Sakana Fugu vs. Claude Fable 5: Benchmarks, Preise & mehr

Sakana positioniert Fugu als ebenbürtig zu Fable 5, lässt Fable 5 in der eigenen Benchmark-Tabelle aber außen vor. Also vergleichen wir beide Modelle so direkt, wie es aktuell möglich ist.

Zur Vorgeschichte: Die US-Regierung hat den öffentlichen Zugriff auf Claude Fable 5 nur drei Tage nach dem Launch durch Anthropic ausgesetzt. Fable 5 wurde als das leistungsfähigste Modell von Anthropic angekündigt. Zwei Wochen später bringt Sakana AI aus Tokio nun Fugu mit großen Versprechen. Vor allem eines macht die Runde: Sakana AI sagt, Fugu Ultra stehe „Schulter an Schulter mit führenden Modellen wie Fable 5 und Mythos Preview“ auf den härtesten Engineering-, Wissenschafts- und Reasoning-Benchmarks der Branche – ganz ohne Exportkontrollrisiko. CEO David Ha sagte auf X, Fugu belege, dass ein austauschbarer Pool orchestrierter Agenten gesperrte Spitzenmodelle wie Fable erreichen kann.

Diese Aussagen sind schwer zu prüfen, weil Fable 5 in Fugus Benchmark-Tabelle gar nicht auftaucht. Sakana begründet das damit, dass es nicht öffentlich zugänglich ist. Wir tun, was geht: Wir prüfen die wenigen Benchmarks, die in beiden veröffentlichten Tabellen mit identischen Baselines erscheinen. Zum Abschluss sprechen wir über Preise und die Zugriffslage.

Wenn du Hintergrund zu den beiden Systemen einzeln willst, haben wir dazu Blogbeiträge: Lies unsere Claude Fable 5 Analyse und das Sakana Fugu Porträt.

Was ist Sakana Fugu?

Sakana Fugu ist kein einzelnes trainiertes Modell im klassischen Sinn. Es ist ein Orchestrator: ein Modell, das deine Anfrage entgegennimmt, entscheidet, ob es direkt antwortet oder an Spezialmodelle in einem Pool delegiert, Verifizierung und Synthese steuert und über eine OpenAI-kompatible API eine einzige Antwort zurückgibt. Von außen rufst du einen Endpoint auf; innen erledigt ein koordiniertes Set aus Spitzenmodellen die Arbeit.

Es gibt zwei Varianten. Fugu balanciert Qualität und niedrige Latenz und ist als Alltagsstandard für Coding, Reviews und interaktive Services gedacht. Fugu Ultra koordiniert einen größeren Pool an Expertenagenten und ist auf maximale Antwortqualität bei harten, mehrstufigen Aufgaben getrimmt – Paper-Reproduktion, Cybersecurity-Analysen, Data Science im Kaggle-Stil, Patentrecherchen.

Die Idee besteht eigentlich aus zwei Ideen.

• Erstens: gelerntes Orchestrieren: Der Koordinator wird darauf trainiert, wann delegiert und wie Ausgaben kombiniert werden – statt eine handcodierte Pipeline abzufahren.
• Zweitens: ein austauschbarer Agentenpool: Wenn ein neues Spitzenmodell öffentlich verfügbar wird, rechnet Sakana mit rund zwei Wochen, um es zu integrieren. (Wichtig für den Rest des Artikels: Fable 5 ist nicht in diesem Pool, weil es nicht öffentlich zugänglich ist.)

Was ist Claude Fable 5?

Claude Fable 5 ist ein Mythos-Klassenmodell – eine Stufe, die Anthropic über der Opus-Klasse ansiedelt – und wird durch eine Reihe von Klassifizierern für den allgemeinen Einsatz abgesichert. Es ist dasselbe zugrunde liegende Modell wie Claude Mythos 5; der Unterschied: Fable 5 läuft (lief) mit aktiven Safety-Klassifizierern, während bei Mythos 5 einige davon aufgehoben sind und es nur für Project Glasswing Partner und ausgewählte Biologieforschende verfügbar ist.

Anthropic behauptete, Fable 5 sei bei fast allen von Anthropic verfolgten Benchmarks führend – mit wachsendem Vorsprung bei längeren, komplexeren Aufgaben. Der wichtigste Praxishinweis: Sobald eine Anfrage Cybersicherheit, Biologie/Chemie oder Modelldistillation berührt, leitet ein zweistufiger Klassifizierer die Antwort an Claude Opus 4.8 um und informiert die Nutzenden darüber.

Sakana Fugu vs. Claude Fable 5: Benchmarks

Sakanas veröffentlichte Vergleichstabelle schließt Fable 5 und Mythos Preview aus, weil sie nicht öffentlich zugänglich sind und daher nicht in Fugus Pool sein können. Offiziell misst Sakana Fugu gegen Opus 4.8, GPT-5.5 und Gemini 3.1 Pro – alle unten in der Tabelle. Dort gewinnt Fugu bei 10 von 11 Benchmarks.

Um Fable 5 ins Bild zu bekommen, habe ich die Benchmarks abgeglichen, die sowohl in Anthropics als auch in Sakanas Tabellen vorkommen, und geprüft, dass die gemeinsamen Baselines übereinstimmen. Bei SWE-Bench Pro und Humanity's Last Exam (ohne Tools) sind die Werte für Opus 4.8, GPT-5.5 und Gemini 3.1 Pro in beiden Quellen identisch – diese Vergleiche sind also sauber. Auf die zwei Systeme reduziert, sieht das Kopf-an-Kopf so aus:

‡ Die beiden Labs berichten unterschiedliche Baselines und verwenden verschiedene Scaffolds für TerminalBench, die Bedingungen sind also nicht identisch.

Das sind die einzigen Benchmarks, bei denen die veröffentlichten Ergebnisse direkt vergleichbar sind. Fable 5 führt alle drei an.

Auf jedem Benchmark, bei dem ein direkter Vergleich möglich ist, liegt Fable 5 also rund 6–9 Punkte vor Fugu Ultra. Das passt dazu, wo Fable 5 punkten soll: bei lang angelegten Aufgaben mit Endbewertung, bei denen ein einzelnes stärkeres Modell weniger Fehler akkumuliert.

Kurz gesagt:

1. Alle Fugu-Werte sind Eigenaussagen und tauchen noch nicht auf unabhängigen Leaderboards auf.
2. Sakana beschreibt Fugu als „Schulter an Schulter“ mit Fable 5 und Mythos Preview. Angesichts der Lücken oben ist das vertretbar, aber großzügig. „Nah dran, aber dahinter“ trifft es besser.
3. Die Vergleichssätze überlappen nur teilweise. Fable 5 führt bei Vision (es kann den Source-Code einer Web-App aus Screenshots rekonstruieren), was Fugu gar nicht betont; Fugu veröffentlicht dafür Long-Context- und Banking-Benchmarks, die in Anthropics Tabelle fehlen. Beide sind also für etwas unterschiedliche Arbeitsprofile optimiert.

Sakana Fugu vs. Claude Fable 5: Verfügbarkeit und Zugang

Claude Fable 5 ist derzeit ausgesetzt. Anthropic hat den Zugang zu Fable 5 und Mythos 5 am 12. Juni nach einer US-Exportkontrollanordnung zurückgezogen und arbeitet daran, den Zugang so schnell wie möglich wiederherzustellen. Andere Modelle wie Opus 4.8 sind weiterhin verfügbar.

Sakana Fugu ist jetzt verfügbar über console.sakana.ai mit einer OpenAI-kompatiblen API – außer in der EU und dem EWR, wo Sakana die Verfügbarkeit pausiert hat, während es die DSGVO-Compliance sicherstellt. Einen genauen Zeitplan konnte ich nicht bekommen.

Aktuell könnte ein europäisches Team also keines der beiden Modelle nutzen.

Fazit

Auf dem Papier ist das ein enger, echter Wettstreit zweier Philosophien.

Anthropic setzt auf Skalierung – ein Mythos-Klassenmodell, so leistungsfähig, dass es ein paralleles Klassifizierersystem braucht.

Sakana setzt auf Koordination – dass ein trainierter Orchestrator über einem austauschbaren Pool in Schlagdistanz zu jedem einzelnen Spitzenmodell bleiben kann, dabei günstiger, robuster und anbieterunabhängig.

Nimmt man die Benchmarks beim Wort, liefert Anthropics Wette das stärkere Artefakt in den vergleichbaren Tests, während Sakanas Ansatz das verfügbarere und günstigere Produkt hervorbringt.