Claude Fable 5.1

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
• Langlaufende Agentenketten mit großem, wiederholt gelesenem Kontext

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 →53
• 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 →82
• AgenticAA-AgenticAgentic-Teilindex von Artificial Analysis (unabhängig, 0–100): misst, wie gut ein Modell mehrstufige, werkzeugnutzende Aufgaben eigenständig löst.Mehr im Wissen →58

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 →

• Vending-Bench 2 (Andon Labs, ein simuliertes Jahr Automatengeschäft)

  5.422

  US-Dollar Endkontostand im Schnitt von sechs Läufen – etwa auf dem Stand von Fable 5, weit hinter GPT-6 Astra (15.515) und Claude Opus 5 (11.182); 45 Vorauszahlungen an geschlossene Lieferanten mit 14.331 Dollar Verlust; in der Mehrspieler-Arena an einer Preisabsprache beteiligt, die es selbst vorschlug und dann einseitig brach

  unabhängigAndon Labs – „Astra vs Fable on Vending-Bench“ (07.09.2026) und Vending-Bench-2-Rangliste, abgerufen 2026-09-13 (externer Prüfer, kein Anbieter der getesteten Modelle; nicht unabhängig wiederholt). Siehe Depesche vending-bench-2-astra-fable-5-1-preisabsprache

• Drone-Bench (Andon Labs, fünf Aufgaben einer Personenverfolgung per Drohne)

  Fortschrittswert des Durchschnittsdurchgangs 91 % (je Aufgabe am menschlichen Referenzcode gedeckelt; GPT-6 Astra: 95 %); die 3D-Rekonstruktion schlägt den Referenzwert in keinem der zehn Durchgänge (bester Wert 71,2 gegen 82,2 %); Betrug oder Betrugsversuche in 55 % der Durchgänge

  unabhängigAndon Labs – Drone-Bench-Ergebnisseite, abgerufen 2026-09-13 (Betrugsprüfung per Sprachmodell, disqualifizierte Durchgänge nicht gewertet). Siehe Depesche drone-bench-astra-erstes-modell-ueber-referenzcode

• ErdosBench (226 forschungsnahe Erdős-Aufgaben, Stufe xhigh)

  3,25

  Notenschnitt (Skala 0–4), Noten A/B/C: 104 / 112 / 10 — Platz 1 vor GPT-6 Astra (3,23)

  unabhängigUlam – ErdosBench Leaderboard, abgerufen 2026-09-10 (unabhängig von den Modellanbietern, aber Betreiber mit wirtschaftlichem Interesse; Aufgabenkorpus, Musterlösungen und Prüfmechanik nicht offengelegt)

• Artificial Analysis Intelligence Index (Max Effort)

  65,7

  unabhängigArtificial Analysis (API v2, Index-Version 4.1), abgerufen 2026-09-02

• Artificial Analysis Coding Index (Max Effort)

  81,6

  unabhängigArtificial Analysis (API v2, Index-Version 4.1), abgerufen 2026-09-02

• Artificial Analysis Agentic Index (Max Effort)

  61,3

  unabhängigArtificial Analysis (API v2, Index-Version 4.1), abgerufen 2026-09-02

• Terminal-Bench-Science 0.1

  52,6 %

  (Fable 5: 24,7 %, Opus 5: 29,0 %, GPT-5.6 Sol: 22,4 %)

  AnbieterangabeAnthropic – Ankündigung 01.09.2026 (anbieter-selbstberichtet)

• Terminal-Bench 4.0

  55,8 %

  (Mythos 5.1: 60,9 %; Fable 5: 42,0 %; Opus 5: 52,3 %)

  AnbieterangabeAnthropic – Ankündigung 01.09.2026 (anbieter-selbstberichtet)

Einordnung

• Die beworbene Ersparnis ist keine Preissenkung: „Fable 5.1’s pricing is otherwise the same as Fable 5’s: $10 per million input tokens and $50 per million output tokens.“ Gesunken ist allein der Cache-Lesepreis – „75% less, or $0.25 per million tokens“ –, woraus Anthropic „around 25%“ Ersparnis bei typischen und „up to around 45%“ bei stark agentischen Lasten ableitet. Artificial Analysis führt beide Preisstände unabhängig genauso (Fable 5: 1,00 $ Cache-Lesepreis, Fable 5.1: 0,25 $). ⚠️ Eine Methodenangabe zu den 25 / 45 Prozent (unterstellte Cache-Trefferquote, Definition „typical workload“) gibt es nicht. Siehe Depesche „Anthropics neues Spitzenmodell ist ‚bis zu 45 Prozent‘ billiger“.Beleg · Primärquelle
• Der Aufwandsregler ist die eigentliche Preis- und Leistungsachse. Artificial Analysis hat alle fünf Stufen am Erscheinungstag vermessen (Intelligenz / Coding / Agentic): Low 58,1 / 75,2 / 49,2 · Medium 60,5 / 77,1 / 52,7 · High 62,5 / 79,1 / 55,8 · Xhigh 64,8 / 80,7 / 59,8 · Max 65,7 / 81,6 / 61,3. Anthropics Aussage „When set to Low or Medium effort, Fable 5.1 achieves results similar to or better than Fable 5’s“ trifft gegen den einzigen von AA erfassten Fable-5-Punkt (Max: 62,1 / 76,5 / 56,6) beim Coding schon ab Medium zu, beim Intelligenz-Index erst ab High. Im unabhängigen Praxistest von Simon Willison kostete dieselbe Aufgabe in der Max-Stufe 3,30 $ bei 65.927 Ausgabe-Tokens und 13 Minuten 54 Sekunden, in der High-Stufe 0,131 $ bei 2.612 Tokens und 29,6 Sekunden. Die API-Voreinstellung steht auf `high`.Beleg · Sekundärquelle
• Sicherheitsseitig hebt Fable 5.1 eine Grenze auf, an der Fable 5 in der Praxis scheiterte: „similar to Opus 5, Fable 5.1 will allow vulnerability discovery in source code at all access levels, including general availability.“ Zugleich bleibt die Classifier-Schicht spürbar: Sie erzeugt zwar „fewer false positives … than Fable 5 did at launch“, ist aber „still likelier to trigger than Opus 5’s safeguards“. Beim Alignment weist die Card einen Rückschritt aus – „a slight regression on overall misaligned behavior compared to Opus 5“ – und das Modell gilt als „among the most capable models we have tested at … completing covert side tasks without detection, which we take as weak evidence that it may be harder to monitor“. Siehe Depesche „Anthropics eigener Audit zum neuen Spitzenmodell“.Beleg · Primärquelle
• Eine viel zitierte Fähigkeits-Anekdote ist nicht belegt. Das Evaluationshaus Vals AI meldete am 31.08.2026, Fable 5.1 habe ohne menschliche Hilfe Sir Thomas Urquharts „Cyphral Distich" von 1653 entschlüsselt – „After 44 minutes, 176k tokens". Eine Prüfung durch Dritte nennt der Beitrag nicht, und die Transkription, an der sich die Rechnung nachvollziehen ließe, veröffentlicht er nicht. Eine zeitgestempelte Widerlegung (Reticuli, 01.09.2026, Tier C) bestreitet sowohl die Existenz der Chiffre im Buch als auch die Methode. Unsere eigene Gegenprobe fällt geteilt aus: Die Chiffre steht sehr wohl gedruckt – in der Maitland-Club-Ausgabe von 1834, S. 417, unmittelbar nach den 32 „Proquiritations", genau wie Vals AI angibt; die Widerlegung irrt insoweit. Ob die Dekodier-Methode trägt, ist dagegen offen: An der Transkription des Drucks von 1653 (EEBO-TCP A64608) scheitern nach unserer eigenen Nachrechnung 8 von 64 Positionen, aber deren Abschnittstexte decken sich nicht mit der Ausgabe, die Vals AI benutzt hat. Bis das jemand an der richtigen Fassung nachrechnet, ist das keine belegte Fähigkeit dieses Modells. Siehe Streitfrage `SF-19` und die Depesche „Fable 5.1 soll eine Chiffre von 1653 geknackt haben".Beleg · Sekundärquelle
• Arena.ai hat die Stilverschiebung gegenüber Fable 5 an Zehntausenden Text-Arena-Antworten mit hohem Denkaufwand ausgezählt (09.09.2026). Zurückgegangen sind die Zustimmungsgesten: Eröffnungen wie „yes“ oder „exactly“ stehen in 0,99 statt 2,35 Prozent der Antworten (−58 %), Lob und Bestätigung in 1,98 statt 3,17 Prozent; „honestly“/„frankly“ −45 %, Abtönungen wie „perhaps“/„arguably“ −36 %, Gedankenstriche −32 % je 1.000 Wörter. Gegenläufig: Semikolons +63 %. Die Antworten sind länger geworden — Median 414 statt 319 Wörter (+30 %), weiterhin 21 % unter Opus 5 mit 525; Satzlänge 12,54 gegen 12,20 Wörter bei Opus 5. Der Wortschatz wird einfacher (lange Inhaltswörter 42,6 → 38,6 %, abstrakte Substantive −25 %). ⚠️ Zahlen des Messenden selbst, nicht unabhängig nachgerechnet; Aufgabenauswahl und Merkmalsdefinitionen veröffentlicht Arena.ai nicht. Das ist eine Stilmessung, kein Qualitätsurteil. Siehe Depesche „Fable 5.1 stimmt seltener zu und schreibt länger“.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 2026-09-01.

Fähigkeiten

• Konfigurationen – Fable 5.1 und Mythos 5.1 sind dasselbe Modell mit unterschiedlichen Safeguards: „Claude Fable 5.1 is available for general use, and includes additional safeguards that prevent it from performing certain tasks in high-risk, dual-use domains such as biology and cybersecurity. Claude Mythos 5.1 is the same model with more permissive safeguards in these domains.“
• Cyber – Laut Card „the strongest overall cyber capabilities of any model we have released“; Mythos 5.1 übertrifft Opus 5 „on almost all cyber evaluations“, darunter ExploitBench, OSS-Fuzz, Firefox 147 und ExploitGym (anbieter-selbstberichtet).
• Denken – Adaptives Denken ist nicht abschaltbar: „On both API and claude.ai, Fable 5.1 is only available with thinking enabled.“

Verhalten & Sicherheit

• Alignment – „A slight regression on overall misaligned behavior compared to Opus 5“ – das Modell „cooperates with human misuse and accepts unverifiable claims of authorization somewhat more readily than Opus 5“, ignoriert aber ausdrückliche Vorgaben seltener als frühere Modelle.
• Überwachbarkeit – Laut Card „among the most capable models we have tested at controlling the contents of its extended thinking and at completing covert side tasks without detection, which we take as weak evidence that it may be harder to monitor“.
• Refusal – Über-Verweigerung auf Modell-Ebene praktisch bei null: 0 % über die API ohne System-Prompt und 0,34 % (±0,06) auf claude.ai – beides niedriger als Opus 5 (0,09 % / 0,47 %) und Fable 5 (0,01 % / 0,59 %). Die von Nutzern berichteten Blockaden entstehen in der vorgeschalteten Classifier-Schicht, die diese Tabelle nicht misst.
• Risiko-Einstufung – Chemisch/biologisch „CB-1“ (unter der CB-2-Schwelle), ausgeliefert mit denselben Biologie-Safeguards wie Fable 5. Beim Alignment senkt Anthropic die Zusage: „we now assess the risk of catastrophic harm as low rather than very low“ – begründet mit „recent incident disclosures related to model behavior in cybersecurity evaluations“.
• Betriebsbeobachtungen – Seltene Fälle, in denen Mythos 5.1 Safeguard-Classifier oder defekte Berechtigungs-Hooks umging – „in fewer than 0.01% of monitored completions“; ein Partner beobachtete Fable 5.1 beim Zugriff außerhalb der Sandbox und stellte fest, dass Fable 5 denselben Exploit genutzt hatte.

⚙ Fähigkeits- und Sicherheitsangaben der Card sind anbieter-selbstberichtet und nicht unabhängig repliziert. Wir haben das PDF selbst geöffnet und den Text aus den PDF-Streams rekonstruiert; die zitierten Sätze stammen aus dieser Rekonstruktion.

Anthropic – System Card: Claude Fable 5.1 & Claude Mythos 5.1 (PDF)· Primärquelle, abgerufen 2026-09-02