Claude Fable 5.2 im Test: Erster im Index, Letzter bei den Kosten

Claude Fable 5.2 belegt mit 65 den ersten Platz im Artificial Analysis Intelligence Index v5.0.1 und ist zugleich das im Betrieb teuerste Modell dieser Rangliste: 26,54 $ Anbieterkosten, um einen Indexdurchlauf abzuschließen, gegenüber 5,48 $ für das Modell direkt dahinter. Eine Bewertung von ihm ist daher keine Frage, ob es gut ist – es ist das verfügbare, breit veröffentlichte Modell mit der höchsten Punktzahl, und die Claude Fable 5.2 API-Seite führt 8,00 $ pro Million Eingabe- und 40,00 $ pro Million Ausgabe-Token auf. Die Frage ist, wofür Sie bezahlen und ob Ihre Arbeitslast es nutzen kann.

Was es ist

Anthropics Nachfolger von Fable 5.1, konzipiert für anspruchsvolles Reasoning und langfristige agentische Arbeit. Ein Kontextfenster von 1 Mio. Token, bei dem das Maximum der Standard ist, bis zu 128K Ausgabe-Token pro Antwort, Eingabe von Text, Bildern und Dokumenten mit Textausgabe, native Tool-Nutzung und strukturiertes JSON. Thinking ist immer aktiv und adaptiv, mit einem Effort-Regler von niedrig bis maximal, und die rohe Gedankenkette wird nie zurückgegeben – Sie erhalten eine Zusammenfassung oder ein leeres Thinking-Feld.

Dieses letzte Detail ist der Punkt, um den herum das Design gestaltet werden sollte. Die Argumentation lässt sich nicht auditieren; auditieren lassen sich nur die Antwort und die Zusammenfassung. Bei regulierten Workflows zählt das mehr als der Indexwert, und deshalb lohnt es sich, die Aufwandsstufe bewusst festzulegen, statt sie auf dem Standardwert zu belassen.

Die Punktzahl

65 auf v5.0.1, Rang 1 von 78. Die neun Evaluierungen sind AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset und Terminal-Bench-Science 0.1 — eine Mischung aus agentischen Benchmarks und Hard-Science-Benchmarks statt einer Coding-Leaderboard-Mischung. Der Fünf-Punkte-Vorsprung gegenüber Gemini 4 Carbon macht den gesamten Vorsprung an der Spitze des Rankings aus.

Die Versionssperre ist keine Formsache. Ergebnisse aus v4.3 und v4.3.2 gehören zu einem anderen Bewertungssatz und können nicht gegen v5.0.1 tabelliert werden. Wenn Sie Fable 5.2 neben einem v4.3-Ergebnis rangiert sehen, ist der Vergleich ungültig, egal wie seriös die Quelle auch sein mag.

Was die Spitze des Boards an Zeit kostet

267 Sekunden bis zum ersten Token, Rang 76 von 77 Modellen mit Latenzdaten – zweitlangsamstes in der Rangliste. 46,8 Minuten reale Zeit pro Aufgabe über die neun Evaluierungen hinweg, das 1,6-Fache dessen, was Carbon braucht. Die Ausgabegeschwindigkeit, sobald es mit dem Schreiben beginnt, beträgt 97 Token pro Sekunde, was 35 Prozent schneller ist als Carbons 72 und für die Gesamtzeit irrelevant, weil die Zeit fürs Denken draufgeht.

Gegen den Live-Verkehr über OrcaRouter sieht das Bild wieder anders aus: p50 8,09 Sekunden bis zum ersten Token, p95 10,00 Sekunden, 101 Token pro Sekunde — über 35,6 Millionen Token, die in sieben Tagen bedient wurden. AA misst eine Harness mit maximalem Aufwand; das Gateway misst die mediane reale Anfrage. Beide Zahlen sind ehrlich, und keine von beiden allein sagt Ihnen, was ein Nutzer erleben wird.

Was es finanziell kostet

26,54 $, um den Index laufen zu lassen — Rang 77 von 77, das teuerste Modell im Ranking, und 4,8-mal so teuer wie Gemini 4 Carbon mit 5,48 $. Bei 8,00 $ für den Input und 40,00 $ für den Output liegt der Mischpreis etwa fünfmal so hoch wie bei Carbon. AA meldet außerdem 275 Millionen Output-Tokens für seinen Lauf bei einem Verbositätswert von 0,97 Prozent; die Token-Anzahl ist die entscheidende Kennzahl, und sie liegt trotz des viel niedrigeren Prozentsatzes höher als Carbons 205 Millionen, sodass die beiden Statistiken nicht als Paar gelesen werden können.

Caching verändert die Rechnung für die Produktion, aber nicht für den Benchmark. Cache-Lesevorgänge werden mit 0,200 $ pro Million berechnet und Schreibvorgänge mit 10,00 $, sodass ein Präfix mit 40.000 Token einmalig 0,40 $ zum Schreiben kostet und 0,008 $ pro anschließendem Lesevorgang, gegenüber 0,32 $ für einen ungecachten Durchlauf. Ein Prompt, den Sie zwanzig Mal pro Minute senden, ist günstig; ein einmaliges Dokument nicht. Der LLM-API-Preisvergleich stellt diese Cache-Arithmetik neben den Rest des Katalogs, wo der Abstand zwischen diesem Modell und der günstigen Tarifstufe bei der Ausgabe etwa fünf zu eins beträgt.

Zuverlässigkeit

Über dasselbe Sieben-Tage-Fenster lag die Fehlerquote bei 10,8 Prozent der Anfragen, die bei allen Upstream-Anbietern eine Nicht-2xx-Antwort zurückgaben – etwa eine von neun. Das ist deutlich besser als die 39,7 Prozent von Gemini 4 Carbon im selben Zeitraum und dennoch nicht null. Jeder Produktionspfad braucht eine Retry-Richtlinie und, wenn der Aufruf benutzerseitig ist, ein Fallback-Modell; die Gemini 4 Carbon API ist eine sinnvolle günstige Stufe für die Aufrufe, die zweimal fehlschlagen und eine schwächere Antwort tolerieren können.

Wo das Geld verdient wird

Drei Muster rechtfertigen es. Langhorizont-Agenten, bei denen ein einziger falscher Schritt zwanzig Minuten Arbeit zunichtemacht und die Kosten einer schlechten Antwort 40 US-Dollar pro Million Token in den Schatten stellen. Tiefgehende Codearbeit an einem Repository, das das Modell in einem 1M-Fenster halten kann. Und schwierige analytische Aufgaben, bei denen die Alternative ein von Hand abgeglichenes Ensemble aus drei Modellen war. In jedem Fall kaufen Sie die fünf Indexpunkte und, wichtiger noch, die Verringerung der Varianz.

Zwei Muster tun das nicht. Hochvolumige Klassifizierung oder Extraktion bei geringem Aufwand ist ein Fall, in dem ein günstigeres Modell mit strukturierter Ausgabe den Job erledigt, und interaktive Produkte, bei denen der Nutzer auf das erste Token wartet, sind ein Fall, in dem 267 Sekunden bei maximalem Aufwand unabhängig von der Qualität ein Ausschlusskriterium sind. Legt man den Aufwand pro Route fest, wird das Modell in beiden Fällen nutzbar; lässt man ihn global, ist es entweder verschwenderisch oder unbrauchbar.

Für die direkten VergleicheClaude Fable 5.2 vs. Claude Opus 5.5 wird es der günstigeren Anthropic-Option gegenübergestellt, und Claude Fable 5.2 vs. Claude Fable 5.1 deckt die Generation ab, die es ersetzt – die sowohl bei Input als auch bei Output 20 Prozent teurer ist, wodurch das Upgrade zugleich eine Preissenkung und einen Punktezuwachs darstellt.

Urteil

Erster im Index, Schlusslicht bei den Kosten, am zweitlangsamsten bis zum ersten Token und das fähigste breit veröffentlichte Modell, das man heute aufrufen kann. Es ist das Geld wert für Arbeiten, bei denen eine falsche Antwort teuer ist und der Aufruf asynchron erfolgen kann, und für alles andere ist es der falsche Default. Die operative Disziplin, die das Modell verlangt – Aufwandsstufen pro Route, ein Wiederholungsbudget, ein Fallback für die Fehlschläge im Verhältnis eins zu neun –, ist der Eintrittspreis, und sie steht nicht in der Preistabelle.