---
title: "Verifikasi Klaim Anthropic Fable 5.1: Cara Memeriksa Harga, Kinerja, dan Kemampuan Riset"
locale: id
category: ai_data
category_name: "Data AI"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/anthropic-fable-5-1-claims-verification
published_at: 2026-09-03T16:33:49+09:00
---

# Verifikasi Klaim Anthropic Fable 5.1: Cara Memeriksa Harga, Kinerja, dan Kemampuan Riset

> Klaim peluncuran, kinerja, dan harga yang beredar dengan nama Fable 5.1 harus terlebih dahulu diperiksa melalui daftar model dan tabel harga resmi Anthropic. Secara khusus, angka seperti ‘3 kali lebih murah’, pengembangan selama 3 jam, dan penggunaan 16% harus ditafsirkan secara terpisah berdasarkan biaya API, batas langganan, dan akurasi hasil.

## Key Points

- Peluncuran resmi Fable 5.1 hanya dapat dipastikan jika nama model yang sama tercantum dalam dokumentasi model, ruang berita, dan tabel harga Anthropic.
- Jika biayanya sepertiga dari sebelumnya, penghematannya sekitar 66,7%, sedangkan jika seperempat, penghematannya 75%. Karena itu, ungkapan ‘3 kali lebih murah’ saja tidak memungkinkan perbandingan harga yang akurat.
- Pengukur penggunaan pada layanan berlangganan dan tarif token input serta output API merupakan metrik yang berbeda, sehingga keduanya tidak boleh dikonversi secara langsung.
- Kasus pembuatan perangkat lunak ilmiah hanya dalam 3 jam mungkin merupakan pengalaman produktivitas, tetapi bukan tolok ukur independen yang membuktikan akurasi ilmiah atau kinerja model.
- Saat memilih model, selain tarif nominal per token, biaya per tugas yang berhasil, tingkat percobaan ulang, latensi, kebijakan data, dan batasan keamanan juga harus dibandingkan.

Fable 5.1 diperkenalkan sebagai model Anthropic yang meningkatkan performa pengodean dan penelitian ilmiah sekaligus menurunkan biaya secara signifikan. Namun, materi yang diberikan berfokus pada pengalaman penggunaan dan interpretasi pengembang serta tidak menyertakan sumber primer yang dapat mengonfirmasi nama model resmi, tanggal peluncuran, pengenal API, dan harga.

Oleh karena itu, sebelum menerapkan model ini dalam pekerjaan nyata, perlu dibedakan antara “klaim bahwa model telah diluncurkan” dan “informasi produk yang telah dikonfirmasi secara resmi”. Di bawah ini dijelaskan apa saja yang diklaim, bagian mana yang perlu diverifikasi lebih lanjut, serta cara menghitung harga dan performa secara adil.

## Klaim utama yang diajukan tentang Fable 5.1

Ulasan penggunaan yang diberikan menyatakan bahwa Fable 5.1 merupakan model canggih untuk pengodean dan pekerjaan berbasis pengetahuan, dengan peningkatan besar dalam penelitian ilmiah agentik dan efisiensi token.

| Kategori | Hal yang diklaim | Verifikasi yang saat ini diperlukan |
|---|---|---|
| Peluncuran | Model Fable 5.1 baru dari Anthropic | Daftar model resmi, pengumuman ruang berita, ID model API |
| Kegunaan | Dioptimalkan untuk pengodean dan pekerjaan berbasis pengetahuan | Deskripsi model resmi dan fitur yang didukung |
| Performa penelitian | Performa penelitian ilmiah agentik meningkat sekitar 2 kali lipat dibandingkan versi sebelumnya | Nama tolok ukur, dataset, kondisi evaluasi, rentang kesalahan |
| Contoh pengembangan | Alat pemodelan molekul dan analisis DNA dibuat dalam waktu sekitar 3 jam | Kode, lingkungan eksekusi, hasil pengujian, validasi ilmiah |
| Biaya | Sekitar sepertiga atau seperempat dari model sebelumnya | Tarif resmi berdasarkan input, output, cache, dan penggunaan alat |
| Penggunaan | Sekitar 16% kuota langganan terpakai setelah bekerja selama lebih dari 3 jam | Paket harga, metode penghitungan batas, indikator awal, volume pekerjaan |
| Kebijakan | Perubahan pada retensi data dan langkah pengamanan | Produk yang berlaku, jenis akun, wilayah, ketentuan kontrak |

Angka-angka dalam tabel ini bukan spesifikasi yang telah dikonfirmasi secara resmi, melainkan klaim yang muncul dalam materi yang diberikan. Pembelian resmi atau perancangan sistem harus mengacu pada daftar harga dan dokumentasi resmi.

## Kriteria untuk memastikan apakah ini model resmi Anthropic

Kemunculan nama model dalam video, unggahan, atau grafik tolok ukur saja tidak cukup untuk menyimpulkan bahwa model tersebut telah diluncurkan secara resmi. Agar Fable 5.1 dapat dianggap sebagai produk resmi Anthropic, setidaknya materi berikut harus saling konsisten.

1. Nama model yang tepat harus tercantum dalam dokumentasi model resmi Anthropic.
2. ID model API yang dapat dipanggil oleh pengembang dan fitur yang didukung harus dipublikasikan.
3. Daftar harga resmi harus mencantumkan tarif token input, token output, cache prompt, dan sebagainya.
4. Waktu peluncuran dan cakupan ketersediaan harus dapat dikonfirmasi melalui pengumuman peluncuran atau catatan perubahan.
5. Harus dibedakan apakah nama tersebut khusus untuk layanan web Claude atau juga merupakan model yang tersedia melalui API.

Jika nama tersebut tidak ditemukan dalam dokumentasi resmi, kemungkinan salah tulis, alias tidak resmi, nama untuk tolok ukur internal, atau skenario fiktif dari pembuat video juga perlu dipertimbangkan. Selain itu, jika nama-nama berbeda seperti Fable 5.1, Opus 5, dan Mythos 5.1 disajikan bersamaan, nama produk resmi dan pengenal API masing-masing harus diperiksa secara terpisah.

### Pembaruan tampilan blog bukan bukti performa model

Pengamatan bahwa halaman yang diperkenalkan sebagai pengumuman peluncuran telah ditambahi daftar isi, perubahan warna, dan elemen interaktif merupakan informasi mengenai desain situs web. Penjelasan bahwa halaman tersebut dibuat langsung oleh Fable hanyalah dugaan, kecuali proses pembuatannya atau kodenya dipublikasikan. Perubahan desain halaman tidak dapat membuktikan peluncuran model maupun performa pengodeannya.

## Makna tepat dari ungkapan harga “3 kali lebih murah”

Ungkapan “3 kali lebih murah” memiliki dasar perhitungan yang tidak jelas. Hasilnya berbeda tergantung apakah itu berarti biayanya sepertiga dari pembanding atau mendapat diskon sebesar sepertiga.

| Biaya baru | Tingkat penghematan dibandingkan biaya lama | Contoh ungkapan yang tepat |
|---:|---:|---|
| 1/3 dari biaya lama | Sekitar 66,7% | Biayanya sepertiga dari biaya lama |
| 1/4 dari biaya lama | 75% | Biayanya seperempat dari biaya lama |
| Turun 25% dari biaya lama | 25% | Membayar 75% dari biaya lama |
| Turun 45% dari biaya lama | 45% | Membayar 55% dari biaya lama |

Dengan demikian, “biayanya sepertiga atau seperempat” dan “penghematan 25% atau 45%” bukanlah klaim yang sama. Angka-angka tersebut mungkin membandingkan pekerjaan, pengaturan penalaran, kondisi cache, atau model yang berbeda, sehingga tidak boleh digabungkan seolah-olah merupakan satu tingkat diskon.

### Rumus perhitungan biaya API

Biaya dasar pekerjaan API harus dihitung secara terpisah berdasarkan komponen berikut.

`Total biaya = biaya token input + biaya token output + biaya penulisan cache + biaya pembacaan cache + biaya alat dan fitur tambahan`

Jika tarif per satu juta token diberikan, setiap komponen dapat dihitung sebagai berikut.

`Biaya token = jumlah token yang digunakan ÷ 1.000.000 × tarif terkait`

Model yang menggunakan penalaran panjang dapat meningkatkan jumlah token output atau sumber daya penalaran internal. Sebaliknya, pekerjaan yang berulang kali membaca cache prompt dapat menjadi lebih murah daripada input biasa. Untuk perbandingan yang akurat, prompt, tingkat penalaran, panjang output maksimum, dan kondisi cache yang sama harus diterapkan.

## Mengapa penggunaan langganan 16% berbeda dari biaya API

Contoh seorang pengembang yang menghabiskan sekitar 16% kuota penggunaan setelah melakukan pengodean selama lebih dari 3 jam menunjukkan pengalaman akun dan sesi tersebut. Namun, hal ini tidak dapat digunakan sebagai bukti bahwa harga token turun dengan persentase tertentu.

Batas penggunaan layanan Claude berbasis langganan dapat dipengaruhi oleh unsur-unsur berikut.

- Paket langganan yang digunakan
- Model dan pengaturan penalaran yang dipilih
- Panjang percakapan dan ukuran lampiran
- Batas yang diperbarui berdasarkan interval waktu tertentu
- Jumlah pekerjaan paralel dan panggilan alat
- Permintaan layanan dan kebijakan operasional

API ditagihkan berdasarkan jumlah token dan fitur yang benar-benar digunakan, sedangkan indikator langganan menunjukkan batas penggunaan layanan. Jika metode konversi internal antara kedua sistem tersebut tidak dipublikasikan, “indikator 16%” tidak dapat dikonversi menjadi biaya dalam dolar atau jumlah token.

## Cara mengevaluasi klaim kemampuan penelitian ilmiah

Dalam contoh yang diberikan, dijelaskan bahwa Fable 5.1 digunakan untuk membuat antarmuka yang menangani struktur molekul, pemodelan ikatan protein, analisis urutan DNA, dan fungsi integrasi berkas data dalam waktu sekitar 3 jam. Jika tugas yang tidak bekerja dengan benar pada versi terdahulu berhasil diselesaikan, hal tersebut dapat menjadi pengamatan berguna yang menunjukkan peningkatan produktivitas pengembangan.

Namun, perangkat lunak yang dapat dijalankan dan perangkat lunak yang menghasilkan keluaran yang valid secara ilmiah merupakan dua hal berbeda. Verifikasi berikut diperlukan.

### Verifikasi fungsi

- Apakah berkas molekul dibaca dan ditulis secara akurat
- Apakah atom, ikatan, residu, dan rantai ditampilkan dengan benar
- Apakah input yang salah dideteksi dan kesalahannya dijelaskan
- Apakah hasil yang dapat direproduksi dihasilkan dari input yang sama

### Validasi ilmiah

- Model prediksi atau komputasi ikatan apa yang digunakan
- Seberapa besar kesalahannya dibandingkan dengan data acuan
- Apakah arah, koordinat, dan notasi varian urutan DNA sudah akurat
- Apakah hasilnya konsisten dengan alat yang ada pada dataset validasi yang diketahui
- Apakah hasilnya telah ditinjau oleh ahli biokimia atau bioinformatika

### Verifikasi keamanan

- Apakah data penelitian yang diunggah dikirim ke pihak luar
- Apakah kunci API atau berkas data terekspos dalam kode klien
- Apakah paket yang dihasilkan memiliki kerentanan yang diketahui
- Apakah kontraknya mengizinkan pemrosesan data genom atau penelitian yang sensitif

Waktu pengembangan selama 3 jam dapat dicatat sebagai contoh produktivitas, tetapi untuk memastikan keunggulan satu model dibandingkan model lain, diperlukan evaluasi berulang beberapa kali dengan persyaratan dan lingkungan yang sama.

## Alasan langkah pengamanan dan kebijakan retensi data harus dilihat secara terpisah

Ada kekhawatiran bahwa ketika langkah pengamanan diperketat, permintaan penelitian tertentu dapat ditolak atau cakupan output dapat dibatasi. Khususnya dalam bidang yang berpotensi memiliki penggunaan ganda, seperti biologi, kimia, dan keamanan siber, pemblokiran berlebihan dapat terjadi dalam proses membedakan penelitian yang sah dari penggunaan berbahaya.

Namun, klaim bahwa hanya pengguna eksternal yang dibatasi sementara Anthropic secara internal menggunakan model tanpa batasan apa pun tidak dapat dinyatakan sebagai fakta jika tidak ada bukti publik. Untuk mengevaluasi kebijakan keselamatan secara akurat, sebaiknya periksa hal-hal berikut.

- Kategori permintaan apa yang dibatasi
- Apakah terdapat prosedur pengajuan keberatan atau peninjauan ulang atas penolakan
- Apakah terdapat prosedur akses terpisah untuk peneliti
- Apakah pembatasan diterapkan secara sama pada layanan web dan API
- Apakah perubahan kebijakan dan tanggal berlakunya dipublikasikan

Retensi data merupakan masalah yang berbeda dari langkah pengamanan. Periode penyimpanan data input dan apakah data digunakan untuk pelatihan model dapat berbeda menurut layanan konsumen Claude, API umum, kontrak perusahaan, dan ketentuan perlindungan data terpisah. Jangan hanya melihat materi promosi peluncuran model; periksa ketentuan terbaru yang berlaku untuk produk dan kontrak yang akan digunakan.

## Metrik yang lebih penting daripada daftar harga dalam pemilihan model

Tarif token yang murah tidak selalu berarti biaya pekerjaan yang rendah. Jika banyak percobaan ulang diperlukan akibat kesalahan atau manusia harus memperbaiki hasil secara signifikan, total biaya akan meningkat.

Dalam praktiknya, sebaiknya gunakan metrik yang mendekati rumus berikut.

`Biaya per 1 pekerjaan berhasil = total biaya eksekusi ÷ jumlah hasil yang lolos pemeriksaan`

Dengan membandingkan komponen berikut menggunakan set pengujian yang sama, akan lebih mudah menentukan mana yang benar-benar lebih ekonomis antara Fable 5.1 dan model kelas atas.

| Komponen evaluasi | Metode pengukuran |
|---|---|
| Tingkat keberhasilan pekerjaan | Persentase yang lolos pengujian yang telah ditentukan sebelumnya |
| Biaya per keberhasilan | Total biaya API dibagi jumlah pekerjaan yang berhasil |
| Tingkat percobaan ulang | Persentase pekerjaan yang sama yang dijalankan kembali |
| Waktu perbaikan | Waktu yang digunakan manusia untuk memperbaiki hasil |
| Latensi | Waktu yang dibutuhkan dari permintaan hingga selesai |
| Stabilitas | Tingkat terjaganya kualitas hasil dalam eksekusi berulang |
| Kesesuaian kebijakan | Persentase permintaan penelitian dan pengodean yang diperlukan yang diizinkan |
| Kesesuaian data | Pemenuhan ketentuan retensi, penggunaan untuk pelatihan, wilayah, dan kontrak |

Evaluasi ini bukan proses untuk menemukan model yang paling kuat secara nominal, melainkan untuk menemukan model yang memberikan kualitas memadai bagi pekerjaan sendiri dengan total biaya terendah.

## Daftar periksa verifikasi sebelum dan sesudah pengumuman resmi

Jika mempertimbangkan penerapan Fable 5.1, lebih aman untuk tidak menetapkan biaya atau performa sistem produksi hingga materi berikut dapat dikonfirmasi.

- Nama model resmi dan ID model API
- Tanggal peluncuran serta negara, akun, dan produk yang dapat menggunakannya
- Tarif berdasarkan input, output, cache, dan pemrosesan batch
- Panjang konteks dan panjang output maksimum
- Pengaturan penalaran dan dukungan panggilan alat
- Nama tolok ukur, data evaluasi, dan kondisi perbandingan
- Kebijakan penyimpanan data dan penggunaan untuk pelatihan
- Pembatasan keselamatan dan prosedur pengecualian untuk tujuan penelitian
- Kebijakan penguncian versi model dan penghentian dukungan

Setelah konfirmasi resmi selesai, evaluasi berskala kecil harus dilakukan terlebih dahulu menggunakan sampel pekerjaan nyata. Hasil dari satu proyek dalam video atau indikator penggunaan tidak boleh langsung diterapkan sebagai tingkat penghematan biaya sendiri.

## Kesimpulan

Jika hanya melihat pengalaman yang diberikan, Fable 5.1 digambarkan sebagai model yang meningkatkan efisiensi pekerjaan pengodean dan penelitian ilmiah sekaligus mengurangi beban penggunaan. Secara khusus, contoh pembangunan alat pemodelan molekul dengan cepat menunjukkan potensi alat pengembangan berbasis agen.

Namun, selama status peluncuran, spesifikasi model, tarif token, dan kondisi tolok ukur yang tepat belum dikonfirmasi melalui materi resmi, kesimpulan bahwa ini adalah “model terbaru Anthropic yang 3 kali lebih murah” sulit dikutip sebagai fakta. Pendekatan yang paling dapat dipercaya adalah memeriksa daftar model dan daftar harga resmi, memisahkan batas langganan dari biaya API, lalu melakukan evaluasi langsung berdasarkan biaya per 1 pekerjaan yang berhasil.

## FAQ

### Apakah Fable 5.1 merupakan model Claude yang dirilis secara resmi oleh Anthropic?
Peluncuran resminya tidak dapat dipastikan hanya berdasarkan materi yang diberikan. Agar dapat dianggap sebagai produk resmi, nama persis Fable 5.1 beserta ID modelnya harus dapat ditemukan dalam daftar model resmi, ruang berita, daftar harga, dan dokumentasi API Anthropic.

### Jika biayanya sepertiga, bolehkah dikatakan 3 kali lebih murah?
Jika biayanya sepertiga dari biaya sebelumnya, tingkat penghematannya sekitar 66,7%. Karena ungkapan ‘3 kali lebih murah’ bermakna ambigu, akan lebih tepat untuk menyatakannya sebagai ‘biayanya sepertiga dari biaya sebelumnya’ atau ‘penghematan sekitar 66,7%’.

### Jika biayanya seperempat dari biaya sebelumnya, berapa tingkat penghematannya?
Karena biaya baru adalah 25% dari biaya sebelumnya, tingkat penghematannya adalah 75%. Ini berbeda dengan mengatakan bahwa biayanya turun 25%.

### Jika sekitar 16% kuota pemakaian telah terpakai setelah digunakan selama lebih dari 3 jam, apakah API-nya juga murah?
Hal itu tidak dapat disimpulkan demikian. Indikator langganan menunjukkan paket tarif dan batas layanan, sedangkan biaya API dihitung berdasarkan token input, output, cache, serta penggunaan fitur tambahan. Jika metode konversi internalnya tidak dipublikasikan, kedua angka tersebut tidak dapat dibandingkan secara langsung.

### Jika program pemodelan molekul dibuat dengan cepat, apakah itu berarti kinerja penelitian ilmiahnya telah terverifikasi?
Tidak. Implementasi yang cepat merupakan contoh produktivitas pengembangan, tetapi tidak membuktikan keakuratan ilmiah. Diperlukan perbandingan dengan set data acuan, pemeriksaan model komputasi, pengujian berulang, dan tinjauan tambahan oleh pakar bidang terkait.

### Apa saja yang perlu disamakan untuk membandingkan harga model AI secara adil?
Prompt, tingkat penalaran, panjang output maksimum, status cache, dan pengaturan alat yang sama harus diterapkan. Setelah itu, bukan hanya total biaya token, tetapi juga tingkat keberhasilan, jumlah percobaan ulang, waktu latensi, dan waktu yang dibutuhkan manusia untuk melakukan koreksi harus dibandingkan.

### Jika sistem pengamanan diperkuat, apakah semua penelitian ilmiah akan dibatasi?
Tidak dapat disimpulkan bahwa seluruh bidang akan dibatasi secara seragam. Karena hasilnya dapat berbeda menurut kategori risiko permintaan, produk yang digunakan, akun, dan kebijakan, kebijakan penggunaan yang diizinkan secara resmi serta prosedur bagi peneliti perlu diperiksa.

### Apakah model termurah selalu memiliki nilai terbaik untuk harganya?
Tidak. Jika model murah menghasilkan banyak kesalahan sehingga pelaksanaan ulang dan koreksi oleh manusia meningkat, total biayanya dapat menjadi lebih besar. Dalam pekerjaan nyata, ‘biaya per satu pekerjaan yang berhasil’, yaitu total biaya dibagi jumlah hasil yang lolos pemeriksaan, lebih berguna.

## Sources

- [Dokumentasi Anthropic: Ikhtisar model](https://docs.anthropic.com/en/docs/about-claude/models/overview)
- [Harga Anthropic](https://www.anthropic.com/pricing)
- [Berita Anthropic](https://www.anthropic.com/news)
- [Kerangka Kerja Manajemen Risiko AI NIST](https://www.nist.gov/itl/ai-risk-management-framework)

## Images

![Peneliti berjas lab menelaah data tablet di samping sampel dan peralatan laboratorium](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ0ODEsInB1ciI6ImJsb2JfaWQifX0=--3180d675bf00130ea0c21e24ed9ff4816cf64ada/ai-7a03cc63.webp)
![Kaca pembesar dan neraca untuk menelaah dasbor, grafik, basis data, dan data riset](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTQ0ODcsInB1ciI6ImJsb2JfaWQifX0=--953e9716e02c4057c6b6e72efe87fe15adfdd861/ai-9b2d3f5a.webp)