Anthropic hat gestern, am 1. September 2026, Claude Fable 5.1 veröffentlicht, und ich habe den Abend damit verbracht, es auf meinem eigenen Stack auszuführen, statt darüber zu lesen. Die Kurzfassung: derselbe Preis wie bei Fable 5, 75 % weniger Kosten für Cache-Lesevorgänge, weniger falsche Verweigerungen und ein Modell, das während einer dreistündigen Sitzung mit unspektakulärer Infrastrukturarbeit konsistent bleibt.
Fable 5 war das beste Modell, das ich je verwendet hatte, und zugleich dasjenige, über das sich die Leute am meisten beschwerten. Ich habe über den Wiederaufbau eines Legacy-CRMs am Veröffentlichungstag→ und über die Pause bei Exportkontrollen und seine Rückkehr→ geschrieben. Ein Point Release ist Anthropics Antwort auf die Beschwerdeliste. Die Frage für 5.1 ist daher eng gefasst: Haben sie die schmerzhaften Punkte behoben, und hat sich der Preis verändert?
Was sich in Claude Fable 5.1 geändert hat
Laut Anthropics Ankündigung bleibt der Preis pro Token unverändert bei 10 $ pro Million Input-Tokens und 50 $ pro Million Output-Tokens. Die Änderung betrifft die Cache-Lesevorgänge: 0,25 $ pro Million, also 75 % weniger. Anthropic schätzt, dass typische Workloads dadurch etwa 25 % günstiger werden und stark agentische Workloads bis zu etwa 45 % günstiger, weil Agent-Schleifen bei jedem Durchlauf denselben Kontext erneut senden.
Der zweite Hebel ist der Aufwand. Anthropic sagt, dass Fable 5.1 bei niedrigem oder mittlerem Aufwand Fable 5 zu deutlich geringeren Kosten erreicht oder übertrifft. Für Betreiber ist das die größere Sache. Das meiste, was ein Agent an einem Tag erledigt, ist Routine, und `xhigh`-Preise für Routinearbeit waren der Hauptgrund dafür, dass die Rechnungen von Fable 5 aus dem Ruder liefen.
Auch die Sicherheitsvorkehrungen wurden angepasst. Die Cybersicherheitsvorkehrungen blockieren pro Sitzung 60 % weniger Fehlalarme, die Biologie-Sicherheitsvorkehrungen greifen bei harmlosen biologischen und medizinischen Fragen 85 % seltener, und Fable 5.1 kann nun möglicherweise Software-Schwachstellen für defensive Zwecke identifizieren, aber keine Exploits schreiben. Mythos 5.1 ist dasselbe Modell mit weniger Sicherheitsvorkehrungen und derzeit auf eine Gruppe von US-Organisationen beschränkt: Das Life Sciences Verification Program basiert darauf, während das Cyber Verification Program weiterhin Opus- und Sonnet-Modelle verwendet und „in naher Zukunft“ um Modelle der Mythos-Klasse erweitert werden soll.
Die Verhaltenshinweise sind für mich die wichtigsten. Anthropic behauptet, dass 5.1 Abkürzungen vermeidet, die zu schlechterer Arbeit führen, bessere Ursachenanalysen durchführt und bei langen Aufgaben mit mehreren Schritten konsistenter bleibt. Ihr Vorzeigebeispiel ist Millennium: ein Absturz, der ungefähr einen von einer Million Läufen betraf und jahrelang ungeklärt geblieben war. Fable 5.1 zerlegte eine Anbieterbibliothek, glich sie mit einem Core Dump ab und verfolgte den Fehler bis in diese Bibliothek zurück.
Die Verfügbarkeit ist sofort gegeben: `claude-fable-5-1` über die API, claude.ai, Amazon Bedrock, Googles Agent Platform und Microsoft Foundry.
Benchmarks von Fable 5.1 im Vergleich zu Fable 5, Opus 5 und GPT-5.6 Sol
Anthropics eigene Tabelle. Da die Angaben vom Anbieter stammen, sollten die Abstände als richtungsweisend betrachtet werden, bis unabhängige Bestenlisten nachziehen.
| Benchmark | Fable 5.1 | Fable 5 | Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| --- | --- | --- | --- | --- |
| Terminal-Bench 4.0 (agentisches Coding) | 55.8% | 42.0% | 52.3% | 37.3% |
| Terminal-Bench-Science 0.1 | 52.6% | 24.7% | 29.0% | 22.4% |
| AutomationBench (Geschäftsabläufe) | 31.4% | 17.1% | 26.9% | 19.6% |
| CursorBench 3.2.0 | 73.4% | 70.5% | 70.0% | 67.2% |
| GDPval-AA v2 (Wissensarbeit) | 1853 | 1723 | 1824 | 1711 |
| Humanity's Last Exam (ohne Tools) | 60.9% | 57.8% | 56.6% | – |
| OSWorld 2.0 (streng) | 41.7% | 36.1% | 39.6% | – |
Zwei Dinge fallen auf. Terminal-Bench-Science, Terminal-Bench 4.0 und AutomationBench sind die Agententests mit langem Zeithorizont, und dort waren die größten Bewegungen zu sehen: Der Science-Benchmark hat sich von 24.7% auf 52.6% mehr als verdoppelt, während die beiden anderen jeweils etwa 14 Punkte zulegten. Und Opus 5, auf das viele auswichen, als Fable 5 teuer oder störrisch wurde, liegt bei denselben Aufgaben nun deutlich zurück. Cognition teilte mit, dass sie am Veröffentlichungstag den Opus-5-Traffic von Devin auf Fable 5.1 umstellen, und nannte die Cache-Preise als Grund dafür, dass ein Modell der Fable-Klasse für sie nun erschwinglich ist.
Ein Vorbehalt von der anderen Seite: Bei OpenAIs Agents' Last Exam schlug GPT-5.6 Sol→ Fable 5 um 13.1 Punkte, und beim mittleren Reasoning lag es bei ungefähr einem Viertel der geschätzten Kosten weiterhin um 11.4 Punkte vorn. Anthropic hat für diesen Benchmark keine Zahl für 5.1 veröffentlicht. Sol kostet pro Token weiterhin halb so viel, 5 $ für Input und 30 $ für Output. Das Preisargument für 5.1 beruht daher auf Cache-Lesevorgängen und niedrigem Aufwand, nicht auf dem Listenpreis.
Die Beschwerdeliste, für die 5.1 entwickelt wurde
Die Gegenreaktion auf Fable 5 hatte ein einheitliches Muster. Ein Nutzungslimit von fünf Stunden in der Web-App. Sicherheitsklassifikatoren, die deine Unterhaltung stillschweigend an Opus 4.8 übergaben. Hoher Token-Verbrauch, mit einem weithin geteilten Bericht über 110 $, die an einem Tag verbraucht wurden. Trägheit bei langen Aufgaben, übermäßige Ausführlichkeit, Verlangsamungen mitten im Lauf und eine Zeit bis zum ersten Token von mehr als einer Minute bei schwierigen Prompts. „Ein Ferrari mit einer Begrenzung auf 30 mph“ war die Formulierung, die hängen blieb. Auch über Opus 5 gab es eigene Beschwerden, und Thariq, der bei Anthropic an Claude Code arbeitet, stimmte auf X zu, dass es „ein wirklich spikiges Modell“ sei und seine Behebung „für uns höchste Priorität“ habe.
Während der Graustufen-Einführung in der letzten Augustwoche berichteten Tester, die an den neuen Checkpoint weitergeleitet wurden, von besserem Reasoning über lange Ketten, keinem weiteren Vergessen von Voraussetzungen in der Mitte einer Aufgabe sowie besserer Tool-Nutzung und Schrittplanung. Einige Tester schätzten die Ergebnisse bei juristischen Aufgaben als 10 bis 20 % besser ein. An einer Stelle wurde es strenger: Es verweigert die Erstellung von Bildern, die urheberrechtlich geschütztes Material enthalten.
Das entspricht der offiziellen Darstellung. Weniger falsche Verweigerungen, weniger Trägheit, geringere Kosten pro abgeschlossener Aufgabe. Das Nutzungslimit in der Verbraucher-App ist der Punkt, zu dem ich noch keine Stellungnahme gesehen habe.
Was Entwickler ändern müssen
Wenn du die API direkt aufrufst, hat Fable 5.1 laut Anthropics Migrationsleitfaden einige scharfe Kanten, die Fable 5 nicht hatte:
Nichts davon hat mich in Claude Code beeinträchtigt, das diese Dinge für dich handhabt. Sie werden jedoch jeden treffen, der eine selbst entwickelte Agent-Schleife verwendet, die Tool-Aufrufe erzwingt.
Ein Abend mit Fable 5.1 auf meinem eigenen Stack
Benchmarks messen das Modell anhand der Probleme anderer. Meine Probleme gestern Abend bestanden aus drei Stunden Arbeit, wie sie einen Betreiberabend füllt: ein defektes Tool, zwei Datenbankmigrationen, zwei Deployments und ein Widget, das noch nie mit Spotify verbunden worden war. Fable 5.1 erledigte in Claude Code alles, und ich überprüfte die Arbeit währenddessen.
Das defekte Tool. Der MCP-Server meiner Website verfügt über ein `search_console`-Tool, das seit Wochen Unauthorized zurückgab. Die Ursache lag zwei Ebenen tiefer. Der Prozess, der meine Tool-Aufrufe bediente, war nicht derjenige, der in der MCP-Konfiguration des Repos definiert war; Claude Desktop startete über ein Shell-Skript einen zweiten Prozess, der nie den richtigen Schlüssel erhielt. Und in der Produktion lief weiterhin eine ältere Auth-Regel, weil ein Arbeitsbaum mit 48 Dateien, der die neue Regel enthielt, nie committed worden war. Die Prozesstabelle zeigte einen nicht expandierten Platzhalter, wo ein Schlüssel hätte stehen sollen, und das Modell weigerte sich zu raten. Es fand den Prozess, der meine Aufrufe bediente, indem es während eines Tool-Aufrufs TCP-Verbindungen zu meiner Domain untersuchte, hängte Node's Inspector an den Prozess an, den die Repo-Konfiguration gestartet hatte, und bestätigte, dass der Platzhalter tatsächlich vorhanden war. Die Lösung bestand aus einem Node-Flag in zwei Dateien.
Die Migrationen. Der Supabase-MCP-Connector gab für DDL „permission denied“ zurück. Die Supabase CLI kam mit meiner `.env.local` nicht zurecht. Ein Vercel-Env-Pull lieferte `[SENSITIVE]`-Platzhalter statt Verbindungszeichenfolgen zurück, und das Modell schrieb diese Platzhalter kurzzeitig in meine Env-Datei, bevor es den Fehler bemerkte und die Änderung rückgängig machte. Ein Lauf für ein verknüpftes Projekt aus einem symbolisch verknüpften Verzeichnis konnte die Projekt-Referenz nicht finden. Vier Sackgassen, und trotzdem bekam es die Migrationen durch. Ich habe frühere Modelle erlebt, die sich in der ersten fehlgeschlagenen Route festfuhren; dieses änderte weiterhin den Ansatz.
Das Deployment. Siebzig Dateien, zwei Migrationen, drei neue Vercel-Variablen, ein Build, ein Push, ein Produktions-Deployment und die Überprüfung des Deployment-Status sowie der betroffenen Endpunkte, einschließlich des Negativfalls: Der alte Schlüssel erhält auf der nur für Eigentümer zugänglichen Route nun korrekt einen 401-Fehler.
Das Widget. Im Baum existierte ein Spotify-Now-Playing-Footer-Widget, aber der OAuth-Schritt war nie ausgeführt worden; die Redirect-URI war nicht einmal im Spotify-Dashboard registriert. Fable 5.1 führte mich durch die OAuth-Einrichtung, testete die Route lokal und führte anschließend eine adversariale Prüfung der Funktion mit 18 Agents durch: drei Reviewer mit unterschiedlichen Perspektiven, wobei jeder Befund an einen separaten Agent übergeben wurde, dessen Aufgabe darin bestand, ihn zu widerlegen. 15 Befunde wurden aufgenommen, 5 blieben bestehen. Die verbleibenden Befunde waren real: Künstlertext mit einem Kontrast von 2.04:1 gegenüber einer Anforderung von 4.5:1, physisches Padding, das das Pill-Element auf meiner arabischen Route beschädigte, fehlende Fetch-Timeouts, ein nicht abgefangener Upstream-Fehler, der als nicht gecachter 500-Fehler sichtbar geworden wäre, sowie ein Refresh-Token, das in sechs Monaten ablaufen und stillschweigend verschwinden würde. Es behob alle fünf Punkte, maß den Kontrast und das RTL-Padding im Browser und führte das Deployment durch. Ich ließ das Refresh-Token absichtlich aus der Produktion heraus, sodass das Widget dort verborgen bleibt. Als ich danach fragte, protokollierte es den Status, damit die nächste Sitzung weiß, was live ist. Neun Minuten für die Prüfung, etwa 1.65 Millionen Tokens über die 18 Agents hinweg.
Nun zu den Belegen dagegen. Zweimal gab es an diesem Abend ein Secret in der Tool-Ausgabe aus, einmal mein Spotify-Client-Secret und einmal ein kurzlebiges Access-Token, verursacht durch einen Fehler bei der Shell-Expansion während der Prüfung, ob Variablen gesetzt waren. Es bemerkte beide Fälle, informierte mich und forderte mich auf, das Secret zu rotieren. Außerdem verbrachte es fast eine Stunde mit der Frage, welcher Prozess meine MCP-Aufrufe bediente, bevor es bei einer zweizeiligen Lösung landete. Diese Stunde war das Modell, das sich weigerte, Beweise zu akzeptieren, die sich widersprachen – genau das Verhalten, das ich möchte, aber es bleibt trotzdem eine Stunde.
Mit welchem Modell sollte man es vergleichen?
Vergleiche es zuerst mit Fable 5. Ein Point Release ist eine Reparatur, also besteht der Test darin, ob die Reparaturen angekommen sind. An diesem Abend gab es keine Trägheit am Ende der Sitzung, und es hielt den Faden über drei Stunden, zwei Deployments und eine Prüfung mit 18 Agents hinweg. Verweigerungen habe ich nicht gezählt, und ein Abend ist keine Stichprobe. Die Kostensenkung habe ich ebenfalls nicht gemessen; sie beruht auf Anthropics Cache-Preis und der Einstellung für den Aufwand, und ich habe beides nicht erfasst.
Vergleiche es an zweiter Stelle mit GPT-5.6 Sol. Sol kostet beim Listenpreis die Hälfte und führt beim agentischen Langzeitscore im hauseigenen Benchmark von OpenAI weiterhin. Wenn dein Workload ein hohes Volumen hat und Fehler verzeiht, bleibt Sol der günstigere Sitz. Wenn es sich um Arbeit handelt, bei der eine falsche Abkürzung einen ganzen Tag kostet, würde ich sie Fable 5.1 anvertrauen.
Vergleiche es noch nicht mit Gemini. Googles Flaggschiff ist weiterhin Gemini 3.1 Pro, und es gibt keine aktuellen Zahlen. Behalte außerdem OpenAIs Astra im Auge, das für die erste Septemberhälfte gemunkelt wird. Wenn es erscheint, bekommt dieser Beitrag ein Update.
Offenlegung, ganz im Sinne dieses Blogs: Fable 5.1 hat diesen Beitrag innerhalb derselben Sitzung verfasst, die er beschreibt, anhand der Quellen des Tages und seines eigenen Tool-Logs. Ich habe jede Behauptung und jede Zahl überprüft.