Gestern hat Anthropic das getan, wovon viele seit April gesprochen haben. Claude Fable 5 ist ab sofort allgemein verfügbar. Nicht mehr hinter Glasswing-Schleusen, nicht mehr nur für ausgewählte Cybersecurity-Partner. Für alle. Und gleichzeitig gibt es Claude Mythos 5, die ungezügelte Version, die zunächst weiter nur für Glasswing-Partner zugänglich bleibt. Das ist ein größeres Ereignis, als es auf den ersten Blick wirkt.
Ich sage das als jemand, der diese Entwicklung seit April verfolgt, erklärt und eingeordnet hat: Dieser Release ist kein normales Modell-Update. Er markiert eine echte Zäsur in der Frage, wie leistungsfähige KI-Modelle sicher veröffentlicht werden können. Und er hat direkte Konsequenzen für EPU und KMU, die mit Claude Code, Claude API oder Claude.ai arbeiten.
Schauen wir, was da wirklich passiert ist.
Was ist der Unterschied zwischen Fable 5 und Mythos 5?
Zur Klarheit, weil die Begriffe schnell durcheinander gehen: Fable 5 und Mythos 5 sind dasselbe Basismodell. Der Unterschied liegt ausschließlich in den Safeguards.
Claude Fable 5 ist ein Mythos-class-Modell, das für den allgemeinen Einsatz freigegeben wurde, mit konservativen Sicherheitsfiltern. Claude Mythos 5 ist das identische Modell, bei dem die Safeguards in bestimmten Bereichen aufgehoben wurden, verfügbar für Glasswing-Partner in Zusammenarbeit mit der US-Regierung.
Der Name kommt vom Lateinischen: Fable von fabula (das Erzählte), Mythos vom Griechischen. Die Safeguards sind das einzige, was die beiden unterscheidet. Das ist ein bewusster semantischer Entscheid von Anthropic: Fable 5 ist das, was du bekommst, wenn die Sicherheitsmechanismen aktiv sind. Mythos 5 ist das, was darunter liegt.
„Meine Einschätzung nach mehreren Monaten Arbeit mit Mythos-class-Modellen in Beratungssituationen: Anthropic hat hier einen vernünftigen Kompromiss gefunden“, erklärt Alex Januschewsky, KI-Berater und Betreiber von digitalhandwerk.rocks. „Der Fallback auf Opus 4.8 bei blockierten Anfragen ist keine Ablehnung, sondern ein degradierter Service, der immer noch funktioniert.“
Was kann Fable 5 wirklich?
Die Fähigkeiten von Fable 5 übertreffen jedes zuvor allgemein verfügbare Modell von Anthropic, mit State-of-the-Art-Ergebnissen auf fast allen getesteten Benchmarks in Software Engineering, Knowledge Work, Vision, wissenschaftlicher Forschung und anderen Bereichen. Je länger und komplexer die Aufgabe, desto größer der Vorsprung gegenüber früheren Modellen.
Das klingt nach Marketing. Ich schau lieber auf konkrete Belege.
Software Engineering: Stripe berichtete in frühen Tests, dass Fable 5 Monate Engineering-Arbeit auf Tage komprimiert hat. In einer 50-Millionen-Zeilen-Ruby-Codebase führte das Modell eine codebaseweite Migration innerhalb eines Tages durch, die sonst ein ganzes Team über zwei Monate manuell benötigt hätte. Das ist keine akademische Benchmark-Metrik, das ist ein reales Produktionsbeispiel bei einem Unternehmen, das Billionen an Transaktionen abwickelt.
Knowledge Work und Finanzen: Auf Hebbias Finance Benchmark für Senior-Level-Reasoning erzielt Fable 5 den höchsten Score aller getesteten Modelle, mit deutlichen Verbesserungen in dokumentbasiertem Reasoning, Diagramm- und Tabelleninterpretation sowie Problemlösung. IMC stellte fest, dass Fable 5 ihre Trading-Analyse-Evaluierungen nahezu vollständig bestand, inklusive faktischer Nachschläge, konzeptuellem Reasoning, Root-Cause-Analyse und Expected-Value-Analyse.
Vision: Ich finde den Pokémon-Test aufschlussreicher als jede Benchmark-Tabelle. Frühere Claude-Modelle hatten selbst mit Hilfswerkzeugen Schwierigkeiten, Pokémon FireRed zu spielen. Fable 5 beendete das Spiel mit einem minimalen, ausschließlich auf Vision basierenden Harness. Das heißt: Das Modell sieht Screenshots, schlussfolgert, handelt, korrigiert sich. Ohne externe Hilfsmittel.
Memory und Long-Context: Im Deck-Building-Spiel „Slay the Spire“ mit persistenter dateibasierter Memory verbesserte sich Fable 5 dreimal stärker als Opus 4.8. Fable erreichte auch dreimal häufiger den finalen Akt des Spiels. Das ist ein indirekter Test für etwas, das uns als Praktiker direkt betrifft: Wie gut hält ein Modell den Kontext über lange, komplexe Aufgaben?
Die Drug Design-Daten sind keine Randnotiz
Ich würde das üblicherweise als „interessant, aber nicht relevant für KMU“ einordnen. Hier mache ich eine Ausnahme.
Interne Protein-Design-Experten bei Anthropic beschleunigten Aspekte des Drug Design-Prozesses um den Faktor zehn mit Mythos 5. In einem Beispiel wählte das Modell ohne menschliche Hilfe Bindungsstellen, selektierte und führte Protein-Design-Tools aus und erholte sich eigenständig von Fehlern. Neun von 14 Protein-Targets aus dieser Studie ergaben starke Kandidaten für das Drug Design, die derzeit untersucht werden.
Das ist der Teil, wo ich kurz innehalten muss. Wir reden nicht mehr über ein Modell, das Texte schreibt oder Code generiert. Wir reden über ein Modell, das wissenschaftliche Hypothesen aufstellt, die anschließend im Labor verifiziert werden. Mythos 5 ist das erste Modell von Anthropic, das konsistent neue, überzeugende wissenschaftliche Hypothesen produziert. In blinden Head-to-Head-Vergleichen gegenüber Opus-class-Modellen bevorzugten Anthropics Wissenschaftler Mythos-Hypothesen in der Molekularbiologie rund 80% der Zeit.
Das ist nicht „KI hilft Forschern“. Das ist „KI macht Forschung“.
Was sind die Safeguards, und warum triggern sie 5% der Sessions?
Fable 5 kommt mit einer neuen Reihe von Klassifikatoren: separate KI-Systeme, die potenzielle Missverwendung, einschließlich Jailbreak-Versuche, erkennen und verhindern, dass das Hauptmodell antwortet. Wenn Fables Klassifikatoren eine Anfrage im Bereich Cybersicherheit, Biologie und Chemie oder Destillation erkennen, wird die Antwort automatisch von Claude Opus 4.8 übernommen.
Drei Bereiche werden aktiv geblockt:
1. Cybersecurity. Mythos-class-Modelle zeichnen sich durch das Entdecken und Ausnutzen von Software-Schwachstellen aus und können Cyberangriffe erheblich einfacher und billiger machen. Die Klassifikatoren sind so konzipiert, dass sie sowohl Exploitation als auch offensive Cyber-Aufgaben in einem breiteren Sinne abdecken. Ein externer Bug-Bounty-Test produzierte keine universellen Jailbreaks in über 1.000 Stunden Tests.
2. Biologie und Chemie. Anthropic testet Mythos 5 auf die Fähigkeit, eine herausfordernde Stufe im Design adeno-assoziierter Viren (AAVs) zu vollenden. AAVs sind Komponenten zur Einbringung von Gentherapien. Mythos-class-Modelle übertrafen Protein-Language-Models mit reinem biologischem Reasoning, ohne explizites Training für diese Aufgabe.
3. Destillation. Anthropic hat großangelegte Versuche identifiziert, Claudes Fähigkeiten zu extrahieren (zu „destillieren“), um konkurrierende Modelle zu trainieren. Anfragen, die als Teil solcher Destillationsversuche erkannt werden, fallen auf Opus 4.8 zurück.
Ich beobachte das aus der Beratungspraxis: Das klingt theoretischer, als es ist. Wer mit Claude Code intensiv an Security-Themen arbeitet oder Bioinformatik-Aufgaben automatisiert, wird den Fallback bemerken. Wer Content, Analysen, allgemeines Coding oder Texte produziert, wird nichts merken. Mehr als 95% der Fable-Sessions haben keinen Fallback.
Was kostet Fable 5, und wie kommt man dran?
Fable 5 und Mythos 5 werden zu 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output-Tokens angeboten, weniger als die Hälfte des Preises von Claude Mythos Preview.
Der API-String lautet claude-fable-5. Für Subscription-Nutzer gibt es eine zeitlich begrenzte Übergangsphase:
Vom Launch-Tag bis 22. Juni ist Fable 5 in den Plänen Pro, Max, Team und Seat-based Enterprise ohne Mehrkosten enthalten. Ab 23. Juni wird Fable 5 aus diesen Plänen entfernt und erfordert Usage Credits. Wenn die Kapazität es erlaubt, will Anthropic Fable 5 anschließend wieder als Standard in Subscription-Plänen einbinden.
Das ist ehrlich kommuniziert. Anthropic erwartet hohe Nachfrage und kann die Infrastruktur noch nicht für alle Subscription-Nutzer gleichzeitig garantieren. Wer jetzt die Gratis-Testphase bis 22. Juni nutzt, macht das smart.
Was ist die neue Data Retention Policy?
Dieser Teil ist weniger bekannt, aber relevant für Unternehmenskunden.
Für Mythos-class-Modelle gilt eine 30-Tage-Retention für alle Traffic-Daten auf First- und Third-Party-Surfaces. Die Daten werden nicht für das Training neuer Claude-Modelle oder nicht-sicherheitsbezweckte Zwecke genutzt. Nach 30 Tagen werden die Daten in fast allen Fällen gelöscht. Menschliche Zugriffe auf die Daten werden protokolliert.
Für DSGVO-bewusste DACH-Unternehmen: Das ist keine Zero-Retention-Option mehr. Es ist explizit Safety-motiviert, keine kommerzielle Datennutzung. Trotzdem ist es eine Änderung gegenüber vorherigen Claude-Versionen, die man im Unternehmen kommunizieren sollte, wenn man mit sensiblen Daten arbeitet.
Was bedeutet das für EPU und KMU in der DACH-Region?
Ich sage das direkt: Wer Claude in der täglichen Arbeit einsetzt, hat ab heute Zugang zu einem Modell, das vor vier Monaten noch hinter militärischen Sicherheitsschleusen lag.
Das ist keine Übertreibung. Das ist der Stand der Dinge.
Konkret heißt das für den Praxiseinsatz:
Claude Code wird mit Fable 5 signifikant besser bei komplexen Refactoring-Aufgaben, langen Agentic-Workflows und vision-basierten UI-Analysen. Wer mit mir in der Beratung arbeitet, weiß: Claude Code ist seit März 2025 das Werkzeug, das ich für Entwicklungsaufgaben einsetze. Mit Fable 5 wird der Abstand zu anderen Lösungen größer, nicht kleiner.
Content-Produktion und Analyse profitieren von der verbesserten Long-Context-Performance. Dokumente, die über tausende Tokens gehen, Multi-File-Analysen, komplexe Research-Aufgaben: das sind Bereiche, wo der Fable-5-Vorsprung im Alltag sichtbar wird.
Automatisierungen mit n8n und API-Integrationen werden von der verbesserten Token-Effizienz profitieren. Fable 5 ist token-effizienter als frühere Claude-Modelle. Das heißt: für denselben Output zahlt man weniger.
Was ich meinen Kunden und Lesern sage: Nutzt die Zeit bis 22. Juni, um Fable 5 in euren wichtigsten Workflows zu testen. Nicht für ein akademisches Benchmark, sondern für die drei oder vier Aufgaben, bei denen ihr heute noch frustriert abbrecht oder manuell eingreift.
Fragen zu Claude Fable 5
Was mich an diesem Release am meisten überrascht hat
Nicht das Modell selbst. Die Genomics-Forschung.
Mythos 5 führte über eine Woche autonome Genomics-Forschung durch. Es assemblierte Single-Cell-Daten für Millionen von Zellen aus 138 Tierarten und entwarf und trainierte ein Custom Machine Learning-Modell, um Zellen zu identifizieren, die in entfernt verwandten Organismen dieselbe Funktion erfüllen. Das trainierte Modell übertraf ein kürzlich in Science veröffentlichtes Modell, obwohl es 100-mal kleiner war.
Das ist das erste Mal, dass ich das ehrlich so formulieren muss: Wir sind nicht mehr in einer Phase, in der KI Forschern hilft zu recherchieren. Wir sind in einer Phase, in der KI Forschung macht. Das hat Implikationen, die weit über den heutigen Breaking-News-Moment hinausgehen.
Die Frage ist nicht mehr, ob Modelle dieser Qualität kommen. Sie sind da. Die Frage ist, wer sich damit auseinandersetzt und wer wartet.
Meine ehrliche Einschätzung: Warten macht hier keinen Sinn. Sie kann sich ändern, wenn die nächste Modellgeneration in vier Monaten andere Prioritäten setzt. Aber Stand heute ist der Zeitpunkt für die intensive Auseinandersetzung mit Fable 5 jetzt.
Mein erster Praxistest: VINCI PWA und das VINCI Windows-Projekt
Ich schreibe das nicht nur als Beobachter, der Benchmark-Tabellen liest. Ich habe Fable 5 in der Nacht, in der dieser Artikel entstanden ist, direkt in zwei laufenden Projekten eingesetzt: in VINCI (PWA), meinem persönlichen AI-Assistenten mit Fastify/Node.js-Backend auf Hetzner, und in einem parallelen VINCI Windows-Projekt, das sich gerade in aktiver Entwicklung befindet.
Das Ergebnis: Fable 5 hat tatsächlich Fehler gefunden, die vorher unentdeckt geblieben sind. Keine konstruierten Testfälle, keine Benchmark-Szenarien. Echte Fehler in echtem Code, der produktiv läuft.
Das ist genau der Punkt, den Stripe in ihren frühen Tests beschrieben hat: Das Modell arbeitet nicht nur schneller, es arbeitet gründlicher. Es liest Kontext, zieht Schlüsse, und meldet Probleme, die in einer normalen Code-Review durchgerutscht wären. Für mich als EPU, der Infrastruktur, Content und Beratung gleichzeitig betreibt, ist das kein nettes Feature, das ist ein echter Zeitgewinn.
Die KI-Anbieter geben einem kaum Zeit zum Atmen. Fable 5 ist heute da, dieser Artikel ist eine Nachtschicht, und der nächste Release kommt früher als man denkt. Aber genau deshalb lohnt es sich, dabei zu sein, weil der Vorsprung für die, die jetzt einsteigen, real ist.
