Auf dieser Seite
Anthropic hat mit Claude Fable 5 sein bisher stärkstes öffentlich verfügbares Modell rausgebracht, und bis zum 22. Juni läuft es auf jedem bezahlten Plan ohne Aufpreis. Die spannendere Frage ist aber gar nicht, wie du es anschaltest, sondern wann sich so ein Top-Modell wirklich lohnt und wann du mit Opus genauso gut fährst. Genau das schaue ich mir hier mit dir an, mit einem Beispiel, das du direkt selbst ausführen kannst.
Was du brauchst#
Viel ist es nicht. Du brauchst entweder einen bezahlten Claude-Plan, also Pro, Max, Team oder eine Enterprise-Lizenz mit festen Plätzen, oder einen API-Zugang über die Console. Über die App, das Web und Cowork läuft das ganz ohne Technik, einfach mit deinem Account. Für den API-Weg holst du dir zusätzlich einen API-Key in der Console. Installieren oder updaten musst du nichts.
So aktivierst du Fable 5#
Es gibt drei Wege, je nachdem wie du arbeitest, und ich gehe sie der Reihe nach durch.
Nummer 1 ist der einfachste, also direkt in Claude. In der App, im Web und in Cowork wählst du Claude Fable 5 oben in der Modell-Auswahl aus, dann läuft ab dem nächsten Prompt alles über das neue Modell. Mehr ist da nicht zu tun.
Der zweite Weg ist Claude Code. Da läuft Fable 5 als Modell mit der ID claude-fable-5, und du stellst dein Modell wie gewohnt über die Modell-Auswahl von Claude Code um. Den genauen Befehl zeige ich dir gleich im Beispiel-Block. Claude merkt sich die Auswahl, das heißt deine nächsten Sessions starten dann mit Fable 5, bis du wieder umstellst. Genau hier spielt Fable 5 seine Stärke aus, weil es in einem Agenten-Aufbau wie Claude Code über lange, mehrstufige Aufgaben plant und sich selbst kontrolliert.
Der dritte Weg ist die API, für alle die selbst etwas bauen. Du rufst das Modell über die Messages API mit der ID claude-fable-5 auf. Ein paar Punkte sind bei Fable 5 anders als bei Opus, und die sind wichtig, sonst kassierst du einen Fehler. Bei Fable 5 ist das sogenannte adaptive Thinking immer an, das heißt Claude entscheidet selbst, wie viel es denkt. Du kannst es nicht abschalten, ein ausdrückliches thinking: {"type": "disabled"} wird hier nicht akzeptiert. Wenn du die Denktiefe steuern willst, nimmst du den effort-Parameter. Und die alten Sampling-Parameter wie temperature fallen bei Fable 5 weg.
Fable 5 läuft außerdem über Claude Platform on AWS, Amazon Bedrock, Google Vertex AI und Microsoft Foundry, falls du schon auf einer dieser Plattformen unterwegs bist.
Ein wichtiger Punkt noch zur Sicherheit. Fable 5 hat Schutz-Klassifizierer eingebaut. Erkennt das Modell eine Anfrage rund um Cybersecurity, Biologie und Chemie oder Distillation, wird die Anfrage automatisch von Claude Opus 4.8 beantwortet statt von Fable 5. Über die API siehst du das als stop_reason: "refusal", und zwar als ganz normale Antwort mit Status 200, nicht als Fehler. Für eine vor dem ersten Output abgelehnte Anfrage wirst du nicht abgerechnet, und es gibt einen optionalen fallbacks-Parameter, mit dem die API automatisch auf ein anderes Modell ausweicht. Laut Anthropic greifen diese Schutzmechanismen im Schnitt in weniger als 5 Prozent der Sessions, gut zu wissen, damit du nicht erschrickst, wenn es mal passiert.
Beispiel zum direkt Ausführen#
Jetzt wird es konkret, und zwar mit einer Aufgabe, an der man den Unterschied zu einem normalen Modell auch wirklich merkt. Ich nehme bewusst kein Spielzeug-Beispiel, sondern ein schweres Code-Refactoring über mehrere Zusammenhänge hinweg, weil genau da ein Top-Modell glänzt.
Variante A: API mit curl#
Das hier kannst du direkt ins Terminal kopieren. Du brauchst nur deinen API-Key in der Variable ANTHROPIC_API_KEY.
curl https://api.anthropic.com/v1/messages \
-H "Content-Type: application/json" \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-d '{
"model": "claude-fable-5",
"max_tokens": 16000,
"thinking": { "type": "adaptive" },
"output_config": { "effort": "high" },
"messages": [
{
"role": "user",
"content": "Hier ist ein gewachsenes Python-Modul mit einer 300-Zeilen-Funktion process_orders(), die Validierung, Preisberechnung, Lagerabgleich, Rabattlogik und das Schreiben in die Datenbank vermischt. Refactore das in saubere, einzeln testbare Einheiten, ohne das Verhalten nach aussen zu aendern. Erklaere mir vorher kurz deinen Plan, finde dabei zwei versteckte Bugs in der Rabattlogik (negativer Endpreis bei gestapelten Rabatten und ein Off-by-one beim Mengenrabatt), schreibe pytest-Tests, die genau diese zwei Faelle absichern, und liefere am Ende den vollstaendigen refactorten Code plus die Tests. <hier deinen echten Code einfuegen>"
}
]
}'
Was du im Ergebnis sehen solltest: Fable 5 fängt nicht direkt an, Code rauszuhauen, sondern legt erst einen Plan hin, zerlegt die Riesenfunktion in einzelne saubere Einheiten, benennt die zwei Bugs konkret und liefert am Ende den fertigen Code plus die Tests, die genau diese Fälle absichern. Bei einer Aufgabe dieser Grössenordnung kommt ein Top-Modell oft mit weniger Anläufen ans Ziel, und genau das ist der Unterschied, den du hier merkst.
Zwei Dinge zur Syntax, die bei Fable 5 wichtig sind. Erstens "thinking": { "type": "adaptive" }, weil das die einzige Denk-Einstellung ist, die hier funktioniert. Zweitens "effort": "high" im output_config, damit das Modell bei so einer schweren Aufgabe wirklich tief geht.
Variante B: Claude Code#
In Claude Code stellst du erst das Modell um und gibst dann die schwere Aufgabe. Das Umstellen geht über die Modell-Auswahl von Claude Code, in der Praxis tippst du dafür:
/model claude-fable-5
Danach gibst du im selben Projekt eine Aufgabe, die über mehrere Dateien geht, zum Beispiel:
Geh die Bestell-Verarbeitung in src/orders/ einmal komplett durch.
Die Rabattlogik hat zwei Bugs, einen negativen Endpreis bei
gestapelten Rabatten und ein Off-by-one beim Mengenrabatt.
Finde beide, refactore process_orders() in einzeln testbare Einheiten,
ohne das Verhalten nach aussen zu aendern, und schreib pytest-Tests,
die genau diese zwei Faelle absichern. Erklaer mir vorher kurz deinen Plan.
Was du erwarten kannst: Fable 5 arbeitet hier wie ein Agent, liest sich also selbst durch die Dateien, plant über mehrere Schritte, ändert den Code und prüft sich am Ende mit den Tests selbst. Genau für lange, eigenständige Aufgaben über viel Material ist das Modell gebaut.
Wann sich Fable 5 lohnt#
Jetzt zum eigentlich wichtigen Teil, und zwar der Frage, wann sich das doppelte Geld lohnt. Fable 5 kostet über die API 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output-Tokens, also genau das Doppelte von Opus 4.8. Das ist eine bewusste Entscheidung pro Aufgabe und keine, die du einfach pauschal triffst.
Es lohnt sich genau dann, wenn die Aufgabe wirklich schwer ist und über viele Schritte geht. Drei Fälle, in denen ich Fable 5 rausholen würde:
- Grosse, mehrstufige Code-Projekte, die ein Modell über lange Strecken selbst durchziehen soll, mit Plan, Selbstkontrolle und Tests. Genau das, was du im Beispiel oben gesehen hast.
- Schwere Recherche und Analyse über sehr viel Material auf einmal. Fable 5 hat ein Kontextfenster von 1 Million Tokens, das heisst du kannst riesige Mengen Text, Dokumente oder Code in einem Rutsch reingeben. Anthropic gibt für Fable 5 auch starke Werte bei Finanz- und Analyse-Aufgaben an, unter anderem als erstes Modell über 90 Prozent auf dem internen Analytics-Benchmark.
- Dokumentenlastige Arbeit, bei der das Modell Diagramme, Charts und Tabellen mitten in PDFs verstehen muss, also Finanz, Recht, Analytik und Ähnliches.
Für den normalen Alltag reicht aber meistens das günstigere Modell. Kurze Fragen, einfache Texte, Routine-Aufgaben, eine schnelle Zusammenfassung. Dafür den doppelten Preis zu zahlen, bringt dir nichts, weil Opus 4.8 das genauso gut macht. Meine Faustregel ist einfach: Hol Fable 5 raus, wenn die Aufgabe an die Grenze geht und über viele Schritte läuft, und bleib sonst bei Opus.
Und ein Punkt, den du im Kopf behalten solltest, weil er in der Praxis am ehesten nervt. Durch die Schutz-Klassifizierer kann es passieren, dass eine harmlose Anfrage rund um Sicherheit, Biologie oder Chemie still auf Opus 4.8 zurückfällt. Bei eigenen Anwendungen baust du dafür am besten das Auswerten von stop_reason: "refusal" direkt ein, dann läufst du nicht blind in dieses Verhalten rein.
Pro-Tipp#
Bis zum 22. Juni ist Fable 5 auf Pro, Max, Team und Enterprise gratis dabei, ab dem 23. Juni fliegt es aus diesen Plänen raus und läuft dann nur noch über zusätzliche Credits. Das heisst, jetzt ist genau der richtige Moment, dein grösstes und schwerstes Projekt einmal mit dem stärksten Modell anzugehen, ohne extra zu zahlen. Mein Tipp ist, das Fenster gezielt für eine richtig schwere Aufgabe zu nutzen und dabei sauber mitzudenken, also den effort-Parameter und Context Engineering bewusst einzusetzen, damit du die Power auch wirklich auf den Tisch bringst. Und danach schaust du in Ruhe, ob sich der doppelte Preis für deine Art von Arbeit überhaupt rechnet.