Claude Fable 5.2 und Mythos 5.2 im Test: Code, Tempo, Kosten

👁 111 Aufrufe

Am Montag, dem 9. November 2026, um 20:20 Uhr stellte ich meine erste Anfrage an Claude Fable 5.2. Das Modell war bereits bei OpenRouter unter der Kennung anthropic/claude-fable-5.2 verfügbar. Der Preis: etwa 7,15 EUR pro Million Eingabe- und 35,74 EUR pro Million Ausgabetoken (8 beziehungsweise 40 USD). Die Rechnung 17 mal 23 löste es in 3 Sekunden. In den folgenden 27 Minuten ließ ich das Modell und drei Konkurrenten dieselben Aufgaben bearbeiten: Code mit Unit-Tests, Rätsel mit genau einer richtigen Antwort, polnische Texte, Bilder und Geschwindigkeitsmessungen. Das Ergebnis überraschte mich: Bei Aufgaben mit eindeutiger Lösung gab es ein 100:100-Unentschieden. Die Unterschiede lagen woanders - bei den Kosten, beim Tempo und bei kleinen Fehlern, die mehr verraten als Prozentwerte.

Mythos 5.2 war nicht Teil dieses Tests. Das Modell ist bei OpenRouter nicht verfügbar - ich prüfte die Modellliste zu Beginn und am Ende des Tests - und Anthropic stellt es nur Teilnehmenden des Cyber Verification Program und des Life Sciences Verification Program bereit. Laut Ankündigung haben Fable 5.2 und Mythos 5.2 dasselbe Basismodell und unterscheiden sich bei den Schutzmaßnahmen für Cybersicherheit und Biologie. Die Ergebnisse von Fable zeigen daher gut, was gewöhnliche Nutzerinnen und Nutzer derzeit verwenden können. Details zum Start, zu Preisen und zu den Unterschieden zwischen den Versionen finden Sie in meinem Leitfaden zu Claude Fable 5.2 und im Artikel über Mythos 5.2.

Was ich genau getestet habe

Alle vier Modelle erhielten dieselben 27 Aufgaben mit identischem Wortlaut, über dieselbe API (OpenRouter) und mit derselben Einstellung für das Reasoning: „medium“. Das ist die Stufe, die Anthropic für Fable 5.2 in den Claude-Apps standardmäßig festgelegt hat. Die Konkurrenten waren Claude Opus 5.5, Anthropics vorheriges Spitzenmodell, sowie GPT-6.1 Sol und Gemini 4 Argon, die beliebtesten Modelle von OpenAI und Google in derselben Preisklasse wie Opus.

• Code, 6 Aufgaben: Parser für Zeitangaben („2h15m10s“), kürzester Weg durch ein Labyrinth mit einer möglichen Wanddurchquerung (Spielfeld bis zu 300 mal 300 Felder), Reparatur eines defekten LRU-Caches, Refaktorierung einer Rechnungsfunktion bei identischem Verhalten, Datumsuche mit regulären Ausdrücken (auch „9. November 2026“) und eine SQL-Abfrage mit Fallen (Rabatte, Bestellungen ohne Positionen, Status „PAID“ in Großbuchstaben). Insgesamt 76 lokal in Python ausgeführte Tests.
• Logisches Denken, 8 Rätsel mit jeweils einer Lösung: Ritter und Lügner, ein Junge, der an einem Dienstag geboren wurde, Zeigerstellungen einer Uhr, Reste bei Divisionen, Freitage, die auf den 13. fallen, im Jahr 2027 sowie zwei Rätsel im polnischen Original. Übersetzungen des getesteten polnischen Materials: „Ein halbes Dutzend Dutzende geteilt durch die Hälfte“ und die Buchstabenzählung im polnischen Satz „Möge die polnische Sprache mit ihrer besonderen Schreibweise gedeihen“, wobei zwei polnische Sonderbuchstaben nicht mitgezählt wurden. Die tatsächlichen Aufgaben testete ich auf Polnisch; die Übersetzungen sind keine neuen Tests.
• Polnisch, 3 Texte: eine E-Mail an das Finanzamt wegen einer ausstehenden Einkommensteuerrückerstattung, eine Zusammenfassung mit höchstens 70 Wörtern und ein Text für die Website einer Kaffeerösterei ohne Werbephrasen. Der Test wurde auf Polnisch durchgeführt.
• Bildverständnis, 3 von mir mit Python erzeugte Bilder: ein Balkendiagramm, ein Tabellen-Screenshot und ein „Foto“ eines schräg aufgenommenen und verrauschten Kassenbons; dazu 10 Fragen.
• Tempo: drei Prompts (Essay mit 500 Wörtern, Code für eine Prioritätswarteschlange, Übersetzung), jeweils zweimal im Streaming mit Messung der Zeit bis zum ersten Token.

Nachdem alle Modelle in der ersten Runde die volle Punktzahl erreicht hatten, ergänzte ich eine schwierige Runde: einen Rechner für Ausdrücke mit exakten Brüchen und 33 Tests (Fallen wie -2^2 = -4 und 2^3^2 = 512), die ausgeschriebene Darstellung von Geldbeträgen wie auf einer polnischen Rechnung mit 27 Tests sowie fünf Aufgaben, deren Lösung nicht erraten werden kann: die Zahl der Arbeitstage in Polen 2027 (einschließlich Heiligabend, der seit diesem Jahr arbeitsfrei ist), Buchstabenanordnungen des Wortes KAJAKARZ, fünfstellige Primzahlpalindrome, eine Variante des Monty-Hall-Problems mit einem Moderator, der nicht weiß, wo das Auto steht, und das Datum des tausendsten Tages ab dem 9. November 2026.

Ergebnisse: Gleichstand bei Aufgaben mit eindeutiger Lösung

* Gemini verpackte das JSON jedes Mal in einen Markdown-Codeblock. ** GPT-6.1 Sol war der Richter und bewertete auch seinen eigenen Text - dazu weiter unten mehr. Die Kosten beruhen auf den OpenRouter-Tarifen vom 9.11.2026 und wurden für jede Anfrage über die API ermittelt.

Alle vier Modelle bestanden sämtliche 136 Codetests, alle 13 Rätsel und alle 10 Fragen zu den Bildern. Dazu gehörten Primzahlpalindrome, die man ohne Code im Kopf berechnen muss (es gibt 93 davon), und 253 Arbeitstage im Jahr 2027. Den Kassenbon, auf dem die Beträge durch die schräge Aufnahme eine halbe Zeile unter den Produktnamen standen, las jedes Modell fehlerfrei: 81,03 in der lokalen Währung des Testbelegs, Milch für 7,58, eine Steueridentifikationsnummer und 7 Positionen. Fable 5.2 schnitt bei keiner Aufgabe schlechter ab als Opus 5.5, aber auch bei keiner besser.

Das bedeutet nicht, dass Fable 5.2 nicht leistungsfähiger ist. Anthropics Ankündigung zeigt einen Vorsprung bei agentischen, mehrstündigen und mehrstufigen Aufgaben, etwa 49,1 Prozent in FrontierCode 2.0 (bei der höchsten Reasoning-Stufe) gegenüber 45,5 Prozent für Opus 5.5. Mein Test misst das nicht: Es handelt sich um einzelne Anweisungen, wie sie gewöhnliche Nutzer in einen Chat eingeben oder über eine API senden. Bei solchen Aufgaben haben die neuesten Modellgenerationen eine Grenze erreicht, an der das günstige GPT-6.1 Sol neben dem teuren Fable steht.

Worin Fable 5.2 auffällt: beim Tempo

Anthropic schreibt, Fable 5.2 und Mythos 5.2 erzeugten Antworten bis zu 30 Prozent schneller als die Versionen 5.1. Das ist eines der wenigen Versprechen aus der Ankündigung, die ich direkt überprüfen konnte. Deshalb nahm ich Fable 5.1 in die Geschwindigkeitsmessung auf.

Verglich ich nur Anfragen, die über dieselbe Anthropic-Infrastruktur liefen, schrieb Fable 5.2 den Essay mit 101-103 Token pro Sekunde, Fable 5.1 mit 69. Beim Code waren es 135-141 gegenüber 104 Token pro Sekunde. Gemessen an der Gesamtdauer des Essays beträgt der Zeitgewinn 27 Prozent und liegt damit innerhalb des Versprechens von „bis zu 30 Prozent“. Fable 5.2 beendete den Essay außerdem 2,7 Sekunden schneller als Opus 5.5 und war das einzige Claude-Modell, das beim Schreiben langer Texte mit Gemini 4 Argon mithielt (26,1 gegenüber 25,6 Wörter pro Sekunde).

Token pro Sekunde sollte man beim Vergleich verschiedener Anbieter mit Vorsicht lesen, weil jeder Text anders in Token zerlegt: GPT-6.1 Sol benötigte für den Essay rund 1200 Token, Claude-Modelle rund 1700. Aussagekräftiger sind daher die Spalten mit Wörtern pro Sekunde und der Gesamtdauer. Bei der Zeit bis zum ersten Token lag GPT-6.1 Sol vorn (1,48 s). Bei der Codeaufgabe stieg die Zeit jedoch auf mehr als 8 Sekunden, weil das Modell zunächst nachdachte.

Die Kosten: doppelt so teuer pro Token, aber nicht pro Aufgabe

Fable 5.2 kostet pro Token doppelt so viel wie Opus 5.5: etwa 7,15 und 35,74 EUR gegenüber 3,57 und 17,87 EUR (8 und 40 USD gegenüber 4 und 20 USD). Die 27 Aufgaben meines Tests kosteten jedoch rund 0,67 EUR gegenüber 0,46 EUR (0,75 gegenüber 0,52 USD), also 1,44-mal so viel. Die Tokenzähler erklären den Unterschied: Fable 5.2 verbrauchte 16 434 Ausgabetoken, Opus 5.5 ganze 23 839, davon 11 316 allein fürs Reasoning (Fable: 5 069). Beim Rätsel zu Divisionsresten erzeugte Opus 749 Token, Fable 306; bei der E-Mail an das Finanzamt waren es bei Opus 1662 Token für 143 Wörter, bei Fable 544.

Zum EZB-Referenzkurs vom 9. November 2026 (1 EUR = 1,1193 USD) kosteten die 27 Aufgaben ungefähr: Fable 5.2 0,67 EUR, Opus 5.5 0,46 EUR, Gemini 4 Argon 0,13 EUR und GPT-6.1 Sol 0,10 EUR. Fable ist damit 6,6-mal so teuer wie Sol, obwohl beide bei Aufgaben mit eindeutiger Lösung dasselbe Ergebnis erzielten. Dieses Verhältnis ist wichtiger als jeder Benchmark, wenn Sie die API aus eigener Tasche bezahlen. Umgerechnete Beträge sind Schätzungen und keine lokalen Checkout-Preise. Wechselkursquelle: EZB-Referenzkurs vom 9. November 2026.

Die Fehler sagen am meisten aus

Da sich die Punktzahlen nicht unterscheiden, sind die Ausrutscher interessanter. Ich habe jeden von Hand überprüft.

Fable 5.2 verwechselte eine Rechtsgrundlage. In der E-Mail an das polnische Finanzamt nannte es einen falschen Absatz der polnischen Abgabenordnung als Grundlage für die 45-tägige Frist zur Rückerstattung. Die korrekte Vorschrift betrifft elektronisch eingereichte Erklärungen; die vom Modell zitierte Regel bezog sich auf eine dreimonatige Frist für Papiererklärungen (Wortlaut des polnischen Artikels 77). Interessant ist, dass Opus 5.5 in seiner Reasoning-Ausgabe ausdrücklich schrieb, es überlege, ob es einen konkreten Artikel zitieren oder lieber allgemein bleiben sollte, um einen falschen Verweis zu vermeiden. Es entschied sich für die allgemeine Formulierung.

Opus 5.5 verrechnete sich beim Datum. Dieselbe E-Mail beendete Opus mit der Aussage, die Rückerstattungsfrist sei am 31. März 2026 abgelaufen, gerechnet ab dem 14. Februar. Nach der im Test zugrunde gelegten polnischen Regel gilt eine vor dem 15. Februar eingereichte Einkommensteuererklärung jedoch als am 15. Februar eingereicht. Die Frist endete deshalb einen Tag später. Ein kleines Detail - aber gerade solche Details in einem Schreiben an eine Behörde können den Rest infrage stellen.

Fable 5.2 hielt das Format nicht ein. Für eine Tabelle verlangte ich eine Antwort ausschließlich als JSON. Fable listete zunächst alle 10 Produkte aus Menge mal Preis, die Gesamtsumme und die Produkte mit 8 Prozent Mehrwertsteuer auf; erst am Ende kam das JSON. Inhaltlich war die Antwort korrekt, aber ein Programm, das sie automatisch parsen sollte, wäre gescheitert. In einer Zusammenfassung mit einer Grenze von 70 Wörtern schrieb Fable 71 Wörter, Gemini 4 Argon 80.

Zwei Claude-Modelle vergaßen den Markennamen. Im Text für die Kaffeerösterei „Ziarnko“ verwendeten weder Fable 5.2 noch Opus 5.5 den Markennamen. Beide ergänzten außerdem Dinge, die nicht in der Anweisung standen: ein Röstdatum auf jeder Packung; Fable erfand zusätzlich eine „Hotline, die wir übrigens gar nicht haben“. Das klingt menschlich, ist aber ein Versprechen, das der Betreiber der Rösterei möglicherweise nie gemacht hat.

Polnisch: ein Richter mit Interessenkonflikt

GPT-6.1 Sol bewertete die polnischen Texte in einem Blindtest. Es erhielt vier Texte mit den Kennzeichnungen A bis D in zufälliger Reihenfolge, zweimal pro Aufgabe und jeweils neu gemischt. Es sollte Sprachfehler mit Korrekturen aufführen und Natürlichkeit sowie Umsetzung der Anweisung auf einer Skala von 1 bis 10 bewerten. Getestet wurde auf Polnisch; die übersetzten Beispiele in diesem Artikel wurden nicht erneut geprüft.

Der Richter setzte den Text von GPT-6.1 Sol bei der E-Mail und beim Marketingtext auf Platz eins, Opus 5.5 bei der Zusammenfassung. Er wusste nicht, welcher Text von welchem Modell stammte. Da Modelle aber dazu neigen, ihren eigenen Stil zu mögen, betrachte ich die Rangfolge mit Abstand. Meine manuelle Prüfung bestätigt dagegen zwei Dinge. Opus 5.5 schrieb das sauberste Polnisch: In den drei Texten fand ich keinen Fehler. Gemini 4 Argon schrieb am schwächsten: Es verwendete eine unpassende Bezeichnung für eine polnische Steuererklärung, die wörtliche Übertragung einer Wendung im Sinne von „macht einen riesigen Unterschied“, die Anrede „wir beide wissen“ in einem Kundentext und überschritt die Wortgrenze. Fable 5.2 lag dazwischen - mit einem Komma, wo ein Semikolon hingehörte, und dem menschlichsten Ton im Marketingtext, aber auch mit den meisten hinzugefügten Versprechen. Nur GPT-6.1 Sol verwendete den Namen Ziarnko und ergänzte nichts.

So habe ich getestet - und was der Test nicht zeigt

Alle Anfragen liefen am 9. November zwischen 20:20 und 20:47 Uhr über OpenRouter. Fable 5.2 wurde über Anthropics Infrastruktur ausgeführt, Opus 5.5 über Claude Platform auf AWS, Sol über OpenAI und Argon über Google (einmal über Google AI Studio). Fable 5.1 lief bei einigen Messungen über Azure und Google; deshalb stütze ich den Vergleich von 5.2 und 5.1 auf Anfragen, die von Anthropic verarbeitet wurden. Den Code führte ich lokal in einem separaten Prozess mit Zeitlimit aus. Ein Skript prüfte die Antworten bei den Rätseln und beim Bildverständnis, anschließend kontrollierte ich sie selbst. Jede Aufgabe wurde einmal ausgeführt (die Geschwindigkeitsmessungen zweimal). Bei einer anderen Stichprobe könnte ein Modell also bei einer Aufgabe scheitern, bei der es in meinem Test richtig lag.

Der ganze Test einschließlich der Bewertung kostete 2,92 USD, also etwa 2,61 EUR. Die Rohdaten - alle Prompts, vollständige Antworten, von den Modellen geschriebener Code, Testergebnisse, Zeiten, Tokenzahlen und Kosten jeder Anfrage - stelle ich in der Datei wyniki.json bereit. Fakten aus der Ankündigung, Preise und Hersteller-Benchmarks habe ich im Artikel zum Start von Fable 5.2 und Mythos 5.2 gesammelt. Preis- und Benchmarkvergleiche finden Sie im Artikel Fable 5.2 gegen Opus 5.5, einen älteren Vergleich im Beitrag Claude Opus 5.5 gegen Fable 5.1.

Mein Fazit nach einem Abend mit vier Modellen: Bei einzelnen Aufgaben, wie man sie gewöhnlich in einen Chat eingibt, liefert Fable 5.2 keine besseren Antworten als Opus 5.5 - oder auch GPT-6.1 Sol. Es antwortet schneller und verbraucht weniger Token als Opus, ist aber am teuersten. Der angekündigte Vorsprung liegt bei langen agentischen Aufgaben, die sich mit einer einzelnen Anweisung nicht prüfen lassen. Das teste ich separat.

Häufige Fragen

Ist Claude Fable 5.2 besser als Opus 5.5?

In meinen 27 Aufgaben mit eindeutiger Lösung erreichten beide Modelle die volle Punktzahl. Fable 5.2 war schneller (Essay in 19,1 statt 21,8 Sekunden) und verbrauchte weniger Token, kostete aber 0,67 statt 0,46 EUR (0,75 statt 0,52 USD). Anthropics Ankündigung weist einen Vorsprung bei langen agentischen Aufgaben aus, die dieser Test nicht abdeckte.

Ist Fable 5.2 tatsächlich 30 Prozent schneller als Fable 5.1?

In meiner Messung dauerte ein Essay mit 500 Wörtern 19,1 statt 26,2 Sekunden - 27 Prozent weniger. Beim Vergleich über dieselbe Anthropic-Infrastruktur stieg die Generierungsgeschwindigkeit beim Essay von 69 auf 101-103 Token pro Sekunde und beim Code von 104 auf 135-141.

Kann man Claude Mythos 5.2 testen?

Nicht auf gewöhnlichem Weg. Mythos 5.2 ist bei OpenRouter nicht verfügbar. Anthropic stellt es über das Cyber Verification Program und das Life Sciences Verification Program bereit. Deshalb kommt es in diesem Test nicht vor.

Was kostet die Nutzung von Fable 5.2 über die API?

Etwa 7,15 EUR pro Million Eingabetoken und 35,74 EUR pro Million Ausgabetoken (8 beziehungsweise 40 USD), doppelt so viel wie bei Opus 5.5. Eine durchschnittliche Aufgabe kostete in meinem Test rund 0,025 EUR (2,8 US-Cent), bei GPT-6.1 Sol etwa 0,0036 EUR (0,4 US-Cent). Die Eurobeträge sind Schätzungen auf Basis des EZB-Referenzkurses vom 9. November 2026, 1 EUR = 1,1193 USD; Quelle: EZB.