Fable 5.1: Cache zum Viertel, Denken nicht mehr abschaltbar

Anthropic hat am 1. September Claude Fable 5.1 veröffentlicht, knapp drei Monate nach Fable 5. Der Listenpreis bleibt bei 10 Dollar pro Million Eingabe- und 50 Dollar pro Million Ausgabe-Token. Geändert hat sich der Preis für wiederverwendeten Kontext, die Trefferquote der Sicherheitsfilter und eine Kleinigkeit, über die ich heute Abend selbst gestolpert bin: Das Denken lässt sich nicht mehr abschalten.

Der Regler, den ich gesucht habe

Ich habe Fable 5.1 heute in Claude Code eingestellt und wollte als Erstes den Denkaufwand herunterdrehen, wie ich es bei Opus für Routinearbeit mache. Der Schalter für „Extended Thinking" tut bei Fable nichts, und die Anthropic-Dokumentation sagt auch, warum: Bei Fable 5 und 5.1 ist das Nachdenken immer an. Die Tastenkombination, der Konfigurationsschalter und die Umgebungsvariable für die Denk-Token laufen ins Leere. Was es stattdessen gibt, ist die Stufe „Effort" mit fünf Werten von low bis max, in Claude Code per /effort einstellbar. Sie legt fest, wie viel das Modell pro Schritt überlegt, ob es also bei einer einfachen Frage kurz denkt oder gar nicht. Voreingestellt ist in Claude Code „high", auf claude.ai „medium".

Der Unterschied zu früher: Es gibt keinen Aus-Schalter mehr, nur noch einen Dimmer. Wer eine erzwungene Tool-Antwort ohne Nachdenken will (in der API tool_choice: any), bekommt seit 5.1 sogar einen Fehler zurück. Anthropic begründet das damit, dass das Modell sein Überlegen sonst in die Tool-Argumente schreibt und die dadurch schlechter werden.

Was Anthropic verspricht

Der größte Sprung in Anthropics eigenen Zahlen liegt bei Terminal-Bench-Science, einem Test für wissenschaftliche Arbeit in der Kommandozeile: 52,6 Prozent gegenüber 24,7 bei Fable 5, 29,0 bei Opus 5 und 22,4 bei GPT-5.6 Sol. Beim allgemeinen Terminal-Bench 4.0 sind es 55,8 statt 42,0 Prozent. Bei Humanity's Last Exam mit Werkzeugen bewegt sich wenig, 65,0 statt 63,8. Das sind Herstellerangaben; unabhängig nachgemessen hat sie noch niemand.

In der System Card stehen auch die Zahlen, die Anthropic nicht auf die Startseite gehoben hat. Arnold Oberleiter (AI mit Arnie) hat sie herausgesucht: Bei DeepSWE, dem Test, den viele Programmierer als praxisnah empfinden, kommt Fable 5.1 auf 67,4 Prozent, andere Spitzenmodelle liegen über 70. Bei FrontierCode Extended (63,6 Prozent) fällt es nach seiner Lesart hinter Fable 5 zurück und wird mit höherem Effort schlechter. Anthropics Begründung, wie er sie wiedergibt: Das Modell schießt übers Ziel hinaus und tut mehr als verlangt. Das deckt sich mit einer Beobachtung von The Neuron, wonach das Modell auf 1.000 gewünschte Wörter 1.288 liefert.

Eine erste Fremdmessung gibt es trotzdem. Artificial Analysis, die Quelle hinter unserem Leaderboard, gibt Fable 5.1 einen Index von 66. Fable 5 stand dort bei 62, allerdings mit einem Endpunkt, der bei Engpässen auf Opus 4.8 zurückfiel, der alte Wert ist also eher eine Untergrenze. Vier Punkte Abstand sind mehr, als das Messrauschen erklärt, aber weniger als das, was die Terminal-Zahlen andeuten.

Teurer pro Token, billiger pro Aufgabe?

Anthropic rechnet vor, dass Fable 5.1 bei typischen Aufgaben rund 25 Prozent weniger kostet als Fable 5, bei langen Agentenläufen bis zu 45 Prozent. Der Grund ist ein einziger Posten: Cache-Lesen, also das erneute Einlesen von Kontext, den das Modell kurz zuvor schon gesehen hat, kostet jetzt 0,25 statt 1 Dollar pro Million Token. In einer langen Claude-Code-Sitzung wird der gesamte bisherige Verlauf bei jedem Schritt wieder mitgeschickt; dort macht dieser Posten den Löwenanteil aus.

Artificial Analysis kommt für seinen Index auf das Gegenteil. Fable 5.1 brauchte dort auf höchster Stufe 140 Millionen Ausgabe-Token, Fable 5 hatte 83 Millionen gebraucht, also das 1,7-Fache. Pro Aufgabe kostete der Durchlauf 3,69 statt 3,14 Dollar, rund 18 Prozent mehr; GPT-5.6 Sol erledigt dieselben Aufgaben für 0,95 Dollar. Beides stimmt, weil beide etwas anderes messen: Anthropic den Betrieb eines Agenten, der ständig alten Kontext wiederliest, Artificial Analysis einzelne Prüfungsfragen, bei denen es keinen Cache zum Wiederlesen gibt und nur die Ausgabe zählt. Für Chat und kurze Fragen ändert sich am Preis nichts. Für stundenlange Sitzungen an einem Repository dürfte die Rechnung von Anthropic näher an der Realität liegen.

Wer das Modell im Abo nutzen will: Im Max-Abo dürfen bis zur Hälfte des Wochenkontingents auf Fable-Modelle entfallen, danach laufen Nutzungsguthaben zu API-Preisen. Im Pro-Abo ist Fable 5.1 gar nicht enthalten, dort geht es nur über vorab gekauftes Guthaben.

Weniger Fehlalarme

Im Fable-5-Beitrag hatten die Sicherheitsfilter Sympathie gekostet: Die c't scheiterte an einer Frage zu einem Arbeitsunfall von 1848, ein YouTuber an einer Gesundheitsfrage zu Mitochondrien. Anthropic gibt jetzt an, die Bio-Filter schlügen bei harmlosen Fragen zu Biologie und Medizin 85 Prozent seltener an, die Cyber-Filter 60 Prozent seltener. Neu erlaubt ist außerdem das Aufspüren von Sicherheitslücken in Software, nicht aber das Schreiben von Angriffscode dafür. Schwerere Fälle werden weiterhin an Opus weitergereicht.

Zwei Dinge gehören noch dazu. Fable 5.1 trägt in jedem Text ein statistisches Wasserzeichen, das Anthropic seit dem 2. August nach der EU-KI-Verordnung setzt; es fügt keine Zeichen hinzu und ist nur mit einem Erkennungswerkzeug nachweisbar, das Behörden, Medien und Forschungseinrichtungen bekommen. Und die Antworten sind laut Anthropic dichter als bei Fable 5, mit längeren Sätzen und weniger Absätzen. Für diesen Text hier ist das kein Vorteil.

Der erste Test von außen

Levin AI hat noch in der Nacht der Veröffentlichung ein kurzes Video hochgeladen, das Anthropics Ankündigung nacherzählt, ohne selbst zu testen. Zwei Beobachtungen sind seine eigenen: Sein Wochenkontingent im Max-Abo wurde zum Start zurückgesetzt, und in der Claude-App ist Fable 5 bereits unter „weitere Modelle" verschwunden.

Getestet hat einen Tag später Arnold Oberleiter, dessen Fable-5-Video schon im ersten Beitrag vorkam. Sein Standardstück ist seit Monaten ein Katastrophenroboter im Browser: ein Vierbeiner mit Greifarm und Drohne, dessen Beine sich an Höhe und Drehung anpassen sollen, mit Scan, Ausfallmodus und Kamerabild. Jeder Test war ein einziger Prompt ohne Nachbesserung. Sein Urteil: das beste Ergebnis, das er je bekam, die Beine bewegen sich richtig, wo sie bei Fable 5 steif blieben und GPT-5.6 Sol den Roboter im Boden versinken ließ. Er überlegt, den Test einzustampfen, weil er kein besseres Ergebnis mehr erwartet. Die erste Welt von Super Mario aus einem Prompt war komplett durchspielbar, mit Pilz, Münzen und zerbrechenden Blöcken. Und aus einem hochgeladenen Foto baute das Modell einen Raum, in dem man sich frei bewegen kann, mit „ein paar Details nicht perfekt".

Zwei Befunde dämpfen das. Seine Mitochondrien-Frage, an der schon Fable 5 gescheitert war, blockt der Filter weiterhin, trotz der 85 Prozent. Und ein Lauf auf Ultra Code, der höchsten Stufe in Claude Code, lief bei ihm dreieinhalb bis vier Stunden ohne Ergebnis und sprengte das Wochenkontingent seines 200-Euro-Abos. Auf medium und high fand er den Verbrauch tragbar. Dazu passt Riley Brown auf X: drei Prompts über die API, 218 Dollar.

Mein Eindruck nach einem Abend: Für die Arbeit, die ich mit Claude Code mache, ist der Cache-Preis die eigentliche Nachricht, nicht der Benchmark. Ob das Modell die zusätzlichen Ausgabe-Token wert ist, entscheidet sich an den harten Aufgaben. Meine eigene war die Ludwigskirche aus dem Foto, derselbe Prüfstein wie im Benchmark-Beitrag. Das Ergebnis, ein begehbares Modell nach 17 Minuten, steht im eigenen Beitrag.

Quellen

Anthropics Ankündigung zu Fable 5.1 und Mythos 5.1 mit den Benchmark-Tabellen; die Seite What's new in Claude Fable 5.1 in der Entwicklerdokumentation mit den Preisen, dem Always-on-Denken und den drei Änderungen, die bestehenden Code brechen; die Claude-Code-Dokumentation zur Modellkonfiguration zu /effort und dem wirkungslosen Denk-Schalter; die Abo-Regeln für Fable-Modelle im Hilfe-Center.

Die Gegenrechnung stammt von Artificial Analysis, Modellseiten zu Fable 5.1, Fable 5 und GPT-5.6 Sol; die DeepSWE- und FrontierCode-Werte stehen in der System Card, die Wortzahl-Beobachtung bei The Neuron; The Decoder hat den Widerspruch am Erscheinungstag aufgegriffen.

Der Test von AI mit Arnie, mit Roboter, Mario, System-Card-Zahlen und der Ultra-Code-Anekdote:

Das Launch-Video von Levin AI: