Claude Fable 5: Benchmarks, Bilder, Prompting und API-Hinweise

Was wurde veröffentlicht

Der offizielle Claude-Account kündigte Claude Fable 5 am 9. Juni 2026 als ein Modell der Mythos-Klasse an, das für den allgemeinen Gebrauch sicher gemacht wurde. Der Launch-Artikel von Anthropic besagt, dass Fable 5 jedes Modell übertrifft, das das Unternehmen zuvor allgemein verfügbar gemacht hat, wobei der Vorsprung wächst, je länger und komplexer die Aufgaben werden.

Es gibt zwei Namen, die man auseinanderhalten muss. Claude Fable 5 ist das allgemein verfügbare Modell mit Sicherheitsklassifikatoren. Claude Mythos 5teilt dieselben zugrunde liegenden Fähigkeiten, hat jedoch in einigen Bereichen die Sicherheitsvorkehrungen aufgehoben und ist auf zugelassene Project Glasswing- und Trusted-Access-Kunden beschränkt. Wenn die Systemkarte beide aufführt, hält dieser Artikel die Spalten getrennt.

Official model IDs:
Claude Fable 5  -> claude-fable-5
Claude Mythos 5 -> claude-mythos-5

Context window: 1M tokens
Max output:     128k tokens per request
Pricing:        $10 / MTok input, $50 / MTok output
Batch pricing:  $5 / MTok input, $25 / MTok output
Launch date:    June 9, 2026

Benchmark-Snapshot

Die offizielle System Card ist die nützlichste Benchmark-Quelle, da sie die Ergebnisse von Fable 5, Mythos 5, Mythos Preview, Opus 4.8 und externen Modellen trennt. Die Ergebnisse von Fable spiegeln produktionsreife Sicherheitsvorkehrungen wider, einschließlich des Fallback-Verhaltens; daher bedeuten kleine Unterschiede zwischen Fable und Mythos nicht zwangsläufig eine Leistungslücke im zugrunde liegenden Modell.

Die Benchmark-Story besteht nicht aus einer einzigen großen Zahl. Es ist ein Muster: Fable 5 ist dort am stärksten, wo die Aufgabe langwierig, tool-lastig, multimodal, mehrdeutig oder näher an der realen Arbeit ist als ein einfacher Prompt-Antwort-Austausch. Deshalb können einfache Smoke-Tests das Potenzial unterschätzen.

Coding-Benchmarks

Software-Engineering ist das wichtigste Signal für den Launch. Anthropic berichtet, dass Fable 5 95,0 % bei SWE-bench Verified und 80,0 % bei SWE-bench Pro erreicht, während die System Card Opus 4.8 bei 88,6 % bzw. 69,2 % einordnet. Der größere Sprung zeigt sich bei agentischen Coding-Benchmarks mit langem Zeithorizont, bei denen ein Modell über viele Schritte hinweg untersuchen, patchen, testen und Fehler beheben muss.

Die praktische Schlussfolgerung: Bewerten Sie Fable 5 nicht nur anhand kurzer Snippets, Code-Formatierungen oder einer Handvoll einfacher GitHub Issues. Die offizielle Dokumentation besagt, dass Teams, die die besten Ergebnisse erzielen, Fable 5 schwierigere, bisher ungelöste Probleme zuweisen. Das deckt sich mit dem Benchmark-Muster: Fable setzt sich am deutlichsten ab, wenn die Arbeit Ausdauer erfordert.

Langer Kontext und agentische Suche

Fable 5 und Mythos 5 unterstützen standardmäßig ein 1M-Token-Kontextfenster. Die Ergebnisse zum langen Kontext in der System Card beziehen sich hauptsächlich auf Mythos 5, sind aber dennoch nützlich, um zu verstehen, wofür die zugrunde liegende Modellklasse geeignet ist. Bei GraphWalks erzielte Mythos 5 einen F1-Wert von 91,1 auf dem BFS 256K-Subset und 79,4 auf dem BFS 1M-Subset, womit es vor Opus 4.8 mit 85,9 und 68,1 liegt. Auf dem Parents 1M-Subset erreichte Mythos 5 einen F1-Wert von 97,5 gegenüber 83,3 bei Opus 4.8.

Bei BrowseComp berichtet Anthropic, dass das Multi-Agent-System Mythos 5 93,3 % erreichte und dass asynchrone Sub-Agents den höchsten Wert unter den getesteten Harnesses erzielten. Die wichtige Lektion für Entwickler ist nicht einfach nur "mehr Agents verwenden". Es ist die Erkenntnis, dass die Multi-Agent-Struktur bei den schwierigen Fällen am meisten half: Die System Card besagt, dass die größten Latenzgewinne bei Problemen erzielt wurden, die bereits für frühere Claude-Durchläufe schwierig waren.

Vision und Dokumente

Anthropic bezeichnet Fable 5 als das neue State-of-the-Art-Modell für Vision-Aufgaben. Die Benchmark-Details sind fundierter als diese Schlagzeile: Fable 5 erzielte 29,8 % bei GDP.pdf, einem Benchmark für komplexe professionelle Dokumente, verglichen mit 22,5 % bei Opus 4.8, 24,9 % bei GPT-5.5 und 16,7 % bei Gemini 3.1 Pro. Bei OfficeQA Pro erreichte Fable 5 in der vision-basierten Evaluierung von Databricks 57,9 % und lag damit vor Opus 4.8 mit 48,1 %.

Die System Card berichtet zudem von starken Ergebnissen für Mythos 5 bei ChartMuseum, LAB-Bench FigQA und CharXiv Reasoning. Speziell für Fable 5 können biologie-lastige Bildaufgaben Sicherheitsvorkehrungen auslösen, daher ist die richtige Schlussfolgerung präziser: Fable 5 ist exzellent für praktische Vision-/Dokumenten-Workflows geeignet, aber einige wissenschaftliche visuelle Workflows könnten den Pfad der Sicherheitsvorkehrungen durchlaufen.

Professionelle Arbeit

Die interessanteste Benchmark-Kategorie ist die professionelle Arbeit, da sie weniger wie eine Bestenliste aussieht und eher dem entspricht, was zahlende Nutzer tatsächlich tun. Anthropic berichtet, dass Fable/Mythos 5 in 74 % der paarweisen Vergleiche des Real-World Finance v2 gegenüber Opus 4.8 bevorzugt wurde, mit einem Elo von 1.374 gegenüber 1.222 für Opus 4.8. Die Finance Agent v2-Evaluierung von Vals AI bewertete Fable mit 56,31 %, vor Opus 4.8 mit 53,92 % und GPT-5.5 mit 51,76 %.

Die Zahlen zu Recht und Werkzeugnutzung sind ebenfalls nützlich. Im Harvey's Legal Agent Benchmark berichtet die Systemkarte von 16,91 % All-Pass und 92,0 % Mean Criterion-Pass im vollständigen öffentlichen Datensatz innerhalb der internen Testumgebung von Anthropic, sowie 13,3 % All-Pass im zurückgehaltenen Datensatz von Harvey. Bei Toolathlon erzielte Fable 5 61,7 % Pass@1 bei durchschnittlich 19,8 Turns, während Opus 4.8 59,9 % Pass@1 bei 24,5 Turns erreichte.

Es gibt mindestens ein offizielles Gegenbeispiel, das man im Auge behalten sollte: Beim Vending-Bench lag der beste Endsaldo von Fable 5 bei 5.680,26 $, etwas unter den 5.787,43 $ von Opus 4.8. Genau deshalb ist die Systemkarte wichtig. Fable 5 ist nicht „bei jeder denkbaren Aufgabe strikt besser“. Es ist ein deutlich stärkerer Standard für schwierige, langwierige, agentische Arbeit, mit arbeitslastspezifischen Ausnahmen.

Wissenschaftlicher Vorbehalt

Der Launch-Beitrag und die Systemkarte beschreiben sehr starke Ergebnisse von Mythos 5 in den Biowissenschaften: Beschleunigung des Wirkstoffdesigns, neuartige hypothesengestützte molekularbiologische Forschung, Genomik-Forschung sowie Benchmark-Gewinne bei BioMysteryBench, LatchBio Bioinformatics, Strukturbiologie, ProteinGym Hard, organischer Chemie, Protokoll-Fehlerbehebung und LABBench2.

Für öffentliche Fable 5-Nutzer ist dieser Vorbehalt zentral. Die Sicherheitsvorkehrungen von Fable 5 sind im Bereich Biologie und Chemie bewusst breit gefasst, und Anthropic weist darauf hin, dass einige nützliche Aufgaben in den Biowissenschaften Klassifikatoren auslösen können. Wenn Ihr Produkt aus den Bereichen Biomedizin, Computerbiologie, Chemie oder Cyber-Sicherheit stammt, bauen Sie zuerst den Fallback-Pfad auf und gehen Sie vorsichtig mit den Benchmark-Erwartungen für Fable 5 um.

Offizielle Bilder und Diagrammdaten

Anthropic hat mit dem Launch-Artikel mehrere Grafiken veröffentlicht. Die untenstehenden Bilder sind die offiziellen gehosteten Assets, die für einen benchmark-basierten Artikel am wichtigsten sind. Ich hoste sie hier nicht erneut; die Seite verweist auf die ursprünglichen URLs von Anthropic und verlinkt den Quellenabschnitt am Ende.

API, Verfügbarkeit und Preise

Claude Fable 5 ist allgemein über die Claude API, die Claude Platform auf AWS, Amazon Bedrock, Vertex AI und Microsoft Foundry verfügbar. Claude Mythos 5 ist nicht allgemein verfügbar; der Zugriff ist auf zugelassene Kunden über Project Glasswing und verwandte Kanäle für vertrauenswürdigen Zugriff beschränkt.

Die offizielle Preistabelle listet Fable 5 und Mythos 5 mit 10 $ pro Million Input-Tokens und 50 $ pro Million Output-Tokens. Prompt-Cache-Schreibvorgänge kosten 12,50 $ pro MTok für einen 5-Minuten-Cache und 20 $ pro MTok für einen 1-Stunden-Cache, während Cache-Treffer und Aktualisierungen 1 $ pro MTok kosten. Die Batch-Nutzung ist auf 5 $ für Input und 25 $ für Output pro MTok rabattiert.

Prompting für Fable 5

The Fable-specific prompting guide says the model is strongest on problems that were previously too complex, too long-running, or too ambiguous for earlier models. It also warns that prompts and skills written for prior Claude models can be too prescriptive. The migration work is therefore not "add more instructions." It is often "remove old scaffolding and let the stronger model work."

import anthropic

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-fable-5",
    max_tokens=64000,
    output_config={"effort": "high"},
    messages=[
        {
            "role": "user",
            "content": "Analyze this migration plan, implement the safe parts, and verify with tests."
        }
    ],
)

Der Aufwand ist jetzt der wichtigste Steuerungsfaktor. Verwenden Sie high als Standard für die meisten schwierigen Arbeiten, xhigh für fähigkeitssensible Aufgaben und medium oder low für Routinearbeiten, bei denen Latenz und Kosten wichtiger sind. Bei schwierigen Aufgaben können einzelne Turns minutenlang laufen, und autonome Durchläufe können Stunden dauern. Das bedeutet, dass Ihr Produkt Streaming, asynchrone Job-Verarbeitung, Fortschrittsanzeigen und Timeout-Einstellungen benötigt, die auf das tatsächlich verwendete Modell abgestimmt sind.

Drei Prompt-Änderungen sind am wichtigsten. Erstens: Begründen Sie Fortschrittsberichte mit tatsächlichen Werkzeugergebnissen, damit lange Läufe nicht in optimistische Status-Updates abdriften. Zweitens: Zustandsgrenzen – was das Modell bearbeiten darf, wann es nachfragen sollte und welche Aktionen außerhalb des Aufgabenbereichs liegen. Drittens: Hören Sie auf, das Modell zur Reproduktion interner Überlegungen aufzufordern. Die Dokumentation warnt, dass Prompts, die nach verborgenen Überlegungen fragen, eine Verweigerung auslösen können; wenn Sie Transparenz bei der Entscheidungsfindung benötigen, verwenden Sie zusammengefasstes adaptives Denken und ein „Send-to-User“-Tool für Fortschritts-Updates.

Sicherheitsvorkehrungen und Fallback

Fable 5 enthält Klassifikatoren für Cyber, Biologie und Chemie, Destillation sowie Reasoning Extraction. Die Dokumentation zur API-Ebene besagt, dass eine Ablehnung eine erfolgreiche HTTP 200-Antwort mit stop_reason: "refusal"ist, kein geworfener Fehler. Die stop_details.category dokumentierten cyberWerte umfassen bio, reasoning_extractionund

. server-side-fallback-2026-06-01 Das sicherste Produktionsmuster besteht darin, ein Fallback auf claude-opus-4-8 zu konfigurieren. Serverseitiges Fallback ist in der Beta-Phase über die Claude API und die Claude Platform auf AWS unter Verwendung des

Beta-Headers verfügbar; SDK-Middleware kann das clientseitige Fallback für TypeScript, Python, Go, Java und C# übernehmen.

1. Change the model ID to claude-fable-5.
2. Set output_config.effort explicitly.
3. Remove old show-your-chain-of-thought instructions.
4. Increase client timeouts and support streaming/async runs.
5. Add progress reporting grounded in tool results.
6. Add explicit scope and permission boundaries.
7. Add memory or notes for long-running tasks.
8. Configure Opus 4.8 fallback and monitor refusal events.
9. Re-run your evals on hard tasks, not only smoke tests.
10. Check the 30-day data-retention requirement before production use.

Migrations-Checkliste

FAQ

Fable 5 ist ein Modell, das Sie für Ihre schwierigsten Workflows evaluieren sollten, nicht nur für Ihre kostengünstigsten Benchmarks. Das offizielle Benchmark-Muster zeigt, dass der Vorteil bei langfristiger Autonomie, professionellen Ergebnissen, visuellem Schlussfolgern, Tool-Nutzung und Aufgabenmehrdeutigkeit zunimmt. Hier wächst auch die operative Komplexität: Kostenkontrolle, Fallback-Handling, Speicher und Observability sind wichtiger als bei kurzfristigen Chats.

Offizielle Quellen

• Dieser Artikel schließt bewusst Community-Beiträge, Presseberichte und inoffizielle Benchmark-Kommentare aus. Alle oben genannten Behauptungen basieren auf diesen offiziellen Quellen:
• Offizieller Claude-Launch-Thread auf X
• Anthropic-Launch-Beitrag: Claude Fable 5 und Claude Mythos 5
• Systemkarte zu Claude Fable 5 und Claude Mythos 5
• Claude-Dokumentation: Einführung in Claude Fable 5 und Claude Mythos 5
• Claude-Dokumentation: Prompting für Claude Fable 5
• Claude-Dokumentation: Best Practices für das Prompting
• Claude-Dokumentation: Modellübersicht
• Claude-Dokumentation: Ablehnungen und Fallback