Claude Fable 5 & Mythos 5: Der Flagship-Feldführer
Am 9. Juni 2026 lieferte Anthropic Claude Fable 5 aus — sein "Mythos-Class"-Flagship, das über Opus in Fähigkeit sitzt — neben einem Limited-Release-Geschwister Claude Mythos 5. Skimst du nur den Launch-Post, denkst du "großes Modell, höherer Preis". Das verpasst die Story. Fable 5 ist das erste Anthropic-Modell, dessen Integrationsoberfläche sich material von jedem früheren Claude unterscheidet: es refust In-Band als erfolgreiches HTTP 200 mit stop_reason: "refusal", seine rohe Chain-of-Thought wird nie zurückgegeben, und es gibt ein ganz neues Billing-Primitiv namens Fallback Credit, speziell für Retries auf Opus 4.8 gebaut. Pinnt deine App ein Top-Tier-Modell, machst du keinen Drop-in Fable 5, wie du jedes Sonnet zuvor gemacht hast. Du rewirest dafür.
Diese Seite ist der praktische Feldführer: was Fable 5 tatsächlich ist, was es besser als Opus 4.8 macht, die vier genauen Stellen, wo dein Code ändern muss, wann es die richtige Wahl vs. Opus 4.8 vs. Sonnet 5 ist, und die Prompting-Shifts, die die "mehrtägiger autonomer Run"-Story aus dem Launch entriegeln.
- Verstehe, was Fable 5 auf Modell-Ebene ist — 1M Kontext, nur adaptives Denken, Mythos-Class-Positionierung
- Meistere die vier API-Änderungen, die naive Drop-in-Migrationen von Opus 4.8 brechen
- Erkenne ein Refusal in einer Response (es ist HTTP 200, kein Fehler) und richte entweder server-seitiges oder client-seitiges Fallback ein
- Wisse, wann Fable 5 vs. Opus 4.8 vs. Sonnet 5 zu wählen, mit einer Entscheidungstabelle, über die du um 3 Uhr morgens nachdenken kannst
- Passe Prompting an: Kürze, Grenzen, Memory-Scaffolds und warum Send-to-User-Tools bei langen autonomen Runs zählen
Die Ein-Absatz-Version
Fable 5 ist ein Mythos-Class-Flagship: eine Stufe, die Anthropic über Opus positioniert. claude-fable-5 ist allgemein verfügbar auf dem API und jedem großen Cloud; claude-mythos-5 ist exakt dasselbe Modell ohne die Safety-Classifier, angeboten nur für zugelassene Partner in Project Glasswing. Sie teilen Pricing ($10 in / $50 out pro MTok), Kontext (1M Tokens), Output-Cap (128K) und Knowledge-Cutoff. Lehnen Fable 5s Classifier einen Request ab, bekommst du ein erfolgreiches HTTP 200 zurück mit stop_reason: "refusal", und du sollst einen Fallback-Pfad zu Opus 4.8 eingerichtet haben. Das ist die ganze Form des Releases.
Warum es nicht nur "Opus 4.8 + mehr" ist
Anthropic framt Fable 5 als das Modell, auf das du Probleme zeigst, die sonst einer Person Stunden, Tage oder Wochen kosten würden. In ihren Worten unterschätzt das Testen auf einfacheren Workloads die Fähigkeitsbandbreite. Die konkreten Deltas gegenüber Opus 4.8:
- Long-Horizon-Autonomie. Mehrtägige, ziel-gerichtete Runs mit starker Instruktions-Retention. Fable 5 hält produktive Ausgabe über ausgedehnte Zeiträume, wo frühere Modelle drifteten.
- First-Shot-Korrektheit auf harten, gut spezifizierten Problemen. Early Tester berichteten Single-Pass-Implementierungen von Systemen, die früher Tage Iteration brauchten.
- Vision. Substantiell höhere Genauigkeit auf dichten technischen Bildern, Web-Apps und detaillierten Screenshots — oft mit weniger Output-Tokens.
- Code-Review und Debugging. Bug-Finding-Recall ist merklich höher (außerhalb der Cybersecurity-Domains, die die Classifier abdecken).
- Delegation. Signifikant zuverlässiger beim Dispatchen und Halten paralleler Subagenten, und besser bei Kommunikation mit langen laufenden Peer-Agents.
- Ambiguität. Besser beim Empfangen komplexer, multithreaded Requests und beim Entscheiden, was als Nächstes zu tun ist, ohne Step-by-Step-Spec.
Der Trade, den du machst, ist Kosten (5× Sonnet-5-Output-Pricing), Latenz (einzelne Requests können bei höheren Effort-Settings viele Minuten laufen) und ein anderer Integrationsvertrag. Dieser Vertrag ist, wo die meiste Migrationsarbeit liegt.
Die vier API-Änderungen, die Drop-in-Migration brechen
Pinntest du Opus 4.8 und tauschst den String auf claude-fable-5, verhalten sich vier Dinge anders. Verpasse eines und deine App crasht, verliert still Output oder handelt Refusals ungnädig.
- Wenn Fable 5s Classifier einen Request ablehnen, bekommst du keinen HTTP-Fehler — du bekommst eine normale Message-Response mit content: [] und stop_reason: "refusal". stop_details sagt dir, welche Kategorie triggerte (cyber, bio, frontier_llm oder reasoning_extraction). Du wirst NICHT für ein Refusal abgerechnet, das vor jeglichem Output ankommt; Input-Tokens erscheinen in Usage, werden aber nicht berechnet, und der Request zählt nicht gegen Rate-Limits. Verzweige direkt auf stop_reason — nie auf stop_details oder content.
- Extended Thinking mit Token-Budget ist weg. thinking: {"type": "disabled"} ist nicht supported. Nutze den effort-Parameter (low / medium / high / xhigh), um Denk-Tiefe zu kontrollieren. Hast du Code, der dynamisch ein Denk-Budget berechnet, lösche ihn und setze stattdessen effort.
- thinking.display defaultet auf "omitted" (leeres thinking-Feld), oder du kannst "summarized" (lesbare Zusammenfassung des Reasonings) requesten. Die rohe Chain-of-Thought ist nicht verfügbar. Rendert deine App Reasoning für End-User, migriere zu Summarized-Blöcken — und beachte, dass Prompts, die das Modell instruieren, sein Reasoning im Response-Text zu reproduzieren, die reasoning_extraction-Refusal-Kategorie triggern können.
- Anthropic liefert einen fallbacks-Parameter (Beta: server-side-fallback-2026-06-01), der dir erlaubt, bis zu drei Fallback-Modelle auf einem einzelnen Request zu benennen. Wenn Fable 5 refust, retryt das API auf das nächste Modell auf demselben Request, und du bekommst eine Response zurück. Jedes SDK liefert auch eine BetaRefusalFallbackMiddleware, die dasselbe client-seitig macht, plus ein Fallback-Credit-System, das die Prompt-Cache-Kosten des Modell-Wechsels refundet. Nimm server-seitig ODER client-seitig, nicht beides auf demselben Request.
Ein Refusal erkennen
Ein Refusal ist eine erfolgreiche Message, keine Exception. Das ist die exakte Response-Form, auf die du verzweigst:
{
"id": "msg_01XFUDYJgAACzvnptvVoYEL",
"type": "message",
"role": "assistant",
"model": "claude-fable-5",
"content": [],
"stop_reason": "refusal",
"stop_details": {
"type": "refusal",
"category": "cyber",
"explanation": "This request was declined because it could enable cyber harm."
},
"usage": { "input_tokens": 412, "output_tokens": 0 }
}
stop_details.explanation ist human-readable, aber nicht stabil — zeige es an, parse es nicht. stop_details selbst ist null für jeden Stop-Reason außer "refusal". Die vier dokumentierten Kategorien:
category | Was es bedeutet |
|---|---|
"cyber" | Könnte Cyber-Schaden ermöglichen (Malware, Exploits). Benigne Cybersecurity-Arbeit kann es auch triggern. |
"bio" | Könnte biologischen Schaden ermöglichen. Nützliche Life-Sciences-Arbeit kann es auch triggern. |
"frontier_llm" | Könnte Entwicklung konkurrierender KI-Modelle unterstützen (restriktiert unter Anthropics Commercial Terms). Benigne ML-Arbeit kann triggern. |
"reasoning_extraction" | Bittet das Modell, sein internes Reasoning als Response-Text zu reproduzieren. Nutze stattdessen Adaptive-Thinking-Output. |
- Ein Refusal ist HTTP 200. Monitoring, das auf 5xx-Counts gebaut ist, wird es NIE sehen — emittiere pro Refusal ein dediziertes Event und alarmiere auf die Lücke zwischen Refusals und Fallback-served Responses.
- Ein Mid-Stream-Refusal WIRD dich abrechnen: Input-Tokens plus jeglicher Partial-Output, der bereits gestreamt wurde, zu normalen Raten. Nur Pre-Output-Refusals sind kostenlos.
- Retrying auf demselben Modell verdient meist ein weiteres Refusal. Point den Retry auf ein Fallback-Modell (Opus 4.8 ist Anthropics vorgeschlagenes Pair).
Fallback einrichten — nimm einen Pfad
Server-seitig (einfachste, ein Round-Trip)
Server-seitiges Fallback mit dem Messages API
curl --fail-with-body -sS https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "anthropic-beta: server-side-fallback-2026-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-fable-5",
"max_tokens": 1024,
"fallbacks": [{"model": "claude-opus-4-8"}],
"messages": [{"role": "user", "content": "Hello, Claude"}]
}'Einträge werden in Reihenfolge versucht, müssen distinkt sein, müssen jeweils einer der erlaubten allowed_fallback_models des requesteten Modells sein (publiziert auf dem Models API, wenn der Beta-Header gesetzt ist) und dürfen nicht das requestete Modell selbst sein. Jeder Eintrag kann max_tokens und thinking nur für diesen Versuch overriden.
Die Response trägt einen fallback-Content-Block, der jede Modell-Grenze markiert — {"type": "fallback", "from": {"model": ...}, "to": {"model": ...}} — und ein usage.iterations-Array, das jeden Versuch aufzeichnet. Ein Modell, das ablehnte, erscheint als gewöhnliche message-Iteration; das Modell, das antwortete, erscheint als fallback_message-Iteration.
Verfügbar auf dem Claude API und Claude Platform auf AWS. Nicht verfügbar auf Amazon Bedrock, Google Cloud, Microsoft Foundry oder dem Message Batches API — dort nutze die SDK-Middleware.
Client-seitig (funktioniert überall, eine Config)
Jedes Anthropic-SDK liefert BetaRefusalFallbackMiddleware (Python/TypeScript/Go/Java/PHP/Ruby/C#). Konfiguriere einmal auf dem Client, teile einen BetaFallbackState über eine Konversation, damit Follow-up-Turns auf dem Modell bleiben, das akzeptierte:
from anthropic import Anthropic, BetaFallbackState, BetaRefusalFallbackMiddleware
client = Anthropic(
middleware=[BetaRefusalFallbackMiddleware([{"model": "claude-opus-4-8"}])],
)
state = BetaFallbackState() # share across the conversation
with state:
message = client.beta.messages.create(
model="claude-fable-5",
max_tokens=1024,
messages=[{"role": "user", "content": "Hello, Claude"}],
)
print(f"served by: {message.model}")
Die Middleware opt-t auch jeden Request in fallback-credit-2026-06-01 ein, sodass die Prompt-Cache-Kosten des Retrys automatisch refundet werden.
Manuelles Retry (rohes HTTP, custom Logik)
Erkenne stop_reason == "refusal", sende den unveränderten Body neu mit model auf ein Fallback gesetzt (Redemption erfordert einen exakten Match, wenn du Fallback Credit willst), und — für Multi-Turn-Konversationen — nutze das Fallback-Modell für nachfolgende Turns weiter, statt zurückzuwechseln.
Häufige Fallstricke beim Fallback-Verkabeln
- Budgetiere Retries pro Request, nicht pro Session. Ein Turn kann mehrere Refusals erzeugen (Agent + Sub-Agenten rufen jeweils das API auf).
- Gib Sub-Agent-Calls ihre eigenen
fallbacks. Der Parameter propagiert nicht in Modell-Aufrufe aus Tool-Execution. - Konfiguriere Fallback auf jedem Request-Pfad — Retry-Handler, Error-Recovery, Background-Worker. Ein Handler, der den Request ohne Fallback re-issuet, verliert Schutz genau auf Requests, die ihn am wahrscheinlichsten brauchen.
- Mache Fallback zu einer Eigenschaft des Requests, nicht zu Ambient-State. Ein Shared Flag oder Cached Config kann out-of-sync driften und still einen Request ungeschützt lassen.
- Emittiere ein Signal pro Refusal UND pro Fallback-served Response. Alarmiere auf die Lücke zwischen den beiden: eine steigende Lücke bedeutet, Fallbacks werden zu oft refust.
- Nenne den Beta-Header nichts anderes als
server-side-fallback-2026-06-01. Jedes andere Datum gibt einen 400-Fehler zurück.
Wann Fable 5 vs. Opus 4.8 vs. Sonnet 5 wählen
Das richtige Modell hängt davon ab, was du wertschätzt: rohe Fähigkeit, Kosten pro Token oder wie sich das API verhält, wenn Dinge schiefgehen.
| Wenn du brauchst… | Greif zu | Warum |
|---|---|---|
| Die härtesten Probleme — mehrtägige autonome Runs, First-Shot auf ambigue Specs, Dense-Vision-Tasks | Claude Fable 5 | Mythos-Class-Fähigkeit; hält Long-Horizon-Arbeit; bessere Instruktions-Retention über weitläufigen Kontext. |
| Top-Tier-Reasoning mit Zero Data Retention oder ohne den Refusal-Vertrag | Claude Opus 4.8 | ZDR-eligible; klassische API-Oberfläche (Fehler sind Fehler); das natürliche Fallback-Target für Fable 5. |
| Der Workhorse: ausgewogene Qualität, 1M Kontext, günstig genug überall zu laufen | Claude Sonnet 5 | Default in Claude Code; oft in Schlagweite von Opus-Qualität zu einem Bruchteil der Kosten. Siehe den Sonnet-5-Feldführer für die Migrations-Gotchas. |
| Cybersecurity- oder Life-Sciences-Arbeit, die Fables Classifier by design blocken | Opus 4.8 | Fable 5 ist explizit nicht gedacht für offensive Cyber- oder Bio-/Lab-Arbeit — setze das Modell, kämpfe nicht gegen den Classifier. |
| Retrieval, Klassifikation, günstige Sub-Agenten auf engen Latenz-Budgets | Haiku 4.5 | Schnellste und günstigste Stufe; nutze als Blätter deines Agent-Baums. |
- Fable 5 kostet 5× Sonnet 5s Output-Pricing. Auf Workloads, die Sonnet 5 sauber handled, ist auf Sonnet zu bleiben kein Kompromiss — es ist die richtige Antwort.
- Kann deine Integration keine Zero Data Retention auf dem Top-Tier nutzen, bleibe auf Opus 4.8 als Primär. Fable 5 trägt mandatorische 30-Tage-Retention.
- Anthropic empfiehlt explizit, beim Testen von Fable 5 am oberen Ende deiner Schwierigkeitsbandbreite zu starten. Läufst du nur deine bestehende Regressionssuite dagegen, verpasst du, was es entriegelt.
Prompting-Shifts, die du tatsächlich fühlst
Fable 5s Instruction-Following ist stark genug, dass du lange itemisierte Stilanleitungen droppen und einen einzelnen Satz pro Verhalten schreiben kannst. Drei Prompt-Fragmente aus Anthropics eigenem Guide sind es wert, wörtlich zu stehlen:
Fable 5 vom Überplanen auf ambiguen Tasks abhalten
When you have enough information to act, act. Do not re-derive facts already established in the conversation, re-litigate a decision the user has already made, or narrate options you will not pursue in user-facing messages. If you are weighing a choice, give a recommendation, not an exhaustive survey. This does not apply to thinking blocks.
Fortschrittsclaims während langer autonomer Runs erden
Before reporting progress, audit each claim against a tool result from this session. Only report work you can point to evidence for; if something is not yet verified, say so explicitly. Report outcomes faithfully: if tests fail, say so with the output; if a step was skipped, say that; when something is done and verified, state it plainly without hedging.
Autonome-Pipeline-Reminder — töte 'shall I…?'-Checkpoints
You are operating autonomously. The user is not watching in real time and cannot answer questions mid-task, so asking "Want me to…?" or "Shall I…?" will block the work. For reversible actions that follow from the original request, proceed without asking. Before ending your turn, check your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or a promise about work you have not done ("I'll…", "let me know when…"), do that work now with tool calls. End your turn only when the task is complete or you are blocked on input only the user can provide.Zwei kleinere, aber wichtige Shifts:
- Effort ist dein primärer Hebel. Nutze
highals Default;xhighauf der härtesten fähigkeits-sensitiven Arbeit; drop aufmedium/low, um Qualität gegen Speed zu tauschen. Niedrigerer Effort auf Fable 5 übertrifft oft nochxhigh-Performance auf früheren Modellen — lass keine Latenz auf dem Tisch, wenn der Task Routine ist. - Refactor vorhandene Skills und Prompts. Für Opus 4.8 getunte Skills sind oft zu präskriptiv für Fable 5 und können Output degradieren. Anthropic empfiehlt explizit, ältere Instruktionen zu reviewen und oft zu entfernen, dann Fable 5s eigenen Defaults die Arbeit machen zu lassen. Audite auf "show your reasoning"-Sprache — sie kann die
reasoning_extraction-Refusal-Kategorie triggern und Fallbacks erhöhen.
Seltene Failure-Modes, die es wert sind, benannt zu werden
Zwei Verhaltensweisen tauchen in langen Sessions auf und verwirren Erst-Integratoren:
- Text-only Intent-Statements. Tief in einem langen Run kann Fable 5 gelegentlich einen Turn mit "I'll now run X" beenden, ohne den Tool-Aufruf zu emittieren, oder um Erlaubnis fragen, wenn es schon genug Kontext hat. Der Fix ist entweder eine einfache "go ahead"-Antwort oder der obige Autonome-Pipeline-System-Reminder.
- Kontext-Budget-Angst. In sehr langen Sessions kann Fable 5 vorschlagen, eine neue Session zu starten oder seine eigene Arbeit zu trimmen. Das wird meist getriggert, wenn der Harness dem Modell einen Remaining-Token-Countdown zeigt. Wenn du kannst, zeige ihn nicht; wenn du musst, füge hinzu
You have ample context remaining. Do not stop, summarize, or suggest a new session on account of context limits. Continue the work.
Send-to-User-Tools für asynchrone Agenten
Für lang laufende Agenten, wo UX vom wörtlichen Liefern von Content mid-task abhängt, definiere ein client-seitiges send_to_user-Tool. Tool-Inputs werden nie zusammengefasst, sodass alles, was du durch es routest, den Nutzer intakt erreicht. Das Input des Tool-Aufrufs direkt in deinem UI zu rendern und eine simple Acknowledgment zurückzugeben, gibt dem Modell einen Kanal für Partial-Deliverables, der seinen Turn nicht beendet.
{
"name": "send_to_user",
"description": "Display a message directly to the user. Use this for progress updates, partial results, or content the user must see exactly as written before the task finishes.",
"input_schema": {
"type": "object",
"properties": {
"message": {"type": "string", "description": "The content to display to the user."}
},
"required": ["message"]
}
}
Paare das Tool mit einem Einzeiler-System-Prompt-Hinweis: "Between tool calls, when you have content the user must read verbatim (a partial deliverable, a direct answer to their question), call the send_to_user tool with that content." Ohne den Hinweis ruft Fable 5 es selten auf.
Data-Retention-Gotcha
Sowohl Fable 5 als auch Mythos 5 sind als Covered Models mit 30-Tage-Data-Retention designiert und sind nicht unter Zero Data Retention verfügbar. Hat deine Integration eine ZDR-Anforderung (regulierte Industrie, vertragliche Verpflichtung, Enterprise-Kunde), ist Fable 5 kein Drop-in — pinne Opus 4.8 als dein Top-Tier und checke die offizielle model-spezifische Data-Retention-Seite, bevor du Produktionsverkehr routest.
Mythos 5 — das Geschwister, das du wahrscheinlich nicht nutzen kannst
claude-mythos-5 ist dasselbe Modell wie Fable 5 ohne die Safety-Classifier. Es liefert nur an zugelassene Kunden innerhalb von Project Glasswing — dem Joint-Programm mit Regierungs- und Enterprise-Cyber-Partnern — und an ausgewählte Biology-Researcher. Du kannst dir keinen Self-Serve-Zugang holen; hast du ihn, hat dein Anthropic-, AWS- oder Google-Cloud-Account-Team dich enrolled. Der Trade ist echt: keine Refusals bedeutet, du verlierst auch die eingebauten Cyber-/Bio-Classifier, sodass Verantwortung für Downstream-Safety komplett auf die aufrufende App verschoben ist. Anthropic bemerkt explizit, dass Kunden ohne Mythos-5-Zugang Fable 5 für dieselben Fähigkeiten nutzen können, minus der Frontier-Cyber- und Frontier-Bio-Tasks, die der Classifier ablehnt.
Schnellcheck — sitzen die Konzepte?
Check yourself
0/4Begriffs-Cheat-Sheet
Takeaways
- Fable 5 ist ein Mythos-Class-Flagship bei $10/$50 pro MTok mit 1M-Kontext — nimm es für mehrtägige autonome Runs, dichte Vision und First-Shot auf harten Specs; bleib auf Sonnet 5 für alles andere.
- Die vier API-Änderungen, für die zu migrieren ist: In-Band-Refusals als HTTP 200, nur adaptives Denken, kein roher Denk-Inhalt und Fallback als First-Class-Primitiv.
- Nimm server-seitiges Fallback für Einfachheit auf dem Claude API / AWS; nimm die SDK-Middleware überall sonst; beide wenden Fallback Credit automatisch für dich an.
- 30-Tage-Data-Retention ist mandatorisch — Fable 5 ist NICHT ZDR-eligible. Hast du eine ZDR-Anforderung, pinne Opus 4.8.
- Schreibe präskriptive Opus-4.8-Era-Prompts als Einzeiler um; audite auf 'show your reasoning'-Sprache; nutze Effort als deinen primären Qualität-/Latenz-Hebel.