Tutorial API Batch di Claude Fable 5.2: Elabora Grandi Carichi di Lavoro a Costi Inferiori
Utilizza Claude Fable 5.2 con l'API Message Batches per analisi asincrone di documenti, revisioni del codice e valutazioni a tariffe token ridotte del 50% rispetto a quelle standard.

L'API Message Batches è la via economica per lavori che non necessitano di una risposta immediata. Attualmente Anthropic addebita l'input e l'output batch di Claude Fable 5.2 al 50% delle tariffe standard: $4 e $20 per milione di token invece di $8 e $40.
Il batching non è una modalità interattiva più veloce. Un batch può richiedere fino a 24 ore, i risultati arrivano come file anziché come flusso, e ogni richiesta deve essere progettata in modo da poter essere abbinata, convalidata e ritentata in modo indipendente.
Carichi di lavoro adatti al batching
- Valutazione di migliaia di prompt rispetto a una rubrica fissa
- Classificazione o estrazione di campi da raccolte di documenti
- Revisione delle modifiche indipendenti al codice
- Creazione di riepiloghi di ricerca offline
- Generazione dei metadati per un archivio di contenuti
- Rielaborazione dei casi di supporto storici
- Esecuzione dei confronti di migrazione del modello
Evita il batch quando una persona è in attesa, le richieste successive dipendono dalle risposte precedenti, o gli strumenti devono interagire con un sistema esterno in rapido cambiamento.
Progetta ogni richiesta come unità indipendente
Ogni richiesta necessita di un custom_id univoco. Il servizio potrebbe restituire risultati in ordine diverso da quello di invio, quindi non abbinare mai in base alla posizione nell'array.
from anthropic import Anthropic
client = Anthropic()
batch = client.messages.batches.create(
richieste=[
{
"custom_id": "contract_0001",
"params": {
"model": "claude-fable-5-2",
"max_tokens": 2048,
"messages": [{
"role": "utente",
"content": "Estrarre le date di scadenza e citare le clausole pertinenti."
}],
},
},
{
"custom_id": "contract_0002",
"params": {
"model": "claude-fable-5-2",
"max_tokens": 2048,
"messages": [{
"role": "utente",
"content": "Estrarre le date di scadenza e citare le clausole pertinenti."
}],
},
},
]
)
In un flusso di lavoro reale, includi il contenuto appropriato del documento o i riferimenti ai file e conserva un manifest che colleghi custom_id alla fonte, alla versione, allo schema previsto e alle autorizzazioni.
Il ciclo di vita dell'elaborazione
- Convalida le richieste localmente.
- Invia il batch.
- Conserva l'ID del batch e il manifest di input.
- Sondare a un intervallo ragionevole o utilizzare il flusso di lavoro dello stato supportato.
- Scarica i risultati al termine dell'elaborazione.
- Abbina ogni risultato per
custom_id. - Separa gli elementi riusciti, con errore, scaduti, annullati e rifiutati.
- Convalida l'output prima delle scritture a valle.
- Riprova solo gli elementi la cui politica di fallimento lo consente.
Non inviare di nuovo un intero lotto perché cinque elementi hanno fallito. Questo raddoppia il lavoro riuscito e il costo.
Limiti che modificano la progettazione delle richieste
Il riferimento API attuale di Anthropic consente fino a 100.000 richieste in un Batch di messaggi, con valori univoci custom_id di 1–64 caratteri supportati. Il limite di dimensione delle richieste dell'API Batch di prima parte è di 256 MB.
Diverse opzioni sincrone non sono supportate:
stream: truespeed/ Modalità velocefallbackslato servermax_tokens: 0nell'elaborazione batch normale
Convalidare rispetto alla documentazione corrente poiché i limiti e i parametri supportati possono cambiare.
Gestisci i rifiuti separatamente dagli errori tecnici
Un rifiuto non è un errore infrastrutturale transitorio. Riprovare lo stesso elemento all'infinito spreca denaro e potrebbe tentare di eludere un limite di sicurezza. A seconda del prodotto, offri un aiuto più sicuro, indirizza a una revisione umana o utilizza una politica di fallback documentata.
Un sovraccarico 529, una richiesta malformata e un rifiuto richiedono azioni diverse. Memorizza sia lo stato dell'elemento di alto livello che il risultato dettagliato.
Combina Batch con la memorizzazione nella cache dei prompt in modo ponderato
Il contesto stabile ripetuto—come un lungo manuale di rubriche o politiche—può essere memorizzato nella cache dove supportato. Batch applica il suo sconto del 50% e la cache utilizza i propri moltiplicatori. Mantieni stabile il prefisso e utilizza i campi di utilizzo effettivi per confermare i risparmi.
Non assumere che tutti gli elementi di un batch parallelo colpiscano una cache che non è stata ancora creata. Riscalda o struttura il flusso di lavoro in base al comportamento di caching documentato.
Schema di controllo qualità
Per i lavori di estrazione:
- Utilizza Output Strutturati o uno schema rigoroso quando supportato.
- Includi
source_ide i campi di evidenza. - Convalida localmente i campi obbligatori e gli enum.
- Output accettati di esempio per revisione umana.
- Instradare i record a bassa evidenza a un secondo passaggio piuttosto che indovinare.
Per le valutazioni:
- Nascondere l'identità del modello quando possibile.
- Conserva le versioni del prompt e della rubrica.
- Registra sforzo, strumenti e token massimi.
- Non confrontare i risultati batch con un percorso interattivo a velocità premium senza notare la differenza.
Domande frequenti
Quanto tempo impiega un batch di Claude?
Anthropic afferma che i batch possono richiedere fino a 24 ore. Il tempo effettivo varia, quindi non costruire promesse di latenza visibili all'utente basate su una media.
È possibile utilizzare la modalità veloce di Fable 5.2 in un batch?
No. La modalità veloce ottimizza la latenza di output sincrono e non è supportata nei Batch di messaggi.
Il Batch è sempre più economico?
Le tariffe per token sono più basse, ma una validazione scadente, tentativi duplicati e un uso non necessario di Fable possono comunque generare sprechi. Instradare il lavoro semplice in blocco verso un modello più economico quando soddisfa lo standard di qualità.

















































































































