32GB VRAM是稳定运行Claude Fable 5.1完整精度模型的底线，16GB仅支持4-bit量化版本；显存是否够用关键看能否维持30步以上工具调用不降速、不重载上下文，而非仅能否启动。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
怎么看显存和上下文窗口是否够用
Claude Fable 5.1 不是“能跑就行”的模型，它在长程任务中会持续占用显存，尤其当上下文接近 500K token 时，显存压力会陡增。实测下来，32GB VRAM 是稳定运行完整精度模型的底线；16GB VRAM 只能跑 AWQ-4bit 或 GPTQ-4bit 量化版本，且必须关闭 flash_attn 的某些优化路径，否则容易 OOM。
关键判断点不是“能不能启动”，而是“能否维持 30 步以上工具调用不降速、不重载上下文”。建议用以下命令快速验证：
python -c "from transformers import AutoModelForCausalLM; m = AutoModelForCausalLM.from_pretrained('anthropic/Claude-Fable-5.1', device_map='auto', torch_dtype='auto'); print(m.device); print(m.dtype)"
如果报 torch.cuda.OutOfMemoryError，或最终加载到 cpu 设备，说明显存不足；若加载成功但后续推理中 generate() 耗时超过 8 秒/token（输入 200K context），大概率是显存带宽或 kv_cache 管理没对齐。
为什么 aws_review 模式必须提前启用
Fable 5.1 是 Anthropic 定义的“受保护的模型”（Covered Model），所有通过 Amazon Bedrock 调用的请求，都强制要求启用 aws_review 模式。这不是可选开关，而是部署前的准入检查项。
如果你在调用时收到 BadRequestException: aws_review mode is required for covered models，说明：
– 请求头里没带 x-amzn-bedrock-review-mode: enabled
– 或者 AWS IAM 策略没授予 bedrock:InvokeModelWithResponseStream 权限
– 或者模型 ARN 写成了 arn:aws:bedrock:us-east-1::foundation-model/claude-fable-5（旧版），正确应为 arn:aws:bedrock:us-east-1::foundation-model/claude-fable-5.1
本地部署虽不强制该模式，但若你用的是 Bedrock 代理层（比如自建 anthropic-proxy），也得透传这个 header，否则会被网关拦截。
anthropic-version 头和 API 兼容性陷阱
Fable 5.1 的 API 行为与旧版 anthropic-version: 2023-06-01 不完全兼容。最常踩的坑是：
– 使用 max_tokens 参数时，Fable 5.1 实际响应上限可能被截断为 128000，即使你设了 262144
– system 字段现在必须放在 message 列表最前，且不能含换行符，否则返回 invalid_request_error
– tool_use 块里的 input 必须是 JSON object，不能是 string，否则触发 tool_input_malformed
将 Claude Agent SDK 与 You.com HTTP MCP 服务器集成，支持 Python 和 TypeScript。当开发者提及 Claude Agent SDK、Anthropic Agent SDK 或将 Claude 与 MCP 工具集成时使用。
验证方式很简单：发一个最小 payload：
curl -X POST https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_KEY" \
-H "anthropic-version: 2024-10-22" \
-H "content-type: application/json" \
-d '{
"model": "claude-fable-5.1",
"max_tokens": 4096,
"messages": [{"role": "user", "content": "hi"}]
}'
注意这里必须用 2024-10-22 —— 这是 Fable 5.1 唯一正式支持的 version header。用错就会 fallback 到 Opus 行为，或者直接 400。
缓存读取配置是否生效，直接影响长程任务成本
Fable 5.1 的缓存读取费用降了 75%，但前提是你的请求明确声明了 cache_control。很多人以为只要用了 Bedrock，缓存就自动生效，其实不然。
必须在每个 message content item 里加：
"cache_control": {"type": "ephemeral"}
否则哪怕内容完全相同，也会被当作全新 token 计费。实测发现：
– 缺少该字段，100K context 下连续 5 轮调用，总 cost ≈ $1.2
– 加上后，后 4 轮命中缓存，总 cost ≈ $0.45
– 更隐蔽的问题是：如果某轮 response 被标记为 cache_control: {type: "ephemeral"}，但下一轮 request 没带，Bedrock 会认为上下文已失效，重新计费
所以真正要检查的不是“有没有配缓存”，而是每条 request payload 里，每个 content 数组元素是否都显式携带了 cache_control 字段。
