable-5",
    "max_tokens": 8000,
    "messages": [
      { "role": "user", "content": "Refactor this module and explain the trade-offs." }
    ]
  }'

Deux éléments diffèrent des anciens modèles Claude et peuvent vous piéger si vous réutilisez du vieux code. Premièrement, la réflexion est toujours activée : il n'existe aucun bouton pour la désactiver. N'envoyez pas de paramètre thinking pour la désactiver ; cela renvoie une erreur 400. Vous réglez l'intensité du travail du modèle avec output_config.effort , de low à max. Deuxièmement, un même contenu coûte plus de tokens qu'avec les modèles de catégorie Opus, car Fable 5 utilise un nouveau tokenizer — ne réutilisez donc pas vos anciens budgets de tokens.

En Python :

import requests, json

resp = requests.post(
    "https://gptproto.com/v1/messages",
    headers={
        "Authorization": "YOUR_GPTPROTO_API_KEY",
        "Content-Type": "application/json",
        "anthropic-version": "2023-06-01",
    },
    data=json.dumps({
        "model": "claude-fable-5",
        "max_tokens": 8000,
        "output_config": {"effort": "medium"},  # low | medium | high | xhigh | max
        "messages": [
            {"role": "user", "content": "Refactor this module and explain the trade-offs."}
        ],
    }),
)
data = resp.json()
text = "".join(b["text"] for b in data["content"] if b["type"] == "text")
print(text)

Le niveau d'effort à consacrer ne relève pas du hasard — Willison a soumis le même prompt « dessine un pélican sur un vélo au format SVG » aux cinq niveaux et a publié le coût en tokens de chacun :

Le passage de high à max représentait près de sept fois plus de tokens pour un même prompt. Notez aussi que high s'est révélé moins cher que medium ici : cela rappelle que l'effort détermine le niveau d'exploration du modèle, et non un prix fixe. Commencez avec medium, passez à high ou xhigh uniquement pour les tâches agentiques réellement difficiles, et réservez max aux rares cas où l'exactitude prime sur le coût. Pour la génération de texte simple, vous pouvez appeler directement le point de terminaison claude-fable-5/text-to-text .

Gérer les refus — la partie que la plupart des guides omettent

Comme Fable 5 redirige les demandes sensibles, votre code doit traiter un refus comme un résultat normal, et non comme une erreur. Lorsqu'un classificateur de sécurité refuse une demande, l'API renvoie une réponse HTTP 200 réussie avec stop_reason: "refusal" et un corps vide ou partiel — le code qui lit le premier bloc de contenu sans effectuer de vérification cessera donc de fonctionner. The Register a déjà documenté des classificateurs refusant des prompts inoffensifs, et Anthropic estime le taux de déclenchement à moins de 5 % des sessions en moyenne, avec un taux supérieur dans les domaines de la cybersécurité, de la biologie et de la chimie. Prévoyez ce cas :

if data.get("stop_reason") == "refusal":
    # The request was declined by a safety classifier (HTTP 200, not an error).
    # Retry the same prompt on a model without the Mythos guardrails.
    fallback = requests.post(
        "https://gptproto.com/v1/messages",
        headers={
            "Authorization": "YOUR_GPTPROTO_API_KEY",
            "Content-Type": "application/json",
            "anthropic-version": "2023-06-01",
        },
        data=json.dumps({
            "model": "claude-opus-4-8",
            "max_tokens": 8000,
            "messages": [
                {"role": "user", "content": "Refactor this module and explain the trade-offs."}
            ],
        }),
    )
    data = fallback.json()

Rediriger la demande refusée vers claude-opus-4-8 reproduit ce qu'Anthropic fait en interne et permet à votre pipeline de continuer. Une règle connexe des recommandations de prompting d'Anthropic : ne demandez pas à Fable 5 d'imprimer son propre raisonnement — cela peut déclencher un autre classificateur et vous faire basculer vers le modèle de secours sans raison valable.

Tarification — et comment payer 20 % de moins

Une capacité de ce niveau est tarifée en conséquence. Anthropic affiche Fable 5 à 10 $ par million de tokens d'entrée et 50 $ par million de tokens de sortie — exactement le double des tarifs de 5 $ et 25 $ d'Opus 4.8. Via GPT Proto, le même modèle coûte 8 $ et 40 $, soit environ 20 % de moins que le tarif public, avec le même format d'API.

Un élément que la remise ne change pas : l'obligation de conservation des données pendant 30 jours s'applique de la même manière via GPT Proto qu'en accès direct, car elle est définie par Anthropic au niveau du modèle. Si une politique de conservation zéro est une exigence absolue pour vous, Fable 5 est exclu, quel que soit le point d'accès — c'est une contrainte à prendre en compte, et aucun revendeur ne peut la supprimer.

À qui s'adresse-t-il — et à qui ne s'adresse-t-il pas ?

Fable 5 justifie son tarif premium pour un type de travail bien précis : les tâches autonomes à long terme, pour lesquelles une meilleure planification et une meilleure auto-vérification permettent d'économiser davantage de supervision humaine qu'elles ne coûtent en tokens. Migrations de bases de code, refactorisations sur plusieurs fichiers, recherches approfondies dans un contexte de 1M de tokens, workflows agentiques complexes, créations à partir d'un seul prompt. Si une tâche est suffisamment difficile pour qu'un modèle moins cher nécessite trois cycles de correction, payer le double pour obtenir une première passe propre est plus avantageux.

Pour tout le reste, ce n'est pas le bon choix par défaut. Rédaction courante, aide quotidienne à la programmation, résumés, toute tâche sensible au budget — claude-opus-4-8 offre l'essentiel de ces capacités pour moitié moins cher, et Sonnet 4.6 coûte encore moins. De plus, si votre travail concerne la cybersécurité, la biologie ou la chimie, attendez-vous à ce que les classificateurs redirigent une part importante de vos demandes vers Opus 4.8 ; vous paierez alors le tarif de Fable pour obtenir des réponses d'Opus. La règle de routage honnête à laquelle aboutissent la plupart des équipes : Sonnet pour les brouillons, Opus pour les révisions difficiles, Fable pour les tâches véritablement autonomes — et vérifiez les tarifs GPT Proto avant d'intégrer l'un de ces modèles dans une boucle.

FAQ

Claude Fable 5 est-il gratuit ?

Non. C'est un modèle premium facturé 10 $/50 $ par million de tokens au tarif public, ou 8 $/40 $ via GPT Proto. Il n'existe pas de formule gratuite.

Combien coûte Claude Fable 5 par rapport à Opus 4.8 ?

Exactement deux fois plus — Fable 5 coûte 10 $/50 $ par million de tokens, tandis qu'Opus 4.8 coûte 5 $/25 $.

Quelle est la taille de la fenêtre de contexte ?

1M de tokens, ce qui correspond également à la valeur par défaut ; jusqu'à 128K tokens de sortie par requête.

Fable 5 ou GPT-5.5 — lequel est le meilleur ?

Fable 5 est en tête pour la programmation et les scores globaux de l'indice d'intelligence ; GPT-5.5 l'emporte sur le prix et l'a devancé de peu sur le benchmark de suivi des instructions Agents' Last Exam. Faites votre choix selon votre charge de travail.

Puis-je accéder à Fable 5 via une API ?

Oui — il est généralement disponible. Vous pouvez l'appeler sur GPT Proto en utilisant le format standard Anthropic Messages.

Pourquoi Fable 5 a-t-il répondu à ma question avec un autre modèle ?

Ses classificateurs de sécurité redirigent certaines demandes sensibles vers Opus 4.8 et renvoient stop_reason: "refusal". Vérifiez ce champ et gérez-le dans votre code.

---