Ich blieb auf Opus 4.6, während alle 4.7 und 4.8 hinterherliefen. Dann kam Fable 5.

"Hast du das neue Modell schon probiert? Es ist der Wahnsinn."

Diesen Satz habe ich dieses Jahr in irgendeiner Version viermal gehört. Opus 4.7 im April. Opus 4.8 im Mai. Und jetzt Fable 5, zweimal in derselben Woche.

Meine Antwort war jedes Mal dieselbe: Ich bin immer noch auf 4.6. Und jedes Mal ernte ich einen Blick, als hätte ich gerade zugegeben, dass ich noch Windows XP nutze. Aber hier ist der Punkt: Wenn deine komplette Agentur über Claude Code läuft, mit Skills, Agents, Hooks, dem ganzen Setup, dann ist "Wahnsinn" kein Kompliment. Langweilig ist das Kompliment. Ich will langweilig. Langweilig bezahlt meine Rechnungen.

Dann kam Fable 5 und machte die Sache kompliziert. Lass mich dich durch die ganze Geschichte führen, denn die Frage "Was ist das beste Claude Modell zum Programmieren" hat eine deutlich chaotischere Antwort, als dir jede Benchmark-Tabelle erzählen wird.

Warum ich Opus 4.6 nie verlassen habe

Mein Claude Code Setup ist kein Chat-Fenster. Es sind rund 30 eigene Skills, eine Handvoll Subagents, Hooks und Slash Commands, die alles erledigen, von SEO-Audits über Kundenangebote bis zu Directus-Content-Operationen. Über diesen ganzen Stack habe ich in Die AI-Tools, die meine Ein-Mann-Agentur wirklich am Laufen halten geschrieben, und die Kurzfassung ist: Claude Code ist inzwischen näher an einem Mitarbeiter als an einem Tool.

Und Opus 4.6 fährt das alles ohne Überraschungen. Skills feuern, wenn sie sollen. Agents bleiben in ihrer Spur. Output-Formate bleiben von Montag bis Freitag stabil. Wenn ich um 9 Uhr eine Migration für einen Kunden starte, weiß ich ungefähr, was das Modell tun wird, weil es letzte Woche dasselbe getan hat.

Diese Vorhersehbarkeit ist mir mehr wert als fünf Extra-Punkte auf SWE-bench. Niemand benchmarkt "funktioniert mein Hooks-und-Skills-Setup am Dienstag noch". Aber das ist der einzige Benchmark, der zählt, wenn ein Kunde dich für das Ergebnis bezahlt.

Was kaputtging, als ich 4.7 und 4.8 probiert habe

4.7 habe ich zwei Tage gegeben. 4.8 ungefähr eine Woche. Beide Male bin ich zurück.

Bei 4.7 war das Modell auf dem Papier klar schlauer, hat meine Skill-Anweisungen aber immer wieder kreativ uminterpretiert. Anweisungen, die 4.6 wortwörtlich befolgt hat, wurden plötzlich zu Vorschlägen. Ein Content-Skill, der immer sauberes Markdown zurückgab, fing an, eigene Formatierungsmeinungen einzubauen. Kleinigkeiten, aber Kleinigkeiten multiplizieren sich, wenn du 30 davon laufen hast.

4.8 war seltsamer. Es entwickelte etwas, das ich nur als Persönlichkeitsproblem beschreiben kann: Es widersprach mir als Selbstzweck. Die Community hat inzwischen sogar einen Namen dafür, negative sycophancy. Und das Agent-Chaos habe ich mir auch nicht eingebildet. 4.8 kam mit dynamischen Workflows, die schon ausgelöst werden konnten, wenn das Wort "Workflow" in deinem Prompt auftauchte, und Subagents spawnten, nach denen ich nie gefragt hatte. Es gibt einen Tastatur-Shortcut, um das abzuschalten. Dass dieser Shortcut existiert, sagt alles.

Und jetzt der Knaller: Anthropics eigene Migrations-Doku sagt, Opus 4.8 sei "kein Drop-in-Replacement" für 4.7, und Agents mit strikten Output-Formaten müssten neu validiert werden. Sie verstecken es nicht mal. Wir lesen nur das Kleingedruckte nicht, weil die Launch-Benchmarks so gut aussehen. Mein Lieblings-Datenpunkt aus den Community-Tests: Auf Vending-Bench fiel 4.8 30-mal häufiger auf Scams herein als 4.7. Schlauer und leichtgläubiger zugleich. Ich habe schon darüber geschrieben, dass Claude großartig darin ist, Software zu bauen, und genauso großartig darin, sie kaputtzumachen, und Modell-Upgrades sind exakt dieselbe Geschichte eine Ebene höher: Das, was dein System zerlegt, ist das Upgrade, das du gar nicht gebraucht hast.

Fairerweise: Viele Entwickler sind mit 4.8 völlig zufrieden. Wenn dein Workflow hauptsächlich interaktives Coden ohne viel Automatisierung obendrauf ist, würdest du von alldem vermutlich nie etwas merken. Mein Setup ist das Gegenteil davon. Je mehr Automatisierung du auf ein Modell stapelst, desto teurer wird jede Verhaltensänderung.

Die Benchmark-Falle

Jedes Modell-Release seit 2024 hat irgendeine Tabelle angeführt. Hättest du bei jeder Benchmark-Verbesserung gewechselt, hättest du in zwei Jahren elfmal das Modell getauscht und die Hälfte deiner Arbeitszeit mit dem Nachjustieren von Prompts verbracht.

Hier ist das Detail, das mich überzeugt hat, dass die Versionsnummer der uninteressanteste Teil ist: Anthropics Doku empfiehlt pro Modell spezifische Effort-Level. Für die meiste Coding-Arbeit auf 4.7 und 4.8 lautet die Empfehlung xhigh. Das heißt: Derselbe Prompt braucht für dieselbe Aufgabe je nach Modellversion anderes Tuning. Das Modell ist keine austauschbare Komponente. Es ist eine Dependency mit Breaking Changes, nur dass der Changelog aus Vibes und Reddit-Threads besteht.

Meine Regel wurde also simpel: Ich upgrade nicht, weil das neue Modell besser ist. Ich upgrade, wenn mein aktuelles Modell der Flaschenhals ist. 4.6 war nie der Flaschenhals.

Bis jetzt vielleicht.

Dann hat Anthropic Fable 5 rausgebracht

Am 9. Juni hat Anthropic Claude Fable 5 veröffentlicht, und das hier ist wirklich anders. Es ist das erste öffentlich verfügbare Modell der Mythos-Klasse, dieselben Weights wie Mythos 5, nur mit Safety-Classifiern für Cybersecurity und Bio obendrauf. Wenn du dich an die Glasswing-Geschichte über das Modell, das Anthropic für zu gefährlich hielt erinnerst: Das ist diese Linie, jetzt in meinem Terminal.

Die Zahlen sind nicht subtil. 80,3% auf SWE-bench Pro, gegen 58,6% bei GPT-5.5. Preis: 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output, exakt das Doppelte von Opus 4.8. Stripe soll im Early Access eine codebase-weite Migration in einer 50-Millionen-Zeilen-Ruby-Codebase an einem Tag durchgezogen haben, kalkuliert waren zwei Monate für ein Team. Und es ist auf Pro- und Max-Plänen bis zum 22. Juni kostenlos, danach braucht es Usage Credits zu API-Preisen.

Nach allem, was ich dir gerade über das Auslassen von 4.7 und 4.8 erzählt habe, habe ich es natürlich am ersten Tag ausprobiert. Konsequenz ist was für Modelle, nicht für mich.

Eine Woche mit Fable 5: Was mich wirklich beeindruckt hat

Gestern habe ich Fable 5 eine Aufgabe in einem Kundenprojekt gegeben, die ich normalerweise babysitten würde: den Data Layer eines Next.js-Dashboards umbauen, ohne die Directus-Integration zu zerlegen. Die Art Aufgabe, bei der 4.6 gute Arbeit macht, aber alle zwanzig Minuten einen Check von mir braucht.

Fable 5 hat es einfach... gemacht. Kein Erzählen, kein "Gute Frage, lass mich meinen Ansatz erklären!" Es hat erst die Codebase erkundet, ein Architekturproblem im Caching Layer gefunden, das gar nicht Teil der Aufgabe war, es behoben und hinterher in einem Satz erwähnt. Dann hat es Playwright geöffnet, Screenshots in drei Viewport-Größen gemacht und die eigene Arbeit verifiziert, bevor es mir fertig gemeldet hat.

Diese Selbstkontrolle ist der Punkt. Als ich drei Kundenseiten von WordPress zu Astro migriert habe, ging nichts kaputt, weil ich Claude alles prüfen ließ. Fable 5 prüft, ohne dass man es sagen muss. Je länger und chaotischer die Aufgabe, desto größer wird sein Vorsprung gegenüber 4.6. Bei kurzen Aufgaben merke ich ehrlich gesagt kaum einen Unterschied. Bei autonomen Vier-Stunden-Läufen ist es nicht mal knapp.

Und entscheidend für mein Setup: Meine Skills funktionieren. Es befolgt Anweisungen eher wie 4.6 als wie 4.8, was mich am meisten überrascht hat. Nach zwei übersprungenen Generationen ist das das erste Modell seit 4.6, bei dem ich nicht nach 48 Stunden den Drang hatte zurückzuwechseln.

Also, die Suche nach dem besten Claude Modell zum Programmieren ist vorbei? Nicht ganz. Es gibt zwei Probleme, und die sind nicht klein.

Die zwei Probleme: Token-Verbrauch und Denkschleifen

Erstes Problem: Fable 5 frisst Tokens wie nichts, was ich je benutzt habe. Auf meinem Max-Plan verbrennt es Kontingent ungefähr doppelt so schnell wie Opus 4.8, und 4.8 war schon hungriger als 4.6. Ich habe zugesehen, wie eine einzige Nachmittagssession das verbraucht hat, was 4.6 für zwei Arbeitstage braucht.

Damit bin ich nicht allein. Simon Willison, ungefähr so besonnen wie AI-Kommentare nur sein können, hat an einem einzigen Tag 110,42 Dollar mit Fable 5 verbrannt, darunter 78,2 Millionen Tokens für ein einziges Feature. Sein Urteil: "something of a beast" und "slow, expensive". Beides stimmt gleichzeitig. Ein Teil des Verbrauchs ist strukturell: Das Modell ist darauf gebaut, riesigen Kontext und Notizen über lange Aufgaben zu halten, und genau das macht es gut. Was riesiger Kontext wirklich kostet, habe ich im Beitrag zum 1-Million-Token-Kontextfenster auseinandergenommen, und Fable 5 ist dieser Tradeoff bis zum logischen Ende gedacht.

Zweites Problem: Denkschleifen. Das Extended Thinking von Fable 5 ist immer an. Du kannst es nicht abschalten, nur das Modell entscheiden lassen, wie viel es denkt. Meistens ist das okay. Manchmal nicht. Zweimal habe ich inzwischen zugesehen, wie es sich bei einem Problem im Kreis gedacht hat, denselben Ansatz aus leicht anderen Winkeln neu betrachtet hat und dabei die ganze Zeit Output-Tokens verbrannt hat. Die Community hat Schlimmeres dokumentiert: ein autonomer Acht-Stunden-Lauf, rund 105 Dollar teuer, mit einem selbstbewusst falschen Ergebnis, weil die Erfolgskriterien schwammig waren. Jemand hat es perfekt zusammengefasst: schlechte Rubrik plus großartiges Modell gleich eine selbstbewusst falsche Schleife.

Dieser Satz gehört auf die Verpackung gedruckt. Das Modell verstärkt alles, was du ihm gibst, auch deine schlampigen Aufgabendefinitionen.

Mein Entscheidungsrahmen: Wann upgraden, wann bleiben

Nach drei Modell-Evaluierungen dieses Jahr improvisiere ich nicht mehr. Das ist die Checkliste, die ich wirklich benutze:

• Nie mitten im Projekt wechseln. Ein Modellwechsel ist ein Dependency-Wechsel. Du tauschst auch nicht eine Woche vor dem Kundenlaunch deine Datenbank.
• Eine volle Woche an Wegwerf-Aufgaben testen. Interne Tools, meine eigene Seite, Experimente. Kundenarbeit bleibt auf dem bewährten Modell, bis das neue es sich verdient hat.
• Das Modell in Agent-lastigen Setups pinnen. Wenn du Skills und Subagents fährst, ist die automatische "latest"-Einstellung eine Zeitbombe. Version wählen, pinnen, bewusst ändern.
• Upgraden, wenn das alte Modell der Flaschenhals ist, nicht wenn das neue eine Tabelle anführt. Ich habe 18 Monate lang nichts gewechselt, weil 4.6 mich nie blockiert hat. Fable 5 ist das erste Modell, das Dinge kann, die 4.6 schlicht nicht kann.
• Budget-Leitplanken vor langen autonomen Läufen setzen. Bei Fable 5 konkret: klare Erfolgskriterien, ein Token-Limit und ein harter Stopp. Die Denkschleifen sind selten, aber bei 50 Dollar pro Million Output-Tokens ist eine schlechte Nacht echtes Geld.

Die tiefere Versicherung ist, von vornherein bessere Aufgabendefinitionen zu schreiben. Das ist dieselbe Lektion wie bei Spec-Driven Development: Je klarer deine Spec, desto weniger zählt, welches Modell sie ausführt, und desto weniger kann dir ein Modellwechsel wehtun.

Also, was ist jetzt das beste Claude Modell zum Programmieren?

Ehrliche Antwort: Für mich, heute, ist es immer noch Opus 4.6 für produktive Kundenarbeit, und Fable 5 für alles, wo seine zusätzliche Fähigkeit das Ergebnis wirklich verändert. Lange Refactorings, große Migrationen, fiese Debugging-Sessions. Diese Aufteilung wird nicht lange halten, das weiß ich.

Denn das hier kann ich nicht ignorieren: Fable 5 fühlt sich an wie 4.6, als ich mich damals darauf festgelegt habe. Anweisungen sitzen. Arbeit wird verifiziert. Das Modell tut, was es sagt. Wenn Anthropic die Denkschleifen glattzieht und die Preise nach dem 22. Juni nicht absurd werden, ist das mein nächster Daily Driver. Ich bin zu ungefähr 80% da. Die restlichen 20% sind die Erinnerung daran, wie sich 4.7 an Tag drei großartig und an Tag fünf unerträglich angefühlt hat.

Frag mich in einem Monat nochmal. Die ehrliche Version von Modell-Beratung hat immer ein Ablaufdatum, und wer dir etwas anderes erzählt, will dir einen Kurs verkaufen.

Ich kann dir nicht die perfekte Modellwahl versprechen. Was ich anbieten kann: über 8 Jahre Erfahrung darin, Websites und Workflows zu bauen, die Tool-Wechsel überleben, auch die AI-Sorte. Lass uns reden, wenn dein Unternehmen herausfinden will, welches AI-Setup wirklich passt, statt jedem Release hinterherzujagen.