Put Claude Fable 5.1 and Gemini 3.8 Flash on the same team

À retenir

1. Le cas fondateur est un mauvais ROI, pas une panne. une question sans enjeu, un agent qui fouille chats et documents, la bonne réponse, 38 $. La tâche ne demandait pas de planification coûteuse. C'est la valeur marginale du token, discutée dans [[gupta-token-budget-wars-marginal-token-utility-2026-05-28]].
2. Deux formes de modèle, une seule surface d'API. Fable 5.1 pour la planification autonome de classe Mythos, la fenêtre d'un million de tokens et la diligence multi-étapes ; Gemini 3.8 Flash pour la vitesse à 0,75 $ / 3,75 $ par million de tokens en entrée / sortie, avec niveau de réflexion réglable. Tout router sur l'un des deux est nommé comme l'erreur à éviter dans les deux sens : payer le tarif frontière pour lire des diffs, ou lancer un modèle rapide sur une migration irréversible sans plan.
3. Activer Fable sur Google Cloud est un parcours à étapes. activer l'API, activer le modèle, remplir un formulaire d'usage, puis accepter l'Advanced AI Safety Addendum en appelant setPublisherModelConfig avec dataSharingEnabledProvider: ANTHROPIC au niveau du projet. Un 409 signifie que c'est déjà fait ; un 403 explicite indique l'étape manquante. Le nom de modèle dans l'URL s'écrit avec des tirets, claude-fable-5-1. Endpoint global recommandé, variantes multirégionales et régionales.
4. Le benchmark maison tient en deux fichiers. opencode configuré avec les deux fournisseurs Vertex, promptfoo qui lance opencode run --auto avec chaque modèle sur les mêmes prompts, timeout de 60 s. La consigne : ne pas modifier les fichiers de la tâche entre les passes.
5. Les deux résultats se croisent. sur l'état d'une branche de PR, Fable enchaîne des tours de méta-réflexion en réinspectant des hachages d'arbre inchangés (près de 6 s, 23 fois le coût) ; Flash déclenche les outils git et répond en 1,1 s. Sur la migration Postgres vers Spanner, Flash rend une séquence linéaire propre en 3 s ; Fable, en 12 s, un DAG complet avec risques de dérive d'horloge sur les doubles écritures, clés d'idempotence et porte de rollback réversible.
6. Pattern retenu, coordination asymétrique. vitesse bon marché en première ligne, profondeur délibérée aux points de contrôle d'architecture. Dans un harnais de codage, des sous-agents nommés mappés sur des modèles distincts (worker sur Flash, deep-thinker sur Fable) ; le planificateur identifie la cause et découpe, les workers exécutent et rapportent, le planificateur vérifie et confirme ou réassigne. Deux familles de modèles se contrôlent l'une l'autre, rapprochement possible avec [[willison-fable-judgement-delegation-subagents-2026-07-03]].
7. Reformer le harnais selon le modèle. 3 à 5 outils ciblés à schémas JSON stricts pour le modèle rapide, un catalogue de 50 outils créant confusion de paramètres et gaspillage de contexte ; documents d'architecture, schémas et guidelines pour Fable, mais sans droit d'écriture directe sur les fichiers.
8. Escalade « Ask for Help ». toute requête démarre sur le worker rapide, doté d'un outil ask_for_help(reason, failed_attempts, context) ; il traite 85 à 90 % des demandes seul et n'escalade que sur ambiguïté, action irréversible ou deux échecs d'outil consécutifs.
9. Contre les routeurs « intelligents » automatiques. mûrs en ML prédictif (bandits, ad tech, fraude) parce que les entrées sont bornées et le retour immédiat ; en agents multi-tours, le premier tour manque de signal, le succès ne se traduit pas en features apprenables, et les mauvais choix sont rejoués sur l'autre chemin, mangeant l'économie et ajoutant de la latence. Verdict : composer explicitement, router par frontière de tâche, laisser des assertions de code ou l'intention humaine gouverner les passages de main.
10. ⚠️ Les chiffres comparatifs reposent sur deux tâches en une passe, sans variance ni protocole publié ; l'auteur le dit lui-même et renvoie chacun à ses propres évaluations.
11. L'équation de ROI. additionne temps humain économisé, fonctionnalités livrées plus vite, erreurs et pannes évitées, et retranche le coût des tokens et de la montée en compétence de l'équipe. L'auteur note qu'on pèse davantage sur ce calcul en faisant plus de travail, plus vite, qu'en économisant des tokens. Comparaison par équipe à lire avec [[patel-block-buzz-teams-tokens-benchmarks-2026-08-06]].