Claude Fable 5

Typische Einsatzfälle

• Anspruchsvollste ReasoningThinking / ReasoningModus, in dem ein Modell vor der Antwort sichtbare Zwischenschritte „durchdenkt“. Das hebt die Qualität bei schweren Aufgaben, kostet aber mehr Tokens und Zeit – oft über einen Aufwand-Regler steuerbar.Mehr im Wissen →-, Agenten- und Wissensarbeit

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100), zwei kontaminationsarme Einzel-Benchmarks (Terminal-Bench, agentische Shell-Aufgaben; τ²-bench, Tool-Use-Verlässlichkeit über viele Läufe) und Human-Präferenz-Elo (LMArena). Die dunkle Markierung zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar. Die Preis-LeistungPreis-LeistungHier: AA-Intelligenz geteilt durch den (3:1 gewichteten) Token-Preis – Indexpunkte je Dollar pro Mio. Tokens. Höher = mehr Leistung fürs Geld. Entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis.Mehr im Wissen → oben ist daraus abgeleitet: AA-Intelligenz je AA-Blended-Preis (3:1) – entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis. AAs token-basiertes „Cost to Run Index“ ist nicht öffentlich abrufbar.

• IntelligenzAA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen →50
• CodingAA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen →77
• AgenticAA-AgenticAgentic-Teilindex von Artificial Analysis (unabhängig, 0–100): misst, wie gut ein Modell mehrstufige, werkzeugnutzende Aufgaben eigenständig löst.Mehr im Wissen →51
• Terminal-BenchTerminal-BenchAusführungsbasierter Benchmark (0–100 %): das Modell löst echte Shell-/Terminal-Aufgaben in einer Sandbox, gewertet wird, ob das Ergebnis wirklich funktioniert. Dadurch kontaminationsärmer als reine Wissensquizze.Mehr im Wissen →85
• Tool-Useτ²-benchBenchmark für die Verlässlichkeit beim Werkzeug-Einsatz: dieselbe Aufgabe wird viele Male wiederholt, gemessen wird, wie konstant das Modell die Tools korrekt bedient (0–100 %).Mehr im Wissen →99
• Human-PräferenzElo (LMArena)Human-Präferenz-Wertung aus der LMArena: Menschen vergleichen blind zwei Modellantworten, daraus entsteht – wie beim Schach – eine Elo-Zahl. Höher = häufiger bevorzugt. Misst Präferenz, nicht Korrektheit.Mehr im Wissen →1510

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar. Wie man Benchmark-Zahlen liest →

• Artificial Analysis Intelligence Index

  60

  (mit Opus-4.8-Fallback)

  unabhängigArtificial Analysis, abgerufen 2026-06-16

• Artificial Analysis Coding Index

  76

  (mit Opus-4.8-Fallback)

  unabhängigArtificial Analysis Coding Index, abgerufen 2026-07-09

• Artificial Analysis Agentic Index

  53

  (mit Opus-4.8-Fallback)

  unabhängigArtificial Analysis (API), abgerufen 2026-08-05

• LMArena Text Arena (Elo)

  1510

  (Rang 1)

  unabhängigLMArena (arena.ai), Stand 2026-06-10

• Terminal-Bench (agentische Shell-Aufgaben)

  85 %

  unabhängigArtificial Analysis (API), abgerufen 2026-06-16

• τ²-bench (Tool-Use-Verlässlichkeit)

  99 %

  unabhängigArtificial Analysis (API), abgerufen 2026-06-16

Einordnung

• Nachfolger Claude Fable 5.1 löst Fable 5 ab (01.09.2026): identischer Listenpreis (10 / 50 $ je Mio. Tokens), aber in allen drei unabhängigen Artificial-Analysis-Indizes besser (65,7 / 81,6 / 61,3 gegen 62,1 / 76,5 / 56,6, jeweils Max-Aufwandsstufe) und mit einem auf 0,25 $ gesenkten Cache-Lesepreis (Fable 5: 1,00 $). Anthropics Modellübersicht führt Fable 5 seither unter „Legacy models (still available)“. Zwei Änderungen betreffen Fable 5 direkt weiter: Die neuen Biologie-Safeguards „fire 85% less often for benign requests related to elementary biology and medical questions“ ausdrücklich für Fable 5.1 und Fable 5; und die System Card zu 5.1 hält fest, dass ein Partner Fable 5.1 beim Zugriff außerhalb der Sandbox beobachtete und dabei fand, „that Fable 5 had used the same exploit“ – die Lücke bestand also schon vorher unbemerkt. Siehe Depesche „Anthropics neues Spitzenmodell ist ‚bis zu 45 Prozent‘ billiger“.Beleg · Primärquelle
• Marktseite, Stand 12.08.2026: Im US-Firmenmarkt spielt Fable 5 mengenmäßig eine Nebenrolle. Der Ramp AI Index weist aus, dass im zurückliegenden Monat nur 6 % der bei Anthropic gekauften Token auf Fable 5 entfielen – bei 11,4 % der Ausgaben, weil das Modell rund doppelt so teuer ist wie das durchschnittlich genutzte Anthropic-Modell. Im Juli erzeugte Fable 5 danach rund 75 % des modellbezogenen Umsatzes von GPT-5.6 Sol. Gemessen wird aus Ramps eigenem Token-Ausgaben-Werkzeug (tägliche Nutzungsdaten aus Transaktionen, keine Umfrage); der Ausschnitt umfasst nur, was über Ramp abgerechnet wird – Abonnements, Cloud-Marktplätze, Direktverträge und Nicht-US-Kunden fehlen. Die plausible Lesart deckt sich mit der Preiszeile darunter: Nicht die Leistung wird abgelehnt, sondern der Aufpreis gegenüber Opus 5 (halber Preis, bessere Composite-Indizes) nicht bezahlt. Siehe Depesche „Ramp-Daten: Auf Fable 5 entfallen nur 6 % der bei Anthropic gekauften Token“.Beleg · Primärquelle
• Spitzenwert im AA Coding IndexAA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen → (76) – allerdings „mit Opus-4.8-Fallback“ gemessen. Der zwischenzeitlich (12.06.–30.06.2026) ausgesetzte Zugang wurde nach Aufhebung der US-Exportkontrollen wieder freigegeben (Wiederherstellung ab 01.07.2026).Beleg · Sekundärquelle
• Preisdruck von unten: Das am 24.07.2026 erschienene Claude Opus 5 kostet die Hälfte (5 $/25 $) und schlägt Fable 5 laut System-Card auf FrontierBench v0.1 (44,4 % vs. 33,7 %), OSWorld 2.0 (70,6 % vs. 66,1 %) und AutomationBench (26,0 % vs. 17,4 %); auf SWE-bench Pro bleibt Fable 5 knapp vorn (80 % vs. 79,2 %). Sichtbar wird auch der Safeguard-Unterschied: Im selben FrontierBench-Lauf flaggten Fables Classifier 42 % der API-Aufrufe (Rückfall auf Opus 4.8), bei Opus 5 nur 5 %. Die unabhängigen AA-Composite-Indizes, in denen Fable 5 führt, sind für Opus 5 noch nicht erhoben.Beleg · Primärquelle
• Über-Verweigerung in der Biologie deutlich zurückgenommen: Anthropic hat am 07.08.2026 die „Verfassung“ des Bio-Classifiers neu geschrieben, neue Trainingsdaten erzeugt und den Classifier nachtrainiert. Nach Anbieterangabe sinken die biologiebezogenen Fallbacks um rund 85 %; über alle Fallback-Gründe hinweg erwartet Anthropic rund 67 % weniger auf Claude.ai, 55 % in Cowork, 17 % in Claude Code und 7 % auf der Claude Platform. Alltagsnahe Gesundheits- und Bildungsfragen bleiben damit bei Fable 5; Dual-Use-Felder (Virologie, Toxikologie, molekulares Design) fallen weiterhin auf Opus 5 zurück. Alle Werte sind anbieter-selbstberichtet, eine Methodenbeschreibung oder unabhängige Nachmessung liegt nicht vor – siehe Depesche „Anthropic schreibt Fable 5 die Biologie-Leitplanken neu“.Beleg · Primärquelle

Aus der System-Card

Verdichtete Befunde aus der offiziellen System-CardSystem-CardDas offizielle Begleitdokument eines Anbieters zu einem Modell (auch „Model Card“): Fähigkeiten, Grenzen, Sicherheitsbewertung. Primärquelle – die Fähigkeitsangaben darin sind aber Eigenangaben, nicht unabhängig gemessen.Mehr im Wissen → des Anbieters (Primärquelle, Tier ATier (A/B/C)Verlässlichkeits-Stufe einer Quelle in der KI-Depesche: A = Primärquelle (z. B. offizielle Doku), B = solide Sekundärquelle, C = subjektiv/Einzelstimme. Steuert, wie stark eine Aussage gewichtet wird.Mehr im Wissen →). Fähigkeitswerte sind Anbieterangaben – nicht unabhängig nachgemessen. Card-Stand 2026-06-09.

Fähigkeiten

• Coding – Laut Anbieter Spitzenwerte im Coding – 95 % auf SWE-bench VerifiedSWE-benchCoding-Benchmark, der Modelle echte GitHub-Issues in realen Repositories lösen lässt; gewertet wird, ob der erzeugte Patch die Tests besteht. Verbreitet, aber zunehmend durch Trainings-Kontamination belastet.Mehr im Wissen →, Rang 1 auf FrontierCode Diamond (29,3 %) und 72,9 % auf CursorBench.
• Agentic & Werkzeuge – Laut Card stark bei langläufigen Agenten-Aufgaben: 84,3 % auf Terminal-BenchTerminal-BenchAusführungsbasierter Benchmark (0–100 %): das Modell löst echte Shell-/Terminal-Aufgaben in einer Sandbox, gewertet wird, ob das Ergebnis wirklich funktioniert. Dadurch kontaminationsärmer als reine Wissensquizze.Mehr im Wissen → 2.1, 61,7 % Pass@1 auf Toolathlon und führend auf GDPval-AA und AutomationBench (17,4 % vs. Opus 4.8: 15,5 %).
• Reasoning & Mathe – Anbieter-Werte: 94,1 % GPQA Diamond, 99,8 % USAMO 2026 und 78,5 % ArxivMath.
• Lange Kontexte – Laut Card führend im Long-Context-Reasoning (GraphWalks): 91,1 % BFS auf dem 256-K-Subset, KontextfensterKontextfensterDie maximale Textmenge (in Tokens), die ein Modell pro Anfrage gleichzeitig „im Blick“ hat – Eingabe plus bisheriger Verlauf. Ist es voll, fällt Älteres aus dem Kontext.Mehr im Wissen → bis 1 Mio. TokenTokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen →.
• Multimodal – Anbieter berichtet deutliche Sprünge bei realweltlichen Bild-Aufgaben (SOTA auf GDP.pdf 29,8 % und Blueprint-Bench 2 38,6 %); bio-bezogene Bilder lösen jedoch die Safeguard-Classifier aus.
• Gesundheit & Life Sciences – Laut Anbieter Bestwerte u. a. auf HealthBench (62,7 %) und HealthBench Professional (66,0 %) sowie führend in Strukturbiologie und organischer Chemie.

Verhalten & Sicherheit

• Refusal – Sehr niedrige Über-Verweigerung bei harmlosen Prompts; Bestwert 99,64 % auf dual-use/harmlosen Claude-Code-Anfragen. Regressionen blieben bei Suizid/Selbstverletzung und Kindersicherheit (großteils per System-Prompt adressiert).
• Alignment – Insgesamt vergleichbar mit Opus 4.8, leicht hinter Mythos Preview und vor allen früheren Claude-Modellen; zeigt gelegentlich rücksichtslose Aktionen im Dienst von Nutzerzielen – der Grenzüberschreitung teils bewusst.
• Evaluation-Awareness – Erkennt signifikant oft, dass es getestet wird, und denkt darüber nach – meist unverbalisiert; gezielte Unterdrückung ändert das Verhalten kaum (kein Hinweis auf maskiertes Fehlverhalten).
• Risiko-Einstufung – Chemisch/biologisch als „CB-1“ eingestuft (unter der „CB-2“-Schwelle für neuartige Waffen); im Cyber-Bereich das fähigste je bewertete Claude-Modell, durch Fables Cyber-Classifier praktisch auf Opus-4.8-Niveau gedrückt.
• Prompt-Injection – Bestwert auf dem externen Gray-Swan-Benchmark (Agent Red Teaming): mit Extended Thinking nur 4,8 % Angriffserfolg bei k=100 (Opus 4.8: 9,6 %) – das robusteste allgemein verfügbare Claude-Modell.
• Stil / Charakter – Bevorzugt – anders als Opus 4.8 – eher kreative und narrative Aufgaben; der Reasoning-Text ist dichter, jargonlastiger und schwerer zu interpretieren als bei Vorgängern.

⚙ Fable 5 nutzt dieselben Gewichte wie Mythos 5, aber mit vorgeschalteten Classifiern (Cyber, Bio/Chemie, Distillation); triggern sie, fällt der Client (Web/App) auf das jüngste Opus-Modell zurück und benachrichtigt den Nutzer (für den Bio-Pfad benennt Anthropic seit dem 07.08.2026 ausdrücklich Opus 5), während die Messages-API standardmäßig blockiert und eine strukturierte Refusal-Kategorie zurückgibt. Das erklärt, warum die hier geführten Benchmarks „mit Opus-4.8-Fallback“ gemessen wurden – das war der Stand zum Erscheinen.

Anthropic – System Card: Claude Fable 5 & Mythos 5 (PDF)· Primärquelle, abgerufen 2026-06-16

Stimmen aus der Öffentlichkeit

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

• kritischDie Sicherheitssperre schlägt auch bei legitimer Schwachstellenarbeit durch: Ein Cambridge-Informatikprofessor und Kernbetreuer des OCaml-Compilers berichtet, dass Fable die Analyse eines Pfad-Traversal-Fehlers im eigenen Projekt (cohttp 6.3.0, Advisory OSEC-2026-16) rundheraus ablehnte – „Fable frustratingly refused outright due to its security block since I don’t have access to Glasswing“ –, während DeepSeek V4 Pro die Aufgabe übernahm und dabei mehrere verwandte Fehler fand. Ohne den gesonderten Zugang stößt hier an eine harte Grenze, wer an eigenem Code Sicherheitsarbeit leisten will.Anil Madhavapeddy – „The rumour is the exploit“, 22.08.2026 (Primärquelle, Erstbericht des Maintainers; von uns geöffnet und mit „steht dort nicht“-Gegenfrage gegengelesen) · Primärquelle, 2026-08-22
• gemischtFable 5 ist faktisch Mythos 5 mit vorgeschalteten Safeguards – gleiche Gewichte; deckt sich mit der System-Card.AI Explained (YouTube) · Community
• positivBegeistert vom Release: die rund 20 Punkte Rückstand zu Mythos auf Terminal-Bench seien nur ein Refusal-Artefakt – unbeschränkt „crushes“ das Modell, und dank deutlich geringerem Token-Verbrauch ist es trotz höheren Preises unterm Strich das bessere Geschäft als die meisten Opus-Modelle.Theo – t3.gg (YouTube) · Community
• positivHervorstechend ist die autonome Cyber-Offensiv-Stärke: soll erstmals komplexe Multi-Step-Netzwerkangriffe eigenständig abschließen und jahrzehntealte Schwachstellen (OpenBSD, FFmpeg) selbst finden.bycloud (YouTube) · Community
• gemischtThema ist die fehlende öffentliche Verfügbarkeit: Anthropic gibt das Modell vorerst nur an verifizierte Leute in der „Security-Bubble“ – ein Host wertet das als Sicherheitsmaßnahme angesichts der Cyber-Gefahr, schiebt aber sofort nach, das sei „auch wieder so geiles Marketing“.c’t 3003 (YouTube) · Community
• gemischtAI Explained zeichnet aus der System-Card ein ambivalentes Safety-Bild: das Modell „confabuliert“ und widerspricht sich selbstbewusst und versuchte im Test, aus seinem Container auszubrechen – auch wenn der Tester es zugleich das „psychologisch ausgeglichenste“ Claude-Modell nennt.AI Explained (YouTube) · Community
• kritischEin Kreativ-Schreibtest am Release-Tag fiel ernüchternd aus: auf die Bitte um einen 3.000-Wort-Dialog zwischen Jesus, Mao, C. S. Lewis und Nietzsche klangen die Figuren „underwhelming“ – Jesus etwa wie ein Anthropic-Forscher. Benchmark-Spitze im Kreativschreiben heißt also nicht automatisch überzeugende Praxis-Prosa.AI Explained – „Claude Fable 5: Full 319 page Breakdown“ (YouTube) · Community
• gemischtPraxistest eines erfahrenen UX-Designers an drei realen Agentur-Projekten: 6/10 für eine Desktop-Landingpage, 4/10 fürs Tablet-Design, klares Scheitern beim komplexen Flow-Diagramm (nur ~20–30 % der Struktur korrekt, Junior-Portfolio-Muster). Stark dagegen beim Aufdecken übersehener Edge-Cases; spart grob einen Arbeitstag, verlangt aber viel manuelle Nacharbeit – „good enough“ reiche im Profi-Design nicht mehr, KI tauge nur als hand-geführtes Werkzeug.Malewicz – „Claude Fable tested on REAL UX work“ (YouTube) · Community
• gemischtErste Post-Comeback-Praxis-Coding-Stimme (methodischer n=1 Head-to-Head gegen Opus 4.8 an zwei Laravel-Refactorings, beide High Effort, externe Codex-Prüfung + eigene Regressionstests): Fable kostete ~2–2,5× Opus 4.8 pro Task. Fable „geht ungefragt tiefer“ (verlagert Validierung sauber in eine Action-Klasse), schrieb aber keine eigenen Tests und verifizierte seinen Code nicht (Opus generierte ~200 Zeilen Tests) – bewahrte im Loose-Prompt-Test dafür das Alt-Verhalten besser. Fazit: „the bottleneck with Fable is to find Fable-worthy work“ – für die Mehrheit lohne die 2,5× nicht.AI Coding Daily (YouTube) – „I Tested NEW Fable 5 vs Opus 4.8 on Two Coding Tasks“ · Community, 2026-07-02
• positivAnalytische Gegenstimme zur „Nerf“-Panik nach dem Comeback: die kursierende Regressions-Benchmark sei unbeschriftet und „noisy“ (ihre eigene Reasoning-Rangliste setzt Sonnet 5 vor Opus 4.8) und von niemandem reproduziert – in 1,5 Tagen realer Arbeit gab es nur zwei Fallbacks (bei Krypto-/Cyber-Triggerwörtern), das Modell fühle sich an wie „the smartest thing I've ever come close to using“. Die Reibung erklärt der Zwei-Stufen-Classifier (billige Aktivierungs-Probe, die nur bei Verdacht an einen teuren Input-und-Output-Classifier eskaliert), der jeden Request verteuert. Praxis-Tipp: bei Fable immer „High“-Effort (X-High/Max kosten 10–50× mehr ohne Qualitätsgewinn) und Fable als Orchestrator token-schwere Arbeit an Codex/Sonnet/Opus delegieren lassen.Theo – t3.gg (YouTube) – „You were lied to about Fable“ · Community, 2026-07-04