1 Mio. Kontext und 128K Ausgabe
Behalten Sie große Repositories, Forschungsmaterial, Tool-Ergebnisse und den Gesprächsverlauf in einem 1-Million-Token-Kontextfenster bei, mit bis zu 128K verfügbaren Token für die finale Antwort.
curl --request POST "https://gptproto.com/v1/chat/completions" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "claude-fable-5-2",
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}'Chat, Coding-Agenten und Dokumentenarbeit. Preise pro 1 Mio. Tokens – Eingabe, gecachte Eingabe und Ausgabe werden separat abgerechnet. GPTProto liegt 10% unter den offiziellen Preisen.
| Szenario | Claude Liste | OpenRouter | GPTProto | Du sparst / Monat |
|---|---|---|---|---|
| Persönlich10 Mio. Tokens / Monat (4.8 Mio. im Cache) | $106.56 | $112.42 | $95.90 | −$10.66≈ $127.87 / Jahr |
| Team100 Mio. Tokens / Monat (48 Mio. im Cache) | $1065.60 | $1124.21 | $959.04 | −$106.56≈ $1278.72 / Jahr |
| Business500 Mio. Tokens / Monat (240 Mio. im Cache) | $5328.00 | $5621.04 | $4795.20 | −$532.80≈ $6393.60 / Jahr |
Führen Sie Fable 5.2 auf GPTProto aus, wenn eine Aufgabe anhaltendes Reasoning über eine große Codebasis, lange Forschungspfade oder erweiterte Tool-Schleifen erfordert. Testen Sie es im Playground und vergleichen Sie es dann mit Claude Opus 5.5, GPT-6 Astra und anderen Modellen, ohne separate Anbieterkonten eröffnen zu müssen.
1 Mio. Kontext und 128K Ausgabe
Behalten Sie große Repositories, Forschungsmaterial, Tool-Ergebnisse und den Gesprächsverlauf in einem 1-Million-Token-Kontextfenster bei, mit bis zu 128K verfügbaren Token für die finale Antwort.
Always-On Adaptive Thinking
Das Reasoning kann nicht deaktiviert werden. Stellen Sie den Aufwand auf niedrig, mittel, hoch, x-hoch oder maximal ein; die API verwendet standardmäßig „hoch“ für schwierige technische Aufgaben.
Bis zu 30 % schneller als Fable 5.1
Anthropic berichtet von einer bis zu 30 % schnelleren Ausgabegenerierung als bei Claude Fable 5.1, bei gleichzeitiger Senkung der Standard-Token-Raten für Eingabe und Ausgabe gegenüber der Vorgängerversion.
Text-, Bild- und Tool-Workflows
Senden Sie Text- oder Bildeingaben und erhalten Sie Text zurück. Das Modell unterstützt Streaming, Tool-Nutzung, strukturierte Ausgabe, Prompt-Caching, Computer-Nutzung und lange, mehrstufige Agenten-Sitzungen.
Claude Fable 5.2 ist das leistungsfähigste allgemein verfügbare Modell von Anthropic für offene technische Aufgaben. Es wurde am 9. November 2026 veröffentlicht und ist für Aufgaben konzipiert, die Stunden oder Tage in Anspruch nehmen können: Softwaremigrationen, agentenbasiertes Programmieren, tiefgreifende Recherche, wissenschaftliche Analysen sowie Projekte, die wiederholte Planung, Werkzeugnutzung, Überprüfung und Überarbeitung erfordern.
Das Modell akzeptiert Text und Bilder und gibt Text aus. Es verfügt über ein Kontextfenster von 1.000.000 Token, unterstützt bis zu 128.000 Ausgabetoken und verwendet bei jeder Anfrage adaptives Denken. Entwickler steuern die Tiefe des Denkprozesses über die Einstellung effort, anstatt das Denken zu deaktivieren. Anthropic führt high als API-Standard auf.
GPTProto bietet Zugriff auf Fable 5.2 neben dem breiteren Claude-Modellkatalog. Ein GPTProto-Schlüssel und ein Guthaben können verwendet werden, um Fable gegen kostengünstigere Modelle zu testen, verschiedene Phasen eines Agenten an unterschiedliche Anbieter weiterzuleiten und die Abrechnung in einem einzigen Konto zu bündeln.
| Spezifikation | Claude Fable 5.2 |
|---|---|
| Anbieter | Anthropic |
| Veröffentlichungsdatum | 9. November 2026 |
| Offizielle Claude API-Modell-ID | claude-fable-5-2 |
| Eingabe / Ausgabe | Text und Bilder zu Text |
| Kontextfenster | 1.000.000 Token |
| Maximale Ausgabe | 128.000 Token |
| Denkprozess | Adaptiv und immer aktiv |
| Aufwandstufen | low, medium, high, xhigh, max; Standard high |
| Wissensstand und Trainingsstichtag | Juni 2026 |
| Standard-API-Rate | 8 $ / 1 Mio. Eingabe-Token; 40 $ / 1 Mio. Ausgabe-Token |
Programmierung und Migration im Repository-Maßstab: Geben Sie dem Modell Architekturhinweise, Quelldateien, Tests, Protokolle und Akzeptanzkriterien und lassen Sie einen Agenten Abhängigkeiten prüfen, Änderungen implementieren, Tools ausführen und fehlgeschlagene Schritte überarbeiten. Dies ist der klarste Anwendungsfall für Fable 5.2 in Programmier-Workflows.
Langfristige agentenbasierte Arbeit: Verwenden Sie einen höheren Aufwand für Schleifen, die planen, ausführen, Ergebnisse prüfen, Fehler beheben und auf ein messbares Ergebnis hinarbeiten müssen. Ein geringerer Aufwand bleibt für einfachere Schritte innerhalb desselben Workflows verfügbar.
Tiefgreifende technische Recherche: Kombinieren Sie einen großen Datensatz mit Tool-Ergebnissen und lassen Sie das Modell einen Forschungsplan pflegen, konkurrierende Erklärungen vergleichen, Berechnungen verifizieren und einen fertigen Bericht anstelle einer kurzen Zusammenfassung erstellen.
Bild- und Dokumentenanalyse: Kombinieren Sie Screenshots, Diagramme, Grafiken oder gescannte Seiten mit Textanweisungen. Das Modell kann Bildinhalte analysieren, gibt jedoch Text zurück, anstatt Bilder zu generieren.
Berater- und Orchestrator-Rollen: Reservieren Sie Fable für die schwierigsten Entscheidungen, während kleinere Modelle Routineaufgaben übernehmen. Dies reduziert die Notwendigkeit, das kostspieligste Modell für jeden Schritt in einem mehrstufigen System auszuführen.
Die nützliche Frage ist nicht einfach, welches Modell das neueste ist. Claude Fable 5.2 vs. Fable 5.1 ist hauptsächlich eine Entscheidung für ein Upgrade; Claude Fable 5.2 vs. Opus 5.5 ist eine Entscheidung zwischen Kosten und Aufgabenkomplexität; GPT-6 Astra vs. Claude Fable 5.2 ist oft eine Wahl zwischen zwei Agenten-Stacks und deren Tool-Verhalten.
Anthropic hat die folgenden Ergebnisse bei den jeweils angegebenen Evaluierungseinstellungen der Modelle gemeldet. Sie wurden nicht unabhängig von GPTProto reproduziert. Verwenden Sie diese daher eher, um Kandidaten für Ihre eigenen Evaluierungen auszuwählen, anstatt sie als Garantie zu betrachten.
| Von Anthropic gemeldeter Benchmark | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon |
|---|---|---|---|---|---|
| FrontierCode 2.0 | 49,1% | 32,4% | 45,5% | 42,8% | 41,1% |
| FrontierSWE v2 | 69,9% | 56,3% | 62,3% | 65,5% | 61,2% |
| AutomationBench | 51,4% | 31,4% | 42,5% | 41,4% | 53,9% |
| OSWorld 2.1 | 89,3% | 83,5% | 87,2% | 79,5% | 81,5% |
Die FrontierCode-Ergebnisse für Fable 5.2 und Fable 5.1 basieren auf xhigh Aufwand; Anthropic kennzeichnet den Wert für Gemini 4 Carbon als mittleren Aufwand. Der Vergleich zum Start nennt Gemini 4 Carbon, nicht Gemini 4 Argon. Verwenden Sie die Werte von Carbon nicht für Gemini 4 Argon; vergleichen Sie die verfügbaren Modelle mit denselben Prompts im GPTProto-Playground.
Der Umstieg von Claude Fable 5.1 ist größtenteils ein Modell-Upgrade, aber vier Änderungen können einen bestehenden Agenten beeinträchtigen:
Aktualisieren Sie die Modell-Route. Die offizielle ID von Anthropic ändert sich von claude-fable-5-1 zu claude-fable-5-2. Verwenden Sie für GPTProto die exakte Modell-Zeichenfolge, die im Tab „API Usage“ dieser Seite angezeigt wird.
Behalten Sie das Konversationspräfix unverändert bei. Das erneute Abspielen eines Thinking-Blocks nach dem Bearbeiten des vorherigen System-Prompts, der Tools oder Nachrichten kann zu einem 400-Präfix-Fehler führen. Hängen Sie neue Turns an, anstatt frühere zu überschreiben.
Überprüfen Sie Fallbacks zwischen Modellen. Fable 5.2 und Mythos 5.2 können Thinking-Blöcke von Fable 5.2 lesen; andere Modelle könnten diese verwerfen. Speichern Sie den endgültigen Aufgabenstatus außerhalb des versteckten Reasoning-Bereichs, bevor Sie das Modell wechseln.
Testen Sie Tools und Reasoning-Steuerungen erneut. Adaptives Denken bleibt aktiviert. Native Anthropic-Anfragen können kein spezifisches Tool mit tool_choice: any oder tool erzwingen; ältere Deklarationen zur Computernutzung erfordern möglicherweise ebenfalls ein Update. Führen Sie Tool-, Latenz-, Token- und Verweigerungstests erneut durch, bevor Sie Produktionsdaten migrieren.
Wenn Sie von einem offiziellen Provider-Endpunkt zu GPTProto migrieren, ändern Sie auch die Basis-URL und die Anmeldedaten, während Sie Ihre Tests auf Anwendungsebene beibehalten. Gehen Sie nicht davon aus, dass jedes anbieterspezifische Beta-Feld über eine OpenAI-kompatible Route unterstützt wird; folgen Sie dem Live-Beispiel unter „API Usage“ für die unterstützte Anfragestruktur.
Entscheiden Sie sich für Fable 5.2, wenn das Scheitern bei einer schwierigen, langwierigen Aufgabe teurer ist als die zusätzlichen Token: große Migrationen, mehrstündige Coding-Agenten, technische Recherche, komplexes visuelles Schlussfolgern oder Arbeitsabläufe, die sich erholen und nach Tool-Fehlern weiterarbeiten müssen.
Beginnen Sie für die meisten alltäglichen Programmier- und Wissensaufgaben mit Claude Opus 5.5, wie von Anthropic empfohlen. Verwenden Sie GPT-6 Astra, wenn Ihre Evaluierung den Agenten- und Computer-Use-Stack von OpenAI bevorzugt. Wechseln Sie erst dann zu Fable, wenn dieselbe Aufgabe und derselbe Testaufbau einen signifikanten Gewinn zeigen.
Preis, Tempo und Passung neben den Modellen, mit denen man es abwägt.
Anleitungen, Vergleiche und Updates zu diesem Modell.
Alle Artikel
Vergleichen Sie 11 All-in-One-KI-API-Plattformen für Workflows in den Bereichen Sprache, Bild, Video und Audio. Prüfen Sie die aktuelle Modalitätsabdeckung, Abrechnungseinheiten, den Umfang des kostenlosen Zugangs und API-Formate.

Vergleichen Sie GPT-6.1 Terra mit Claude Sonnet 5.5 hinsichtlich API-Preisen (0,80 $ vs. 1,80 $/1 Mio.), der 272K-Kontextgrenze, Coding-Benchmarks und den tatsächlichen Kosten für agentische Aufgaben.

Vergleichen Sie 7 OpenAI-API-Alternativen für das Jahr 2026 für SaaS- und KI-Anwendungen. Finden Sie kostengünstigere Modelle, prüfen Sie die API-Kompatibilität und planen Sie eine reibungslose Migration.

Vergleichen Sie die besten KI-Modelle für Rollenspiele im Jahr 2026 in Bezug auf Gedächtnis, Storytelling, RPGs und lange Chats, einschließlich Kimi K3, GLM, Claude, DeepSeek und Gemini.