Unsere Einordnung

Unmittelbar nach der offiziellen Vorstellung von Claude Fable 5.2 und Mythos 5.2 unterzieht KI-Analyst Matthew Berman Anthropics neues Spitzenmodell einem radikalen Härtetest an realen Großprojekten. Berman testet das System abseits standardisierter Frage-Antwort-Demos und konfrontiert die Architektur mit komplexen Software-Synthesen, physikalischen Simulationen und autonomen Agenten-Aufgaben. Sein Fazit: In puncto Eigenständigkeit, Zielstrebigkeit und Durchhaltevermögen deklassiert Fable 5.2 alle Vorgänger - markiert jedoch zugleich eine ökonomische Herausforderung für Entwickler.

Von Unreal Engine bis Excel: Softwarebau im Multi-Agenten-Takt

Um die Leistungsfähigkeit auszuloten, ließ Berman Fable 5.2 im sogenannten Ultra Code-Modus arbeiten, bei dem das Modell parallele Subagenten koordiniert. Das spektakulärste Ergebnis ist ein spielbarer Klon von Gears of War auf Basis der Unreal Engine. Aus einem bewusst minimalistischen Drei-Zeilen-Prompt generierte das Modell in wenigen Tagen ein voll funktionsfähiges Level samt atmosphärischer Beleuchtung, Texturen, feindlicher KI, Deckungssystem und dem typischen zeitbasierten Nachlademechanismus. Der Bau erforderte rund 8,5 Milliarden Tokens und hätte nach API-Tarifen rund 15.000 US-Dollar gekostet.

Dass es sich dabei nicht um einen Zufallstreffer handelt, belegt ein zweiter Großversuch: In knapp 50 Stunden agentischer Laufzeit erstellte Fable 5.2 einen nativen Klon von Microsoft Excel. Die Webanwendung verfügt über ein klickbares Raster, eine funktionierende Formelleiste und mathematische Berechnungen. Ähnlich wie bei Andrej Karpathys HackerTube-Experiment zeigt sich, wie weit KI-Agenten über bloße Code-Snippets hinausgewachsen sind. Ergänzt wurde die Testreihe durch animierte Motion-Graphics zur Funktionsweise von Transformern sowie detaillierte Architekturmodelle in Blender.

Autonomie und der gerade Weg zum Ziel

Als wesentlichen Fortschritt gegenüber früheren Modellgenerationen wie Claude Opus 5.5 identifiziert Berman nicht primär die reine Ausgabegeschwindigkeit in Tokens pro Sekunde, sondern die autonome Entscheidungsqualität. Im Praxiseinsatz schlage Fable 5.2 einen verblüffend geradlinigen Lösungsweg ein: Bei umfassenden Code-Reviews vollständiger Repositorien spüre das Modell Inkonsistenzen, Sicherheitslücken und Logikfehler eigenständig auf. Entscheidungen, die der Entwickler zuvor manuell bestätigen musste, treffe das System in neun von zehn Fällen auf Anhieb korrekt.

Zudem habe sich die Gesamtlaufzeit drastisch verkürzt: Aufgaben, die unter Opus 5.5 im Multi-Agenten-Betrieb 60 bis 120 Minuten beanspruchten, schließe Fable 5.2 nun oft in rund zehn Minuten ab. Diese Beobachtung deckt sich mit den Erkenntnissen aus dem jüngsten METR-Untersuchungsbericht zum verdoppelten Forschungstempo bei Anthropic.

Benchmark-Rekorde und die Preisfrage

Die subjektiven Praxiseindrücke spiegeln sich in den Messwerten wider. Auf dem Benchmark Frontier SWE erreicht Fable 5.2 einen Spitzenwert von 69,9 Prozent und setzt sich damit vor Konkurrenten wie Carbon oder Astra. Bei OSWorld 2.1, das die Fähigkeit zur visuellen Steuerung kompletter Betriebssysteme per Computer Use bewertet, erzielt das Modell 89,3 Prozent - ein signifikanter Sprung gegenüber bisherigen Systemen. Bei Humanity's Last Exam klettert der Wert auf 74,2 Prozent.

Dennoch zieht Berman eine pragmatische Trennlinie für den Arbeitsalltag: Trotz einer Preissenkung um rund 20 Prozent gegenüber Fable 5.1 bleibt das Modell mit 8 US-Dollar pro Million Eingabe-Tokens und 40 US-Dollar pro Million Ausgabe-Tokens doppelt so teuer wie Opus 5.5. Für Standardaufgaben im Tagesgeschäft bleibe Opus 5.5 daher die wirtschaftlichere Wahl. Fable 5.2 etabliere sich vielmehr als Hochleistungswerkzeug für jene komplexen Architektur- und Codierungsaufgaben, an denen herkömmliche KI-Modelle bislang scheiterten.