Jawaban singkat: Harga Claude Fable 5.2 adalah $8 per satu juta token input dan $40 per satu juta token output pada API standar Anthropic. Fast mode masing-masing berbiaya $16 dan $80. Rencanakan anggaran untuk seluruh alur kerja: konteks berulang, proses berpikir (thinking), percobaan ulang, agen koordinasi, alat (tools), dan peninjauan manusia. Tarif dicek pada 10 November 2026.
Harga per token hanya menunjukkan biaya untuk satu kali pemanggilan model. Padahal, anggaran engineering Anda membutuhkan perhitungan biaya hingga hasil akhir dapat diterima. Proses migrasi yang memerlukan tiga kali percobaan, tinjauan agen lain, serta koreksi manual memiliki beberapa tagihan biaya yang melekat pada satu hasil akhir (deliverable).
Jika Anda menjalankan beberapa agen coding, Sharkly menyediakan tempat terpadu untuk Tasks dan hasilnya. Mulailah analisis biaya Anda dari sana: tentukan kriteria penyelesaian sebelum membandingkan berbagai model.
Berapa biaya Claude Fable 5.2?
Anthropic mengenakan biaya terpisah untuk token input dan output, dengan tarif khusus untuk caching, batch processing, dan fast mode. Satu MTok berarti satu juta token. Tarif USD berikut bersumber dari dokumentasi harga resmi, diperiksa pada 10 November 2026. Tarif ini berlaku untuk penggunaan API, bukan langganan bulanan coding bertarif tetap.
| Kategori penagihan | Input per MTok | Output per MTok |
|---|---|---|
| Standard API | $8 | $40 |
| Fast mode | $16 | $80 |
| Batch API | $4 | $20 |
| Standard five-minute cache write | $10 | Tidak berlaku |
| Standard one-hour cache write | $16 | Tidak berlaku |
| Standard cache hit | $0.20 | Tidak berlaku |
Penulisan cache (cache write) dan cache hit termasuk dalam kategori input, bukan diskon untuk token output. Harga cache pada fast mode menerapkan faktor pengganda caching ke tarif input fast mode. Batch processing memberikan diskon input/output sebesar 50%, tetapi fast mode tidak dapat digabungkan dengan Batch.
Fable menyertakan context window penuh sebesar satu juta token dengan tarif per token standar. Hal ini tetap membuat konteks berukuran besar menjadi mahal: input tanpa cache akan terus terakumulasi di setiap pemanggilan. Platform cloud mitra mungkin memiliki skema harga yang berbeda; pastikan endpoint yang menagih tim Anda.

Bagaimana cara menghitung anggaran alur kerja?
Untuk pemanggilan standar tanpa cache, kalikan token input dengan $8 per juta dan token output dengan $40 per juta, lalu jumlahkan hasilnya. Ulangi perhitungan ini untuk setiap pemanggilan di setiap percobaan. Tambahkan biaya penggunaan alat (tools) dan infrastruktur secara terpisah, serta waktu peninjauan manusia, untuk memperkirakan total biaya penyelesaian proyek.
# Hypothetical standard-API example, not a measured benchmark.
input_tokens = 100_000
output_tokens = 20_000
api_cost = input_tokens / 1_000_000 * 8
api_cost += output_tokens / 1_000_000 * 40
print(f"${api_cost:.2f}") # $1.60
Di sini, output merujuk pada total output yang ditagihkan, termasuk token proses berpikir (thinking) jika relevan. Jangan menyamakan panjang teks jawaban yang terlihat dengan total penggunaan yang dilaporkan oleh penyedia API.
Misalkan Anda menjalankan 20 tugas dengan total token tersebut. Lima tugas memerlukan satu kali percobaan ulang (retry) yang identik. Asumsikan agen koordinator menambah total biaya sebesar $2, dan seorang peninjau meluangkan waktu 15 menit dengan biaya internal $80 per jam.
| Komponen hipotetis | Perhitungan | Biaya |
|---|---|---|
| Percobaan awal | 20 × $1.60 | $32 |
| Percobaan tambahan | 5 × $1.60 | $8 |
| Koordinator | Asumsi total pengeluaran model | $2 |
| Peninjauan manusia | 0,25 jam × $80 | $20 |
| Total | Sebelum biaya alat, infrastruktur, dan pajak | $62 |
Jika seluruh 20 tugas diterima, simulasi tersebut memakan biaya $3,10 per tugas yang diterima. Namun, jika hanya 16 tugas yang diterima, total pengeluaran $62 yang sama menghasilkan biaya sekitar $3,88 per tugas yang diterima. Angka pembagi (denominator) tersebut mengubah dasar pengambilan keputusan Anda.

Angka-angka di atas merupakan asumsi perencanaan, bukan performa Fable yang diobservasi langsung. Sesuaikan dengan total token riil, jumlah percobaan ulang, tingkat penerimaan tugas, dan waktu peninjauan Anda. Panduan kami tentang menghitung biaya eksekusi agen per perubahan yang diterima mengulas mengapa perbandingan ini sangat krusial.
Fast mode dan pengaturan effort memengaruhi komponen biaya yang berbeda
Fast mode menaikkan tarif token demi memangkas durasi pembuatan (generation time). Sementara itu, setelan effort mengatur seberapa banyak penalaran dan pekerjaan yang dilakukan model, termasuk proses berpikir dan pemanggilan alat. Perlakukan keduanya sebagai kendali terpisah: kecepatan generasi yang lebih tinggi tidak menjamin alur kerja ujung-ke-ujung (end-to-end) yang lebih singkat, dan setelan effort yang lebih rendah tidak menetapkan batas pengeluaran tetap (spending cap).
Pengumuman peluncuran dari Anthropic mengklaim bahwa fast mode menghasilkan token hingga 2,5 kali lebih cepat. Ini adalah klaim penyedia terkait kecepatan generasi output, bukan jaminan bahwa proses build, pengujian, pemanggilan jaringan, atau peninjauan manual akan selesai 2,5 kali lebih cepat.
Dengan jumlah token yang sama, contoh pengeluaran $1,60 di atas menjadi $3,20 pada fast mode. Gunakan fast mode jika penghematan waktu tunggu bernilai lebih tinggi daripada selisih biayanya. Gunakan mode standar untuk beban kerja tanpa pengawasan langsung (unattended work) saat latensi pembuatan token tidak menghambat target penyelesaian.
Dokumentasi effort mencantumkan opsi Low, Medium, High, Xhigh, dan Max untuk Fable 5.2. Nilai bawaan API adalah High. Pengumuman resmi menyebutkan Medium sebagai setelan bawaan pada aplikasi Claude dan Claude Code. Catat produk serta setelan spesifik yang digunakan dalam evaluasi perbandingan Anda.

Anthropic menyarankan untuk memulai beban kerja API pada setelan High, menurunkan level effort jika hasil evaluasi membuktikan kualitas tetap terjaga, dan menaikkannya ke Xhigh jika pekerjaan kompleks memperlihatkan peningkatan hasil yang terukur. Opsi Max mengutamakan kapabilitas tanpa memedulikan biaya token. Pengaturan effort hanyalah sinyal perilaku model; pastikan Anda memberlakukan batas pengeluaran anggaran yang ketat di tingkat aplikasi dan proses operasional Anda.
Kendalikan konteks berulang, percobaan ulang, dan orkestrasi
Terapkan enam langkah kendali berikut sebelum menambah jumlah agen Anda:
- Ukur setiap percobaan. Sertakan percobaan yang gagal atau dibatalkan ke dalam total biaya tugas terkait.
- Gunakan cache untuk konteks yang stabil. Manfaatkan kembali instruksi repositori dan dokumen yang tidak berubah apabila beban kerja memenuhi syarat prompt caching.
- Batasi percobaan ulang. Tentukan batas maksimum percobaan ulang dan wajibkan diagnosis akar masalah sebelum menjalankan percobaan berbiaya tinggi berikutnya.
- Rutekan berdasarkan kompleksitas. Alihkan penalaran yang belum terpecahkan alih-alih membebankan setiap ekstraksi atau pemformatan sederhana ke Fable.
- Anggarkan biaya koordinasi. Hitung pemanggilan untuk perencanaan, dispatch, ringkasan, dan peninjauan bersamaan dengan pemanggilan agen pelaksana (worker).
- Batasi aliran peninjauan. Sesuaikan volume tugas yang selesai dengan kapasitas perubahan yang mampu dinilai oleh tim peninjau Anda.
Definisi alat dan hasil eksekusi alat menyumbang konsumsi token input model. Beberapa server-side tools dikenakan biaya terpisah, sebagaimana diuraikan dalam panduan harga Anthropic. Perintah yang menghasilkan log keluaran berukuran sangat masif dapat melambungkan biaya konteks pada pemanggilan selanjutnya, meskipun eksekusi perintah itu sendiri berbiaya rendah.
Implementasi caching juga perlu dimonitor secara ketat. Untuk prefiks hipotetis sebesar 100.000 token, penulisan cache standar 5 menit berbiaya $1. Panggilan cache hit berikutnya hanya berbiaya $0,02, berbanding $0,80 untuk input tanpa cache. Estimasi ini belum menghitung token input dan output baru. Periksa metrik penggunaan cache hit aktual sebelum berasumsi adanya penghematan biaya.
Untuk merancang kebijakan perutean model yang konsisten, manfaatkan ringkasan model. Anthropic menyarankan Opus 5.5 untuk sebagian besar beban kerja dan Fable untuk penalaran berat atau proyek berjangka panjang. Jadikan acuan ini sebagai kebijakan awal untuk dievaluasi, bukan patokan mutlak bahwa suatu model pasti paling optimal untuk repositori Anda.
Apa yang sebaiknya diukur dalam proyek uji coba (pilot)?
Pertahankan cakupan tugas dan kriteria acceptance test yang identik di seluruh konfigurasi. Pisahkan waktu antrean, pemrosesan model, eksekusi alat, dan peninjauan manusia dalam catatan durasi Anda. Jika tidak dipisahkan, test suite yang lambat dapat menutupi keuntungan generasi token yang lebih cepat, atau kumpulan tugas yang terlalu mudah dapat membuat konfigurasi mahal terlihat hemat secara semu.
Catat input ber-cache secara terpisah dari input reguler. Simpan data penggunaan riil dari penyedia untuk setiap percobaan daripada sekadar memperkirakan jumlah token dari ukuran file. Saat Anda mengubah setelan effort, evaluasi perbandingan hasil yang diterima serta perbaikan ulang (rework), bukan hanya respons pertama. Eksekusi awal yang lebih cepat berisiko menyisakan beban biaya koreksi yang jauh lebih besar.
Tetapkan kondisi henti (stop condition) sebelum uji coba dimulai: misalnya batasan jumlah percobaan, ambang batas biaya, atau pos pemeriksaan tinjauan. Model yang terus melakukan investigasi tanpa batas dapat menguras anggaran Anda sembari menghasilkan progres yang belum siap diterima.
Kaitkan anggaran langsung dengan pekerjaan
Deskripsi produk resmi Sharkly menggabungkan Tasks, agen coding, Computers yang terhubung, dan peninjauan manusia dalam satu ruang kerja. Anda tetap mengelola akun API atau langganan coding yang terkonfigurasi pada alat kerja Anda. Pemakaian model tetap tercatat langsung pada akun penyedia tersebut.
Gunakan rekam jejak kerja terpadu ini untuk melaporkan model, tingkat effort, jumlah percobaan, bukti pengerjaan, dan status peninjauan. Untuk tugas migrasi, minta Agen melampirkan hasil pengetesan dan batasan yang ditemukan bersama dengan berkas perubahannya. Peninjau kemudian dapat menyetujui pekerjaan atau meminta revisi. Baca panduan tentang cara meninjau kode buatan AI dengan bukti di tingkat tugas untuk menyusun struktur peninjauan yang efektif.
Untuk perbaikan ringan, tugaskan satu Agen. Gunakan Crew jika tugas menuntut kolaborasi beberapa spesialis dan koordinasi terstruktur. Penambahan agen menimbulkan pemanggilan API tambahan dan proses serah terima tugas (handoff), jadi evaluasi hasilnya sebelum menetapkan alur kerja paralel sebagai setelan default. Panduan Crew lintas model mengulas dinamika handoff tersebut secara mendalam.
Mulailah dengan sepuluh tugas representatif. Catat total pengeluaran, waktu pengerjaan, tingkat penerimaan hasil, dan waktu peninjauan untuk setiap konfigurasi. Hubungkan satu Computer di Sharkly, tugaskan satu Task dengan batasan yang jelas, dan minta bukti kerja disertakan saat penyerahan. Skalakan alur kerja ini setelah Anda berhasil mengidentifikasi biaya per hasil yang diterima.
FAQ
Apakah fast mode Claude Fable 5.2 berharga dua kali lipat?
Tarif token input dan output yang tercantum memang dua kali lipat lebih tinggi dari tarif standar. Namun, total pengeluaran alur kerja Anda juga dipengaruhi oleh jumlah token, efektivitas caching, pemanggilan alat, dan frekuensi percobaan ulang.
Apakah setelan effort Medium mengubah harga per token?
Effort mengubah perilaku model dan konsumsi jumlah token. Setelan ini tidak mengganti tarif token input dan output resmi dengan skema harga berbasis effort tersendiri.
Apakah anggaran langganan sama dengan anggaran API?
Tidak. Artikel ini menghitung penggunaan API berbasis konsumsi (metered usage). Ketentuan kuota dan batasan dari langganan coding bulanan Anda perlu diperiksa secara terpisah.
Bisakah batch processing memangkas biaya?
Batch API mematok tarif $4 untuk input dan $20 untuk output per satu juta token Fable. Gunakan pemrosesan asinkron untuk beban kerja yang tidak memerlukan respons seketika; fast mode tidak dapat digunakan bersamaan dengan Batch.
Apakah biaya per panggilan yang lebih murah menjamin biaya penyelesaian akhir lebih rendah?
Hanya jika faktor percobaan ulang, tingkat penerimaan, orkestrasi, dan peninjauan tetap mempertahankan efisiensi tersebut. Selalu bandingkan total pengeluaran terhadap jumlah tugas yang berhasil diterima dengan menerapkan kriteria penerimaan yang konsisten.
Sumber daya tambahan
Untuk panduan perencanaan alur kerja terkait, simak manajemen biaya coding agent serta kapasitas peninjauan manusia untuk agen paralel. Periksa kembali tautan dokumentasi harga dan setelan effort dari Anthropic sebelum menerapkan tarif ini pada anggaran kerja baru Anda.



