Claude Fable 5.1 vs Gemini 3.8 Flash مقارنة

# Claude Fable 5.1 - استدعاء agentic عبر Python SDK (High effort افتراضي)
import anthropic

client = anthropic.Anthropic()  # تتم قراءة ANTHROPIC_API_KEY من env

response = client.messages.create(
    model="claude-fable-5-1",
    max_tokens=4096,
    tools=[
        {
            "type": "bash_20250124",
            "name": "bash"
        }
    ],
    messages=[
        {
            "role": "user",
            "content": (
                "ابحث عن الاختبار غير المستقر (flaky) الذي يفشل في المستودع، "
                "اشرح السبب الجذري على مستوى disassemble وجهّز PR للإصلاح."
            ),
        }
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)
    elif block.type == "tool_use":
        print(f"[tool: {block.name}] input={block.input}")

# للاستفادة من cache-read، علّم system prompt بـ cache_control:
# system=[{"type": "text", "text": LONG_CODEBASE_CONTEXT,
#          "cache_control": {"type": "ephemeral"}}]
# → تُحتسب القراءات المتكررة بسعر 0.25$/M توكن (أرخص بنسبة 75% من Fable 5)

# Gemini 3.8 Flash - استدعاء agentic على نطاق واسع عبر Python SDK
from google import genai
from google.genai import types

client = genai.Client()  # تتم قراءة GEMINI_API_KEY من env

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents=(
        "عالج ملف CSV المكوّن من 1000 سطر، وعيّن فئة لكل سطر "
        "وأعد النتيجة المجمّعة بصيغة JSON."
    ),
    config=types.GenerateContentConfig(
        temperature=0.2,
        max_output_tokens=2048,
    ),
)

print(response.text)

# يُفضَّل استخدام batch endpoint في المهام عالية الحجم/على نطاق واسع:
# client.batches.create(model="gemini-3.8-flash", src="gs://bucket/jobs.jsonl")
# المدخلات 0.75$/M، المخرجات 3.75$/M (سعر حملة ترويجية ساري حتى 31 ديسمبر 2026؛
# أُعلن مسبقًا أنه سيرتفع إلى 1.50$/7.50$ اعتبارًا من 1 يناير 2027)