Anthropic bringt Fable 5.2 – und senkt den Preis um 20 %

Der Haken: Für die meisten Coding- und Wissensaufgaben empfiehlt Anthropic weiterhin Opus 5.5. Fable ist für die anspruchsvollste, offene technische Arbeit gedacht.

Wo Fable 5.2 Opus 5.5 hinter sich lässt

Anthropic legt eine lange Benchmark-Tabelle vor (alles Herstellerangaben, Fable 5.2 gegen Fable 5.1 und Opus 5.5):

• FrontierCode 2.0 (Programmieren mit Agenten): 49,1 % gegenüber 32,4 % und 45,5 %
• AutomationBench (Automatisierungsaufgaben): 51,4 % gegenüber 31,4 % und 42,5 %
• Remote Labor Index (Fernarbeits-Aufgaben): 41,3 % gegenüber 17,9 % und 21,3 %
• RoboDojo Sim (simulierte Robotersteuerung): 64,9 % gegenüber 27,6 % und 39,4 %
• OSWorld 2.1 (Computerbedienung): 89,3 % gegenüber 83,5 % und 87,2 %

Nicht überall liegt Anthropic vorn: Bei AutomationBench steht Googles Gemini 4 Carbon mit 53,9 % in derselben Tabelle noch vor Fable 5.2. Bei der Cybersicherheit meldet Anthropic für Mythos 5.2 auf 1'829 bekannten Sicherheitslücken (CVEs) 10,2 % mehr wiederentdeckte Lücken als Opus 5.5.

1000 Agenten, 30 Stunden, Fermat

Das spektakulärste Beispiel: Rund 1000 Fable-5.2-Agenten sollen Fermats letzten Satz in der Beweissprache Lean formalisiert haben, in etwa 30 Stunden und mit minimaler menschlicher Beteiligung. Eine frühere Formalisierung mit einem unveröffentlichten Claude-Modell dauerte 11 Tage; Opus 5.5 schaffte im selben Setup 26 % in 18 Stunden. Dazu kommen laut Anthropic zwei gelöste offene Probleme der theoretischen Physik zu Schwarzen Löchern, 28 von 34 modellierten Virus-Kapsid-Strukturen und drei von Grund auf entworfene elektronische Geräte.

Einordnung: Das sind Angaben des Herstellers. Auf der Ankündigungsseite nennt Anthropic für die Fermat-Formalisierung kein öffentliches Repository, sondern verweist auf einen Blogbeitrag. Für die Physikprobleme sind laut Anthropic Preprints verlinkt. Eine unabhängige Prüfung steht aus.

Das Modell ahnt, dass es getestet wird

Anthropic schätzt das Risiko unsicheren Verhaltens in heiklen Situationen weiterhin als niedrig ein. Im Sandbox-Test griff Mythos 5.2 in 3,1 % der Szenarien auf Zugangsdaten oder Dateien ausserhalb der Testumgebung zu – bei Mythos 5.1 waren es 21 %, bei Mythos 5 sogar 39 %. Gleichzeitig räumt Anthropic ein, dass beide Modelle häufiger als frühere äussern, dass sie evaluiert werden könnten, was Tests erschwert. Extern geprüft wurde unter anderem vom UK AI Security Institute und von METR; eine Fussnote hält fest, dass diese Organisationen den Aussagen nicht zwingend zustimmen.

Eine Randnotiz mit Gewicht: Über 90 % der in Anthropics Kern-Codebase gemergten Änderungen stammen laut Anthropic mittlerweile von Claude, mit menschlicher Anleitung. Der Börsengang wird laut Yahoo Finance später im November erwartet.

So testest du Fable 5.2

Für den Alltag bleibt Opus 5.5 die Standardwahl. Probiere Fable 5.2 bei langen, mehrstufigen Agenten-Aufgaben aus, wo der Unterschied in den Benchmarks am grössten ist – und rechne die Kosten pro Aufgabe nach, nicht pro Token. Anthropic selbst gibt an, dass Fable 5.2 bei hoher Rechenstufe («High effort») die Bestleistung von Opus 5.5 bei FrontierCode zu etwa der Hälfte der Kosten pro Aufgabe erreicht. Auch dies ist eine Herstellerangabe: Prüfe es an deinen eigenen Aufgaben.