Perubahan API Claude Fable 5 & Mythos: Apa yang Tetap Berfungsi (dan Cara Mengujinya)

Anthropic mengirimkan lini model Fable dan Mythos-nya dengan seperangkat aturan yang berbeda dari yang biasa digunakan pengembang, dan reaksinya sangat keras. Dua topik mendominasi diskusi: persyaratan retensi data 30 hari yang baru untuk lalu lintas Fable dan Mythos, dan serangkaian perubahan pembatas (guardrail) yang datang tanpa banyak peringatan. Jika Anda menjalankan apa pun terhadap Claude API dalam produksi, perubahan ini secara langsung memengaruhi Anda.

Posting ini memisahkan kebisingan dari bagian-bagian yang memengaruhi kode Anda. Anda akan melihat apa yang dilaporkan berubah, apa yang masih berfungsi sama seperti minggu lalu, dan bagaimana memverifikasi integrasi Anda sendiri dengan Apidog alih-alih menebak-nebak. Jika Anda memelihara integrasi Claude, langkah teraman saat ini adalah menguji asumsi Anda, bukan mempercayainya.

tombol

Apa yang Sebenarnya Berubah

Tiga hal sedang dikacaukan dalam diskusi. Pisahkan ketiganya dan gambaran akan menjadi lebih jelas.

Retensi data. Perubahan utama adalah jendela retensi 30 hari yang diterapkan pada permintaan Fable dan Mythos. Dalam praktiknya ini berarti data permintaan dan respons yang terkait dengan model-model tersebut disimpan untuk jangka waktu tertentu daripada langsung dihapus. Tim dengan komitmen penanganan data yang ketat peduli akan hal ini karena mengubah apa yang dapat Anda janjikan kepada pengguna Anda sendiri. Jika kebijakan privasi Anda menyatakan “kami tidak menyimpan prompt,” perilaku retensi penyedia hulu Anda kini menjadi bagian dari klaim tersebut.

Pembatas (Guardrails). Sebuah utas terpisah membahas perubahan pembatas pada Fable yang ditentang oleh beberapa peneliti keamanan. Keluhannya bukan karena adanya pembatas; melainkan karena perilakunya berubah secara diam-diam, sehingga respons yang kemarin lolos mungkin hari ini disaring atau dibentuk ulang. Untuk aplikasi yang bergantung pada output yang konsisten, perubahan diam-diam dalam perilaku penolakan adalah sumber bug yang nyata.

Akses terprogram. Ini adalah bagian yang sebenarnya perlu ditindaklanjuti oleh sebagian besar pengembang. Antarmuka API, model autentikasi, dan bentuk permintaan inti belum diganti. Kunci yang ada, panggilan messages Anda, dan skema penggunaan alat Anda masih berfungsi. Yang dapat berubah tanpa Anda sadari adalah perilaku: prompt mana yang ditolak, berapa lama panggilan berlangsung di bawah beban, dan seperti apa respons yang di-streaming ketika pembatas terpicu di tengah-generasi.

Singkatnya: kontraknya stabil, perilakunya tidak dijamin stabil, dan kebijakan seputar data Anda lebih ketat. Kombinasi itu persis untuk itulah pengujian.

Apa yang Masih Berfungsi

Sebelum Anda menulis ulang apa pun, konfirmasikan apa yang tidak berubah agar Anda tidak memperbaiki masalah yang tidak Anda miliki.

Autentikasi. Kunci API dan header x-api-key berfungsi seperti sebelumnya. Anda tidak perlu merotasi kunci karena perubahan ini, meskipun rotasi kunci adalah praktik yang baik terlepas dari itu. Lihat referensi API Anthropic untuk kontrak header saat ini.
Bentuk API Pesan (Messages API). Badan permintaan, bidang model, max_tokens, prompt system, dan array messages tidak berubah. Kode yang ditulis terhadap Messages API tetap berjalan.
Penggunaan alat. Definisi alat Anda dan bolak-balik tool_use / tool_result berperilaku sama. Jika Anda membangun agen berdasarkan panggilan fungsi, sambungannya tetap berfungsi.
Streaming. Server-sent events masih mengalirkan token dengan cara yang sama. Yang bisa berbeda adalah konten aliran ketika pembatas campur tangan di tengah jalan.
Alias model. Jika Anda mengunci model dengan ID lengkapnya daripada alias yang mengambang, Anda mengontrol model mana yang menjawab. Penguncian adalah pertahanan terbaik Anda terhadap perubahan perilaku diam-diam.

Jadi, tidak ada yang memaksa penulisan ulang darurat. Pekerjaannya adalah verifikasi: buktikan bahwa perilaku yang diandalkan aplikasi Anda masih berlaku, dan tangkap kasus di mana perilaku tersebut diam-diam tidak berlaku.

Cara menguji integrasi Anda dengan Apidog

Di sinilah klien API sejati menemukan tempatnya. Anda bisa membaca changelog sepanjang hari, tetapi satu-satunya cara untuk mengetahui bagaimana integrasi Anda merespons adalah dengan meluncurkan permintaan dan memeriksa apa yang kembali. Apidog memberi Anda satu ruang kerja untuk merancang permintaan tersebut, menyimpannya, mengejek upstream, dan menjalankannya sebagai pemeriksaan otomatis. Jika Anda telah beralih dari Postman atau tidak pernah membakukannya, ini adalah tempat yang bersih untuk memulai; berikut adalah kasus yang lebih luas untuk pengujian API tanpa Postman.

1. Tangkap garis dasar yang diketahui baik

Buat permintaan di Apidog yang mengenai Messages API dengan prompt yang Anda pedulikan; prompt produksi yang representatif, bukan mainan. Kunci ID model lengkapnya. Simpan responsnya. Ini adalah garis dasar Anda. Ketika perilaku bergeser nanti, Anda membandingkan dengan respons yang disimpan ini alih-alih mengandalkan ingatan.

POST https://api.anthropic.com/v1/messages
x-api-key: {{ANTHROPIC_API_KEY}}
anthropic-version: 2023-06-01
content-type: application/json

{
  "model": "claude-fable-5",
  "max_tokens": 1024,
  "messages": [
    { "role": "user", "content": "Ringkas tiket dukungan ini dan beri label prioritasnya: ..." }
  ]
}

Simpan kunci API sebagai variabel lingkungan di Apidog daripada mengkodekannya secara langsung. Itu menjaga kunci tetap di luar permintaan yang Anda simpan dan memungkinkan Anda beralih antara lingkungan staging dan produksi dengan satu pilihan dropdown. Pola yang sama berfungsi baik Anda menguji Claude, SDK Claude Code, atau model lain di balik kunci yang sama.

2. Tegaskan pada respons, jangan hanya dilihat sepintas

Garis dasar hanya berguna jika Anda memeriksanya secara otomatis. Di Apidog, tambahkan pernyataan ke permintaan:

Statusnya 200.
stop_reason adalah end_turn, bukan max_tokens atau penolakan.
Badan respons berisi bidang terstruktur yang diurai aplikasi Anda (misalnya, label prioritas).
Waktu respons tetap di bawah anggaran batas waktu Anda.

Sekarang Anda memiliki pengujian, bukan tangkapan layar. Jalankan sesuai jadwal dan Anda akan mengetahui hari ketika perubahan pembatas mulai menyaring prompt yang sebelumnya lolos. Ini adalah disiplin yang sama di balik pengujian kontrak API; Anda mengunci perilaku yang diasumsikan oleh kode hilir Anda.

3. Uji jalur penolakan dan pembatas dengan sengaja

Keluhan pembatas penting karena penolakan mudah diabaikan sampai merusak alur kerja. Bangun serangkaian kecil permintaan yang berada di dekat batas konten Anda dan simpan responsnya. Jika prompt yang sebelumnya diterima mulai kembali ditolak atau dibentuk ulang, pernyataan Anda gagal dan Anda mengetahuinya sebelum pengguna Anda. Perlakukan perilaku penolakan sebagai kontrak yang teruji, bukan sebagai pemikiran kedua.

4. Mock Anthropic agar pengujian Anda tidak bergantung pada API langsung

Anda tidak ingin suite CI Anda memanggil upstream berbayar, terbatas-tarif, dan berubah-perilaku setiap kali dijalankan. Server mock Apidog memungkinkan Anda menyiapkan endpoint Messages palsu yang mengembalikan respons yang telah ditentukan; termasuk bentuk penolakan dan kesalahan yang Anda tangkap di atas. Arahkan aplikasi Anda ke mock selama pengembangan dan pengujian integrasi. Kode Anda melatih struktur respons nyata tanpa menghabiskan token atau memicu batas tarif. Ketika Anda menginginkan yang asli, kembalikan URL dasar. Membangun agen di atas ini? Pola mock yang sama adalah tulang punggung dari penyiapan pengujian agen AI yang baik.

5. Verifikasi perilaku yang sensitif terhadap retensi

Jika jendela retensi 30 hari penting untuk cerita kepatuhan Anda, dokumentasikan di tempat yang dapat dilihat tim Anda dan uji kontrol yang Anda miliki. Konfirmasikan endpoint mana yang Anda panggil, data apa yang keluar dari sistem Anda dalam setiap permintaan, dan apakah Anda mengirim lebih dari yang Anda butuhkan. Riwayat permintaan Apidog memudahkan untuk mengaudit dengan tepat payload apa yang dikirim integrasi Anda, sehingga Anda dapat memotong apa pun yang sensitif yang tidak perlu ada di prompt. Anda tidak dapat mengubah kebijakan retensi Anthropic, tetapi Anda dapat mengontrol apa yang Anda berikan kepadanya.

6. Uji di bawah beban dan batas waktu

Perilaku di bawah beban adalah tempat perubahan diam-diam bersembunyi. Gunakan Apidog untuk menjalankan permintaan yang sama berulang kali dan amati adanya peningkatan latensi, aliran parsial, atau pemicuan pembatas sesekali. Tetapkan batas waktu yang realistis dan kebijakan coba lagi di klien Anda, lalu uji bahwa percobaan ulang Anda benar-benar menangani respons yang lambat atau terpotong alih-alih memperburuk masalah. Jika Anda melihat kelambatan upstream, pendekatan debugging di memperbaiki batas waktu permintaan upstream berlaku secara langsung.

Daftar periksa praktis

Lakukan ini sekali dan Anda akan tahu persis posisi Anda:

[ ] Kunci ID model lengkap; berhenti mengandalkan alias mengambang untuk jalur produksi.
[ ] Simpan respons garis dasar untuk setiap prompt yang diandalkan aplikasi Anda.
[ ] Tambahkan pernyataan pada status, stop_reason, dan bidang yang Anda uraikan.
[ ] Tangkap bentuk penolakan dan kesalahan; tegaskan bahwa mereka tidak berubah secara diam-diam.
[ ] Mock Messages API agar CI tidak mengenai endpoint langsung.
[ ] Audit payload keluar terhadap jendela retensi 30 hari.
[ ] Uji perilaku batas waktu dan coba lagi di bawah beban berulang.

Tidak ada di antara ini yang memerlukan menunggu Anthropic menerbitkan detail lebih lanjut. Anda mengontrol verifikasi, dan verifikasi adalah yang mengubah berita utama kebijakan menjadi bukan masalah bagi tim Anda.

FAQ

Apakah saya perlu mengubah kunci API saya karena perubahan Fable dan Mythos? Tidak. Autentikasi tidak berubah. Merotasi kunci sesuai jadwal tetap merupakan praktik yang baik, tetapi perubahan ini tidak memaksanya.

Apakah kode API Pesan dan penggunaan alat saya yang ada akan rusak? Kontrak permintaan dan respons stabil, sehingga kode Anda tetap berjalan. Yang dapat bergeser adalah perilaku; penolakan, latensi, dan konten yang di-streaming di bawah pembatas. Itu adalah masalah pengujian, bukan penulisan ulang.

Apa perubahan retensi 30 hari itu? Laporan menjelaskan jendela retensi 30 hari yang diterapkan pada lalu lintas Fable dan Mythos. Jika komitmen privasi Anda sendiri bergantung pada perilaku retensi upstream, pertimbangkan ini dan konfirmasikan data apa yang sebenarnya Anda kirim. Selalu periksa dokumentasi penggunaan data Anthropic saat ini untuk persyaratan yang berwenang.

Bagaimana cara menangkap perubahan pembatas sebelum pengguna? Simpan respons garis dasar untuk prompt di dekat batas konten Anda, tambahkan pernyataan, dan jalankan sesuai jadwal di Apidog. Pernyataan yang gagal memberi tahu Anda hari perubahan perilaku.

Bisakah saya menguji semua ini tanpa menghabiskan token? Ya. Gunakan server mock Apidog untuk memutar ulang respons yang ditangkap, termasuk kasus penolakan dan kesalahan, sehingga pengembangan dan CI Anda tidak pernah menyentuh API langsung.

Kesimpulan

Perubahan Fable dan Mythos itu nyata, tetapi bagi sebagian besar pengembang, ini adalah cerita tentang perilaku dan kebijakan, bukan cerita tentang API yang rusak. Kunci Anda berfungsi, panggilan Messages Anda berfungsi, alat Anda berfungsi. Kerentanannya ada pada bagian-bagian yang bergerak secara diam-diam: penolakan, latensi, dan apa yang terjadi pada data Anda setelah meninggalkan sistem Anda. Kunci model Anda, tangkap garis dasar, tegaskan padanya, dan mock upstream agar pengujian Anda tetap murah dan jujur. Unduh Apidog dan ubah “Saya kira itu masih berfungsi” menjadi “Saya sudah memeriksa, dan ini buktinya.”