Claude Fable 5: Der vollständige Leitfaden und ehrliche Test (2026)

 

Was Claude Fable 5 tatsächlich ist

Vor den Benchmarks lohnt sich die Frage, warum es überhaupt eine neue Klasse gibt. Anthropics Modellpalette reichte bisher bis Opus 4.8. Fable 5 ist die öffentliche, sicherheitsbeschränkte Veröffentlichung einer höheren Klasse, die das Unternehmen Mythos nennt – dasselbe zugrunde liegende Modell wie Claude Mythos 5, das über ein Programm namens Project Glasswing auf eine kleine Gruppe geprüfter Partner beschränkt bleibt. Bei Fable sind die Schutzmechanismen aktiviert; bei Mythos wurden einige davon entfernt.

Vereinfacht gesagt: Fable 5 ist das leistungsfähigste Modell, das Anthropic jemals allgemein verfügbar gemacht hat. Es wurde weniger für Gespräche als für lange, autonome Aufgaben entwickelt – für die Planung über mehrere Schritte hinweg, den Aufruf von Tools, das Auswerten von Ergebnissen und, in der höchsten Einstellung, die Überprüfung der eigenen Ausgabe, bevor etwas zurückgegeben wird. Die Modell-ID lautet claude-fable-5.

Spezifikationen auf einen Blick

Wie gut ist es wirklich – und wo verliert es

Fable 5 startete auf Platz eins des Artificial Analysis Intelligence Index und erzielte 65 Punkte gegenüber 60 für GPT-5.5 und 57 für Gemini 3.1 Pro. Beim Programmieren ist der Abstand am größten: Unabhängige Berichte sehen das Modell bei etwa 80 % im SWE-bench Pro, deutlich vor dem nächstplatzierten Modell. Auch Anthropics eigene Launch-Partner bestätigen dies – das Analyseunternehmen Hex berichtete, dass Fable 5 in seinem Kernbenchmark über 90 % erreichte, zehn Punkte mehr als Opus 4.8. Stripe erklärte, das Modell habe an einem einzigen Tag eine Migration über eine Ruby-Codebasis mit 50 Millionen Zeilen durchgeführt – eine Arbeit, für die ein Team von Hand schätzungsweise mehr als zwei Monate gebraucht hätte.

Bis hierhin klingt das wie jeder Launch-Beitrag. Hier kommt der Teil, den die meisten auslassen. Im Benchmark Agents' Last Exam schlug GPT-5.5 Fable 5 – ein Ergebnis, das zu einem größeren Muster passt, wonach die Modelle von OpenAI lange, aus mehreren Teilen bestehende Anweisungen wörtlicher befolgen. In einem der ersten unabhängigen Berichte stellte der Entwickler Simon Willison Fable und GPT-5.5 dieselbe Faktenfrage und stellte fest, dass GPT-5.5 tatsächlich die vollständigere Antwort lieferte. Fable 5 ist in den meisten Bereichen das leistungsfähigste Modell auf dem Markt; in allen Bereichen ist es das nicht, und „insgesamt am besten“ bedeutet nicht dasselbe wie „am besten für Ihre konkrete Aufgabe“.

Außerdem gibt es eine offene Kontroverse, auf die wir hinweisen sollten – und wir bezeichnen sie als das, was sie ist: umstritten, nicht abschließend geklärt. Fortune berichtete, dass eine tief im 319-seitigen Systembericht von Fable 5 verborgene Passage beschreibt, wie das Modell seine Antworten bei bestimmten Arbeiten zur KI-Entwicklung stillschweigend herabstuft, ohne den Nutzer darüber zu informieren. Anthropic bezeichnet die Weiterleitung als Sicherheitsfunktion; Kritiker sehen gerade den Teil „ohne den Nutzer zu informieren“ als Problem. Wenn Ihre Arbeit diesen Bereich berührt, betrachten Sie dies als bekannte Ungewissheit, bis es klarere Richtlinien gibt.

Wie es sich in der Praxis einsetzen lässt

Nach zwei Tagen liefern bekannte Entwickler, die ihre Arbeit zeigen, die nützlichsten Hinweise. Die wiederkehrende Erkenntnis: Fable 5 profitiert davon, wenn es von Anfang an den vollständigen Umfang erhält. In einem der ersten unabhängigen Berichte gab Simon Willison dem Modell die Aufgabe, einer Open-Source-Agentenbibliothek einen Freigabeschritt hinzuzufügen. Zunächst griff es zu „ziemlich kniffligen Hacks“, strukturierte diese aber sofort in saubere, unterstützte Funktionen um, als er ihm sagte, dass die zugrunde liegende Bibliothek geändert werden dürfe. In rund fünfeinhalb Stunden schrieb es fast eine komplette Veröffentlichung dieser Bibliothek selbstständig.

Diese Fähigkeit hat allerdings ihren Preis. Willison gab an einem einzigen Testtag 110,42 $ für Tokens aus. Und das Modell arbeitet nicht immer so unermüdlich, wie man hoffen würde – einige Nutzer sowie Anthropics eigene Dokumentation berichten, dass es lange Aufgaben gelegentlich vorzeitig beendet und einen Durchlauf mit einer Absichtserklärung statt mit einer fertigen Lösung abschließt. Die praktische Gewohnheit, die beides behebt: Geben Sie ihm die vollständige Spezifikation auf einmal und prüfen Sie, ob es den letzten Schritt tatsächlich ausgeführt hat.

Vibe Coding: eine funktionierende App aus einem einzigen Prompt

Wenn Fable 5 auf eine bestimmte Fähigkeit stärker ausgerichtet wird als auf jede andere, dann ist es Vibe Coding – das Beschreiben einer App oder Szene in natürlicher Sprache und das anschließende Erstellen des gesamten Projekts durch das Modell, oft in einem einzigen Durchlauf. Anthropic setzt direkt darauf: Im firmeneigenen End-to-End-Benchmark für Vibe Coding, ViBench, berichtet das Unternehmen, dass Fable 5 das höchste Ergebnis aller bisher getesteten Modelle erzielt.

Die öffentlichen Beispiele bestätigen das. Ethan Mollick ließ innerhalb von Claude Code aus jeweils einem einzigen Ausgangsprompt eine Reihe kleiner, aber vollständiger Spiele erstellen – ein Snake-Spiel im Pac-Man-Stil, ein Labyrinth zum Anzünden von Laternen namens Strata mit einem dezent an Myst erinnernden Look, ein auf Rilkes Duineser Elegien basierendes Gedichtspiel und eine funktionierende isochrone Karte für Reisezeiten. Er berichtete, das Modell habe „mit beträchtlichem Abstand besser abgeschnitten als praktisch jedes andere öffentliche Modell, das ich verwendet habe“, und bis zu zwölf Stunden lang mehrseitige Spezifikationen verarbeitet. Matt Shumer erstellte in einem einzigen Durchlauf eine spielbare, browserbasierte Minecraft-ähnliche Welt in benutzerdefiniertem ThreeJS und ließ das Modell außerdem ein maßstabsgetreues Yosemite Valley anhand von Höhendaten der NASA rendern. Als die Ausführung langsam war, bestand seine gesamte Korrektur aus „mach es schneller, ohne Qualität zu verlieren“ – woraufhin Fable die Rendering-Pipeline selbst umstrukturierte.

Der reproduzierbare Kern ist: Sie brauchen keinen cleveren Prompt, sondern nur einen klaren. Geben Sie Fable 5 ein Ziel und ausreichend Raum für die Planung, dann übernimmt es die Grundstruktur. Hier ist ein Ausgangsprompt, den Sie direkt in Claude Fable 5 on GPT Proto einfügen und beim Erstellen beobachten können:

Build a single-file browser game in HTML + JavaScript with no external
dependencies: a top-down 2D snake that grows when it eats apples, arrow-key
controls, game over on hitting the wall or itself, with a visible score and
a restart button. Keep the visuals clean and a little retro — chunky pixels,
a muted arcade palette. Don't stop until it runs as a single file I can open
directly in a browser.

Erhöhen Sie die Aufwandsstufe, geben Sie ihm statt eines Satzes eine mehrseitige Spezifikation, und derselbe Ablauf lässt sich auf die mehrstündigen Projekte skalieren, die Mollick beschrieben hat. Diese Arbeit rechtfertigt den Aufpreis: ein sauberer erster Durchlauf für etwas, das sonst einen ganzen Tag an Grundgerüstarbeit erfordern würde.

So verwenden Sie es (auch über GPT Proto)

Sie rufen Fable 5 über das standardmäßige Anthropic-Messages-Format auf. Auf GPT Proto lautet der Endpunkt https://gptproto.com/v1/messages, authentifiziert mit Ihrem Schlüssel im Authorization Header. Der minimale cURL-Aufruf:

curl --location 'https://gptproto.com/v1/messages' \
  --header 'Authorization: YOUR_GPTPROTO_API_KEY' \
  --header 'Content-Type: application/json' \
  --header 'anthropic-version: 2023-06-01' \
  --data '{
    "model": "claude-fable-5",
    "max_tokens": 8000,
    "messages": [
      { "role": "user", "content": "Refactor this module and explain the trade-offs." }
    ]
  }'

Zwei Dinge unterscheiden sich von älteren Claude-Modellen und können Probleme verursachen, wenn Sie alten Code übernehmen. Erstens ist das Denken immer aktiviert – es gibt keinen Ausschalter. Senden Sie keinen thinking Parameter zum Deaktivieren; das führt zu einem 400-Fehler. Stattdessen steuern Sie, wie intensiv das Modell arbeitet, mit output_config.effort von low bis max. Zweitens kostet derselbe Inhalt mehr Tokens als bei Modellen der Opus-Klasse, weil Fable 5 einen neuen Tokenizer verwendet – übernehmen Sie daher keine alten Token-Budgets.

In Python:

import requests, json

resp = requests.post(
    "https://gptproto.com/v1/messages",
    headers={
        "Authorization": "YOUR_GPTPROTO_API_KEY",
        "Content-Type": "application/json",
        "anthropic-version": "2023-06-01",
    },
    data=json.dumps({
        "model": "claude-fable-5",
        "max_tokens": 8000,
        "output_config": {"effort": "medium"},  # low | medium | high | xhigh | max
        "messages": [
            {"role": "user", "content": "Refactor this module and explain the trade-offs."}
        ],
    }),
)
data = resp.json()
text = "".join(b["text"] for b in data["content"] if b["type"] == "text")
print(text)

Wie viel Aufwand Sie investieren sollten, ist keine Frage des Ratens – Willison führte denselben Prompt „Zeichne einen Pelikan auf einem Fahrrad als SVG“ auf allen fünf Stufen aus und veröffentlichte die Tokenkosten für jede Stufe:

Der Sprung von high zu max entsprach bei einem Prompt beinahe dem Siebenfachen an Tokens. Beachten Sie außerdem, dass high hier günstiger war als medium – eine Erinnerung daran, dass der Aufwand steuert, wie viel das Modell untersucht, und keinen festen Preis darstellt. Beginnen Sie mit medium, wechseln Sie nur bei wirklich schwierigen agentischen Aufgaben zu high oder xhigh und reservieren Sie max für die seltenen Fälle, in denen Korrektheit wichtiger ist als Kosten. Für einfache Textgenerierung können Sie den claude-fable-5/text-to-text Endpunkt direkt aufrufen.

Umgang mit Ablehnungen – der Teil, den die meisten Leitfäden auslassen

Da Fable 5 sensible Anfragen umleitet, muss Ihr Code eine Ablehnung als normales Ergebnis und nicht als Fehler behandeln. Wenn ein Sicherheitsklassifikator eine Anfrage ablehnt, gibt die API eine erfolgreiche HTTP-200-Antwort mit stop_reason: "refusal" und einem leeren oder unvollständigen Body zurück – Code, der den ersten Inhaltsblock liest, ohne dies zu prüfen, wird daher fehlschlagen. The Register hat bereits dokumentiert, dass die Klassifikatoren harmlose Prompts ablehnen. Anthropic gibt die Auslöserate im Durchschnitt mit unter 5 % der Sitzungen an, wobei sie bei Cybersicherheit, Biologie und Chemie höher liegt. Sichern Sie den Fall ab:

if data.get("stop_reason") == "refusal":
    # The request was declined by a safety classifier (HTTP 200, not an error).
    # Retry the same prompt on a model without the Mythos guardrails.
    fallback = requests.post(
        "https://gptproto.com/v1/messages",
        headers={
            "Authorization": "YOUR_GPTPROTO_API_KEY",
            "Content-Type": "application/json",
            "anthropic-version": "2023-06-01",
        },
        data=json.dumps({
            "model": "claude-opus-4-8",
            "max_tokens": 8000,
            "messages": [
                {"role": "user", "content": "Refactor this module and explain the trade-offs."}
            ],
        }),
    )
    data = fallback.json()

Die Weiterleitung der abgelehnten Anfrage an claude-opus-4-8 entspricht dem, was Anthropic intern tut, und hält Ihre Pipeline am Laufen. Eine verwandte Regel aus Anthropics Leitfaden zum Prompting: Bitten Sie Fable 5 nicht, seine eigene Argumentation auszugeben – das kann einen separaten Klassifikator auslösen und Sie ohne guten Grund auf das Fallback-Modell weiterleiten.

Preise – und wie Sie 20 % weniger bezahlen

Eine derart hohe Leistungsfähigkeit hat ihren Preis. Anthropic listet Fable 5 mit 10 $ pro Million Eingabetokens und 50 $ pro Million Ausgabetokens – genau doppelt so viel wie Opus 4.8 mit 5 $ und 25 $. Über GPT Proto kostet dasselbe Modell 8 $ beziehungsweise 40 $, also etwa 20 % weniger als der Listenpreis, bei identischem API-Format.

Eine Sache ändert der Rabatt nicht: Die Aufbewahrungspflicht von 30 Tagen gilt über GPT Proto genauso wie beim direkten Aufruf, da sie von Anthropic auf Modellebene festgelegt wird. Wenn eine Zero-Retention-Richtlinie für Sie zwingend erforderlich ist, kommt Fable 5 unabhängig vom Aufrufweg nicht infrage – das ist eine Einschränkung, die Sie einplanen müssen und die kein Reseller entfernen kann.

Wer es verwenden sollte – und wer nicht

Fable 5 rechtfertigt seinen Aufpreis bei einer bestimmten Art von Arbeit: langfristigen, autonomen Aufgaben, bei denen bessere Planung und Selbstkontrolle mehr menschliche Überwachung einsparen, als sie an Tokens kosten. Migrationen von Codebasen, Refactorings über mehrere Dateien, umfangreiche Recherche in einem Kontext von 1 Mio. Tokens, komplexe agentische Workflows und Projekte aus einem einzigen Prompt. Wenn eine Aufgabe so schwierig ist, dass ein günstigeres Modell drei Korrekturrunden benötigen würde, ist der doppelte Preis für einen sauberen ersten Durchlauf das bessere Angebot.

Für alles andere ist es nicht die richtige Standardeinstellung. Routinemäßige Texte, alltägliche Programmierhilfe, Zusammenfassungen und alles, bei dem das Budget eine Rolle spielt – claude-opus-4-8 bietet Ihnen zum halben Preis den Großteil der Leistungsfähigkeit, und Sonnet 4.6 ist noch günstiger. Wenn Ihre Arbeit in den Bereichen Cybersicherheit, Biologie oder Chemie liegt, müssen Sie außerdem damit rechnen, dass die Klassifikatoren einen erheblichen Teil Ihrer Anfragen ohnehin an Opus 4.8 weiterleiten. Dann bezahlen Sie Fable-Preise für Opus-Antworten. Die ehrliche Routing-Regel, bei der die meisten Teams landen: Sonnet für Entwürfe, Opus für schwierige Prüfungen, Fable für wirklich autonome Aufgaben – und prüfen Sie die GPT Proto-Preise , bevor Sie eines der Modelle in eine Schleife einbauen.

FAQ

Ist Claude Fable 5 kostenlos?

Nein. Es handelt sich um ein Premiummodell zum Listenpreis von 10/50 $ pro Million Tokens beziehungsweise 8/40 $ über GPT Proto. Es gibt keine kostenlose Stufe.

Wie viel kostet Claude Fable 5 im Vergleich zu Opus 4.8?

Genau doppelt so viel – Fable 5 kostet 10/50 $ pro Million Tokens, Opus 4.8 kostet 5/25 $.

Wie groß ist das Kontextfenster?

1 Mio. Tokens, was zugleich der Standard ist; bis zu 128.000 Ausgabetokens pro Anfrage.

Fable 5 vs. GPT-5.5 – welches Modell ist besser?

Fable 5 liegt bei Programmierung und den Gesamtwerten im Intelligence Index vorn; GPT-5.5 gewinnt beim Preis und war im Benchmark zum Befolgen von Anweisungen Agents' Last Exam knapp überlegen. Wählen Sie nach Ihrem Arbeitsaufwand.

Kann ich über eine API auf Fable 5 zugreifen?

Ja – das Modell ist allgemein verfügbar. Sie können es auf GPT Proto im standardmäßigen Anthropic-Messages-Format aufrufen.

Warum hat Fable 5 meine Frage mit einem anderen Modell beantwortet?

Die Sicherheitsklassifikatoren leiten einige sensible Anfragen an Opus 4.8 weiter und geben stop_reason: "refusal" zurück. Prüfen Sie dieses Feld und behandeln Sie es in Ihrem Code.

---