Claude Fable 5 in Claude Code: Praxistest gegen Opus 5

Was ist Fable 5?

Fable 5 ist ein codingfokussiertes Modell aus der Claude-5-Familie von Anthropic, veröffentlicht am 9. Juni 2026. Es erschien zusammen mit Mythos 5, einem Schwester-Modell ohne Sicherheitsklassifizierer, das Anthropic nur einer kleinen Zahl verifizierter Organisationen anbot. Eine vollständige Übersicht zum Release und zu Fable 5 im Benchmark-Vergleich findest du in unserem dedizierten Fable-5-Guide.

Fable 5 liegt preislich über Opus 5 und zielt auf anspruchsvollere Programmieraufgaben. Der Hauptunterschied im Gefühl: Es denkt bei jeder Anfrage und lässt sich nicht abschalten. Dadurch wirkt es langsamer und bedächtiger. Opus 5 entscheidet selbst, ob ein Prompt das zusätzliche Denken wert ist.

Technische Daten und Preise

Beide Modelle teilen sich Fenstergröße und maximale Ausgabelänge. Sie unterscheiden sich beim Preis und darin, wie das Denken funktioniert.

Fable 5 kostet pro Token etwa doppelt so viel wie Opus 5. Weil das Denken immer eingeschaltet ist, produziert ein einzelner Lauf zudem meist mehr Tokens. Der reale Preisabstand ist daher größer als der reine Token-Tarif vermuten lässt. Im Direktvergleich weiter unten erzeugte Fable 74% mehr Output-Tokens als Opus – bei einem kleineren Programm.

Für einen ausführlichen Vergleich inklusive Benchmark-Unterschieden lies unseren Guide Claude Opus 5 vs Claude Fable 5.

Das Verweigerungsverhalten, auf das du coden musst

Ein universell nerviger Aspekt von Fable 5 ist der eingebaute Sicherheitsklassifizierer. Weil das Modell als zu leistungsfähig gilt, lässt der Klassifizierer selbst leicht berührte Anfragen in Bereichen wie Biologie oder Cybersicherheit nicht zu.

Bei einer Immunologin hat schon das Wort \"cancer\" einen Biosecurity-Filter ausgelöst, sodass Claude Code auf Opus 4.8 zurückfiel.

Ich selbst bin kürzlich über einen Login-Bug in einem privaten Projekt gestolpert. Der Flow nutzte die Telegram Gateway API für OTP-Sign-in, und Fable 5 weigerte sich kategorisch, das anzufassen. Opus 5 hat die Aufgabe erledigt – und genau das ist das Problem: An dem Bug war nichts sicherheitsrelevant.

Automatischer Fallback ohne Konfiguration passiert nur in Claude Code und den Claude-Apps. Wenn du Fable über die API nutzt, erhältst du im Response ein stop_reason-Feld, obwohl der HTTP-Status 200 Erfolg signalisiert.

Die Antwort sieht so aus:

{
  \"stop_reason\": \"refusal\",
  \"stop_details\": {
	\"category\": \"bio\",
	\"explanation\": \"The request was declined by a safety classifier.\"
  }
}

Also musst du stop_reason prüfen, bevor du den Inhalt der Antwort weiterverarbeitest. 

Um serverseitigen Fallback zu aktivieren, übergib ein fallbacks-Array (z. B. \"fallbacks\": [{\"model\": \"claude-opus-4-8\"}]) und setze den Header anthropic-beta: server-side-fallback-2026-06-01. Setze ihn bei jeder Anfrage; es gibt keinen Account-weiten Schalter.

Hinweis zum Fallback-Modell

Du fragst dich vielleicht, warum manche Quellen sagen, Fable 5 falle auf Opus 4.8 zurück, während andere Opus 5 nennen. Beides stimmt, denn das Ziel hängt von Kategorie und Oberfläche ab. 

In Claude Code wird eine biologisch markierte Anfrage inzwischen mit Opus 5 neu ausgeführt, während eine Anfrage mit Cybersecurity-Flag weiterhin auf Opus 4.8 neu läuft. In der API unterstützt die serverseitige fallbacks-Funktion derzeit nur Opus 4.8. 

Die Aufteilung ist ein Timing-Artefakt: Zum Fable-Launch im Juni fiel alles auf Opus 4.8 zurück, und der Biologie-Pfad wurde später – nach dem Start von Opus 5 am 24. Juli – auf Opus 5 umgestellt.

Die Fable-5-Kontroverse

Fable 5 hatte einen holprigen Start – selbst ohne den Sicherheitsklassifizierer.

Die stille Drosselung und die falschen Verweigerungen

Tages nach dem Launch berichtete Fortune, dass Anthropic Fable 5 bei rund 0,03% des Traffics zu KI- und ML-Infrastruktur stillschweigend abgeschwächt habe – ohne irgendwen zu informieren.

Viele Forschende und auch Entwickler waren verärgert, weil sie bei einem Abo für $200 ein Arbeitstier unter den Frontier-Modellen erwarteten, das jede Aufgabe stemmen kann.

Anthropic lenkte binnen eines Tages unter dem Druck der Community ein und sagte, man habe \"den falschen Trade-off\" gewählt. Geändert wurde die Sichtbarkeit, nicht die Drosselung. Markierte Anfragen werden nun wie Verweigerungen angezeigt, und die Abschwächung selbst blieb. Anthropics Argument: In den Nutzungsbedingungen ist ohnehin untersagt, Claude zum Bau konkurrierender KI-Systeme zu nutzen – vertretbar. Es jedoch einen Monat lang still zu tun, war es nicht.

Die Exportkontroll-Sperre

Dann kam der größere Einschnitt. Ein offengelegter Jailbreak löste am 12. Juni eine Exportkontrollanordnung des Handelsministeriums aus, und Anthropic nahm Fable 5 und Mythos 5 weltweit für 19 Tage offline.

Anthropic wehrte sich die ganze Zeit heftig gegen den Rückruf. Man argumentierte, der Jailbreak sei eng statt universell und auch mit schwächeren Modellen zu finden, sodass der Rückrufstandard aus der eigenen Perspektive intransparent wirkte. Beim Maßstab an sich hatte Anthropic einen Punkt. Niemand hat je einen universellen Jailbreak gebaut, und kein Modell heute erfüllt diesen Standard. Das UK AI Safety Institute berichtete zwar Fortschritte in diese Richtung, aber nichts, das tatsächlich funktioniert.

Beim Maßstab an sich hatte es einen Punkt, wenn auch nicht in der Darstellung. Universelle Jailbreaks gibt es: Das UK AI Security Institute berichtet, solche für jedes getestete Frontier-System gefunden zu haben, und seine Red-Teamer bauten einen gegen Fable 5 selbst – einstufig innerhalb von Stunden und binnen Tagen auf mehrstufige agentische Workflows erweitert, so die Model Card von Fable 5.

Strittig ist tatsächlich, ob dieser Maßstab einen Rückruf auslösen sollte, nicht ob solche Jailbreaks möglich sind.

Wiederherstellung – mit neuen Limits

Anthropic lieferte einen stärkeren Klassifizierer und meldete eine Blockrate von über 99%. Daraufhin hob das Handelsministerium Ende Juni die Auflagen auf.

Der allgemeine Zugang kehrte am 1. Juli zurück – aber zu strengeren Bedingungen. Das versprochene zweiwöchige uneingeschränkte Fenster schrumpfte auf etwa eine Woche, und ein neues wöchentliches 50%-Cap bedeutete: Nach Überschreitung wird weitere Fable-5-Nutzung als Credits zum vollen $10- und $50-Tarif abgerechnet. Genug, um Abonnent:innen auf Reddit zu verärgern.

Anthropic verlängerte die Frist zweimal und teilte die Policy dann am 20. Juli nach Plänen auf: Max und Team Premium behalten Fable 5 auf 50% der Wochenlimits ohne Enddatum, während Pro und Team Standard einen einmaligen $100-Credit erhalten und danach den API-Tarif zahlen. Mythos 5 kehrte nur noch für etwa 100 geprüfte US-Organisationen zurück – zuvor war das Programm breiter und international.

Unterm Strich bleibt Fable 5 damit ein starkes Modell, verpackt in eine Zugriffspolitik, die sich von Monat zu Monat verschiebt. Plane gelegentliche Fehlverweigerungen ein und verlasse dich nicht darauf, dass diese Monatslimits auch im nächsten gelten.

Claude Fable 5 vs. Opus 5 im selben Projekt

Um zu sehen, wie sich beide Modelle unter identischen Bedingungen verhalten, habe ich jedem in einer frischen Claude-Code-Session denselben Auftrag gegeben. Danach habe ich beide vollständigen Transkripte, die internen JSONL-Dateien gelesen und beide fertigen Apps im Browser bewertet.

Mein erster Versuch für diesen Vergleich nutzte einen URL-Shortener. Das war ein Fehler. Beide Modelle bauten nahezu identische Apps – bis hin zu Theme und Feature-Set –, weil ein URL-Shortener die eine offensichtliche Lösung hat, die in jedem Trainingsdatensatz steckt. Der Test maß nichts.

Ein One-Shot-Lebensökosystem in Fable 5 und Opus 5 aufsetzen

Also wählte ich eine Aufgabe ohne kanonische Lösung: eine Simulation eines lebenden Ökosystems. Drei Arten in einem Nahrungsnetz, Agenten, die schwärmen, jagen und verhungern, 5000 gleichzeitig auf dem Bildschirm, alles deterministisch aus einem Seed. Der Prompt verbietet Bibliotheken, die die harten Teile übernehmen würden – jedes Modell muss also eigene räumliche Abfragen, Steuerung und Populationsdynamik schreiben.

Hier ist der Prompt, den beide Modelle Wort für Wort erhielten:

Build a living ecosystem simulation that runs in the browser, and ship it end-to-end in one shot, without asking me any questions or pausing for confirmation. Make all decisions yourself and only stop when it is fully built, tested, and pushed to GitHub.
 
Requirements:
 
- A real-time canvas simulation of an ecosystem with at least three species in a food web (for example producers, herbivores, predators). Species interact: they eat, they are eaten, they reproduce, and they die.
- Agents move with steering behaviour — flocking among their own kind, and avoidance or pursuit across species.
- Each agent has an energy budget. Moving and reproducing cost energy, eating restores it, and running out kills the agent. Population levels must emerge from these rules rather than being scripted.
- The simulation must stay stable and interactive at 5000 agents. Show a live FPS counter and a live population graph per species.
- The whole world is generated from a numeric seed. The same seed must always produce the same run.
- Controls to pause, resume, reset, reseed, and tune the key simulation parameters live while it runs.
- Implement the simulation yourself: the steering, the spatial queries, the integration, and the population dynamics. Do not use a physics engine, a flocking library, a game engine, or a charting library. Plain canvas and your own code.
- Tests covering the core simulation logic.
- A README with setup and run instructions.
 
The simulation should run in the browser and be usable by someone who has never seen it before.
 
When it is complete, create a new GitHub repository with the gh CLI (which is already installed and authenticated) and push the project to it.

Die Keine-Fragen-Regel ist der Punkt. Sie zeigt, wie weit jedes Modell einen Build alleine trägt – ohne dass jemand falsche Abzweigungen korrigiert. Jede Session lief in ihrem eigenen leeren Verzeichnis, ohne Hinweis darauf, dass ein zweites Modell dieselbe Aufgabe hatte.

Die Aufgabe versteckt zudem vier objektive Tests in einem Output, der rein visuell wirkt. 

• Nachbarschaftssuche muss einen räumlichen Index nutzen, sonst bricht die Framerate bei 5000 Agenten ein. 
• Die Welt muss korrekt wrappen oder clampen, sonst tunneln Agenten durch Wände. 
• Zufall muss über einen Seed-Generator laufen, sonst liefert derselbe Seed unterschiedliche Läufe. 
• Und Geburts- und Sterberaten müssen sich die Waage halten, sonst kippt die Population auf null oder explodiert. 

Jeder dieser Fehler ist auf dem Bildschirm sichtbar – genau deshalb lässt sich eine hübsche Demo bewerten.

Beide Builds sind live, du kannst den Vergleich also selbst fahren statt mir einfach zu glauben. Öffne beide nebeneinander und reseede jeweils:

• Fable 5 Build: ecosystem-fable-5.vercel.app (Source)
• Opus 5 Build: ecosystem-opus-5.vercel.app (Source)

Screenshots beider Varianten findest du weiter unten, falls du lieber liest als klickst. Fairer Hinweis: Die Screens sind herausgezoomt, damit alles draufpasst – Details sind eventuell nicht glasklar.

Welches Modell tatsächlich jeden Lauf bedient hat

Vor den Ergebnissen eine methodische Anmerkung, die fürs Verständnis zählt.

Claude Code kann auf Opus zurückfallen, wenn Fable 5s Sicherheitsklassifizierer eine Anfrage ablehnt – ein als Fable markierter Lauf ist also nicht garantiert komplett Fable. Statt zu raten, habe ich in beiden Transkripten bei jedem Assistant-Event das model-Feld protokolliert.

Glücklicherweise kam in meinem Vergleich jedes Event im Fable-Lauf als claude-fable-5 zurück – alle 103. Jedes Event im Opus-Lauf kam als claude-opus-5 – alle 247. Es gab keinen Fallback in irgendeine Richtung. Die Zahlen unten beschreiben die Modelle auf dem Label.

Wie Fable 5 und Opus 5 das Problem angingen

Fable arbeitete leise. 56 Tool-Calls und 429 Wörter Kommentar über den gesamten Build, in 2 Textblöcken.

Opus arbeitete offen. 137 Tool-Calls – mehr als doppelt so viele – und 4.808 Wörter in 110 Blöcken. Bereinigt um Volumen überarbeiteten beide in ähnlichem Tempo, nahe 2 Edits pro geschriebenem File.

Auch beim Tooling gingen sie auseinander. Fable lieferte Plain-ES-Module mit einem python3 -m http.server-Startskript und ganz ohne node_modules. Opus installierte Vite und Vitest und baute gegen eine echte Toolchain.

Die unten angegebenen Buildzeiten messen nur aktive Arbeit. Ich habe von erstem bis letztem Assistant-Event gemessen und alle Leerlaufphasen, in denen die Session wartete statt zu bauen, abgezogen.

Ergebnisse: Tempo, Kosten und Korrektheit

Fable kostete 43% mehr und erzeugte 74% mehr Output-Tokens – für ein kleineres Programm. Weil es sein Denken nicht abschalten kann, tickt der Zähler weiter, auch wenn es die Arbeit nicht braucht.

Beide Modelle bestanden alle objektiven Checks: 

• Gleicher Seed reproduziert dieselbe Welt.
• Unterschiedliche Seeds divergieren.
• Nichts wird zu NaN.
• Kein Agent entkommt der Welt bei Maximalgeschwindigkeit.
• Beide halten 60 FPS im Browser ohne Konsolenfehler.

Die Simulation von Opus ist pro Tick 2,3-mal schneller. Es speichert Agenten in Typed Arrays – ein flaches Array pro Eigenschaft – und hält ein separates räumliches Grid pro Spezies. Fable gibt jedem Agenten ein eigenes Objekt und teilt ein einheitliches Grid für alle drei Arten. Beides ist korrekt, aber Opus hat das schnellere Datenlayout.

Der Defekt, den Fable auslieferte

Fables npm test-Skript läuft nicht. Ausgeliefert wurde node --test test/ – Node 26 interpretiert das als Modulpfad statt als Verzeichnis, daher stirbt der Befehl, bevor ein einziger Test startet. Die 16 Tests darunter sind in Ordnung und bestehen, wenn man die Dateien explizit angibt. Der Entry Point in der package.json ist kaputt.

Ein kleiner Bug mit großer Wirkung, denn der eine Befehl, den Leser:innen wirklich tippen, ist der, der scheitert. Fable bemerkte ihn auch nie – und das zählt: Der Prompt verlangte Tests, verifiziert wurden sie jedoch auf einem Weg, den die eigenen Nutzer nicht gehen werden.

Opus hat keinen vergleichbaren Fehler. Seine 58 Tests laufen über npm test und bestehen. Beide Suites testen, was hier zählt: Seed-Determinismus, Energieerhaltung, Torus-Wrapping und Langzeit-Überleben der Arten. Die Lücke liegt in der Tiefe, nicht in der Art. Den einzigen Check, den nur Opus schrieb, ist der 5000-Agenten-Stresstest – zugleich die Anforderung, die am ehesten bricht.

Was die Screenshots zeigen

Die beiden Apps sehen völlig unterschiedlich aus – genau deshalb habe ich die Aufgabe geändert.

Fable 5: Controls links, Agenten als flache Quadrate, Arten heißen Plants, Herbivores und Predators.

Opus 5: Controls rechts, Agenten als Dreiecke mit Richtung, Arten heißen Plankton, Grazers und Hunters.

Auf der UI-Seite sind das die größten Unterschiede:

• Fable platzierte sein Control-Panel links, zeichnet jeden Agenten als Quadrat und nannte die Arten Plants, Herbivores und Predators.
• Opus setzte das Panel nach rechts und zeichnet gerichtete Dreiecke – man sieht, wohin ein Schwarm zieht. Es erfand ein aquatisches Thema und wählte Plankton, Grazers und Hunters.

Die Populationsgrafiken lesen

Bei den Populationsgrafiken wird der Designunterschied deutlich.

Fable 5s Grafik, lineare Skala. Die Pflanzenlinie füllt die Höhe, die Räuberlinie klebt am unteren Rand.

Opus 5s Grafik, logarithmische Skala. Alle drei Arten bleiben lesbar, die Hunter-Linie kreuzt die Grazer-Linie.

Beide Simulationen oszillieren wie in einem Räuber-Beute-System. Bei Fable schwanken Pflanzen in 5 Minuten zwischen 520 und 7.061, während Pflanzenfresser und Räuber hinterher pendeln – Räuber peaken bei 248 genau dann, wenn Herbivoren bei 119 am Tiefpunkt sind.

Auf linearer Skala frisst die Pflanzenlinie den gesamten vertikalen Bereich, Herbivoren schrumpfen zu einem schmalen Band, und Räuber liegen flach an der Achse.

Darum setzte Opus die Grafik auf eine log-Skala und beschriftete den Peak. Alle drei Arten bleiben lesbar, und man sieht die Hunter-Linie steigen, die Grazer-Linie kreuzen und wieder fallen, wenn Grazers sich erholen. Gleiche Datenklasse – und nur eines der beiden Charts ist gut lesbar.

So verhalten sich die beiden Ökosysteme

Auch die Ökosysteme darunter unterscheiden sich. Opus deckelt seine Produzenten bei 4.229 Plankton – diese Population klebt also an der Decke, und nur die oberen zwei Arten pendeln. Fable koppelt alle drei, was größere Ausschläge und eine lebendigere Welt ergibt. Wir bekamen Stabilität gegen Dynamik – ohne das im Prompt zu fordern.

Fable 5s Parameter-Panel: 13 Slider in den eigenen Einheiten der Simulation.

Opus 5s Parameter-Panel: 9 Slider, jeweils ein Multiplikator ab 1,00, gruppiert in World und Behaviour.

Fable legt 13 Parameter in realen Einheiten offen: Plant growth 5, Perception radius 60, Separation 1.5 und artspezifischer Metabolismus. Opus zeigt 9 – alles normalisierte Multiplikatoren ab 1,00, aufgeteilt in World und Behaviour. 

Kurz gesagt: Fable gibt dir mehr Kontrolle, während Opus ein Panel liefert, mit dem du das Gleichgewicht des Ökosystems nicht so leicht zerschießt.

Solltest du Fable 5 oder Opus 5 wählen?

Nutze Opus 5 als Standard. In diesem Build war es 30% günstiger, lief 2,3-mal schnellere Simulationstakte und schrieb die bessere Testabdeckung. Fable gewann bei der Durchlaufzeit und war in etwa halb so lange beschäftigt.

Wechsle zu Fable 5, wenn du einen Build in einem Rutsch mit minimaler Aufsicht fertigstellen willst oder wenn die Abhängigkeitslast zählt. Fable lieferte ein Programm ohne Dependencies, 42% kleiner als die Alternative, und kam mit 103 Assistant-Turns gegenüber 247 aus. Diese Kürze hat echten Wert bei Aufgaben, die du im Anschluss selbst lesen willst.

Fazit

Zwei Builds eines Projekttyps sind noch kein Benchmark. Die Performance in der Praxis kann trotz vorhandener Benchmarks stark variieren.

Zum Beispiel zeigte unser Vergleich zwar Fable mit mehr Tokens als Opus, die meisten Entwickler teilen aber das Gegenteil: Opus 5 verbrennt bei ähnlichen Aufgaben deutlich mehr Tokens als Fable oder Sol. Der Verdacht: Das RL-Pre-Training von Opus 5 hat es zu sehr darauf optimiert, Tokenkosten zu maximieren statt hilfreich und prägnant zu sein. Außerhalb des Vergleichs spüre ich das in meiner Arbeit: Modelle der Opus-Familie werden oberflächlich immer wortreicher und schwerer lesbar.

Ich persönlich werde Fable 5 bei fast allen Coding-Projekten weiter nutzen – auch für Kund:innen –, weil es langfristig in der Genauigkeit gewinnt. Ich bin auf dem aktuellen Max-Plan und habe meine Nutzungslimits noch nicht erreicht, selbst bei mehreren Fable-Sessions parallel (auch wenn ich Claude Code nicht durchgehend laufen lasse). Opus nutze ich, wenn die Tokenrechnung zählt oder wenn ich für mein eigenes Verständnis einen laufenden Kommentar zum Task haben möchte.

Mehr zu den Modellen und dem Drumherum findest du in unserem vollständigen Claude-Fable-5-Guide, sowie in den Tutorials zu Claude Code und Best Practices für Claude Code.