Claude Fable 5.1 dan Potongan Harga 75% yang Mengubah Ekonomi AI Agentik
Anthropic mengirim Claude Fable 5.1 bersama kembarannya Mythos 5.1, lalu memotong harga cache-read 75%. Yang kedua justru lebih mengubah cara orang membangun — penghematan sampai 45% untuk beban kerja agentik.
Dua model, satu bobot
Pada 1 September 2026 Anthropic melepas Claude Fable 5.1 dan Claude Mythos 5.1. Yang perlu dipahami: keduanya berbobot identik. Perbedaannya bukan kecerdasan, melainkan pengaman.
Mythos 5.1 adalah varian trusted-access — pengaman tertentu dilepas untuk defender keamanan yang sudah terseleksi. Ini pola yang minggu itu juga diulang Google (Gemini 3.8 Flash Cyber lewat program Fairwind) dan OpenAI (Astra dengan akses Daybreak). Industri telah sampai pada kesimpulan yang sama: model frontier sekarang terlalu mampu untuk dilepas utuh ke semua orang, tapi terlalu berguna untuk digembok sepenuhnya.
Di papan skor independen, Fable 5.1 mencatat 66 pada Artificial Analysis Intelligence Index — lima poin di atas GPT-6 Astra. Itu posisi teratas di antara model yang tersedia umum per awal September.
Angka yang benar-benar penting
Yang mengubah ekonomi membangun AI bukan skornya, tapi ini:
Harga cache-read Fable 5.1 dipotong 75% — dari $1,00 menjadi $0,25 per juta token.
Konteks lengkap perubahan harga Anthropic:
| Tanggal | Perubahan |
|---|---|
| | | |
| | |
Penghematan efektifnya: sekitar 25% untuk pemakaian khas, dan sampai 45% untuk workload agentik.
Kenapa potongan cache-read jauh lebih besar dampaknya dari kelihatannya
Kalau Anda belum membangun sistem agentik, angka ini mudah dianggap remeh. Izinkan saya jelaskan mekanismenya.
Agen AI bekerja dalam putaran (loop): baca konteks → putuskan → panggil alat → baca hasil → putuskan lagi → panggil alat lagi. Pada setiap putaran, agen membaca ulang hampir seluruh konteks yang sama: instruksi sistem, definisi alat, riwayat percakapan, dokumen referensi.
Untuk agen yang berjalan 30 putaran, Anda membayar konteks yang sama 30 kali.
Prompt caching memecahkan ini: konteks yang tidak berubah disimpan sekali, lalu putaran berikutnya membaca dari cache dengan harga jauh lebih murah. Sebelum pemotongan, cache-read sudah lebih murah dari input biasa. Setelah dipotong 75%, selisihnya menjadi dramatis.
Implikasi praktisnya: hal-hal yang enam bulan lalu tidak masuk hitungan bisnis, sekarang masuk.
- Agen yang membaca ulang basis kode besar sebelum setiap perubahan → layak.
- Agen riset yang memuat puluhan dokumen sumber di setiap langkah → layak.
- Agen layanan pelanggan dengan riwayat panjang dan konteks produk tebal → margin berubah dari tipis ke sehat.
- Alur kerja multi-langkah 50+ putaran → tidak lagi perlu dipangkas paksa jadi 10 putaran.
Yang perlu Anda lakukan
Kalau Anda sudah memakai Claude: periksa apakah prompt caching benar-benar aktif di kode Anda. Ini bukan otomatis di semua SDK dan pola pemanggilan. Banyak tim membayar harga input penuh untuk konteks yang seharusnya di-cache — dan baru sadar setelah melihat tagihan. Strukturkan prompt Anda agar bagian yang stabil berada di depan (instruksi sistem, definisi alat, dokumen referensi) dan bagian yang berubah di belakang (input pengguna). Cache bekerja berdasarkan awalan yang identik.
Kalau Anda sedang membandingkan vendor: jangan bandingkan harga input dan output saja. Untuk beban agentik, bandingkan harga cache-read dan rasio cache hit yang realistis untuk pola pemakaian Anda. Model dengan harga input lebih mahal tapi cache-read sangat murah bisa jadi jauh lebih hemat untuk agen yang berjalan panjang.
Kalau Anda merancang produk baru: anggaran 45% yang tadi tidak tersedia sekarang tersedia. Pertanyaan desainnya bergeser dari "berapa putaran yang mampu kita bayar?" menjadi "berapa putaran yang dibutuhkan agar tugasnya benar-benar selesai?" Itu perubahan yang cukup mendasar.
Skor benchmark menentukan siapa yang menang di Twitter. Harga cache-read menentukan siapa yang menang di laporan keuangan.