Claude Fable 5 ist Anthropics Mythos-Class-Modell – eine Leistungsstufe über der Opus-Klasse – das für den allgemeinen Gebrauch sicher gemacht wurde. Seine Fähigkeiten übertreffen jedes Modell, das Anthropic bisher breit veröffentlicht hat, mit modernsten Ergebnissen in den Bereichen Softwareentwicklung, Wissensarbeit, Bildverarbeitung und wissenschaftliche Forschung; je länger und komplexer die Aufgabe, desto größer sein Vorsprung. Es akzeptiert Text-, Bild- und Dateieingaben mit Textausgabe, bietet ein 1M-Token-Kontextfenster mit bis zu 128K Ausgabe-Token und unterstützt adaptives Reasoning und strukturierte Ausgaben. Fable 5 ist für autonome, langfristige Arbeit konzipiert: Es bleibt über Millionen von Token hinweg kohärent, verbessert seine eigenen Ausgaben mithilfe dateibasierten Speichers und erledigt komplexe mehrstufige Aufgaben mit weit weniger Unterstützung als frühere Modelle. Es ist der neue State of the Art für stark bildbasierte Aufgaben – präzise Werte aus wissenschaftlichen Abbildungen extrahieren, Anwendungen allein aus Screenshots neu erstellen – und ein bedeutender Fortschritt für agentisches Codieren und Prototyping, da es Codebase-weite Migrationen und Frontier-Engineering-Aufgaben in weniger, token-effizienteren Schritten bewältigt. Dadurch wird es zur starken Standardwahl für KI-Codierungsassistenten, tiefgehende Forschungs- und Analyse-Pipelines sowie langlaufende autonome Agenten, bei denen anhaltende Kohärenz und Urteilsvermögen am wichtigsten sind.
Claude Fable 5 ist ein großes Sprachmodell von Anthropic, das erweiterten Kontext und multimodale Eingabe betont. Sein 1.000.000-Token-Kontextfenster ermöglicht es, mit einer einzigen Anfrage ganze…
Claude Fable 5 zeichnet sich bei Aufgaben aus, die ein tiefes kontextuelles Verständnis über lange Texte oder multimodale Eingaben erfordern. Beispiele hierfür sind die Zusammenfassung mehrbändiger juristischer Dokumente, die Durchführung von Code-Reviews in riesigen Repositorien, die Integration von Informationen aus mehreren Bildern und Texten sowie die Planung komplexer mehrstufiger Prozesse, bei denen frühere Schritte spätere beeinflussen. Der Wert von 85,0 des Modells bei OSWorld-Verified zeigt, dass es realistische computerbasierte Aufgaben erfolgreich abschließen kann, die das Navigieren, die Dateibearbeitung und die Interaktion mit Software über viele Schritte hinweg umfassen. Es schneidet auch bei Standard-Benchmarks für Sprachverständnis und -generierung gut ab, auch wenn spezifische Werte über OSWorld hinaus nicht öffentlich detailliert sind. Für Aufgaben, die keinen großen Kontext oder multimodale Eingaben erfordern, wären kleinere Modelle wie Claude 3 Haiku oder GPT-4o mini kosteneffizienter.
Angesichts der Premium-Preise von $10/$50 pro Million Tokens ist Claude Fable 5 nicht optimal für kurze, hochvolumige Prompts wie einfache Klassifikation, Übersetzung einzelner Sätze oder routinemäßigen Kundensupport. Wenn Ihre Aufgabe in ein 8K-32K-Kontextfenster passt und kein Bildverständnis erfordert, liefern kleinere Modelle wie Claude 3 Sonnet, GPT-4o oder die neuesten leichten Varianten schnellere Antworten zu einem Bruchteil der Kosten. Auch wenn Sie Feintuning betreiben oder hohen Durchsatz für viele gleichzeitige Anfragen benötigen, können die Kosten und die Latenz von Claude 5 prohibitiv sein. Reservieren Sie dieses Modell für Aufgaben, bei denen der einzigartige Wert von extremem Kontext, multimodaler Argumentation oder erstklassiger agentischer Leistung die Ausgaben klar rechtfertigt. Die API von OrcaRouter ermöglicht es Ihnen, Modelle pro Anfrage dynamisch zu wechseln, sodass Sie Fable 5 nur für komplexe Aufgaben einsetzen und einfachere anderswohin leiten können.
Ja, das Modell eignet sich gut für agentische Arbeitsabläufe, die die Aufrechterhaltung des Zustands über viele Schritte erfordern. Sein Kontextfenster kann ein vollständiges Agentenprotokoll, den Verlauf von Tool-Aufrufen und Umgebungsbeobachtungen aufnehmen, was kohärente Entscheidungsfindung über erweiterte Interaktionen hinweg ermöglicht. Der Wert von 85.0 bei OSWorld-Verified misst direkt die Leistung bei realistischen, mehrstufigen Computeraufgaben – wie dem Verfassen einer E-Mail, dem Bearbeiten einer Tabelle oder dem Navigieren in einer Weboberfläche –, die für agentische Systeme von zentraler Bedeutung sind. Die maximale Ausgabe von 128K ermöglicht es dem Modell, lange Aktionssequenzen oder detaillierte Berichte zu erstellen. Allerdings sollten Entwickler die erhöhte Latenz und die Kosten pro Durchlauf berücksichtigen. Für einfachere agentische Schleifen mit kurzen Kontexten können kleinere Modelle ausreichen. Die API von OrcaRouter unterstützt Streaming und benutzerdefinierte Parameter (z. B. temperature, max_tokens), um das Verhalten fein abzustimmen.
Stärken umfassen den größten kommerziell verfügbaren Kontextfenster (1M Tokens), starkes multimodales Verständnis (Text, Bild, Datei) und eine hohe Punktzahl auf OSWorld-Verified (85.0), was eine robuste Leistung bei realen Aufgaben widerspiegelt. Das Modell verfügt außerdem über ein großzügiges Ausgabelimit von 128K, was lange Generierungen ermöglicht. Zu den Einschränkungen gehören hohe Kosten: bei $10/$50 pro Million Tokens ist es mehrere Male teurer als Modelle der mittleren Preisklasse. Zudem steigt die Latenz mit der Kontextlänge; die Verarbeitung von fast 1M Tokens kann Dutzende von Sekunden oder länger dauern. Dem Modell fehlen Modalitäten wie Audio oder Video; es akzeptiert nur Text und Bilder. Es unterstützt auch kein Fine-Tuning oder benutzerdefiniertes Training – es ist ein festes, reines API-Modell. Für Aufgaben, die seine einzigartigen Fähigkeiten nicht nutzen, können die Kosten den Nutzen übersteigen.
OSWorld-Verified ist ein Benchmark, der KI-Agenten anhand realistischer, mehrschrittiger Computeraufgaben über Betriebssysteme hinweg bewertet. Ein Wert von 85,0 bedeutet, dass Claude Fable 5 85 % der bewerteten Aufgaben ohne menschliches Eingreifen erfolgreich abschließt. Dies ist ein hoher Wert, der darauf hindeutet, dass das Modell effektiv Werkzeuge einsetzen, Dateien durchsuchen, UI-Elemente manipulieren und über lange Sequenzen hinweg logisch schlussfolgern kann. Zum Vergleich: Viele andere Modelle erzielen bei ähnlichen Benchmarks Werte unter 50. Der Wert spiegelt sowohl den großen Kontext des Modells (der es ihm ermöglicht, sich an frühere Schritte zu erinnern) als auch seine logische Denkfähigkeit wider. Allerdings ist OSWorld-Verified nur eine Metrik; sie misst nicht Faktentreue, Sicherheit oder domänenspezifisches Wissen. Nutzer sollten die Leistung bei ihren eigenen Aufgaben bewerten. Der Benchmark wurde von Anthropic unter Verwendung eines unabhängigen Evaluierungsrahmens durchgeführt.
Genaue Latenzwerte für Claude Fable 5 werden von Anthropic nicht öffentlich bekannt gegeben, aber allgemeine Erwartungen lassen sich ableiten. Bei einem typischen kurzen Prompt (z. B. ein paar hundert Tokens) kann das Modell innerhalb von Sekunden antworten. Wenn die Kontextlänge sich dem 1M-Limit nähert, steigt die Latenz erheblich – möglicherweise über eine Minute sowohl für die Verarbeitung als auch für die Generierung. Auch die Ausgabelänge beeinflusst die Geschwindigkeit; das Generieren von 128K Tokens kann beträchtliche Zeit in Anspruch nehmen. Die API von OrcaRouter unterstützt Streaming-Antworten, sodass Benutzer Teilergebnisse verarbeiten können, sobald sie eintreffen. Für Echtzeitanwendungen sollte man die Verwendung eines kleineren Modells in Betracht ziehen. Die hohen Kosten ($50/output MTok) fördern zusätzlich die Optimierung der Prompt-Länge. Caching ist nicht nativ verfügbar, aber OrcaRouter bietet möglicherweise optionales Caching für wiederholte Anfragen – siehe aktuelle Dokumentation.
Trotz seiner Stärken hat Claude Fable 5 Einschränkungen. Erstens ist es kein Multitask-Allrounder; es zeichnet sich durch Langzeitkontext- und multimodales Denken aus, kann aber von spezialisierten Modellen bei Aufgaben wie Mathematik (z.B. GPT-4o) oder Codegenerierung (z.B. Code Llama) übertroffen werden, wenn diese Modelle feinabgestimmt sind. Zweitens ist der Wissensstichtag des Modells nicht angegeben; gehen Sie davon aus, dass es möglicherweise nicht auf dem neuesten Stand der aktuellen Ereignisse ist. Drittens kann es, wie alle großen Sprachmodelle, halluzinieren oder ungenaue Informationen produzieren, insbesondere wenn es über seine Trainingsverteilung hinaus beansprucht wird. Viertens ist das Bildverständnis leistungsstark, aber nicht perfekt—feine Details in niedrig aufgelösten Bildern können übersehen werden. Schließlich machen die Kosten und die Latenz es für Hochdurchsatz-Produktionssysteme unpraktisch. Überprüfen Sie die Ausgaben stets kritisch. Die Plattform von OrcaRouter ermöglicht es Ihnen, bei Bedarf auf alternative Modelle umzuschalten.
Das OSWorld-Verified-Benchmark ist relativ neu, daher sind direkte Vergleiche mit vielen Modellen begrenzt. Allerdings zeigen bekannte Ergebnisse aus öffentlichen Ranglisten, dass Werte über 70 als sehr stark gelten. Beispielsweise haben frühere Modelle wie GPT-4V und Claude 3 Opus bei ähnlichen agentischen Benchmarks (z. B. OSWorld) Werte unter 60 erzielt. Claude Fable 5’s 85,0 deutet darauf hin, dass es eines der leistungsstärksten Modelle für agentische Aufgaben ist. Allerdings garantieren Benchmark-Ergebnisse nicht die Leistung in jedem Szenario; reale Aufgaben variieren in Komplexität und Domäne. Das Modell erzielt wahrscheinlich auch hohe Werte bei allgemeinen Sprachverständnis-Benchmarks (z. B. MMLU, HellaSwag), auch wenn keine spezifischen Zahlen angegeben werden. Benutzer sollten ihre eigene Evaluierung mit repräsentativen Stichproben durchführen. OrcaRouter’s API ermöglicht es Ihnen, Modelle nebeneinander mit identischen Prompts zu testen.
Preise sind unkompliziert: $10.00 pro 1 Million Input-Token und $50.00 pro 1 Million Output-Token. Dies sind die exakten Anbieterpreise von Anthropic; OrcaRouter fügt keinen Aufschlag hinzu. Input-Token umfassen sämtliche Texte, Bilder und Dateiinhalte, die vom Modell verarbeitet werden. Output-Token zählen jedes generierte Token. Zum Beispiel würde eine Anfrage mit 10.000 Input-Token und 2.000 Output-Token $0.10 + $0.10 = $0.20 kosten. Es gibt keine versteckten Gebühren oder Mindestnutzung. Die Abrechnung erfolgt über Ihr OrcaRouter-Konto. Falls Sie ein Nutzer mit hohem Volumen sind, bietet OrcaRouter möglicherweise rabattierte Stufen an – kontaktieren Sie den Support für Details. Beachten Sie, dass es aufgrund der Kosten des Modells wichtig ist, die Token-Nutzung zu überwachen. OrcaRouter stellt Nutzungsprotokolle und Kostenaufschlüsselungen im Dashboard bereit.
Der grundlegende Kompromiss besteht zwischen Leistungsfähigkeit und Kosten. Claude Fable 5 ist eines der teuersten verfügbaren Modelle aufgrund seines großen Kontextes und des hohen Preises pro Token. Bei Aufgaben, die weniger als 32K Tokens verwenden, zahlen Sie einen Aufpreis, ohne die Hauptstärke des Modells zu nutzen. Erwägen Sie, für diese Fälle ein günstigeres Modell zu verwenden (z.B. Claude 3 Haiku zu $0.25/$1.25 pro MTok). Außerdem sind Ausgabetokens fünfmal teurer als Eingabetokens, daher kann die Optimierung der Generierungslänge – durch strukturierte Prompts oder niedrigere max_tokens-Einstellungen – die Kosten senken. Vermeiden Sie außerdem die Aufnahme unnötigen Kontexts; jedes Bild verbraucht erhebliche Tokens (oft Tausende). Die API von OrcaRouter unterstützt einen `max_tokens`-Parameter zur Begrenzung der Ausgabe. Bei Arbeitslasten mit häufig wiederholten Prompts sollten Sie prüfen, ob Caching oder individuelles Feintuning eines kleineren Modells kosteneffizienter sein könnte.
Derzeit bietet Anthropic keine native Prompt-Caching-Funktion für Claude Fable 5, und OrcaRouter speichert keine Prompts automatisch zwischen. Die API von OrcaRouter unterstützt jedoch möglicherweise optionales Anfrage-Caching auf Infrastrukturebene für identische Anfragen – konsultieren Sie die OrcaRouter-Dokumentation oder kontaktieren Sie den Support für aktuelle Caching-Optionen. Ohne Caching wird jede Anfrage vollständig pro Token berechnet. Falls Ihr Anwendungsfall viele identische Präfixe umfasst (z. B. ein gemeinsames System-Prompt für viele Benutzernachrichten), könnten Sie Ihre Aufrufe umstrukturieren, um wiederholte Token-Kosten zu minimieren, aber das Modell verarbeitet trotzdem jedes Mal die vollständige Eingabe. Für Anwendungen mit hohem Volumen sollten Sie das Fine-Tuning eines kleineren Modells oder die Verwendung eines günstigeren Modells mit kürzerem Kontext in Betracht ziehen. OrcaRouter ermöglicht es Ihnen, programmgesteuert zwischen Modellen zu wechseln, um die Kosten zu optimieren.
Nein, OrcaRouter berechnet keine zusätzlichen Gebühren über den Anbieterpreis hinaus. Sie zahlen genau 10,00 $ pro 1 Mio. Input-Tokens und 50,00 $ pro 1 Mio. Output-Tokens. Es gibt keine Kosten pro Anfrage, keine Abonnement-Mindestgrenzen und keine versteckten Kosten. Standardmäßige OrcaRouter-Kontogebühren (falls vorhanden) gelten für die gesamte API-Nutzung, sind jedoch von der modellspezifischen Preisgestaltung getrennt. Wenn Sie Funktionen wie benutzerdefiniertes Modell-Routing, Streaming oder Multi-Turn-Gespräche nutzen, sind diese im Token-Preis enthalten. Überprüfen Sie stets die OrcaRouter-Preisseite für die aktuellsten Informationen. Für Unternehmenskunden bietet OrcaRouter möglicherweise Mengenrabatte oder maßgeschneiderte Preise an – kontaktieren Sie den Vertrieb für ein Angebot. Zusammenfassend: Die Kosten sind transparent und basierend auf der Token-Nutzung vorhersagbar.
Sie greifen über die OpenAI-kompatible API von OrcaRouter auf Claude Fable 5 zu. Die Basis-URL lautet https://api.orcarouter.ai/v1. Verwenden Sie die Modell-ID "anthropic/claude-fable-5" in Ihren Anfragen. Die API akzeptiert die üblichen OpenAI-Chat-Completion-Parameter: `messages`, `max_tokens`, `temperature`, `top_p`, `stop` usw. Für multimodale Eingaben fügen Sie `content`-Arrays mit Einträgen vom Typ "text", "image_url" oder "file_url" ein (je nach SDK-Version). Die Authentifizierung erfordert einen API-Schlüssel von OrcaRouter, der im Authorization-Header als "Bearer YOUR_API_KEY" übergeben wird. Beispiel für einen curl-Befehl: curl https://api.orcarouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $ORCAROUTER_API_KEY" -d '{"model":"anthropic/claude-fable-5","messages":[{"role":"user","content":"Hello"}],"max_tokens":100}'. Streaming wird durch Setzen von `stream: true` unterstützt.
Claude Fable 5 unterstützt die Standardparameter der OpenAI Chat Completions API. Die relevantesten sind: `max_tokens` (Standard 128K Max), `temperature` (Bereich 0-2, empfohlen 0-1), `top_p` (Alternative zu temperature), `stop`-Sequenzen, `presence_penalty` und `frequency_penalty`. Für multimodale Anfragen kann das `content`-Feld Arrays von Objekten mit `type` und den entsprechenden Daten enthalten (z.B. `{"type":"text","text":"Beschreiben Sie dieses Diagramm"}` und `{"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}`). Datei-Uploads können per URL oder base64-kodierten Daten erfolgen. Es gibt auch einen `stream`-Parameter zum Empfang teilweiser Antworten. Nicht alle Parameter werden unterstützt; zum Beispiel sind Funktionen/Tools derzeit für dieses Modell nicht verfügbar – prüfen Sie die OrcaRouter-Dokumentation auf Updates. Alle Parameter werden im Anforderungstext übergeben.
Die Migration ist unkompliziert, da die API von OrcaRouter OpenAI-kompatibel ist. Beginnen Sie, indem Sie einen OrcaRouter-API-Schlüssel aus Ihrem Account-Dashboard abrufen. Ersetzen Sie Ihre aktuelle Basis-URL durch https://api.orcarouter.ai/v1 und ändern Sie die Modellkennung auf "anthropic/claude-fable-5". Falls Sie zuvor die native API von Anthropic verwendet haben, beachten Sie, dass OrcaRouter das OpenAI-Nachrichtenformat anstelle des Anthropic-Formats verwendet. Sie müssen jeglichen Code anpassen, der Nachrichten strukturiert. Für Bildeingaben konvertieren Sie diese in das OpenAI-Format (z. B. base64 oder URL). OrcaRouter übernimmt die zugrunde liegende Übersetzung zur Anthropic-API. Testen Sie mit einer einzelnen Anfrage, bevor Sie Produktionsworkloads migrieren. OrcaRouter bietet möglicherweise auch zusätzliche Funktionen wie Ratenbegrenzung, Nutzungsanalysen und Modell-Fallbacks. Schlagen Sie in der Dokumentation von OrcaRouter nach, um Einzelheiten zur Nachrichtenformatierung und Authentifizierung zu erfahren.
Claude Fable 5 bietet ein größeres Kontextfenster (1M vs. 200K für Opus) und eine höhere Punktzahl bei OSWorld-Verified (85,0 vs. geschätzt ~55-60 für Opus). Es unterstützt auch Bild- und Dateieingaben wie Opus. Das Ausgabe-Token-Limit ist höher (128K vs. 4.096 für Opus). Allerdings ist Claude 3 Opus deutlich billiger: $15/$75 pro MTok für Opus (bisher) oder $8/$24 für Opus nach Preissenkungen? Tatsächlicher aktueller Preis für Opus ist $15/$75 pro MTok vs. Fable 5's $10/$50 – warte, Opus ist tatsächlich $15/$75 Input/Output? (Standardpreis: Claude 3 Opus $15/$75 pro MTok). Also ist Fable 5 tatsächlich billiger pro Token als Opus? Tatsächlich $10/$50 vs. $15/$75, also ist Fable 5 33% billiger. Das ist ein interessanter Punkt. Aber Opus ist für kürzere Aufgaben immer noch geeignet. Fable 5's Hauptvorteil sind Kontextlänge und agentische Leistung. Für Aufgaben innerhalb von 200K Tokens könnte Opus zu geringeren Kosten ausreichen. Wenn Sie extremen Kontext oder Top-Agent-Ergebnisse benötigen, ist Fable 5 besser.
GPT-4o (von OpenAI) hat ein 128K-Kontextfenster, verglichen mit Fable 5s 1M. GPT-4o unterstützt außerdem Text-, Bild- und Audioeingaben (Fable 5: nur Text und Bild). Das Ausgabelimit von GPT-4o beträgt 4.096 Tokens, weit weniger als Fable 5s 128K. Bei Benchmarks erreicht GPT-4o etwa 87,1 im MMLU, hat aber keinen öffentlich gemeldeten OSWorld-Verified-Score. Preislich kostet GPT-4o $5/$15 pro MTok (Eingabe/Ausgabe), günstiger als Fable 5s $10/$50. GPT-4o ist also schneller und günstiger für kürzere Aufgaben, während Fable 5 in langen Kontexten und Agentenszenarien glänzt. Für multimodale Anwendungen mit Audio ist GPT-4o die bessere Wahl. Beide sind über OrcaRouter zugänglich, sodass Sie pro Anfrage wählen können.
In OrcaRouter können Sie aus verschiedenen Anthropic-Modellen (Claude 3.5 Sonnet, Claude 3 Haiku) und OpenAI-Modellen (GPT-4o, GPT-4o mini, GPT-4 Turbo) sowie Open-Source-Modellen wählen. Für die meisten Aufgaben bietet Claude 3.5 Sonnet eine gute Balance zwischen Leistung und Kosten (3 $/15 $ pro MTok) bei einem 200K-Kontext. Für extrem lange Kontexte ist Fable 5 unübertroffen. Für die Klassifizierung oder Extraktion mit hohem Durchsatz ist Claude 3 Haiku (0,25 $/1,25 $ pro MTok) günstig und schnell. Für die Codegenerierung sind GPT-4o oder Code Llama möglicherweise spezialisiert. OrcaRouter ermöglicht es Ihnen, Fallback-Modelle festzulegen: Falls Fable 5 fehlschlägt oder ein Timeout auftritt, können Sie auf ein günstigeres Modell ausweichen. Bewerten Sie Ihre spezifischen Anforderungen hinsichtlich Kontextlänge, Eingabemodalität und Benchmark-Leistung. Das beste Modell hängt von Ihrem Anwendungsfall ab, nicht nur vom höchsten Benchmark-Wert.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-fable-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatstopstructured_outputstool_choicetoolsverbosity| Eingabe / 1M Tokens | $10.00 |
| Ausgabe / 1M Tokens | $50.00 |
| Cache-Lesen / 1M | $1.00 |
| Cache-Schreiben / 1M | $12.50 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/anthropic/claude-fable-5Öffnen @misc{orcarouter_claude_fable_5,
title = {Claude Fable 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-fable-5}
}Anthropic. (2026). Claude Fable 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-fable-5