Fable 5.1 的缓存读取降价和 effort 参数，每个 gateway 运营者都得重新算一遍账

Claude Fable 5.1 的发布公告把篇幅给了 benchmark 数字，但两项变化的运营意义被埋在了里面。一项是定价调整，让 prompt caching 在这个模型上比其他所有 Claude 都划算四倍。另一项是新的 API 参数，把思考深度变成了每次请求都可以调节的路由维度。两者都不惹眼，但切换流量一周内就会在账单和延迟分布上显现出来。

缓存读取价格变了多少

claude-fable-5-1 和 claude-mythos-5-1 的 prompt cache 读取费用定为 $0.25/百万 token，是基础输入价格 $10/MTok 的 0.025 倍。其他所有 Claude 模型的缓存读取费率是输入价格的 0.1 倍，同样的基准下算出来是 $1.00/MTok。这是缓存读取这一行 4 倍的价差。

一个典型的 agent 工作流，每次工具调用都要把 10 万 token 的 system prompt 随请求带上，粗略算一下

缓存写入价格没变。节省只在已经正确写缓存的场景下才会兑现，如果还没用 prompt caching，这次调整给了更充分的理由去做。

Anthropic 宣传的"典型工作负载节省约 25%、高度 agentic 工作负载节省约 45%"，几乎全部来自这项重新定价。基础输入和输出费率（$10/$50 每百万 token）和 Fable 5 一样没变。跑短的、无状态调用的团队几乎感受不到变化，跑长上下文、多步 agent 循环、system prompt 稳定不变的团队收益最大。

effort 参数的作用

output_config.effort 本身不是新东西，Fable 5 时就有了。但它在 Fable 5.1 上的地位比以前更重要，因为这个模型的 adaptive thinking 始终开着，而 effort 级别直接决定模型用多少 thinking token。

三个值可选，low、medium、high。顶层参数不需要任何 beta 请求头。

{
  "model": "claude-fable-5-1",
  "max_tokens": 4096,
  "output_config": { "effort": "medium" },
  "messages": [...]
}

各平台的默认值不一样，Claude Code 默认 High，Claude Cowork 和 claude.ai 默认 Medium。如果你在 gateway 里把流量路由到 claude-fable-5-1 时没有显式设置 output_config.effort，请求会沿用 API 默认值，结果可能和用户在产品界面上测试时看到的表现不一致。

现在还有一个 beta 扩展，per-message effort（请求头加 anthropic-beta: per-message-effort-2026-05-19），允许在同一段对话里按轮次切换 effort 级别。一个多步研究 agent 可以在复杂的规划轮次用 high，在处理网页内容摘要时切回 low，最后综合输出前再升回 high。这种细粒度控制改变了长 agent 会话里成本上限和延迟预算的设计方式。

透传 output_config 的 gateway 已经天然支持。会裁剪或规范化 output_config 的 gateway 需要把它加进允许透传的字段列表。

从 Fable 5 升级需要注意什么

有三个破坏性变更。其中两个已经被广泛讨论过。运营者最容易遗漏的一个是 thinking block 的模型绑定问题，claude-fable-5-1 产生的 thinking block 无法被更早的模型读取。如果你的系统把 Fable 5.1 的响应送进一条可能落到旧模型的 fallback 链继续对话，下游模型收到的会是残缺或格式错误的上下文。修复方法是把续接调用固定在同一模型家族，或者在交接前把 thinking block 从上下文里剥掉。

实际升级步骤如下。

1. 更新模型 ID，claude-fable-5 → claude-fable-5-1。
2. 删除所有 tool_choice: {type: "any"} 或 tool_choice: {type: "tool"}，Fable 5.1 上这两种写法返回 400。改用 strict tool use 或 structured outputs。
3. 检查 fallback 链里有没有 thinking block 交接的节点。
4. 显式设置 output_config.effort，不要依赖各平台的默认值继承。
5. 如果你在缓存 system prompt，对照新的 $0.25/MTok 读取费率重新检查缓存的写入/读取计量逻辑。

多平台部署注意事项

claude-fable-5-1 在 Claude API、Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Azure Foundry 上均可用。在支持 prompt caching 和 adaptive thinking 的平台上，缓存读取定价和 effort 参数的行为一致。

跨云部署 Fable 5.1 流量的团队，需要确认计费对账层使用的是 0.025× 缓存读取乘数，而不是沿用之前模型的 0.1×。各云厂商会在计费 API 里把缓存读取单独列出来，系数是模型特定的，需要在所有成本预测工具里手动更新。

路由层的关注点

effort 参数属于路由策略级别的配置，不只是单条 prompt 里的选项。透传 output_config 的 gateway 让调用方能在每次请求里控制 effort。会裁剪或规范化 output_config 的 gateway 则让 effort 对下游应用不可见，模型始终跑在默认值下，成本与延迟的调节空间也就消失了。

评估是否要把生产流量迁到 Fable 5.1，可以先拿缓存使用量最大的工作负载做测试。定价变化在那里最直观地体现在账单上，也是判断升级性价比最清晰的信号。