---
title: "Apa yang Berubah pada Claude Fable 5.1: Verifikasi Klaim Biaya, Kinerja, dan Keamanan"
locale: id
category: ai_data
category_name: "Data AI"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/claude-fable-5-1-claims-verification
published_at: 2026-09-03T19:59:42+09:00
---

# Apa yang Berubah pada Claude Fable 5.1: Verifikasi Klaim Biaya, Kinerja, dan Keamanan

> Inti pembaruan yang diperkenalkan sebagai Claude Fable 5.1 diklaim bukan berupa penurunan harga token secara umum, melainkan pengurangan biaya pembacaan cache untuk konteks berulang. Namun, karena materi yang diberikan tidak menyertakan URL pengumuman resmi dan kartu model, nama model, spesifikasi, benchmark, serta angka keamanannya harus diverifikasi secara terpisah melalui dokumen resmi Anthropic.

## Key Points

- Materi yang diberikan mengklaim bahwa tarif pembacaan cache Claude Fable 5.1 turun 75%, tetapi angka tersebut tidak boleh dikutip sebagai harga pasti sebelum daftar harga resmi diperiksa.
- Diskon cache menguntungkan agen yang berulang kali membaca konteks yang sama, tetapi tidak mengurangi biaya pekerjaan dengan banyak output dalam proporsi yang sama.
- Materi yang diberikan mengklaim bahwa peningkatan benchmark besar pada penelitian ilmiah dan tugas otomatisasi, tetapi relatif kecil pada tugas pemrograman.
- Berkurangnya intervensi pengamanan harus ditafsirkan bukan sebagai penghapusan pembatasan, melainkan sebagai pengurangan deteksi positif palsu dan fallback yang tidak perlu dalam pekerjaan keamanan dan ilmiah yang normal.
- Keputusan penerapan harus dibuat setelah memeriksa ID model resmi, daftar harga, region cloud, dan ketentuan penyimpanan data, lalu mengevaluasinya kembali menggunakan sampel pekerjaan sendiri.

Pembaruan yang diperkenalkan sebagai Claude Fable 5.1 dijelaskan lebih berfokus pada biaya operasional agen, cara merespons, dan pengurangan kesalahan positif pada pengamanan daripada skor benchmark tertinggi. Khususnya bagi agen pengodean dan pekerjaan yang terus membaca prompt sistem serta riwayat pekerjaan yang sama, harga cache prompt dapat berdampak besar pada biaya aktual.

Namun, materi yang diberikan tidak menyertakan URL menuju pengumuman resmi, daftar harga, atau kartu model Anthropic. Karena itu, uraian di bawah ini secara jelas membedakan angka yang tercantum dalam materi sebagai **klaim dari materi yang diberikan**, sekaligus menjelaskan hal-hal yang perlu diperiksa dalam dokumen resmi dan cara mengevaluasi biaya aktual.

## Kesimpulan yang perlu diperiksa terlebih dahulu

- Materi yang diberikan menyebut nama model sebagai `Claude Fable 5.1` dan ID model API sebagai `claude-fable-5-1`.
- Tanggal peluncuran, panjang konteks, batas output, tanggal batas pengetahuan, harga, dan angka benchmark harus diperiksa kembali melalui kartu model resmi.
- Perubahan terbesar yang diklaim dalam materi bukanlah tarif input dan output umum, melainkan penurunan tarif pembacaan cache.
- Besarnya penghematan biaya berbeda-beda sesuai seberapa sering cache dibaca ulang. Dampaknya mungkin kecil pada kueri sekali jalan atau pekerjaan yang berfokus pada output.
- Klaim bahwa intervensi pengamanan berkurang tidak berarti semua pembatasan keamanan telah dihapus.

## Spesifikasi dasar yang disajikan oleh materi

Tabel berikut bukanlah tabel spesifikasi yang telah dikonfirmasi secara resmi, melainkan penyusunan terstruktur dari isi materi yang diberikan. Sebelum memilih API yang sebenarnya, perlu dipastikan di ringkasan model dan halaman harga Anthropic apakah ID model yang sama memang tersedia.

| Item | Klaim dari materi yang diberikan | Hal yang perlu diperiksa |
|---|---:|---|
| Nama model | Claude Fable 5.1 | Apakah tercantum dalam daftar model resmi Anthropic |
| ID model | `claude-fable-5-1` | String yang tepat dalam konsol API dan dokumentasi model |
| Tanggal peluncuran | 1 September 2026 | Tanggal pengumuman resmi dan waktu ketersediaan umum |
| Jendela konteks | 1 juta token | Apakah tersedia secara default, dalam versi beta, atau dengan syarat terpisah |
| Output maksimum | 128 ribu token | Batas per permintaan dan perbedaan antarplatform |
| Tanggal batas pengetahuan | Juni 2026 | Tanggal batas pengetahuan dalam kartu model resmi |
| Harga input | 10 dolar per 1 juta token | Tarif terpisah seperti batch dan konteks panjang |
| Harga output | 50 dolar per 1 juta token | Apakah mencakup token penalaran |
| Harga pembacaan cache | 0.25 dolar per 1 juta token | Harga pembuatan cache dan masa berlaku |
| Effort penalaran | low hingga max, default high | Nama parameter API dan cakupan dukungan |
| Lingkungan penyediaan | Claude API dan cloud utama | Wilayah, tingkat akun, dan tahap peluncuran |

Jika salah satu dari hal tersebut berbeda dari dokumentasi resmi, perhitungan biaya dan rancangan sistem harus disesuaikan berdasarkan dokumen resmi. Spesifikasi model Claude yang sudah ada tidak boleh langsung diterapkan hanya karena nama modelnya mirip.

## Alasan harga pembacaan cache penting bagi biaya agen

Percakapan biasa dapat berakhir setelah satu prompt dan satu jawaban. Sebaliknya, agen mengulangi proses berikut berkali-kali hingga menyelesaikan pekerjaan.

1. Membaca instruksi sistem dan percakapan sebelumnya.
2. Memanggil alat untuk mencari berkas atau mengambil data.
3. Menilai kembali hasil alat bersama konteks yang sudah ada.
4. Mengubah kode atau menentukan tindakan berikutnya.
5. Membaca hasil pengujian dan mengulangi proses jika gagal.

Dalam proses ini, token yang tidak berubah seperti prompt sistem, petunjuk repositori, riwayat percakapan, dan definisi alat dapat dikirimkan kembali pada setiap tahap. Jika bagian tersebut cocok dengan cache, tarif pembacaan cache dapat diterapkan sebagai pengganti tarif input umum.

Dengan asumsi harga dalam materi yang diberikan benar, tarif pembacaan cache turun dari 1 dolar menjadi 0.25 dolar per 1 juta token. Persentase penurunan tarif itu sendiri adalah sebagai berikut.

`(1.00 - 0.25) ÷ 1.00 × 100 = 75%`

Namun, hal ini tidak berarti total tagihan turun 75%. Biaya input baru, pembuatan cache, output, eksekusi alat, dan infrastruktur eksternal tetap dikenakan secara terpisah.

### Contoh perhitungan biaya hipotetis

Anggaplah satu kelompok pekerjaan menggunakan 1 juta token input baru, 20 juta token pembacaan cache, dan 200 ribu token output. Biaya pembuatan cache dan alat eksternal tidak disertakan.

| Komponen biaya | Asumsi tarif cache lama | Asumsi tarif baru |
|---|---:|---:|
| Input baru | 10 dolar | 10 dolar |
| Pembacaan cache | 20 dolar | 5 dolar |
| Output | 10 dolar | 10 dolar |
| Total | 40 dolar | 25 dolar |

Dalam contoh ini, total biaya berkurang 37.5%. Sebaliknya, jika hampir tidak ada pembacaan cache atau porsi output besar, persentase pengurangannya akan jauh lebih kecil.

### Variabel yang menentukan tingkat penghematan biaya

- Ukuran prompt dan riwayat pekerjaan yang berulang
- Tingkat kecocokan cache dan masa berlaku cache
- Jumlah hasil alat baru yang ditambahkan pada setiap tahap
- Panjang respons dan tarif output
- Jumlah percobaan ulang setelah kegagalan
- Biaya pembuatan cache pertama kali
- Tarif terpisah platform cloud dan ketentuan wilayah

Materi yang diberikan menyatakan bahwa pengurangan biaya sekitar 25% diukur pada pekerjaan umum dan sekitar 45% pada agen yang banyak melakukan pemanggilan alat. Karena angka ini mungkin merupakan hasil dari pola penggunaan tertentu, angka tersebut tidak boleh digunakan sebagai tingkat penghematan yang dijamin untuk semua beban kerja.

## Batas langganan dan biaya API bukan konsep yang sama

API umumnya menghitung biaya berdasarkan token input, output, dan cache yang benar-benar digunakan. Sebaliknya, produk Claude dengan tarif tetap dapat mengelola batas penggunaan dengan mempertimbangkan berbagai faktor, seperti jumlah pesan, durasi sesi, beban model, dan penggunaan alat.

Karena itu, penurunan biaya per pekerjaan sebesar 30% pada API tidak serta-merta berarti waktu penggunaan pada paket tarif tetap bertambah tepat 30%. Pengguna langganan harus memeriksa informasi batas di dalam produk dan dokumentasi dukungan resmi Anthropic.

## Bagaimana angka benchmark diklaim berubah

Nilai perbandingan dan besarnya perubahan yang tercantum dalam materi adalah sebagai berikut. Untuk skor persentase, akan lebih akurat jika turut melihat selisih poin persentase, bukan hanya tingkat kenaikan relatif.

| Item evaluasi | Nilai klaim Fable 5 | Nilai klaim Fable 5.1 | Perubahan |
|---|---:|---:|---:|
| Terminal-Bench-Science | 24.7% | 52.6% | +27.9%p |
| Terminal-Bench 4.0 | 42.0% | 55.8% | +13.8%p |
| GDPval-AA v2 | 1,723 | 1,853 | +130 |
| AutomationBench | 17.1% | 31.4% | +14.3%p |
| CursorBench 3.2 | 70.5% | 73.4% | +2.9%p |
| Konfigurasi HLE 1 | 57.8% | 60.9% | +3.1%p |
| Konfigurasi HLE 2 | 63.8% | 65.0% | +1.2%p |

Jika hanya melihat materi tersebut, peningkatan dalam pekerjaan terminal untuk riset ilmiah dan evaluasi otomatisasi cukup besar, tetapi beberapa evaluasi pengodean dan pengetahuan menunjukkan peningkatan bertahap. Sulit untuk menafsirkannya sebagai pergantian generasi secara menyeluruh.

Saat membandingkan benchmark, kondisi berikut harus sama.

- Data dan versi evaluasi yang sama
- Izin akses alat dan internet yang sama
- Pengaturan effort atau penalaran yang sama
- Jumlah percobaan ulang dan kondisi sampling yang sama
- Apakah model fallback digunakan
- Biaya dan waktu pemrosesan per evaluasi

Jika skornya lebih tinggi tetapi biaya atau latensinya meningkat secara signifikan, model tersebut tidak dapat langsung dianggap lebih efisien untuk pekerjaan nyata.

## Peningkatan gaya penulisan harus dievaluasi secara terpisah

Kualitas penulisan sulit diringkas dengan satu skor benchmark. Dalam pekerjaan dokumentasi nyata, sebaiknya dilakukan perbandingan buta dengan model sebelumnya berdasarkan kriteria berikut.

- Apakah gaya dan format yang diminta dipatuhi sejak awal
- Apakah pendahuluan yang tidak perlu dan ungkapan berulang berkurang
- Apakah model tidak mengarang detail tanpa dasar
- Apakah istilah dan kesimpulan tetap konsisten dalam dokumen panjang
- Apakah hanya bagian yang diperlukan yang diperbaiki secara tepat saat diminta melakukan revisi
- Apakah kalimat bahasa Korea terdengar alami tanpa kesan seperti hasil terjemahan
- Apakah makna kutipan dan teks asli tidak diubah secara sepihak

Prompt yang sama harus dijalankan beberapa kali agar mengurangi kemungkinan perbedaan respons yang kebetulan disalahartikan sebagai peningkatan model.

## Makna tepat dari berkurangnya intervensi pengamanan

Materi yang diberikan mengklaim bahwa intervensi pengamanan terkait keamanan siber pada Claude Code berkurang rata-rata sekitar 60% per sesi dan fallback pada pekerjaan biologi dasar serta medis umum berkurang sekitar 85%. Jika tidak ada laporan evaluasi resmi, perlu diperiksa sampel, periode pengukuran, definisi sesi, dan penyebut yang digunakan untuk persentase tersebut.

Perubahan ini dapat berarti berkurangnya frekuensi pekerjaan normal untuk tujuan defensif yang secara keliru dinilai sebagai permintaan berbahaya. Contohnya adalah mengurangi penghentian yang tidak perlu saat memeriksa kerentanan kode yang telah diotorisasi, mengusulkan patch, atau meninjau konfigurasi aman.

Namun, pengurangan kesalahan positif berbeda dengan penghapusan kebijakan keselamatan. Permintaan yang secara nyata membantu intrusi, pencurian kredensial, distribusi malware, atau otomatisasi serangan mungkin tetap dibatasi. Organisasi tidak boleh menganggap fakta bahwa model memberikan respons sebagai kewenangan hukum atau persetujuan pekerjaan.

## Klaim perlindungan data perusahaan juga harus diperiksa dalam ketentuan kontrak

Materi yang diberikan menjelaskan bahwa kerangka bernama `Enterprise Frontier Safeguard` dirancang untuk menyimpan data pelanggan di lingkungan cloud milik pelanggan dan agar peninjauan oleh manusia, jika diperlukan, juga dilakukan oleh organisasi pelanggan. Materi tersebut juga mengklaim bahwa kerangka ini dikembangkan bersama pelanggan dan penyedia cloud utama, termasuk dari bidang keuangan, medis, hukum, dan publik.

Untuk memproses data sensitif, jangan hanya melihat nama atau kalimat pengantar. Hal-hal berikut harus diperiksa dalam kontrak dan dokumentasi teknis.

| Area pemeriksaan | Pertanyaan spesifik |
|---|---|
| Lokasi penyimpanan | Di wilayah mana prompt, output, log, dan sinyal keselamatan disimpan |
| Periode retensi | Berapa periode retensi default dan apa saja opsi penghapusan langsung |
| Akses manusia | Dalam kondisi apa dan petugas dari organisasi mana yang dapat melihat teks asli |
| Penggunaan untuk pelatihan | Apakah data pelanggan digunakan untuk pelatihan model atau peningkatan produk |
| Enkripsi | Apakah enkripsi saat transit dan saat tersimpan serta kunci yang dikelola pelanggan didukung |
| Subpemroses | Siapa penyedia cloud dan layanan yang dapat mengakses data |
| Fungsi audit | Apakah tersedia catatan akses, log administrator, dan fungsi ekspor |
| Respons insiden | Bagaimana tenggat pemberitahuan pelanggaran dan cakupan tanggung jawab ditentukan |

Penjelasan bahwa data tetap berada di cloud pelanggan tidak otomatis memenuhi persyaratan kepatuhan terhadap regulasi atau kerahasiaan.

## Prosedur verifikasi yang perlu dilakukan sebelum penerapan nyata

Verifikasi menggunakan beban kerja sendiri lebih penting daripada benchmark publik. Pengujian dengan urutan berikut memungkinkan biaya dan kualitas dibandingkan secara bersamaan.

1. Periksa nama model dan ID model dalam daftar model resmi Anthropic.
2. Catat masing-masing tarif input, output, pembuatan cache, dan pembacaan cache dari daftar harga.
3. Siapkan sampel pekerjaan representatif yang pernah dijalankan dengan model sebelumnya tanpa informasi pribadi atau rahasia, lalu tentukan ukuran sampel berdasarkan standar evaluasi internal.
4. Atur effort, izin alat, jumlah percobaan ulang, dan output maksimum agar sama untuk setiap model.
5. Ukur tingkat keberhasilan, total token, jumlah kecocokan cache, latensi, dan waktu revisi oleh manusia.
6. Untuk pekerjaan yang mengutamakan pengamanan, seperti keamanan dan medis, uji secara terpisah kesalahan positif pada permintaan normal dan pemblokiran permintaan berbahaya.
7. Hitung perkiraan biaya bulanan hanya untuk pekerjaan yang lolos standar kualitas.

### Metrik utama yang perlu dicatat

- Tingkat penyelesaian pekerjaan dan tingkat keberhasilan pada percobaan pertama
- Token input baru, pembacaan cache, dan output per pekerjaan
- Tingkat kecocokan cache
- Jumlah pemanggilan alat dan jumlah kegagalan
- Latensi rata-rata dan persentil ke-95
- Waktu yang diperlukan manusia untuk melakukan revisi
- Jumlah intervensi pengamanan dan fallback model
- Total biaya API per pekerjaan

Metrik tersebut diperlukan untuk menilai apakah penurunan tarif benar-benar menghasilkan peningkatan produktivitas. Jika waktu untuk meninjau kesalahan bertambah karena biaya token yang rendah, total biaya pekerjaan justru dapat meningkat.

## Hal yang perlu diperhatikan saat membandingkan dengan model pesaing

Materi yang diberikan juga menyebut harga model dari perusahaan lain, tetapi tidak menyediakan URL resmi untuk memeriksa nama model dan ketentuan promosi tersebut. Karena itu, tidak tepat untuk mengutip kembali harga pesaing yang belum diverifikasi sebagai nilai definitif.

Saat membandingkan model, selain harga nominal per 1 juta token, hal-hal berikut juga harus disetarakan.

- Panjang konteks dan batas output yang benar-benar dapat digunakan
- Harga pembuatan dan pembacaan cache serta masa berlakunya
- Metode penagihan token penalaran
- Tingkat keberhasilan pemanggilan alat
- Jumlah percobaan ulang untuk mencapai kualitas yang sama
- Ketentuan retensi data dan penggunaan untuk pelatihan
- Batas wilayah dan kapasitas pemrosesan
- Perilaku fallback saat terjadi gangguan

Model dengan output mahal dapat memiliki total biaya lebih rendah jika mampu menyelesaikan pekerjaan dalam sekali percobaan, sedangkan model dengan tarif rendah dapat menjadi lebih mahal jika berulang kali gagal.

## Penilaian keseluruhan

Dengan asumsi penjelasan dalam materi yang diberikan dikonfirmasi oleh dokumentasi resmi, inti Claude Fable 5.1 bukanlah penurunan harga secara umum, melainkan **peningkatan efisiensi operasional agen yang banyak membaca konteks berulang**. Kenaikan benchmark ilmiah dan otomatisasi, peningkatan cara penulisan, serta berkurangnya kesalahan positif pengamanan dalam pekerjaan normal juga disajikan sebagai perubahan utama.

Namun, berdasarkan bukti yang tersedia saat ini, nama model, tanggal peluncuran, harga, benchmark, dan kerangka perlindungan perusahaan sulit dikutip sebagai fakta yang telah dikonfirmasi. Saat benar-benar menerapkannya, dokumentasi model dan daftar harga resmi Anthropic harus diperiksa terlebih dahulu, lalu tingkat kecocokan cache, tingkat penyelesaian, dan total biaya perlu diukur pada pekerjaan internal.

## FAQ

### Apakah Claude Fable 5.1 merupakan model yang diumumkan secara resmi oleh Anthropic?
Materi yang diberikan menyatakan demikian, tetapi tidak menyertakan pengumuman resmi atau URL kartu model. Sebelum ID model yang persis sama, yaitu `claude-fable-5-1`, dikonfirmasi dalam ikhtisar model Anthropic dan konsol API, sebaiknya jangan menyimpulkan bahwa model tersebut telah dirilis secara resmi.

### Jika harga pembacaan cache turun 75%, apakah total biaya API juga berkurang 75%?
Tidak. Angka 75% adalah tingkat penurunan harga satuan pembacaan cache itu sendiri. Biaya input baru, pembuatan cache, output, dan alat eksternal tetap ada, sehingga tingkat penghematan keseluruhan bergantung pada porsi biaya pembacaan cache dalam total biaya.

### Jenis tugas apa yang paling diuntungkan oleh diskon cache prompt?
Agen pengodean dan otomatisasi pekerjaan yang berulang kali membaca instruksi sistem yang panjang, informasi repositori, riwayat percakapan, atau definisi alat dalam beberapa tahap akan lebih diuntungkan. Efeknya terbatas untuk pertanyaan satu kali atau tugas yang konteksnya berubah drastis setiap kali.

### Jika biaya API turun, apakah batas langganan Claude juga meningkat dengan persentase yang sama?
Hal itu tidak dapat dipastikan. Penagihan token API dan batas penggunaan paket berbiaya tetap dapat dijalankan berdasarkan kebijakan yang berbeda. Perubahan batas aktual pada produk langganan harus diperiksa secara terpisah dalam informasi produk resmi Anthropic.

### Jika skor tolok ukur meningkat, apakah hasilnya akan lebih baik untuk semua pekerjaan?
Tidak. Tolok ukur adalah hasil yang diukur menggunakan data, alat, dan kondisi evaluasi tertentu. Tingkat penyelesaian dan biaya harus diukur kembali menggunakan sampel pekerjaan yang benar-benar akan digunakan, seperti penulisan dokumen berbahasa Korea, modifikasi kode internal perusahaan, atau tugas agen berdurasi panjang.

### Apakah berkurangnya intervensi perlindungan berarti semua permintaan terkait keamanan diperbolehkan?
Tidak. Hal itu harus ditafsirkan sebagai pengurangan deteksi positif palsu dan fallback yang tidak perlu dalam pekerjaan defensif yang sah. Permintaan yang berpotensi menimbulkan bahaya besar, seperti intrusi nyata, penyebaran malware, atau pencurian kredensial, masih dapat dibatasi.

### Jika data perusahaan disimpan di cloud milik sendiri, apakah kepatuhan terhadap regulasi terjamin?
Tidak. Selain lokasi penyimpanan data, periode retensi, akses oleh manusia, penggunaan untuk pelatihan, subpemroses, enkripsi, log audit, dan ketentuan pemberitahuan insiden harus diperiksa dalam kontrak dan dokumentasi teknis.

### Apa indikator terpenting untuk menentukan apakah Fable 5.1 perlu diadopsi?
Tingkat penyelesaian pekerjaan sendiri, jumlah cache hit, total token per tugas, jumlah percobaan ulang, latensi, waktu revisi oleh manusia, dan total biaya API harus diukur bersama-sama. Keputusan untuk mengadopsinya tidak boleh dibuat hanya berdasarkan satu tolok ukur publik.

## Sources

- [Dokumentasi Anthropic — Ikhtisar model](https://docs.anthropic.com/en/docs/about-claude/models/overview)
- [Dokumentasi Anthropic — Harga](https://docs.anthropic.com/en/docs/about-claude/pricing)
- [Berita Anthropic](https://www.anthropic.com/news)

## Images

![Teknisi memeriksa status sistem pada layar sentuh di ruang server](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ1MjUsInB1ciI6ImJsb2JfaWQifX0=--88627a9169f91e2f5d1d6aba13072e24e1e4bd22/ai-a85979fa.webp)
![Infografik cip AI dengan biaya menurun, grafik kinerja, dan pemeriksaan keamanan](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ1MzEsInB1ciI6ImJsb2JfaWQifX0=--5857ba722b25c8c08da7fe4bb6c910dec3cbcabb/ai-50a0ff25.webp)