Claude Fable 5.2 dirilis: High atau Max? Mari lihat data kualitas dan biayanya.

Claude Fable 5.2 dirilis pada 9 November 2026. Harga standar API-nya 20% lebih rendah dibandingkan versi 5.1.

Banyak tim kemudian bertanya: kalau harganya lebih murah, apakah kita bisa langsung memilih max?

Artikel ini membandingkan Fable 5.2 high dan Fable 5.2 max dalam kerangka yang sama, sekaligus melihat kualitas dan biaya per tugas.

Manfaat utama: Setelah membaca artikel ini, Anda akan tahu kapan sebaiknya menggunakan high atau max pada Fable 5.2. Anda juga akan mendapatkan daftar catatan yang bisa langsung digunakan untuk mengevaluasi peningkatan.

Daftar isi

• Yang perlu diketahui: istilah terkait pemilihan tingkat Fable 5.2
• 1 Fable 5.2 high dan max tidak mengubah harga satuan yang sama
• 2 Membandingkan kualitas dan biaya Fable 5.2 dalam satu tabel
• 3 Memeriksa tren tingkat Fable 5.2 menggunakan data dari lembaga independen
• 4 Memilih tingkat Fable 5.2 berdasarkan penggunaan tugas
• 5 Menentukan apakah Fable 5.2 perlu ditingkatkan ke max melalui evaluasi sendiri
• Pertanyaan umum (FAQ) / Poin penting / Kesimpulan

Yang perlu diketahui

1 High dan max di Fable 5.2 tidak mengubah harga satuan yang sama

Banyak orang mengira bahwa semakin tinggi tingkatannya, semakin mahal harga satuannya. Padahal, menurut tarif standar resmi Anthropic, input Fable 5.2 dikenai biaya 8 dolar per sejuta token dan output 40 dolar per sejuta token. Harga satuan ini tidak berubah berdasarkan tingkatannya.

Effort menentukan seberapa besar upaya berpikir yang dicurahkan model untuk suatu tugas, berapa banyak langkah yang diambil, berapa lama waktu yang dibutuhkan, dan berapa banyak token yang digunakan. Jadi, harga satuannya sama, tetapi tagihan per tugas bisa berbeda beberapa kali lipat.

Bagaimana tingkat Fable 5.2 memengaruhi tagihan

Di Fable 5.2, adaptive thinking selalu aktif. Effort menentukan batas dan kecenderungan upaya berpikir model. Saat tingkatnya dinaikkan, model biasanya melakukan lebih banyak penalaran dan pemanggilan alat, sehingga token yang ditagihkan ikut bertambah.

Misalnya, dengan input yang sama sebanyak 100 ribu token, jika output meningkat dari 20 ribu menjadi 40 ribu token, biaya mode standar 5.2 akan naik dari 1,60 dolar menjadi 2,40 dolar—bahkan lebih tinggi daripada biaya 5.1 sebesar 2 dolar dengan penggunaan sebelumnya.

Selain itu, penting untuk membedakan dua jenis “nilai default”. Dokumentasi model resmi menyebutkan bahwa effort default API adalah high. Produk seperti Cursor memiliki lapisan konfigurasi sendiri. Misalnya, konteks default-nya adalah 300K, yang tidak berada pada lapisan yang sama dengan spesifikasi 1M dalam dokumentasi API.

Satu hal lagi: panduan petunjuk resmi mengingatkan bahwa tingkat dengan nama yang sama bisa menggunakan upaya berpikir yang berbeda di versi yang berbeda. Jadi, pengalaman menggunakan tingkat pada masa 5.1 tidak bisa begitu saja diterapkan ke 5.2.

2 Melihat kualitas dan biaya Fable 5.2 dalam satu tabel

CursorBench 4.0 adalah evaluasi yang dilakukan Cursor menggunakan tugas dan lingkungan alatnya sendiri. Evaluasi ini bukan pengujian ulang independen yang bersifat umum, tetapi membandingkan lima level dalam Harness yang sama sehingga cocok untuk mengamati perubahan relatif antarlevel. Data berikut diambil pada 10 November 2026.

Catatan: Kolom tokens adalah kolom agregat pada halaman benchmark, bukan hanya jumlah token keluaran. Sumber: CursorBench 4.0.

Fable 5.2 dari High ke Max: kenaikan 3,1 poin persentase dengan biaya sekitar 3,38 kali lipat

Dalam tabel ini, skor naik dari 56,9% pada High menjadi 60,0% pada Max, atau meningkat 3,1 poin persentase. Biaya per tugas naik dari 9,70 dolar menjadi 32,79 dolar, sekitar 3,38 kali lipat, atau meningkat sekitar 238%.

Berdasarkan perhitungan artikel ini, nilai pada kolom tokens meningkat sekitar 3,55 kali lipat, sedangkan jumlah langkah bertambah dari 69 menjadi 218, sekitar 3,16 kali lipat. Kenaikan biaya terutama berasal dari bertambahnya proses berpikir dan langkah eksekusi, bukan dari perubahan harga satuan.

Data ini hanya menunjukkan bahwa di lingkungan tersebut, skor yang lebih tinggi disertai biaya yang jauh lebih besar.

Cara memahami hasil Extra High yang tidak terduga

Ada hal lain yang patut diperhatikan dalam tabel ini: biaya Extra High sekitar 60% lebih tinggi daripada High, tetapi skornya justru lebih rendah 0,6 poin persentase.

💡 Saran pemilihan: Perbandingan hanya bisa dilakukan antarlevel dalam tabel yang sama; angka dari evaluasi yang berbeda tidak bisa digabungkan. Jika ingin mereplikasi perbandingan serupa pada tugas Anda sendiri, gunakan antarmuka terpadu dan log pemanggilan APIYI di apiyi.com untuk mencocokkan data. Pastikan terlebih dahulu ID model dan dukungan level yang tersedia di platform pada hari itu.

3 Periksa tren tier Fable 5.2 menggunakan data dari lembaga independen

Jika hanya melihat satu lingkungan evaluasi, kesimpulan bisa dipengaruhi oleh lingkungan itu sendiri. AA adalah lembaga evaluasi independen. Peringkatnya dapat digunakan untuk memeriksa apakah tren yang terlihat di Cursor juga muncul di lingkungan lain. Berikut cuplikan data per 10 November 2026, menggunakan versi metode Intelligence Index v5.0.1.

65 bukan berarti akurasi 65%

Halaman metode AA menjelaskan bahwa indeks versi v5.0.1 terdiri dari 9 evaluasi, dengan bobot masing-masing 25% untuk empat kategori kemampuan. Jadi, 65 adalah skor indeks gabungan, bukan akurasi 65%. Di lingkungan AA, skor indeks naik 3 dari high ke max, sementara biaya per tugas sekitar 2,92 kali lipat. Skor high dan xhigh sama-sama 62. Artinya, skor gabungannya sama, bukan perilaku keduanya pada setiap tugas sepenuhnya sama.

Bandingkan kedua lingkungan secara terpisah

Kedua lingkungan sama-sama menunjukkan tren bahwa skor max lebih tinggi, dengan biaya sekitar 3 kali lipat dibandingkan high. Ini bisa menjadi konfirmasi silang atas tren tersebut. Namun, tugas, metode penilaian, dan perhitungan biaya AA dan Cursor berbeda. Skor 65 dari AA tidak bisa digabungkan dengan 60,0% dari Cursor menjadi satu angka akurasi.

4 Memilih Tingkat Fable 5.2 Sesuai Kegunaan Tugas

Panduan petunjuk resmi memberikan pendekatan awal: mulai dengan high untuk API, lalu naikkan atau turunkan berdasarkan hasil evaluasi Anda. medium lebih cocok untuk skenario interaktif; gunakan xhigh untuk tugas sulit dan panjang yang terbukti mendapat manfaat tambahan; sementara max digunakan untuk mengevaluasi batas kemampuan model atau untuk segelintir tugas yang tidak dibatasi waktu maupun token. Pada tingkat yang lebih rendah, perhatikan juga risiko tugas berakhir terlalu cepat.

Tabel Rekomendasi Skenario Fable 5.2

Tiga skenario berikut adalah contoh hipotetis untuk menjelaskan cara memilih tingkat.

Kapan Memilih Fable 5.2 high

• Sebagian besar tugas API yang membutuhkan penalaran kuat dan memiliki kriteria penerimaan yang jelas;
• Tim belum memiliki sistem evaluasi tingkat, sehingga membutuhkan titik awal yang direkomendasikan secara resmi;
• Alur produksi dengan volume permintaan tinggi dan biaya per tugas yang sensitif.

Kapan Memilih Fable 5.2 max

• Mengevaluasi batas kemampuan model untuk jenis masalah tertentu;
• Segelintir pertanyaan terbuka yang biaya kegagalannya jauh lebih besar daripada biaya model;
• Sampel Anda sendiri telah membuktikan bahwa max dapat meningkatkan tingkat kelulusan hingga melewati ambang batas, sedangkan high tidak.

🎯 Saran teknis: Pilih tingkat berdasarkan kelompok tugas, tidak perlu menentukan tingkat untuk setiap permintaan satu per satu. Praktik terbaik yang direkomendasikan secara resmi adalah mulai dengan high untuk menguji sekumpulan tugas yang representatif. Jika ingin menggunakan APIYI apiyi.com sebagai akses terpadu melalui API, pastikan untuk memeriksa ID model, grup, endpoint, dan dukungan effort yang tersedia di platform pada hari penggunaan sebelum memulai secara resmi.

5 Tentukan sendiri apakah Fable 5.2 layak ditingkatkan ke max

Evaluasi publik hanya menunjukkan tren. Keputusan untuk meningkatkan model sebaiknya didasarkan pada hasil pengujian Anda sendiri. Daftar pencatatan berikut bisa langsung digunakan. Prinsip utamanya: ubah hanya satu variabel, yaitu tingkat effort.

Panduan cepat Fable 5.2: catat usage terlebih dahulu

Contoh singkat berikut hanya menunjukkan cara melakukan pemanggilan dan mencatat usage. Artikel ini tidak menyediakan cara meneruskan parameter effort. Pastikan Fable 5.2 sudah tersedia di platform dan effort didukung untuk diteruskan dengan merujuk pada dokumentasi platform terbaru.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Antarmuka APIYI yang kompatibel dengan OpenAI
)

resp = client.chat.completions.create(
    model="YOUR_MODEL_ID",  # Isi dengan ID model yang dikonfirmasi tersedia di platform hari ini
    messages=[{"role": "user", "content": "按验收标准修复以下函数……"}]
)
print(resp.usage)  # Catat usage untuk rekonsiliasi nanti

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# Tarif standar resmi Anthropic (dolar per sejuta token), hanya untuk estimasi dan bukan jumlah yang benar-benar ditagihkan
RATE_IN, RATE_OUT = 8.0, 40.0

def run_task(task_id: str, prompt: str, model: str, effort_label: str, passed_fn):
    """Jalankan satu tugas dan kembalikan satu catatan evaluasi. effort_label hanya digunakan sebagai label pencatatan."""
    start = time.time()
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    text = resp.choices[0].message.content
    u = resp.usage
    est_usd = u.prompt_tokens / 1e6 * RATE_IN + u.completion_tokens / 1e6 * RATE_OUT
    return {
        "task_id": task_id,
        "model": model,
        "effort": effort_label,
        "passed": passed_fn(text),          # Fungsi evaluasi yang sudah ditulis sebelumnya
        "prompt_tokens": u.prompt_tokens,
        "completion_tokens": u.completion_tokens,
        "est_usd": round(est_usd, 4),       # Nilai estimasi
        "seconds": round(time.time() - start, 1),
        "output": text,                     # Simpan teks asli kasus yang gagal
    }

def quota_to_usd(quota: int) -> float:
    """Dalam log platform, quota ÷ 500000 adalah jumlah dolar yang benar-benar ditagihkan."""
    return quota / 500000

Dokumentasi log APIYI mencantumkan kolom seperti model_name, prompt_tokens, completion_tokens, quota, duration_for_view, dan request_id. Nilai quota ÷ 500000 menunjukkan jumlah dolar yang benar-benar ditagihkan, sedangkan kolom other berisi informasi tambahan seperti pengali grup. Hubungkan catatan evaluasi dengan log menggunakan request_id. Dengan begitu, Anda bisa menghitung biaya aktual untuk “tugas yang lolos”, bukan hanya melihat biaya per permintaan.

🚀 Mulai cepat: Jika ingin menguji alur ini dengan sampel kecil terlebih dahulu, daftar di APIYI apiyi.com untuk menggunakan kuota uji coba gratis bagi pengguna baru. Jalankan metode pencatatan “tugas sama, satu variabel, catat biaya aktual”, lalu putuskan apakah perlu menambah jumlah sampel.

Prinsip pengambilan keputusan akhirnya adalah: pastikan dulu apakah high memenuhi ambang kualitas. Jika ya, tak perlu membayar biaya sekitar 3 kali lipat demi peningkatan beberapa persen saja. Jika high belum memenuhi ambang, tetapi max bisa memenuhinya, bandingkan biaya tambahan max dengan dampak kegagalan atau pengerjaan ulang. Sebaiknya jangan menjadikan max sebagai pengaturan default untuk semua permintaan.

FAQ

Poin Utama Fable 5.2 high dan max

• Harga per unit tetap, tagihan bisa berubah: effort mengubah jumlah pemikiran dan langkah yang diperlukan. Pada harga yang sama, biaya tugas bisa berbeda hingga beberapa kali lipat.
• Default API adalah high: Resmi disarankan untuk memulai dari high, lalu menaikkan atau menurunkannya berdasarkan hasil evaluasi sendiri.
• Perbandingan Cursor: Dari high ke max, skor naik 3,1 poin persentase, dengan biaya sekitar 3,38 kali lipat.
• Perbandingan AA: Indeks naik dari 62 menjadi 65, dengan biaya sekitar 2,92 kali lipat; angka 65 bukan tingkat akurasi.
• Jangan gabungkan lingkungan evaluasi: Kedua evaluasi hanya bisa dibandingkan dalam lingkungannya masing-masing dan tidak bisa digabung menjadi satu skor efektivitas biaya.
• Gunakan max untuk sedikit tugas saja: Cocok untuk mengukur batas kemampuan dan menangani pertanyaan terbuka yang bernilai tinggi.
• Verifikasi dengan biaya aktual: Gunakan tugas yang sama, ubah satu variabel saja, dan catat usage. Anda juga bisa mencocokkan catatan transaksi melalui log APIYI apiyi.com.

Kesimpulan

Pemilihan antara Fable 5.2 high dan max bisa dirangkum dalam tiga poin:

1. Bedakan harga per unit dan tagihan tugas: Tingkat model tidak mengubah harga per unit, tetapi mengubah jumlah sumber daya yang digunakan.
2. Baca data dalam lingkungan yang sama: Cursor dan AA sama-sama menunjukkan bahwa skor max sedikit lebih tinggi, dengan biaya sekitar 3 kali lipat dari high. Namun, hasil keduanya tidak bisa digabungkan untuk dibandingkan.
3. Jadikan ambang penerimaan sebagai patokan: Jika high sudah memenuhi ambang, tetap gunakan high. Bandingkan biaya tambahan dengan biaya pengerjaan ulang hanya jika high tidak memenuhi standar, tetapi max bisa memenuhinya.

Bagi kebanyakan tim, langkah yang lebih aman adalah memulai dengan high untuk menyusun kategori tugas dan catatan penerimaan, lalu memilih beberapa tugas bernilai tinggi untuk mengevaluasi max secara terpisah. Anda bisa menggunakan APIYI apiyi.com dengan antarmuka terpadu dan log pemanggilan untuk menguji sampel sendiri dengan cepat. Pastikan model dan tingkat yang dipilih didukung sebelum memperluas penggunaannya.

📚 Referensi

1. Pengumuman peluncuran Anthropic: Cakupan peluncuran Fable dan Mythos 5.2 serta penilaian vendor
2. Tautan: anthropic.com/claude-fable-and-mythos-5-2

3. Keterangan: Tanggal peluncuran 2026-11-09; mencakup tolok ukur kecepatan dan tabel evaluasi

4. Harga Claude API: Tarif standar resmi

5. Tautan: platform.claude.com/docs/en/about-claude/pricing

6. Keterangan: Harga input/output Fable 5.2 adalah 8 / 40 dolar per satu juta token

7. Spesifikasi model Fable 5.2: Konteks, batas output, dan effort default

8. Tautan: platform.claude.com/docs/en/models/fable-5-2/overview

9. Keterangan: Pemikiran adaptif selalu aktif; default API adalah high

10. Panduan petunjuk Fable 5.2: Rekomendasi resmi untuk memilih tingkat effort

11. Tautan: platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-2

12. Keterangan: Skenario penggunaan untuk medium, high, xhigh, dan max

13. CursorBench 4.0: Evaluasi lima tingkat dalam lingkungan Cursor sendiri

14. Tautan: prod.cursor.com/evals

15. Keterangan: Evaluasi milik penyedia alat, bukan pengujian ulang independen yang bersifat umum

16. Peringkat model Artificial Analysis: Peringkat dinamis dari lembaga independen

17. Tautan: artificialanalysis.ai/leaderboards/models

18. Keterangan: Intelligence Index dan biaya per tugas

19. Metodologi evaluasi Artificial Analysis: Susunan Intelligence Index v5.0.1

20. Tautan: artificialanalysis.ai/methodology/intelligence-benchmarking

21. Keterangan: 9 evaluasi; masing-masing dari empat kategori kemampuan berbobot 25%

22. Cara Cursor membandingkan kualitas model: Blog tentang metodologi benchmark versi lama

23. Tautan: prod.cursor.com/blog/cursorbench

24. Keterangan: Hanya untuk memahami prinsip desain, bukan untuk menyimpulkan hasil statistik versi 4.0

25. API kueri log APIYI: Kolom log dan konversi biaya aktual

26. Tautan: docs.apiyi.com/api-capabilities/log-query
27. Keterangan: quota÷500000 adalah biaya aktual dalam dolar

Penulis: Tim Teknis APIYI
Diskusi teknis: Silakan hubungi kami melalui halaman beranda situs APIYI apiyi.com. Materi lainnya tersedia di pusat dokumentasi docs.apiyi.com.

Artikel terkait

• Fable 5.5 vs GPT-6.2 Astra: Mana yang Lebih Unggul dan Bagaimana Memilih? 6 Demo dan 3 Hal yang Tidak Adil: Fable 5.5 dan GPT-6.2 Astra memiliki demo publik, tetapi belum dibandingkan dengan tugas yang sama; artikel ini mengulas tingkat bukti 6 demo, spesifikasi dan harga resmi model unggulan saat ini, Fable 5.1 dan GPT-6 Astra, serta metode evaluasi pemilihan yang dapat diulang.
• GPT-6.1 Terra atau GPT-6 Luna: Mana yang Lebih Cocok untuk Otomatisasi Massal? Perbandingan Biaya dan Akurasi dengan 4 Kelompok Pengujian Nyata: Harga per token Terra 10 kali lipat Luna, tetapi selisih akurasinya berkisar antara 4,7 hingga 18,7 poin persentase; artikel ini menggunakan data pengujian nyata dari Plotly, DualEntry, dan OSWorld untuk menghitung biaya sebenarnya per hasil yang benar dalam otomatisasi massal.
• Jangan hanya lihat harga satuan token: 7 langkah untuk memperkirakan biaya lengkap sebuah tugas: Dari input, output, penalaran, cache, percobaan ulang hingga validasi dan peningkatan, gunakan 7 langkah untuk mengonversi "berapa biaya per juta token" menjadi "berapa biaya per satu tugas yang diselesaikan".
• Panduan Verifikasi Tugas Jangka Panjang Model Baru: 5 Langkah Menentukan Apakah Model Baru Layak Diganti: Artikel ini menyajikan alur 5 langkah, 6 indikator penilaian, dan metode penghitungan biaya untuk membantu Anda menilai apakah layak beralih setelah model baru dirilis dengan validasi pembanding menggunakan tugas jangka panjang Anda sendiri.
• Bobot terbuka MiniMax M3.1 Flash dirilis pada 23/10: perbandingan 4 aspek antara konfigurasi deployment lokal dan biaya API: Bobot MiniMax M3.1 Flash dijadwalkan dirilis pada 23 Oktober; artikel ini menjelaskan spesifikasi yang dibutuhkan untuk deployment lokal dan membandingkan biaya deployment mandiri dengan penggunaan API langsung dari segi kepatuhan, volume pemanggilan, kemampuan operasional, dan kebutuhan modifikasi model.