Claude Fable 5 vs Opus 4.8: Perlukah Anda Beralih? (Kelas Mythos, Terbenchmark)

Claude Fable 5 vs Opus 4.8: Perlukah Anda Beralih? (Kelas Mythos, Terbenchmark)

Anthropic merilis Claude Fable 5 hari ini, 9 Juni 2026. Model ini mencetak 80,3% di SWE-Bench Pro, benchmark coding agentik yang hanya mampu dicapai Opus 4.8 sebesar 69,2% dan GPT-5.5 tertinggal di 58,6%. Selisihnya bukan sekadar margin pembulatan. Dan ada kejutan: Fable 5 adalah setengah publik yang terlindungi dari model "kelas Mythos" baru, dengan saudara kembarnya yang dibatasi aksesnya bernama Claude Mythos 5 di balik program akses terbatas. Berikut yang berubah, biaya sebenarnya per tugas dengan harga $10/$50 per juta token, dan apakah Anda perlu memindahkan stack Anda dari Opus 4.8.

Jawaban Singkat

• Fable 5 mencetak 80,3% di SWE-Bench Pro vs 69,2% milik Opus 4.8 dan 58,6% milik GPT-5.5.
• Harganya $10 input / $50 output per juta token, kurang dari setengah harga Mythos Preview.
• Fable 5 otomatis kembali ke Opus 4.8 untuk kueri siber/bio/kimia berisiko tinggi (di bawah 5% sesi).
• Gratis di paket Pro/Max/Team/Enterprise hingga 22 Juni 2026; kredit penggunaan berlaku mulai 23 Juni.

Apa yang Sebenarnya Dirilis: Fable 5, Mythos 5, dan Lini "Kelas Mythos"

Kelas Mythos adalah tier kapabilitas tertinggi baru dari Anthropic, dan dirilis sebagai dua model. Claude Fable 5 adalah versi publik yang terlindungi dan bisa Anda panggil hari ini. Claude Mythos 5 adalah model frontier yang sama dengan pengaman dilepas, disimpan di balik akses terbatas. Otak yang sama, dua postur rilis.

Pemisahan inilah inti ceritanya. Menurut pengumuman newsroom Anthropic, Mythos 5 mempertahankan kapabilitas frontier penuh, termasuk keahlian siber ofensif yang bisa menyebabkan kerusakan nyata, sehingga Anthropic tidak memberikannya ke semua orang. Fable 5 mengambil model yang sama dan membungkusnya dengan classifier yang mendeteksi permintaan berisiko tinggi dan secara diam-diam mengalihkannya ke Opus 4.8.

Jadi saat Anda memanggil Fable 5, Anda mendapatkan penalaran kelas Mythos untuk semua yang tidak berbahaya, dan model fallback yang lebih aman untuk sebagian kecil yang berbahaya. CNBC menyebutnya sebagai Anthropic merilis "AI mirip Mythos ke publik," yang memang akurat, tetapi mekanisme pastinya lebih penting daripada judul beritanya.

Fable 5 dan Mythos 5 adalah model frontier yang sama yang dibelah dua: satu bisa Anda gunakan hari ini, satu lagi disimpan Anthropic di balik gerbang. Jika Anda hanya mengingat satu hal tentang penamaannya, ingatlah itu. Kelas Mythos adalah tier-nya; Fable dan Mythos adalah dua pintu masuknya.

Apa yang Berubah Dibanding Lini Opus 4.x

Di setiap eval coding dan penalaran yang dipublikasikan Anthropic, Fable 5 melampaui Opus 4.8, bukan selisih tipis tetapi margin dua digit. SWE-Bench Pro melonjak dari 69,2% ke 80,3%. FrontierCode Diamond naik dari 13,4 ke 29,3. Harganya juga turun, dan model ini berskala dengan dial upaya penalaran baru. Ini adalah langkah frontier yang sesungguhnya melampaui lini Opus 4.x, bukan sekadar rilis minor.

Sapuan 13 benchmark di atas adalah versi sekilas. Berikut subset utama dibandingkan tiga model yang paling sering dibandingkan tim:

Jangkar perbandingan di sini adalah Claude Opus 4.8, model yang digantikan Fable 5 di frontier, dan model yang sama yang menjadi fallback Fable 5 untuk kueri berisiko tinggi. Jika Anda mengikuti lini Opus 4.x di dua rilis terakhir, polanya adalah peningkatan inkremental. Fable 5 mematahkan pola itu.

Dua hal yang perlu ditandai sebelum Anda membaca tabel ini sebagai kebenaran mutlak. Pertama, ini adalah eval yang dipublikasikan Anthropic sendiri, bukan pengujian independen. Kedua, dial upaya penalaran berarti satu angka benchmark menyembunyikan kurva biaya. Selengkapnya di bagian harga, karena ini mengubah perhitungannya.

Benchmark yang Penting bagi Builder

Empat angka yang membawa bobot praktis: SWE-Bench Pro 80,3%, FrontierCode Diamond 29,3, Terminal-Bench 2.1 88,0%, dan GPQA-AA 1932 Elo. Bersama-sama, ini mencakup pekerjaan repo nyata, masalah coding sintetis tersulit, tugas shell agentik, dan penalaran tingkat pascasarjana. Jika beban kerja Anda menyentuh salah satunya, inilah bagian yang memberi tahu Anda apakah angkanya relevan dengan pekerjaan Anda.

Grafik utama di bagian atas postingan ini adalah buktinya: SWE-Bench Pro 80,3 vs 69,2 vs 58,6, dan FrontierCode 29,3 vs 13,4 vs 5,7. Lalu apa sebenarnya yang diukur angka-angka itu?

• SWE-Bench Pro menguji apakah model mampu mengirimkan pull request nyata ke repo nyata: clone, memahami, patch, lulus tes. SWE-Bench Pro mengukur apakah model mampu mengirimkan pull request nyata ke repo nyata, dan Fable 5 berhasil 8 dari 10. Ini adalah proksi terdekat untuk "bisakah model ini mengerjakan pekerjaan saya yang sebenarnya."
• Terminal-Bench 2.1 menilai tugas shell agentik: menjalankan perintah, membaca output, pulih dari error. 88,0% penting jika Anda membangun agen coding AI yang hidup di terminal.
• FrontierCode Diamond adalah tier tersulit dari masalah coding, yang kebanyakan model hanya mencetak satu digit. 29,3 memang rendah secara absolut tetapi lebih dari dua kali lipat 13,4 milik Opus 4.8.
• GPQA-AA adalah penalaran sains tingkat pascasarjana, dinilai sebagai rating Elo. 1932 menandakan penalaran multi-langkah yang kuat melampaui kode.

Dalam alur kerja Claude Code kami di sepanjang lini Opus 4.x, batas atas yang berulang adalah tugas agentik jangka panjang: model kehilangan benang di tengah perubahan multi-file. Angka Terminal-Bench dan SWE-Bench Pro milik Fable 5 menunjukkan batas itu sudah bergeser. Apakah sudah bergeser untuk repo Anda adalah satu-satunya tes yang menentukan, tetapi angka yang dipublikasikan adalah jenis angka yang tepat untuk diperhatikan.

Kasus Uji Nyata: Apa yang Bisa Dilakukan Fable 5 yang Tidak Bisa Model Sebelumnya

Anthropic mempublikasikan tiga contoh konkret yang menunjukkan kelas masalah yang kini bisa ditangani Fable 5: migrasi codebase Stripe yang dipadatkan dari berbulan-bulan menjadi sehari, video game yang diselesaikan hanya dengan visi, dan lonjakan performa 3× dari validasi mandiri. Masing-masing menunjuk pada kapabilitas yang tidak bisa dijangkau model sebelumnya. Ketiganya bersumber dari Anthropic; kami mengutip pengumuman mereka, bukan pengujian kami sendiri.

Berikut yang dibuktikan masing-masing:

1. Migrasi Ruby Stripe. Anthropic melaporkan Fable 5 memadatkan migrasi codebase Ruby dari sekitar dua bulan menjadi sekitar satu hari. Stripe memadatkan migrasi Ruby dari dua bulan menjadi satu hari, dan sebesar itulah masalah yang bisa diubah model ini. Ini adalah kelas refaktor jangka panjang yang dulu membutuhkan tim manusia yang memegang seluruh codebase di kepala mereka.

2. Pokémon FireRed hanya dengan visi. Menurut Anthropic, Fable 5 menyelesaikan Pokémon FireRed hanya menggunakan visi, di mana model sebelumnya membutuhkan harness kustom yang kompleks untuk memasukkan status game sebagai teks. Itu adalah lompatan penalaran spasial dan visual: model membaca layar dan bertindak, tanpa scaffolding.

3. Slay the Spire, 3×. Pada upaya penalaran maksimal, Anthropic menyebut Fable 5 memvalidasi langkahnya sendiri dan mencapai performa 3× lebih baik melalui memori persisten. Pelajarannya bukan gamenya; melainkan bahwa model bisa memeriksa pekerjaannya sendiri dalam horizon perencanaan panjang dan meningkat darinya.

Tidak ada satu pun dari ini yang harus Anda terima begitu saja untuk beban kerja Anda. Tetapi semuanya berkorelasi rapi dengan lonjakan benchmark di tabel atas: coding jangka panjang (SWE-Bench Pro), penalaran spasial (visi), dan validasi mandiri (dial upaya penalaran). Kemenangan kualitatif dan kuantitatif menceritakan kisah yang sama.

Harga dan Realitas Biaya Per Tugas

Fable 5 berharga $10 per juta token input dan $50 per juta token output. Anthropic membingkainya sebagai "kurang dari setengah harga Claude Mythos Preview." Ini juga sekitar 2× Opus 4.8 per token. Keduanya benar. Masalahnya adalah harga token adalah satuan yang salah. Yang sebenarnya Anda bayar adalah tugas yang selesai, dan di situlah perhitungan Fable 5 menjadi menarik.

Upaya penalaran adalah dial yang Anda atur per permintaan. Upaya rendah berarti lebih sedikit token penalaran internal dan jawaban lebih murah serta cepat; upaya maksimal berarti model berpikir lebih lama, menghabiskan lebih banyak token output, dan mencetak skor lebih tinggi. Grafik di atas menunjukkan Fable 5 naik dari ~11% ke ~31% di FrontierCode saat upaya berskala dari rendah ke maksimal, sementara Opus 4.8 memuncak di sekitar 13% dan GPT-5.5 datar di sekitar 5-6%. Jadi biaya per tugas bukan satu angka; ini adalah kurva yang Anda pilih titiknya.

Mari kita hitung contoh konkret dari harga $10/$50 yang dipublikasikan. Ini adalah aritmetika dari tarif yang diposting Anthropic, bukan hasil benchmark.

Ambil satu panggilan agentik dengan 50.000 token input dan 15.000 token output pada upaya tinggi:

Input:  50,000 / 1,000,000 × $10 = $0.50
Output: 15,000 / 1,000,000 × $50 = $0.75
Per call:                          $1.25

Tugas agentik nyata merangkai banyak panggilan seperti ini: baca repo, rencanakan, edit, jalankan tes, perbaiki, ulangi. Katakanlah loop berjalan 12 panggilan dengan bentuk itu: sekitar $15 untuk tugas yang selesai. Pada upaya penalaran maksimal dengan konteks lebih berat, kurva biaya Anthropic sendiri menempatkan tugas FrontierCode yang sulit di kisaran $20 per tugas. Jalankan tugas yang sama di GPT-5.5 dan Anda akan membayar lebih murah per token. Tetapi jika model itu tidak bisa menyelesaikan tugas di tingkat upaya mana pun, biaya per tugas selesainya tak terhingga. Fable 5 lebih mahal per token daripada GPT-5.5, dan tetap menang dalam biaya per tugas selesai, karena ia menyelesaikan pekerjaan yang tidak bisa diselesaikan GPT-5.5.

Berikut panggilan minimal. Pengumuman Anthropic menyebutkan claude-fable-5 sebagai id model; verifikasi string versi pastinya terhadap dokumentasi API Anthropic sebelum Anda merilis, karena alias bertanggal kadang berbeda:

import anthropic

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-fable-5",          # verify exact dated id in API docs
    max_tokens=4096,
    thinking={"type": "enabled", "budget_tokens": 8000},  # reasoning effort
    messages=[
        {"role": "user", "content": "Migrate this module from Ruby 2.7 to 3.3 and run the tests."}
    ],
)

print(message.content)

Tesis ekonominya dalam satu kalimat: Anda membayar lebih per token daripada GPT-5.5, tetapi Anda menyelesaikan tugas yang tidak bisa diselesaikan GPT-5.5 di harga berapa pun. Untuk pekerjaan berisiko rendah bervolume tinggi, perhitungan itu menguntungkan model yang lebih murah. Untuk coding agentik yang sulit, perhitungan itu menguntungkan Fable 5.

Pemisahan Pengaman: Mengapa Fable Kembali ke Opus 4.8

Fable 5 menjalankan classifier di setiap permintaan. Saat mendeteksi kueri berisiko tinggi (siber ofensif, bio, kimia, atau upaya distilasi model), ia kembali ke Opus 4.8 alih-alih menjawab dengan kapabilitas kelas Mythos penuh. Anthropic menyebut fallback ini aktif di bawah 5% sesi, sehingga kebanyakan pengguna tidak pernah memicunya. Tujuannya adalah menjaga kapabilitas berbahaya di balik gerbang sambil membiarkan pekerjaan sehari-hari tetap tidak tersentuh.

Angka yang lebih sulit adalah tingkat keberhasilan serangan: seberapa sering penyerang otomatis bisa menjebol model untuk melakukan sesuatu yang tidak seharusnya. Lebih rendah lebih baik. Hasil red-team Anthropic menunjukkan penurunan tajam di seluruh rilis, dari Opus 4.6 di 83,2%, ke Opus 4.7 di 72,7%, ke Opus 4.8 di 56,6%, turun ke Fable 5 di 5,4%. Di bawah red-teaming otomatis, serangan berhasil terhadap Fable 5 hanya 5,4% waktu, turun dari 56,6% di Opus 4.8.

Mengapa Anda harus peduli? Jika Anda men-deploy agen dengan akses tool (shell, sistem file, jaringan), jailbreak bukan sekadar balasan chat yang buruk, melainkan model yang mengeksekusi perintah nyata yang diarahkan penyerang. Tingkat keberhasilan serangan 5,4% berarti sekitar sepuluh kali lebih sulit untuk dipersenjatai dibanding Opus 4.8. Liputan IT Pro mengedepankan mekanisme fallback persis karena alasan ini: inilah fitur yang membuat model frontier cukup aman untuk diberikan ke publik.

Trade-off-nya adalah latensi. Jika alur kerja Anda secara sah menyentuh tooling keamanan, fallback bisa aktif di tengah tugas dan menukar model di bawah Anda, sesuatu yang perlu diantisipasi.

Claude Mythos 5 dan Pertanyaan Penggunaan Ganda

Claude Mythos 5 adalah saudara yang dibatasi aksesnya, model yang sama tanpa fallback pengaman. Ia mempertahankan kapabilitas siber ofensif yang diblokir Fable 5, yang persis mengapa Anthropic tidak merilisnya secara publik. Akses berjalan melalui Project Glasswing, program terverifikasi untuk pembela dan peneliti yang membutuhkan kapabilitas penuh. Model yang sama, dua postur rilis: satu terbuka, satu dibatasi.

Grafik ini membuat pembatasan terlihat. Pada eval siber ofensif (Firefox, OSS-Fuzz, CyberGym, CyScenarioBench) Mythos 5 mencetak 88,4, 24,0, 83,8, dan 38,7. Fable 5 mengembalikan 0,0 datar di keempatnya. Pada eval siber ofensif, Mythos 5 mencetak hingga 88,4 di mana Fable 5 mengembalikan 0,0 datar: pemisahan pengaman, dibuat terlihat.

Nol itu bukan kesenjangan kapabilitas. Itu fallback yang aktif setiap kali, memblokir permintaan sebelum model kelas Mythos menjawab. TechCrunch mencatat waktunya: Anthropic merilis ini beberapa hari setelah memperingatkan bahwa AI menjadi terlalu berbahaya untuk dirilis secara terbuka. Pemisahan Fable/Mythos adalah jawaban kebijakan terhadap peringatan itu, publikasikan kapabilitasnya, batasi bahayanya.

Bagi kebanyakan developer, Mythos 5 tidak relevan. Anda tidak akan pernah memenuhi syarat untuk Project Glasswing dan Anda tidak perlu. Yang penting adalah mengetahui bahwa model yang Anda panggil memang sengaja dibatasi pada pita tugas yang sempit, secara desain.

Apa Artinya: Perlukah Anda Beralih?

Beralih ke Fable 5 untuk coding agentik yang sulit, tugas multi-langkah jangka panjang, dan penalaran visi atau spasial, di mana menyelesaikan tugas lebih berharga daripada menghemat sen per token. Tetap di Opus 4.8 untuk pekerjaan bervolume tinggi yang sensitif biaya, atau untuk apa pun yang memicu fallback. Itulah seluruh kerangkanya. Sisanya adalah mencocokkan beban kerja Anda ke sisi yang tepat.

Kapan Fable 5 menang:

• Coding agentik sulit di mana Opus 4.8 mandek; selisih SWE-Bench Pro itu nyata
• Tugas jangka panjang (refaktor multi-file, migrasi) di mana validasi mandiri terbayar
• Beban kerja visi dan penalaran spasial
• Pekerjaan apa pun di mana satu tugas selesai lebih berharga daripada premi token

Kapan Opus 4.8 masih menang:

• Pekerjaan bervolume tinggi, sensitif biaya di mana harga per token mendominasi
• Beban kerja siber/bio/kimia, di mana Fable 5 kembali ke Opus 4.8 anyway, jadi panggil langsung
• Alur sensitif latensi yang tidak bisa menoleransi pertukaran model di tengah tugas

Soal ketersediaan: Fable 5 gratis di paket Pro/Max/Team/Enterprise hingga 22 Juni 2026, dengan kredit penggunaan berlaku mulai 23 Juni. Model ini tersedia secara umum di API, AWS Bedrock, GitHub Copilot menurut changelog GitHub, dan Harvey. Jadi Anda bisa menguji peralihan di editor Anda hari ini tanpa mengubah tagihan Anda.

Tentang Penulis

Mert Batur Gurbuz adalah Co-Founder Techsy.io, di mana timnya merilis agen AI, sistem otomasi, dan pipeline suara/SDR untuk klien B2B. Ia belajar di University of Birmingham dan menulis tentang stack tooling LLM yang benar-benar digunakan tim Techsy di produksi. Terhubung di LinkedIn.

Co-Founder, Techsy.io · University of Birmingham

Pertanyaan yang Sering Diajukan

Apa itu Claude Fable 5?

Claude Fable 5 adalah model kelas Mythos pertama yang tersedia secara publik dari Anthropic, dirilis 9 Juni 2026. Model ini mencetak 80,3% di SWE-Bench Pro dan menjalankan classifier pengaman yang kembali ke Opus 4.8 untuk kueri berisiko tinggi. Harganya $10 input / $50 output per juta token.

Apa perbedaan antara Fable 5 dan Mythos 5?

Keduanya adalah model frontier yang sama dengan postur rilis berbeda. Fable 5 publik dan terlindungi; ia kembali ke Opus 4.8 untuk kueri berbahaya. Mythos 5 adalah versi kapabilitas penuh yang dibatasi aksesnya, hanya bisa diakses melalui program Project Glasswing Anthropic untuk pembela dan peneliti terverifikasi.

Apakah Claude Fable 5 benar-benar lebih baik dari Opus 4.8?

Ya untuk coding agentik sulit, visi, dan penalaran spasial: Fable 5 meraih 80,3% di SWE-Bench Pro vs 69,2% milik Opus 4.8. Tetapi Opus 4.8 masih menang untuk pekerjaan bervolume tinggi yang sensitif biaya, dan Fable 5 kembali ke Opus 4.8 untuk topik siber/bio/kimia berisiko tinggi anyway. "Lebih baik" tergantung pada beban kerja Anda.

Berapa harga Claude Fable 5?

Claude Fable 5 berharga $10 per juta token input dan $50 per juta token output. Bingkai Anthropic adalah "kurang dari setengah harga Mythos Preview." Itu sekitar 2× Opus 4.8 per token, tetapi kasus nilainya adalah per tugas selesai, karena Fable 5 menyelesaikan pekerjaan yang tidak bisa diselesaikan model lebih murah.

Apa itu model "kelas Mythos"?

Kelas Mythos adalah tier kapabilitas tertinggi baru Anthropic, dirilis bersama Fable 5 dan Mythos 5. Ini mewakili lompatan frontier melampaui lini Opus 4.x di benchmark coding dan penalaran. Fable 5 dan Mythos 5 adalah dua versi rilis dari model kelas Mythos yang sama: satu publik dan terlindungi, satu dibatasi.

Mengapa Fable 5 kembali ke Opus 4.8?

Fable 5 menjalankan classifier yang mendeteksi permintaan berisiko tinggi (siber ofensif, bio, kimia, atau distilasi model) dan mengalihkannya ke Opus 4.8 alih-alih menjawab dengan kapabilitas kelas Mythos penuh. Ini aktif di bawah 5% sesi. Ini memangkas keberhasilan serangan adversarial dari 56,6% (Opus 4.8) menjadi 5,4%.

Bisakah saya mengakses Claude Mythos 5?

Kemungkinan tidak. Mythos 5 dibatasi di balik Project Glasswing, program akses terverifikasi Anthropic untuk pembela dan peneliti keamanan yang membutuhkan kapabilitas siber ofensif penuh yang diblokir Fable 5. Kebanyakan developer tidak akan memenuhi syarat dan tidak perlu, karena Fable 5 mencakup pekerjaan agentik dan coding sehari-hari.

Di mana saya bisa menggunakan Claude Fable 5?

Claude Fable 5 tersedia secara umum di API Anthropic, AWS Bedrock, GitHub Copilot, dan Harvey. Gratis di paket Pro, Max, Team, dan Enterprise berbasis kursi hingga 22 Juni 2026; kredit penggunaan berlaku mulai 23 Juni. Anda bisa mengujinya di editor atau via API hari ini.

Kesimpulan

Claude Fable 5 adalah langkah frontier yang sesungguhnya melampaui Opus 4.8: 80,3% vs 69,2% di SWE-Bench Pro, dua kali lipat skor FrontierCode, dan tingkat keberhasilan serangan 5,4% yang membuatnya jauh lebih aman untuk di-deploy dengan tool. Beralih untuk coding agentik sulit, tugas jangka panjang, dan pekerjaan visi. Tetap di Opus 4.8 untuk volume sensitif biaya atau apa pun yang memicu fallback anyway. Gratis hingga 22 Juni, jadi Anda bisa menguji peralihan sebelum biayanya membebani Anda. Tim Techsy membangun agen produksi di stack yang persis seperti ini, jadi hubungi kami jika Anda butuh bantuan.