Claude Fable 5: Was das erste öffentliche "Mythos"-Modell kann und wo es scheitert

Was "Mythos" technisch bedeutet, ist weitgehend Spekulation. Every-CEO Dan Shipper, dessen Team frühen Zugang hatte, berichtet nach Gesprächen mit Anthropic-Mitarbeitenden, dass an dem Modell architektonisch nichts Besonderes sei. In der Modellfamilie aus Haiku, Sonnet und Opus stehe Mythos schlicht für das größte und leistungsstärkste Modell. Auch Entwickler Simon Willison vermutet, dass es sich um das bislang größte öffentlich verfügbare Anthropic-Modell handelt. Fable fühle sich schlicht "groß" an, schreibt Willison, nicht nur bei Geschwindigkeit und Kosten, sondern auch beim Umfang des gespeicherten Wissens. Der Benchmark-Dienst Artificial Analysis stützt diese These: Auf dem Wissens- und Halluzinations-Benchmark AA-Omniscience erreicht Fable 40 Punkte, sieben mehr als das bisher führende Gemini 3.1 Pro, was bei Open-Weight-Modellen typischerweise mit der Modellgröße korreliere.

An der Spitze der Benchmarks, aber mit Skepsis begleitet

Fable 5 setzt sich an die Spitze fast aller Ranglisten. Auf dem Artificial Analysis Intelligence Index erreicht das Modell 64,9 Punkte und liegt damit rund fünf Punkte vor GPT-5.5 als bestem Konkurrenzmodell. Beim agentischen Benchmark GDPval-AA für reale Arbeitsaufgaben erzielt es einen Elo-Wert von 1932. Auf Humanity's Last Exam kommt Fable auf 53 Prozent, mehr als sieben Punkte über Opus 4.8, wobei ein einziger Durchlauf dieses Tests inklusive Fallback-Kosten rund 2.200 US-Dollar verschlang.

Der Bewertungsdienst Vals setzt Fable 5 auf Platz eins seines Index sowie sämtlicher Coding-Benchmarks, darunter SWE-bench Verified mit 95 Prozent und Vibe Code Bench mit 90,35 Prozent. Letzterer Wert ist bemerkenswert: Vor sechs Monaten knackte kein Modell die 20-Prozent-Marke. Das Coding-Tool Devin meldet ebenfalls einen Spitzenwert auf seinem internen FrontierCode-Benchmark.

Trotz dieser Zahlen bleibt ein Teil der Fachwelt skeptisch. Auf Hacker News werten manche Nutzer den Sprung als bloße "Iteration" statt als angekündigte Revolution und verweisen auf möglicherweise auf Benchmarks optimierte Ergebnisse. Willison räumt selbst ein, dass seine Eindrücke "alles Vibes" seien, da ein wissenschaftlich sauberer Parallelvergleich fehle.

Im Test: ein "Warp-Antrieb" für große Aufgaben

Wo das Modell überzeugt, tut es das deutlich. Ethan Mollick ließ Fable in Claude Code eine vollständig recherchierte isochrone Reisezeitkarte bauen. Das Modell startete dabei selbstständig mehrere günstigere Sub-Agenten, die über 2.200 Flugverbindungen, Zugfahrpläne und Straßengeschwindigkeiten aus akademischen Papieren recherchierten, während es parallel den Code schrieb und durch weitere Agenten testen ließ. Ein anderes Projekt, eine Forschungssoftware zur Kalibrierung menschlicher und KI-Urteile, arbeitete das Modell in neuneinhalb Stunden durch.

Bei Every entstanden aus einzelnen Prompts unter anderem ein begehbares 3D-Rendering von Borges' "Bibliothek von Babel" und eine Survey-Analyse, die laut Shipper ein Konversionsproblem präziser identifizierte als wochenlange menschliche Arbeit. Im Senior-Engineer-Benchmark des Unternehmens erreichte Fable 91 von 100 Punkten, gegenüber 63 bei Opus 4.8 und 62 bei GPT-5.5. Shipper beschreibt das Modell als "Warp-Antrieb": ideal, um große, klar umrissene Aufgaben asynchron abzuarbeiten, aber ungeeignet für schnelle Hin-und-Her-Interaktion. Willison fasste seinen ersten Eindruck schlicht zusammen: Fable sei "ein Biest".

Diese Stärke geht mit einem Kontrollverlust einher. Mollick beschreibt, wie wenig er selbst beitrug und wie wenig er von den hunderten Einzelentscheidungen des Modells nachvollziehen konnte. Er sei vom Zauberer, der einen Spruch ausspricht, zum bloßen Auftraggeber geworden: "Ich beschreibe, was ich will, ich bezahle dafür, und ich beurteile das Ergebnis." Auch der Code-Review-Dienst CodeRabbit attestiert dem Modell Stärken bei unterspezifizierten, autonomen Programmieraufgaben, warnt aber, dass es bei der Code-Review-Präzision hinter Opus 4.8 zurückbleibe und Aufgaben oft so lange laufe, bis das System sie abbreche.

Sicherheitsfilter machen das Modell für viele unbrauchbar

Der mit Abstand häufigste Kritikpunkt betrifft die Schutzmechanismen. Fable schaltet bei Verdacht auf heikle Themen automatisch auf das schwächere Opus 4.8 zurück oder verweigert die Antwort. Laut Artificial Analysis geschieht das bei rund acht bis neun Prozent der Aufgaben, vor allem bei wissenschaftlichen Fragen.

In der Praxis treffen die Filter laut Nutzerberichten massenhaft harmlose Anfragen. Ein medizinischer Physiker berichtet, das Modell sei für ihn unbrauchbar, weil er das Wort "nuclear" häufig verwende. Andere schildern, dass die Segmentierung von MRT-Bildern als Bioterrorismus eingestuft, eine Frage zur Malaria-Übertragung durch Mücken gestoppt oder ein einfacher Security-Review als Cybersicherheitsrisiko geblockt wurde. "Als Wissenschaftler ist dies vielleicht das nutzloseste Modell, das ich je ausprobiert habe", lautet eine der schärferen Reaktionen. Gerade in den Domänen, in denen Fables Fähigkeiten am wertvollsten wären, ist das Modell für viele am wenigsten brauchbar.

Besonders brisant ist ein Detail aus der 319-seitigen System Card, das Willison aufgreift: Anthropic hat unsichtbare Eingriffe eingebaut, die Fables Leistung bei der Entwicklung konkurrierender Frontier-Modelle gezielt verschlechtern, etwa bei Pretraining-Pipelines oder dem Design von ML-Beschleunigern. Anders als bei Cyber- oder Biofiltern erfolgt hier kein sichtbarer Fallback; stattdessen manipuliert Anthropic die Antworten still über Prompt-Modifikation oder Steering-Vektoren. Betroffen seien nur rund 0,03 Prozent des Traffics. Willison zeigt sich wenig begeistert von einem Modell, das seine Antworten zu Fragen über "ML-Beschleuniger-Design" heimlich verfälscht, um Forschung zu bremsen, die Anthropics eigenen Zielen zuwiderlaufen könnte. In Foren wird der Schritt als offen antikompetitiv gewertet.

Lohnt sich Fable 5 wirtschaftlich? Die Rechnung geht nicht für alle auf

Interessant ist auch die Frage, ob Fables Leistung den deutlich höheren Preis rechtfertigt, sobald man die subventionierten Flatrate-Abos verlässt. Firmen zahlen die Harness-App separat, die Token werden zu regulären API-Preisen abgerechnet. Ein Entwickler berichtet, dass sein Wechsel von der 200-Dollar-Max-Flatrate zur Enterprise-Abrechnung seine Opus-Kosten bei gleichem Nutzungsmuster von 200 auf 10.000 US-Dollar im Monat steigen ließ, mit Fable wären es rund 20.000.

Daraus folgt für viele ein simpler Vergleich: Für 10.000 bis 20.000 US-Dollar monatlich lassen sich, je nach Land, ein bis zwei erfahrene Entwickler einstellen, denen man zusätzlich eine KI-Lizenz geben kann. Außerhalb der USA wird die Diskrepanz noch deutlicher. Ein Entwickler mit rund 2.500 US-Dollar Monatsgehalt hält fest, kein Unternehmen werde 20.000 Dollar ausgeben, wenn es dafür zehn weitere Entwickler anstellen könne.

Befürworter argumentieren, der Wert lasse sich nicht allein über Token messen: Schwierige Probleme in Tagen statt Wochen zu lösen, könne erheblichen Nutzen stiften, sofern Fable verlässlich die Leistung von zwei bis drei Entwicklern erreiche. Skeptiker entgegnen, die eigentliche Schwierigkeit liege selten im Lösen, sondern im Definieren von Umfang und Abnahmekriterien, und KI-Lösungen müssten oft verworfen und neu gebaut werden, was Effizienzgewinne aufzehre.

Die Debatte zeigt, wie die steigenden Kosten der Modelle den Praxiseinsatz verändern, eine Entwicklung, die wir in unserem jüngsten KI-Radar #3 ausführlich beleuchtet haben.

In der Debatte zeichnet sich ein Hybrid-Modell ab: Günstigere Modelle wie DeepSeek v4 gelten vielen als gut genug für den Alltag, während Fable oder Opus für komplizierte Features, Bugs oder hochrangige Planung reserviert bleiben sollen. Ein Nutzer beschreibt einen Ablauf, in dem er den initialen Plan mit Opus 4.8 erstellt, ihn von Fable auf Vereinfachungen prüfen lässt und erst danach in die günstigere Umsetzungsschleife geht.

Limitiert und mit Datenschutz-Hürden

Fable 5 verfügt über ein Kontextfenster von einer Million Token und maximal 128.000 Ausgabe-Token, der Wissensstand reicht bis Januar 2026. Verfügbar ist es zunächst befristet in den Pro-, Max-, Team- und Enterprise-Plänen, wo es bis zum 22. Juni das Doppelte der Opus-Nutzung anrechnet. Entsprechend schnell sind die Limits erschöpft: Ein Nutzer berichtet, eine einzige Sitzung habe sein Fünf-Stunden-Fenster im 200-Dollar-Max-Plan komplett aufgebraucht, ohne die Aufgabe zu beenden, ein anderer schildert, ein einzelner Prompt habe sein Limit im Pro-Plan gesprengt. Ab dem 23. Juni erfordert das Modell dann Guthaben, bis Anthropic nach eigenen Angaben den Abo-Zugang bei ausreichender Kapazität wiederherstellt. In der Praxis wird das Modell damit deutlich teurer.

Neu ist zudem eine 30-Tage-Datenaufbewahrung für Mythos-Klasse-Modelle, die auch bei eigentlich vereinbarter Zero-Data-Retention greift. Für Unternehmen, die dieses Feature bisher genutzt haben, ist das ein sofortiger Ausschlussgrund.

Der vorläufige Tenor: Fable 5 ist technisch ein echter Sprung, vor allem bei komplexer, delegierbarer Softwarearbeit für erfahrene Nutzer. Wer kleine, schnelle Aufgaben erledigt oder in regulierten Fachgebieten arbeitet, dürfte mit günstigeren oder weniger gefilterten Modellen besser fahren. Fable 5 markiert aber auch einen Wendepunkt darin, wie Anthropic seine stärksten Modelle absichert, bepreist und über stille Eingriffe steuert.