Claude Fable 5 Use Cases

In den ersten Tagen der Early-Access-Phase hat Claude Fable 5 eine codebasisweite Migration durch Stripes 50-Millionen-Zeilen-Ruby-Codebase an einem einzigen Tag durchgezogen – Arbeit, für die ein ganzes Team von Hand über zwei Monate gebraucht hätte. Es hat außerdem den Quellcode einer Web-App allein aus Screenshots rekonstruiert, beim Analytics-Benchmark von Hex die 90 % geknackt und für einen unabhängigen Entwickler an einem Nachmittag eine Woche an Library-Features ausgeliefert.

Das ist keine Feature-Liste. Das ist eine Beweisliste. Hier steht, was echte Teams und ein sehr öffentlicher unabhängiger Tester in den ersten 48 Stunden tatsächlich mit claude-fable-5 gemacht haben – mit Namen und Zahlen dazu.

Eine Anmerkung zu den Quellen, bevor du weiterliest. Die meisten dieser Berichte stammen von Early-Access-Kunden, die Anthropic in seiner Launch-Ankündigung zitiert hat – sie sind also First-Party und vom Anbieter kuratiert. Wir kennzeichnen, was was ist. Das stärkste unabhängige Signal kommt vom Entwickler Simon Willison, der keinen Early Access hatte und am Launch-Tag seine eigenen Tests gefahren hat.

Die Beweisliste auf einen Blick

Firma / Test	Use Case	Ergebnis
Stripe	Codebasisweite Migration, 50-Mio-Zeilen-Ruby-Codebase	1 Tag statt über 2 Monate für ein ganzes Team
Cognition (Devin)	FrontierCode Coding-Eval	Höchster Wert aller Frontier-Modelle, sogar bei mittlerem Effort
Cursor	Long-Horizon-Coding (CursorBench)	State of the Art; erschloss bisher unerreichbare Probleme
GitHub	Komplexes Long-Horizon-Coding	Autonomie und Zuverlässigkeit jenseits früherer Benchmarks
Base44	Komplette Apps in einem Schuss	Apps, die vor einem Jahr 100 Prompts brauchten, gelingen jetzt in einem Schuss
Genspark	UI-Design und Game-Coding	Schlug jedes andere getestete Modell
Hebbia	Finance Benchmark (Reasoning auf Senior-Niveau)	Höchster Score aller Modelle
IMC	Trading-Analyse-Evals	Fast durchgehend gemeistert
Hex	Kern-Analytics-Benchmark	Erstes Modell, das 90 % knackt – ein Sprung von 10 Punkten gegenüber Opus
Physiklabor	Frontier-Physikforschung	Ein Drittel der Reasoning-Tokens; in 36 Stunden fast da, wo GPT-5.5 nach vier Tagen war
Rechtsteam	Vertrags-Redlines (Blindtest)	Erreichte oder schlug ihr aktuelles Modell jedes Mal
Spreadsheet-Suite	Alltägliche Spreadsheet-Aufgaben	Schlägt Opus 4.8 auf jeder Effort-Stufe, 25–30 % schneller
Rakuten	Hochgradig autonome Abläufe	Validiert die eigene Arbeit; "das Extra-Nachdenken rechnet sich"
Anthropic (Vision)	Web-App aus Screenshots rekonstruieren	Quellcode allein aus Screenshots rekonstruiert
Simon Willison	MicroPython zu vollem CPython in WASM	Lauffähiges, installierbares Wheel an einem Tag

Coding, Migrationen und Long-Horizon-Engineering

Das ist die Kategorie, in der Fable 5s Vorsprung am größten ist, und Anthropic sagt auch klar, warum: Je länger und komplexer die Aufgabe, desto größer ist Fables Vorteil gegenüber den anderen Modellen.

Das Vorzeigebeispiel ist Stripe. Laut Anthropics Ankündigung berichtete Stripe, dass Fable 5 "Monate an Engineering auf Tage komprimiert" hat. In einer 50-Millionen-Zeilen-Ruby-Codebase führte das Modell an einem Tag eine codebasisweite Migration durch, die ein ganzes Team von Hand sonst über zwei Monate gekostet hätte. Das ist die Art Arbeit, die man normalerweise in Quartale einplant, nicht in Nachmittage.

Die Agent- und Editor-Firmen erzählen eine konsistente Geschichte. Cursor berichtete, dass Fable 5 "das State-of-the-Art-Modell auf CursorBench" ist und dass es "eine Klasse von Long-Horizon-Problemen erschlossen hat, die für frühere Modelle unerreichbar waren". Cognition, das Team hinter Devin, sagte, es sei das Modell mit dem höchsten Score auf ihrem FrontierBench-Coding-Eval, es "glänzt bei Long-Horizon-Reasoning und generalisiert ohne Vorbereitung auf unbekannte Tools" und es liegt selbst bei mittlerem Effort an der Spitze der Frontier-Modelle. GitHub sagte, dass es in frühen Tests komplexe Long-Horizon-Coding-Aufgaben "mit einem Maß an Autonomie und Zuverlässigkeit übernommen hat, das frühere Benchmarks übertraf".

Für Builder ohne große Legacy-Codebase zählen die Vibe-Coding-Zahlen mehr. Base44 berichtete, dass "Apps, die vor einem Jahr hundert Prompts brauchten, jetzt in einem Schuss gelingen", und sagte gegenüber TechCrunch, Fable sei besser darin, komplette Apps in einem Schuss zu bauen, mit exzellentem Tool-Calling. Genspark sagte gegenüber TechCrunch, Fable habe in ihren Evaluierungen jedes andere Modell geschlagen und sei bei UI-Design und Game-Coding deutlich besser.

Der einzige vollständig unabhängige Bericht kommt von Simon Willison, der keinen Early Access hatte. In rund fünfeinhalb Stunden am Launch-Tag hat er Fable in Claude Code genutzt, um seinem Datasette-Agent-Projekt eine Human-in-the-Loop-Funktion zum Pausieren und Bestätigen hinzuzufügen. Als er ihm sagte, dass Änderungen an seiner zugrunde liegenden LLM-Library auch dazugehören, implementierte es vier Upstream-Features, um die Arbeit sauber zu unterstützen, und lieferte sie dann als Release aus. Sein Fazit: "Ich habe heute mehrere Stunden daran gearbeitet, aber es fühlt sich an wie mehrere Tage Arbeit", und er lobte die Qualität von API-Design, Tests, Code und Dokumentation.

Was das für dich bedeutet: Der Unlock ist nicht "schreibt schneller Code", sondern "bleibt kohärent über einen Job, der zu groß ist, um ihn zu beaufsichtigen". Wenn du eine Migration, ein Refactoring oder ein Feature hast, das sich über viele Dateien zieht und normalerweise einen ganzen Sprint frisst, ist das das Modell, auf das du es ansetzt. Für kleine tägliche Edits ist Sonnet weiterhin die günstigere, schnellere Wahl.

Knowledge Work: Finance, Analytics und Forschung

Fable 5 ist nicht nur ein Coding-Modell. Einige der schärfsten frühen Ergebnisse kamen von Analysten.

Hex, die Analytics-Plattform, sagte, Fable 5 sei "das erste, das 90 % bei unserem Kern-Analytics-Benchmark aus komplexen, langlaufenden analytischen Aufgaben knackt" – ein Sprung von 10 Punkten gegenüber Opus – und fügte hinzu, dass es "bei den härtesten Fragen starkes Urteilsvermögen und Sinn fürs Detail zeigt". TechCrunch hat dieses Ergebnis unabhängig nachberichtet, was es zu einer der besser belegten Aussagen im Launch macht.

Im Finance-Bereich berichtete Hebbia, dass Fable 5 den höchsten Score aller Modelle auf seinem Finance Benchmark für Reasoning auf Senior-Niveau hat, mit deutlichen Zugewinnen bei dokumentbasiertem Reasoning sowie der Interpretation von Charts und Tabellen. Die Trading-Firma IMC sagte, Fable habe "ihre Trading-Analyse-Evaluierungen fast durchgehend gemeistert", einschließlich Faktenrecherche, konzeptionellem Reasoning, Ursachenanalyse und Erwartungswertanalyse.

Die Forschungsergebnisse sind am eindrucksvollsten. Ein Physik-Forschungslabor sagte Anthropic, dass Fable 5 "das stärkste Modell ist, das wir bei Frontier-Physikforschung getestet haben, und das mit einem Drittel der Reasoning-Tokens", und dass es "in 36 Stunden fast dort war, wo GPT-5.5 nach vier Tagen landete". Weniger Compute, weniger Zeit, vergleichbares Ziel.

Selbst die unspektakuläre Spreadsheet-Arbeit wurde besser. Ein Kunde berichtete, dass Fable Opus 4.8 bei seiner alltäglichen Spreadsheet-Suite auf jeder Effort-Stufe schlägt und Durchläufe 25 bis 30 % schneller mit weniger Turns abschließt.

Was das für dich bedeutet: Wenn deine Arbeit darin besteht, dichtes Quellmaterial zu lesen und die Details richtig hinzubekommen – Finanz-Memos, Analytics-Pipelines, Forschungssynthese –, geht es bei den Zugewinnen hier um Urteilsvermögen unter Unsicherheit, nicht um rohe Geschwindigkeit. Der Token-Effizienz-Aspekt ist auch real. Schnellere Durchläufe auf niedrigeren Effort-Stufen können den höheren Preis pro Token ausgleichen.

Vision: Screenshots rein, Code raus

Anthropic nennt Fable 5 den neuen State of the Art bei Vision-Aufgaben, und die Beispiele sind konkret statt abstrakt.

Das wichtigste für Builder: Fable 5 kann den Quellcode einer Web-App allein aus Screenshots rekonstruieren. Es kann außerdem präzise Zahlen aus detaillierten wissenschaftlichen Abbildungen extrahieren – die Art Chart-Lesen, für die sonst ein Mensch zum Abtippen nötig ist.

Die klarste Demonstration, wie weit die Vision-Fortschritte reichen, ist ein Spiel. Frühere Claude-Modelle taten sich schwer, Pokemon FireRed zu spielen, selbst wenn man ihnen Gerüste voller Hilfstools, Karten und Spielzustands-Infos gab. Fable 5 hat das Spiel mit einem minimalen, rein visuellen Gerüst durchgespielt und allein aus rohen Screenshots gearbeitet. Das Modell übernimmt Navigation und Planung selbst, direkt aus den Pixeln, statt sich auf Gerüste zu stützen, die jemand für es gebaut hat.

Was das für dich bedeutet: Screenshot-zu-Code und Abbildungs-Extraktion sind jetzt zuverlässig genug, um sie in einen Workflow zu packen. Wenn du Design-Mockups, Dashboard-Aufnahmen oder wissenschaftliche PDFs hast, kannst du sie direkt übergeben, statt vorher abzutippen. Weniger Gerüst nötig ist das praktische Leitmotiv: Das Modell kommt mit chaotischen echten Interfaces zurecht und braucht dafür weniger eigene Tools.

Langlaufende Agents, Memory und Selbstvalidierung

Die Eigenschaft, die all das oben überhaupt nutzbar macht, ist das, was passiert, wenn kein Mensch zuschaut.

Rakuten brachte es in einem von TechCrunch berichteten Statement auf den Punkt: "Beim höchsten Effort reflektiert und validiert Claude Fable 5 seine eigene Arbeit. Für uns ist das genau das, was hochgradig autonome Abläufe möglich macht. Das Extra-Nachdenken rechnet sich." Dieser Selbst-Check ist der Unterschied zwischen einem Agent, den du laufen lassen kannst, und einem, den du Zeile für Zeile neu prüfen musst.

Memory verstärkt den Effekt. In Anthropics eigenem Test spielte das Modell das Deckbuilding-Spiel Slay the Spire mit Zugriff auf persistentes, dateibasiertes Memory. Dieses Memory verbesserte Fables Performance dreimal so stark wie die von Opus 4.8, und Fable erreichte den letzten Akt des Spiels dreimal so oft. Das Modell merkt sich nicht nur etwas, es verbessert über einen langen Durchlauf hinweg sein eigenes Spiel aus seinen eigenen Notizen.

Auf der Seite der Agent-Orchestrierung sagt Anthropics Dokumentation, dass Fable 5 deutlich verlässlicher darin ist, parallele Subagents loszuschicken und am Laufen zu halten und die Kommunikation mit langlaufenden zu managen. Ein früher Kunde berichtete, dass es "leistungsfähigeres Engineering in weniger Turns liefert", während es die komplexen Multi-Agent-Claude-Code-Workflows bewältigt, die seine Mitarbeiter täglich fahren.

Was das für dich bedeutet: Das ist das Modell für Arbeit, die du anstößt und dann liegen lässt. Wenn du Agents über Nacht laufen lässt, Subagents über einen großen Job verteilst oder autonome Pipelines baust, ist die Selbstvalidierung das tragende Feature. Sie ist auch der Grund, warum Leute es bei Jobs ranholen, die Opus 4.8 unbeaufsichtigt nicht fertig bekam.

Wissenschaft, über dasselbe zugrunde liegende Modell

Die spektakulärsten Ergebnisse kamen von Mythos 5 – dem gleichen zugrunde liegenden Modell wie Fable 5, nur mit abgeschalteten Safety-Klassifizierern. Lesenswert, mit einem Vorbehalt: Das öffentliche Fable 5 fällt bei den meisten Biologie- und Chemie-Anfragen auf Opus 4.8 zurück, du kannst diese Dinge auf dem öffentlichen Modell also nicht zwangsläufig reproduzieren. Sie zeigen, wozu diese Modellklasse fähig ist, nicht, was ein offener API-Call heute leistet.

Mit dieser Einschränkung sind die Zahlen bemerkenswert. Anthropics interne Protein-Design-Experten berichteten, dass sie Teile des Drug-Design-Prozesses um etwa das Zehnfache beschleunigt haben. Mit Protein-Design- und Bioinformatik-Tools, aber ohne menschliche Hilfe, erreichte oder schlug das Modell erfahrene menschliche Operatoren – es wählte Bindungsstellen, suchte Tools aus und führte sie aus und erholte sich von eigenen Fehlschlägen. Neun der 14 Protein-Targets in der Studie lieferten starke Drug-Design-Kandidaten.

In der Molekularbiologie bevorzugten Anthropics Wissenschaftler die Hypothesen des Modells in etwa 80 % der Fälle gegenüber Opus-Klasse-Modellen in verblindeten Vergleichen, und eine Hypothese – ein neuartiger Mechanismus für ein E.-coli-Protein – wurde unabhängig von einem anderen Labor bestätigt, das am selben Problem arbeitete. In der Genomik fuhr das Modell über eine Woche weitgehend autonome Arbeit, fügte Single-Cell-Daten über 138 Tierarten zusammen und trainierte ein eigenes Modell, das ein kürzlich in Science veröffentlichtes Modell übertraf, dabei aber 100-mal kleiner war.

Was das für dich bedeutet: Solange du nicht in einem Trusted-Access-Forschungsprogramm bist, behandle das als Decken-Demo statt als tägliche Fähigkeit. Das Signal für Builder ist die Form: Ein Modell, das eine Woche laufen, sich aus eigenen Sackgassen befreien und ein veröffentlichungswürdiges Ergebnis produzieren kann, ist dieselbe Engine, die deine Migrationen macht.

Der Haken: Kosten, Guardrails und ein sich schließendes Zeitfenster

Fable 5 ist das fähigste Modell, das Anthropic der Öffentlichkeit zur Verfügung gestellt hat, und die Trade-offs sind ehrliche.

Es ist teuer. Der Preis liegt bei $10 pro Million Input-Tokens und $50 pro Million Output-Tokens – das Doppelte von Opus 4.8 und genauso viel, wie das deutlich teurere Mythos Preview zum halben alten Tarif kostete. Simon Willison hat an einem einzigen Testtag $110 an Tokens verbrannt. Das Modell ist außerdem langsam – die Kehrseite davon, dass es sich, in seinen Worten, "ziemlich nach einem Biest" anfühlt. Die Token-Effizienz-Gewinne, von denen einige Kunden berichten, können die Rechnung abmildern, aber du solltest auf deinen eigenen Workloads messen, bevor du dich festlegst.

Es gibt Guardrails. Wenn Fables Klassifizierer eine Anfrage zu Cybersecurity, Biologie und Chemie oder Modell-Distillation erkennen, wird die Antwort stattdessen von Opus 4.8 bearbeitet, und man sagt es dir. Anthropics frühe Daten zeigen, dass das in weniger als 5 % der Sessions passiert – für die allermeiste Arbeit bekommst du also Fables volle Fähigkeit. Aber die Fallbacks sind konservativ eingestellt und fangen gelegentlich harmlose Anfragen mit ab.

Es gibt außerdem eine Uhr, die tickt. Vom Launch bis zum 22. Juni 2026 ist Fable 5 ohne Aufpreis in den Plänen Pro, Max, Team und Sitzplatz-basiertem Enterprise enthalten. Am 23. Juni verlässt es diese Pläne und braucht Usage-Credits, wobei Anthropic anstrebt, es in die Standard-Abos zurückzuholen, sobald die Kapazität es erlaubt. Wenn du es ohne separate Rechnung an deiner eigenen Arbeit testen willst, ist dieses Zeitfenster der Moment.

Häufig gestellte Fragen

Wofür wurde Claude Fable 5 tatsächlich eingesetzt?

Für echte Early-Access-Arbeit, vor allem große Coding-Jobs und Analysen. Stripe fuhr an einem Tag eine codebasisweite Migration in einer 50-Millionen-Zeilen-Ruby-Codebase. Hex knackte 90 % bei seinem Analytics-Benchmark. Hebbia und IMC führten ihre Finance- und Trading-Evals an. Anthropic zeigte außerdem, wie es den Quellcode einer Web-App aus Screenshots rekonstruiert und Pokemon FireRed aus rohen Pixeln spielt. Die meisten Berichte stammen aus Anthropics Launch-Ankündigung, sie sind also First-Party.

Ist Claude Fable 5 gut im Coding?

Die frühen Belege sagen ja, besonders bei großen, langlaufenden Jobs. Cursor nannte es State of the Art auf CursorBench, Cognition stufte es als das höchste Modell auf ihrem FrontierBench-Coding-Eval ein, und GitHub berichtete von Autonomie und Zuverlässigkeit jenseits früherer Benchmarks. Der unabhängige Tester Simon Willison hat damit an einem Nachmittag eine Woche an Library-Features ausgeliefert. Für kleine tägliche Edits ist ein günstigeres Modell wie Sonnet meist die bessere Wahl.

Wie viel kostet Claude Fable 5?

Es liegt bei $10 pro Million Input-Tokens und $50 pro Million Output-Tokens – das Doppelte des Preises von Opus 4.8. Die Modell-ID ist claude-fable-5. Es ist bis zum 22. Juni 2026 kostenlos in den Plänen Pro, Max, Team und Sitzplatz-basiertem Enterprise enthalten, danach braucht es Usage-Credits, bis die Kapazität eine Rückkehr in die Standard-Pläne erlaubt.

Warum antwortet Claude Fable 5 manchmal wie ein anderes Modell?

Fable 5 kommt mit Safety-Klassifizierern. Wenn eine Anfrage Cybersecurity, Biologie und Chemie berührt oder versucht, das Modell zu distillieren, wird die Antwort stattdessen von Opus 4.8 bearbeitet, und du wirst benachrichtigt. Anthropic sagt, dieser Fallback wird in weniger als 5 % der Sessions ausgelöst, der Großteil der Arbeit läuft also mit voller Fähigkeit auf Fable 5.

Kann Claude Fable 5 die Wissenschafts-Demos, die Anthropic gezeigt hat?

In den meisten Fällen nicht direkt auf dem öffentlichen Modell. Die Ergebnisse zu Protein-Design, Genomik und Molekularbiologie wurden von Mythos 5 produziert – dem gleichen zugrunde liegenden Modell mit abgeschalteten Schutzmechanismen, das nur über Trusted-Access-Programme verfügbar ist. Das öffentliche Fable 5 fällt bei den meisten Biologie- und Chemie-Anfragen auf Opus 4.8 zurück. Behandle diese Ergebnisse als Obergrenze für die Modellklasse, nicht als tägliche öffentliche Fähigkeit.

Lohnt sich Claude Fable 5 gegenüber Opus 4.8?

Bei Long-Horizon-, autonomer oder Hochrisiko-Arbeit deuten die frühen Berichte auf einen klaren Sprung nach oben. Kunden beschrieben durchgehend, wie es Probleme löste, die für frühere Modelle unerreichbar waren, und es schlägt Opus 4.8 bei Benchmarks wie der Spreadsheet-Suite auf jeder Effort-Stufe. Die Trade-offs sind real: doppelter Preis und langsamere Durchläufe. Für Routinearbeit bleiben Opus 4.8 oder Sonnet die wirtschaftlichere Wahl.