← Alle KI-Modelle
Anthropic anthropic.com

Claude Fable 5.1

Anthropics stärkstes breit verfügbares Modell - gebaut für schwieriges Reasoning und Agenten, die stundenlang durchhalten.

Rang 1 von 21 Flaggschiff Proprietär Veröffentlicht 10. Juni 2026 claude-fable-5-1
90,0 von 100
  • Denkleistung 10,0
  • Programmieren 10,0
  • Agentik 10,0
  • Tempo 5,0
  • Preis-Leistung 5,0

Gewichtung: Denkleistung 30 % · Programmieren 25 % · Agentik 25 % · Tempo 10 % · Preis-Leistung 10 %

Kontextfenster 1 Mio. Tokens Eingabe
Maximale Ausgabe 128K Tokens
Eingabe je 1 Mio. 10,00 $ Tokens
Ausgabe je 1 Mio. 50,00 $ Tokens
Aus dem Cache 0,25 $ je 1 Mio. Tokens

Worum es geht

Claude Fable 5.1 ist die Spitze von Anthropics Aufstellung: ein Modell, dessen Denkprozess dauerhaft aktiv ist und das sich über effort von „low" bis „max" in der Tiefe steuern lässt. Es zielt auf Aufgaben, bei denen eine Anfrage auch mal viele Minuten laufen darf - Codebasen umbauen, Recherchen mit Werkzeugketten, wissenschaftliche Analysen.

Preislich liegt es über der Opus-Klasse und ist deshalb kein Allzweckmodell für jede Anfrage. In der Praxis lohnt es dort, wo eine falsche Antwort teurer ist als der Aufruf: Architekturentscheidungen, komplexe Migrationen, Auswertungen mit hohem Korrektheitsanspruch.

Auf den veröffentlichten Agenten- und Coding-Benchmarks führt es das Feld an, während GPT-6 Astra bei Mathematik und Cybersecurity vorne liegt. Wer beide Systeme einsetzt, kann sie sinnvoll nach Aufgabentyp aufteilen.

Neu in dieser Version

Gegenüber dem Vorgänger Claude Fable 5:

  1. Effort pro Nachricht änderbar

    Die Denktiefe lässt sich mitten im Gespräch umstellen, ohne den Prompt-Cache zu verlieren - vorher kostete jede Änderung den kompletten Cache-Prefix.

  2. Preserved Thinking

    Denkblöcke sind an das erzeugende Modell gebunden. Wer frühere Gesprächsrunden nachträglich verändert, bekommt einen Fehler statt stiller Falschergebnisse - Harnesses müssen rein anfügend arbeiten.

  3. Fortschrittsnotizen beim Denken

    Mit display: "updates" liefert das Modell zwischen den Werkzeugaufrufen kurze Zwischenstände, ohne die eigentliche Gedankenkette offenzulegen. Macht lange Läufe in der Oberfläche sichtbar.

  4. Turn-begrenzte Systemhinweise

    Systemnachrichten mit clear_at: "next_user_message" gelten genau eine Runde. Praktisch für Erinnerungen, die nicht dauerhaft im Kontext hängen bleiben sollen.

  5. Günstigere Cache-Reads

    Gecachte Eingabe-Tokens kosten 0,25 $ je Million - bei Anwendungen mit großem, stabilem Systemprompt der größte Einzelhebel bei den Kosten.

  6. Erzwungene Werkzeugwahl entfernt

    tool_choice: any und tool werden abgelehnt. Ersatz: auto plus klare Anweisung, strict: true für schemakonforme Argumente oder strukturierte Ausgaben.

Stärken und Schwächen

Dafür spricht

  • Führt die veröffentlichten Agenten- und Coding-Benchmarks an (SWE-bench Pro 81,2 %)
  • Denkprozess immer aktiv, Tiefe über fünf Effort-Stufen steuerbar
  • Hält sehr lange Aufgabenketten durch, ohne den Faden zu verlieren
  • Günstige Cache-Reads (0,25 $/Mio.) machen wiederkehrende Kontexte bezahlbar

Das schränkt ein

  • Teuerste Stufe im Anthropic-Lineup - für Routineanfragen überdimensioniert
  • Einzelne Anfragen können viele Minuten laufen; Timeouts und Streaming müssen eingeplant werden
  • Erzwungene Werkzeugaufrufe (tool_choice: any/tool) werden mit Fehler 400 abgelehnt
  • Kein Priority Tier; ohne ausdrückliche Freigabe nicht unter Zero Data Retention nutzbar

Benchmarks

BenchmarkErgebnisEinordnung
SWE-bench Pro 81,2 % Platz 1 der veröffentlichten Ergebnisse
Artificial Analysis Intelligence Index 53 neue, härtere Skala ab September 2026
DeepSWE v1.1 67,4 % –

Benchmark-Werte stammen von den Anbietern oder unabhängigen Auswertungen und sind untereinander nur bedingt vergleichbar.