Claude Fable 5.1 im Check: Was die Zahlen wirklich sagen

Am 1. September 2026 hat Anthropic Claude Fable 5.1 veröffentlicht, zusammen mit einem Zwilling namens Mythos 5.1, den fast niemand benutzen darf. In der Ankündigung steht eine Tabelle mit neun Benchmarks, und in allen neun Zeilen liegt das neue Modell vorn. Diese Tabelle ist der Grund, warum das Modell gerade überall als neue Nummer eins läuft. Sie ist auch der Grund, warum sich ein zweiter Blick lohnt.

Ich trenne in diesem Artikel drei Klassen von Aussagen: Herstellerangaben aus Anthropics eigenem Post und der Produktdokumentation, unabhängige Messungen von Artificial Analysis und vom öffentlichen Terminal-Bench-Leaderboard, und meine eigene Einschätzung, die ich als solche kennzeichne. Die Videofassung dieser Analyse steht oben auf dieser Seite und auf der Videoseite. Welche KI-Werkzeuge wir in der Agentur tatsächlich einsetzen, halten wir auf der Seite KI in Zahlen offen fest. Stand aller Zahlen in diesem Artikel: 8. September 2026.

Die Fakten aus der Ankündigung

Zuerst das Nachprüfbare, alles aus Anthropics Ankündigung und aus der Modellübersicht der Claude-Plattform.

Zwei Punkte daraus werden in den Meldungen gern übersehen. Das Kontextfenster von einer Million Tokens teilt sich Fable 5.1 mit Opus 5 und Sonnet 5, es ist also kein Alleinstellungsmerkmal. Und in der Claude-App ist das Modell schlechter verfügbar, als die Schlagzeilen vermuten lassen: Im Team-Tarif fehlt es komplett, im Pro-Tarif läuft es nur über Nutzungsguthaben.

Anthropics Tabelle: neun Zeilen, neunmal vorn

Die folgenden Werte sind Herstellerangaben, erhoben von Anthropic selbst. Der einzige gelistete Wettbewerber ist GPT-5.6 Sol. GPT-6 Astra fehlt, was plausibel ist, weil es erst zwei Tage nach Fable 5.1 erschien.

Zwei Einschränkungen stehen bei Anthropic selbst unter der Tabelle. Erstens lief Fable 5.1 mit aktiven Schutzmaßnahmen; wo diese eingriffen, gab es null Punkte, was laut Anthropic die eigenen Werte bei OSWorld 2.0 und AutomationBench eher drückt. Zweitens beruhen die OSWorld-Zahlen auf dem Aufgabenstand vom August 2026, weshalb dort gar kein Wettbewerberwert steht. Das ist offengelegt und fair. Es ändert nur nichts daran, dass alle neun Zeilen aus einem einzigen Aufbau stammen.

Terminal-Bench-Science: die Zahl, die überall zitiert wird

Die Schlagzeile aus dieser Tabelle lautet 52,6 Prozent auf Terminal-Bench-Science 0.1, mehr als das Doppelte des Vorgängers mit 24,7 Prozent. Der Benchmark misst, ob ein KI-Agent im Terminal echte Forschungsarbeit erledigt: Daten auswerten, Simulationen laufen lassen, Modelle anpassen. Betrieben wird er vom Terminal-Bench-Projekt, und das Leaderboard ist öffentlich.

Genau dort steht Fable 5.1 am 8. September 2026 nicht. Gelistet sind Opus 5 mit 30,0 Prozent, GPT-5.6 Sol mit 22,4 und Fable 5 mit 21,4 Prozent. Anthropic legt das in der Fußnote zur Tabelle selbst offen, nennt diese beiden Leaderboard-Werte, stellt die eigene Reproduktion daneben (29,0 für Opus 5 und 24,7 für Fable 5) und beziffert den Standardfehler mit 3,5 bis 4,5 Prozentpunkten je Modell.

Das ist saubere Arbeit, und sie macht die 52,6 Prozent nicht falsch. Sie macht sie zu einer Herstellerzahl aus einem eigenen Aufbau, nicht zu einem unabhängig reproduzierten Ergebnis. Am Rand, weil es das Muster zeigt: OpenAI meldet für GPT-6 Astra auf demselben Test 64,6 Prozent gegen 52,6 für Fable 5.1. Auch das ist eine Herstellerzahl, nur eben vom anderen Haus.

Die unabhängige Gegenprobe: Terminal-Bench 4.0

Es gibt einen Benchmark, auf dem Herstellerangabe und unabhängige Messung nebeneinanderstehen: Terminal-Bench 4.0, agentisches Programmieren im Terminal. Das sind die Werte des öffentlichen Leaderboards, abgerufen am 8. September 2026.

Zwei Befunde stecken darin. Erstens halten Anthropics Zahlen der Gegenprobe stand: Der Hersteller meldet für Fable 5.1 55,8 Prozent, gemessen sind 57,9. Für Opus 5 meldet Anthropic 52,3 gegen gemessene 51,8, für Fable 5 42,0 gegen 44,5, bei GPT-5.6 Sol nennen beide 37,3. Alles liegt innerhalb der Fehlerbalken.

Zweitens steht Fable 5.1 hier nicht auf Platz eins. GPT-6 Astra liegt mit 58,2 Prozent davor, bei etwa halb so vielen Tokens und etwa der Hälfte der Kosten. Der Abstand von 0,3 Prozentpunkten ist praktisch ein Gleichstand, der Kostenunterschied ist es nicht.

Artificial Analysis: gleichauf an der Spitze, getrennt an der Kasse

Die zweite unabhängige Quelle ist Artificial Analysis. Deren Intelligence Index fasst in der Version 4.3 zehn Prüfungen zusammen, darunter Terminal-Bench v4.0, SciCode, Humanity's Last Exam und GDPval-AA v2, gemessen auf eigener Hardware.

Fable 5.1 steht damit auf Platz eins, der Vorsprung beträgt 0,56 Indexpunkte. In der Grafik von Artificial Analysis zeigen beide Spitzenmodelle gerundet eine 53.

Zwei Hinweise gehören dazu, sonst zitiert man die falsche Zahl. Erstens wurde der Index seit dem Launch zweimal umgebaut, am 4. September auf v4.2 und am 7. September auf v4.3, unter anderem mit dem Wechsel auf Terminal-Bench v4 und der Aufnahme von AutomationBench-AA. Die Zahl 66, die in vielen Meldungen vom 1. September steht, stammt aus der alten Indexversion und ist mit der heutigen nicht vergleichbar. Zweitens schreibt Artificial Analysis selbst, Anthropic vor dem Start bei der Bewertung unterstützt zu haben. Es sind eigene Läufe auf eigener Hardware, vollständig unabhängig ist das trotzdem nicht.

Warum eine einzelne Aufgabe so viel kostet

Die interessanteste Spalte ist nicht der Index, sondern der Preis je Aufgabe. Eine Aufgabe aus dem Index kostet bei Fable 5.1 im Schnitt 7,63 Dollar, bei Opus 5 5,86 und bei GPT-6 Astra 3,26. Unter den aktuellen Spitzenmodellen ist Fable 5.1 damit der teuerste Weg zum Ergebnis. Mit einem Vorbehalt, der dazugehört: Der eigene Vorgänger Fable 5 liegt in derselben Messung mit 8,75 Dollar noch höher. Fable 5.1 ist also teuer, aber günstiger als das Modell, das es ablöst.

Der Grund ist Ausführlichkeit. Für den Index-Durchlauf erzeugte Fable 5.1 laut Artificial Analysis 190 Millionen Tokens, der Median vergleichbarer Modelle liegt bei 88 Millionen. Der komplette Durchlauf kostete 13.128,86 Dollar. Artificial Analysis fasst das Modell selbst so zusammen: unter den führenden Modellen bei der Intelligenz, besonders teuer im Vergleich zu ähnlich bepreisten Modellen, langsamer als der Durchschnitt und sehr ausführlich.

Der Zwilling Mythos 5.1, richtig herum erklärt

Der Name legt nahe, Mythos sei die stärker abgesicherte Variante. Es ist umgekehrt. Anthropic schreibt, beide seien dasselbe Modell mit unterschiedlichen Schutzstufen. Fable 5.1 ist die allgemein verfügbare Version mit den strengeren Standard-Schutzmaßnahmen. Mythos 5.1 hat die lockereren, und Zugang bekommt nur, wer geprüft ist: Cyber-Verteidiger über das Cyber Verification Program, Lebenswissenschaftler über das Life Sciences Verification Program, aktuell nur Organisationen in den USA.

Den Unterschied sieht man in Anthropics eigener Tabelle: Auf Terminal-Bench 4.0 meldet das Unternehmen für Mythos 5.1 60,9 Prozent gegen 55,8 für Fable 5.1. Anthropic erklärt die Lücke damit, dass bei Fable die Cyber-Schutzmaßnahmen in einige Aufgaben eingegriffen haben.

Praktisch relevant für die Entwicklungsarbeit: Fable 5.1 darf jetzt Software-Schwachstellen identifizieren, also defensive Sicherheitsarbeit leisten. Penetrationstests, Exploit-Generierung und binärbasiertes Schwachstellen-Scanning werden weiterhin an die Opus-Modelle umgeleitet, Forschung und Entwicklung in den Lebenswissenschaften ebenfalls. Den Effekt der neuen, präziseren Regeln beziffert Anthropic mit rund 60 Prozent weniger Eingriffen je Claude-Code-Sitzung. Auch das ist eine Herstellerangabe.

Der Preis: eine einzige Zeile hat sich geändert

Alle Werte je Million Tokens, Listenpreise der Anbieter, Stand 8. September 2026.

Der Listenpreis für Ein- und Ausgabe ist gegenüber Fable 5 unverändert und weiterhin doppelt so hoch wie bei Opus 5. Die einzige echte Änderung steht in der Cache-Spalte. Wenn das Modell Kontext liest, den es schon verarbeitet hat, kostete das bisher einen Dollar je Million Tokens. Jetzt sind es 25 Cent, also 75 Prozent weniger, und damit erstmals weniger als bei Opus 5 mit 50 Cent. GPT-6 Astra hat exakt dieselben Listenpreise von 10 und 50 Dollar, verlangt beim Cache-Read aber weiterhin einen Dollar.

Warum das die wichtigste Zeile ist: Ein Agent, der stundenlang an derselben Aufgabe arbeitet, liest denselben Kontext immer wieder. Bei solchen Läufen besteht die Rechnung überwiegend aus Cache-Reads. Anthropic rechnet vor, typische Arbeitslasten würden dadurch rund 25 Prozent günstiger als mit Fable 5, stark agentische bis zu 45 Prozent. Wichtig dabei: Diese Prozentwerte sind eine Modellrechnung auf Anthropics eigenem Nutzungs-Mix aus dem August 2026, kein Rabatt, der auf deiner Rechnung auftaucht. Der harte Fakt ist der Cache-Preis, ein Dollar auf 25 Cent. Wer Aufgaben stapeln kann, bekommt über die Batch-Verarbeitung zusätzlich 50 Prozent auf Ein- und Ausgabe.

Rückblick: was aus den Leak-Behauptungen geworden ist

Ende Juli habe ich die damals kursierenden Leak-Behauptungen zu Claude Fable 5.1 geprüft. Der Befund lautete: kein Artefakt, keine Modell-ID, kein Eintrag in der Dokumentation, also bleibt es eine Behauptung. Jetzt liegt das Artefakt vor, und damit lässt sich abrechnen.

Der Name Fable 5.1 hat gestimmt. Der Termin nicht: Aus dem angekündigten August wurde der 1. September. Die Angabe „Preise unverändert" war halb richtig, denn die Listenpreise blieben tatsächlich, aber die eigentliche Preisänderung, der Cache-Rabatt, kam in keiner einzigen der kursierenden Behauptungen vor. Und die Vermutung, Anthropic halte das Modell für den nächsten OpenAI-Release zurück? Fable 5.1 kam am 1. September, GPT-6 Astra am 3. Das zeitliche Muster passt, ein Beleg für einen Zusammenhang ist es nicht, und Anthropic hat sich dazu nie geäußert.

Der Lerneffekt daraus ist für mich der interessanteste Teil: Die Gerüchteküche hat den Namen halbwegs getroffen und die einzige praktisch relevante Neuigkeit komplett verpasst.

Für wen sich Fable 5.1 lohnt, und wann Opus reicht

Was jetzt kommt, ist meine Einschätzung auf Basis der oben belegten Zahlen und meiner eigenen Arbeit mit diesen Modellen, kein externer Fakt.

Anthropic formuliert die Empfehlung in der eigenen Modellübersicht so: Wer unsicher ist, startet mit Claude Opus 5; Fable 5.1 ist für anspruchsvolles Schlussfolgern und lange agentische Läufe gedacht, oder wenn die eigenen Tests mit Opus 5 auf höherer Anstrengungsstufe nicht reichen. Aus meiner Praxis deckt sich das mit dem, was ich sehe. Für Texte, Auswertungen und übliche Automatisierung ist Opus 5 zum halben Token-Preis die Vernunftwahl, und die Benchmarkzahlen dazu habe ich in der Analyse zu Claude Opus 5 aufgeschrieben. Fable 5.1 holst du dir, wenn ein Agent über Stunden mit demselben großen Kontext arbeitet, denn genau dort schlägt der neue Cache-Preis durch.

Ein Detail fehlt in fast jeder Rechnung: die Anstrengungsstufe. Fable 5.1 hat fünf davon, und laut der Auswertung von Artificial Analysis liegt zwischen der niedrigsten und der höchsten das Elffache an Ausgabe-Tokens. Wer die Stufe nicht bewusst setzt, bezahlt Maximalaufwand für Aufgaben, die ihn nicht brauchen. Wenn du sortieren willst, welche Modelle zu deinen Aufgaben, deinem Datenschutz-Rahmen und deinem Budget passen, ist genau das Thema unserer KI-Beratung.

Quellen

• Anthropic, Ankündigung „Introducing Claude Fable 5.1 and Claude Mythos 5.1", 1. September 2026: anthropic.com
• Claude Platform Docs, Modellübersicht mit Modell-IDs, Kontextfenster und Wissensstand: platform.claude.com
• Claude Platform Docs, Preisübersicht inklusive Cache und Batch: platform.claude.com
• claude.com, Pläne und Modellverfügbarkeit, Abruf 8. September 2026: claude.com/pricing
• Anthropic, System Card zu Fable 5.1 und Mythos 5.1: anthropic.com
• Artificial Analysis, Modellseite zu Claude Fable 5.1, Intelligence Index v4.3, Abruf 8. September 2026: artificialanalysis.ai
• Artificial Analysis, Artikel vom 1. September 2026, Indexversion vor v4.2: artificialanalysis.ai
• Terminal-Bench 4.0, öffentliches Leaderboard, Abruf 8. September 2026: tbench.ai
• Terminal-Bench-Science 0.1, öffentliches Leaderboard, Abruf 8. September 2026: tbench.ai
• OpenAI, Ankündigung zu GPT-6 Astra mit dem eigenen Vergleich gegen Fable 5.1: openai.com
• OpenAI, API-Preise zu GPT-6 Astra: developers.openai.com

Stand der Zahlen: 8. September 2026

Häufige Fragen

Was ist neu an Claude Fable 5.1?

Anthropic hat Claude Fable 5.1 am 1. September 2026 veröffentlicht, zusammen mit der Zwillingsvariante Mythos 5.1. Kontextfenster von einer Million Tokens, 128.000 Tokens maximale Ausgabe und Wissensstand Juni 2026 entsprechen der Modellübersicht von Anthropic. Der Listenpreis für Ein- und Ausgabe bleibt unverändert bei 10 und 50 Dollar je Million Tokens. Die eine echte Preisänderung betrifft Cache-Reads: Sie fallen von 1 Dollar auf 25 Cent je Million Tokens, also um 75 Prozent.

Sind die 52,6 Prozent auf Terminal-Bench-Science unabhängig bestätigt?

Nein. Die 52,6 Prozent sind eine Herstellerangabe aus Anthropics eigenem Testaufbau. Auf dem öffentlichen Terminal-Bench-Science-Leaderboard steht Fable 5.1 am 8. September 2026 nicht; dort sind Opus 5 mit 30,0 Prozent, GPT-5.6 Sol mit 22,4 und Fable 5 mit 21,4 Prozent gelistet. Anthropic legt das in einer Fußnote selbst offen, nennt die Leaderboard-Werte und beziffert den Standardfehler mit 3,5 bis 4,5 Prozentpunkten je Modell.

Was kostet Claude Fable 5.1 im Vergleich zu Opus 5?

Laut Preisliste der Claude-Plattform kostet Fable 5.1 je Million Tokens 10 Dollar im Input und 50 Dollar im Output, also weiterhin das Doppelte von Opus 5 mit 5 und 25 Dollar. Beim Cache-Read dreht sich das Verhältnis: 25 Cent bei Fable 5.1 gegen 50 Cent bei Opus 5. In der Messung von Artificial Analysis kostet eine Index-Aufgabe bei Fable 5.1 trotzdem 7,63 Dollar, bei Opus 5 5,86 und bei GPT-6 Astra 3,26 Dollar.

Lohnt sich der Wechsel von Opus 5 auf Fable 5.1?

Anthropic empfiehlt in der eigenen Dokumentation, mit Opus 5 zu starten und Fable 5.1 für anspruchsvolles Schlussfolgern und lange agentische Läufe zu nehmen. Aus meiner Praxis passt das: Für Texte, Auswertungen und übliche Automatisierung ist Opus 5 zum halben Token-Preis die Vernunftwahl. Fable 5.1 rechnet sich dort, wo ein Agent über Stunden mit demselben großen Kontext arbeitet, weil genau dann der neue Cache-Preis durchschlägt.