Claude Fable 5 vs Opus 4.8: Bør du egentlig bytte? (Mythos-klasse, benchmarktestet)

Claude Fable 5 vs Opus 4.8: Bør du egentlig bytte? (Mythos-klasse, benchmarktestet)

Anthropic lanserte Claude Fable 5 i dag, 9. juni 2026. Den scorer 80,3 % på SWE-Bench Pro, benchmark for agentisk koding, der Opus 4.8 klarer 69,2 % og GPT-5.5 henger etter med 58,6 %. Det er ikke en avrundingsfeil. Og det er en vri: Fable 5 er den offentlige, sikrede halvdelen av en ny «Mythos-klasse»-modell, med en gated søskenmodell kalt Claude Mythos 5 bak et begrenset tilgangsprogram. Her er hva som endret seg, hva en reell oppgave koster på $10/$50 per million tokens, og om du faktisk bør flytte stacken din bort fra Opus 4.8.

Kort svar

• Fable 5 scorer 80,3 % på SWE-Bench Pro mot Opus 4.8's 69,2 % og GPT-5.5's 58,6 %.
• Prisen er $10 input / $50 output per million tokens, mindre enn halvparten av Mythos Preview.
• Fable 5 faller automatisk tilbake til Opus 4.8 på høyrisiko-spørringer innen cyber/bio/kjemi (under 5 % av sesjoner).
• Gratis på Pro/Max/Team/Enterprise-planer frem til 22. juni 2026; brukskreditter gjelder fra 23. juni.

Hva som faktisk ble lansert: Fable 5, Mythos 5 og «Mythos-klasse»-linjen

Mythos-klasse er Anthropics nye toppnivå for kapabilitet, og den leveres som to modeller. Claude Fable 5 er den offentlige, sikrede versjonen du kan kalle i dag. Claude Mythos 5 er den samme frontiermodellen uten sikringslagene, holdt bak gated tilgang. Samme hjernekapasitet, to forskjellige utgivelsesposisjoner.

Splittelsen er hele historien her. Ifølge Anthropics pressemelding beholder Mythos 5 full frontier-kapabilitet, inkludert offensiv cyberkompetanse som kan gjøre reell skade, og derfor deles den ikke med alle. Fable 5 tar den samme modellen og pakker den inn i klassifiserere som oppdager høyrisiko-forespørsler og stille ruter dem til Opus 4.8 i stedet.

Så når du kaller Fable 5, får du Mythos-klasse resonering på alt som ikke er farlig, og en tryggere reservemodell på den lille andelen som er det. CNBC beskrev det som at Anthropic lanserer en «Mythos-lignende AI til offentligheten», noe som er presist, men den eksakte mekanismen betyr mer enn overskriften.

Fable 5 og Mythos 5 er den samme frontiermodellen delt i to: en du kan bruke i dag, en Anthropic holder gated. Husker du bare én ting om navngivingen, husk det. Mythos-klasse er nivået; Fable og Mythos er de to dørene inn til det.

Hva som endret seg fra Opus 4.x-linjen

På alle kode- og resonneringstester Anthropic publiserte, slår Fable 5 Opus 4.8 — ikke med en hårsbredd, men med tosifrede marginer. SWE-Bench Pro hopper fra 69,2 % til 80,3 %. FrontierCode Diamond går fra 13,4 til 29,3. Prisen falt også, og modellen skalerer med en ny «reasoning-effort»-skrue. Dette er et ekte frontier-steg over Opus 4.x-linjen, ikke en punktutgivelse.

Det 13-benchmark-oversikten over er hurtigversjonen. Her er de viktigste tallene mot de tre modellene de fleste team sammenligner:

Sammenligningsankeret her er Claude Opus 4.8, modellen Fable 5 erstatter i frontlinjen, og den samme modellen Fable 5 faller tilbake til på høyrisiko-spørringer. Har du fulgt Opus 4.x-linjen over de siste to utgivelsene, var mønsteret inkrementelle forbedringer. Fable 5 bryter det mønsteret.

To ting å merke seg før du leser tabellen som evangelium. For det første er dette Anthropics egne publiserte evalueringer, ikke en uavhengig test. For det andre betyr reasoning-effort-skruen at ett benchmark-tall skjuler en kostnadskurve. Mer om det i prisseksjonen, fordi det endrer regnestykket.

Benchmarkene som betyr noe for utviklere

Fire tall bærer den praktiske vekten: SWE-Bench Pro 80,3 %, FrontierCode Diamond 29,3, Terminal-Bench 2.1 88,0 %, og GPQA-AA 1932 Elo. Til sammen dekker de ekte repo-arbeid, de vanskeligste syntetiske kodeproblemene, agentiske shell-oppgaver og forskerresonering. Berører arbeidsmengden din noen av disse, er dette seksjonen som forteller deg om tallet matcher jobben din.

Hovedgrafen øverst i dette innlegget er beviset: SWE-Bench Pro 80,3 mot 69,2 mot 58,6, og FrontierCode 29,3 mot 13,4 mot 5,7. Men hva måler de egentlig?

• SWE-Bench Pro tester om en modell kan levere en ekte pull request til en ekte repo: klone, forstå, patche, bestå tester. Fable 5 lander 8 av 10. Dette er den nærmeste proxyen for «kan den gjøre jobben min».
• Terminal-Bench 2.1 scorer agentiske shell-oppgaver: kjøre kommandoer, lese output, hente seg inn fra feil. 88,0 % betyr mye om du bygger AI-kodingsagenter som lever i en terminal.
• FrontierCode Diamond er den hardeste klassen med kodingsproblemer, de der de fleste modeller scorer enkeltsiffer. 29,3 er lavt i absolutte tall, men mer enn det dobbelte av Opus 4.8's 13,4.
• GPQA-AA er forskerresonering i naturfag, scoret som Elo-rating. 1932 signaliserer sterk flertrinns-resonering utover kode.

I våre Claude Code-arbeidsflyter over Opus 4.x-linjen var det tilbakevendende taket langhorisont-agentiske oppgaver: modellen mistet tråden halvveis gjennom en endring over flere filer. Fable 5's Terminal-Bench og SWE-Bench Pro-tall antyder at det taket har flyttet seg. Om det har flyttet seg for ditt repo er den eneste testen som teller, men de publiserte tallene er den riktige typen tall å bry seg om.

Reelle testtilfeller: Hva Fable 5 gjør som tidligere modeller ikke klarte

Anthropic publiserte tre konkrete eksempler som viser klassen av problemer Fable 5 nå kan håndtere: en Stripe-kodebasemigrasjon komprimert fra måneder til én dag, et videospill fullført på syn alene, og en 3× ytelsesforbedring fra selvvalidering. Hvert av dem peker på en kapabilitet tidligere modeller ikke nådde. Alle tre er Anthropic-oppgitt; vi siterer kunngjøringen, ikke en egen test.

Her er hva hvert av dem beviser:

1. Stripe Ruby-migrasjon. Anthropic rapporterer at Fable 5 komprimerte en Ruby-kodebasemigrasjon fra omtrent to måneder til ca. én dag. Stripe komprimerte en Ruby-migrasjon fra to måneder til én dag — det er størrelsen på problemet denne modellen endrer. Dette er klassen av langhorisont-refaktorering som tidligere krevde et menneskelig team som holdt hele kodebasen i hodet.

2. Pokémon FireRed på syn alene. Ifølge Anthropic fullførte Fable 5 Pokémon FireRed med kun syn, der tidligere modeller trengte komplekse tilpassede rammeverk for å mate spilltilstand inn som tekst. Det er et romlig og visuelt resoneringshopp: modellen leser skjermen og handler, uten stillasbygging.

3. Slay the Spire, 3×. Med maksimal reasoning effort sier Anthropic at Fable 5 selvvaliderer sine egne trekk og nådde 3× bedre ytelse via persistert minne. Poenget er ikke spillet; det er at modellen kan sjekke sitt eget arbeid over en lang planleggingshorisont og forbedre seg fra det.

Ingen av disse er noe du bør ta for gitt for din egen arbeidsmengde. Men de mapper ryddig til benchmark-hoppene i tabellen: langhorisont-koding (SWE-Bench Pro), romlig resonering (syn), og selvvalidering (reasoning-effort-skruen). De kvalitative gevinstene og de kvantitative forteller den samme historien.

Prissetting og kostnaden per oppgave i virkeligheten

Fable 5 koster $10 per million input-tokens og $50 per million output-tokens. Anthropic beskriver det som «mindre enn halvparten av prisen på Claude Mythos Preview». Det er omtrent 2× Opus 4.8 per token. Begge er sanne. Fellen er at tokenprisen er feil enhet. Det du faktisk betaler for er en ferdiggjort oppgave, og det er der Fable 5's regnestykke blir interessant.

Reasoning effort er en skrue du setter per forespørsel. Lav innsats betyr færre interne resoneringstokens og et rimeligere, raskere svar; maks innsats betyr at modellen tenker lenger, bruker flere output-tokens og scorer høyere. Grafen over viser Fable 5 som klatrer fra ~11 % til ~31 % på FrontierCode mens innsatsen skalerer lav til maks, mens Opus 4.8 topper rundt 13 % og GPT-5.5 ligger flatt nær 5-6 %. Så kostnad per oppgave er ikke ett tall; det er en kurve du velger et punkt på.

La oss regne gjennom et konkret eksempel fra de publiserte $10/$50-prisene. Dette er aritmetikk fra Anthropics oppgitte satser, ikke et benchmarktestet resultat.

Ta et enkelt agentisk kall med 50 000 input-tokens og 15 000 output-tokens med høy innsats:

Input:  50 000 / 1 000 000 × $10 = $0,50
Output: 15 000 / 1 000 000 × $50 = $0,75
Per kall:                          $1,25

En reell agentisk oppgave kjeder mange slike kall: les repo, planlegg, rediger, kjør tester, fiks, gjenta. Si at løkken kjører 12 kall med den formen: omtrent $15 for den ferdige oppgaven. Med maks reasoning effort og tyngre kontekst setter Anthropics egne kostnadskurve harde FrontierCode-oppgaver nærmere $20-per-oppgave-området. Kjør den samme oppgaven på GPT-5.5 og du betaler mindre per token. Men om den ikke kan fullføre oppgaven på noe innsatsnivå, er kostnaden din per fullført oppgave uendelig. Fable 5 koster mer per token enn GPT-5.5, og vinner likevel på kostnad per fullført oppgave, fordi den fullfører arbeid GPT-5.5 ikke kan.

Her er et minimalt kall. Anthropics kunngjøring gir claude-fable-5 som modell-id; verifiser den eksakte versjonerte strengen mot Anthropic API-dokumentasjonen før du går live, siden daterte aliaser noen ganger avviker:

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)

Økonomiargumentet i én linje: du betaler mer per token enn GPT-5.5, men du fullfører oppgaver GPT-5.5 ikke kan fullføre til noen pris. For lav-risiko høyvolumsarbeid favoriserer det regnestykket en billigere modell. For hard agentisk koding favoriserer det Fable 5.

Sikringsoppsplittingen: Hvorfor Fable faller tilbake til Opus 4.8

Fable 5 kjører klassifiserere på hver forespørsel. Når den oppdager en høyrisiko-spørring (offensiv cyber, bio, kjemi eller modell-destilleringsforsøk), faller den tilbake til Opus 4.8 i stedet for å svare med full Mythos-klasse-kapabilitet. Anthropic sier at dette tilbakefallet utløses på under 5 % av sesjoner, så de fleste brukere utløser det aldri. Poenget er å holde den farlige kapabiliteten bak porten mens hverdagsarbeid forblir uberørt.

Det hardere tallet er angrepssvarprosent: hvor ofte en automatisert angriper kan jailbreake modellen til å gjøre noe den ikke bør. Lavere er bedre. Anthropics rød-team-resultater viser et kraftig fall over utgivelser, fra Opus 4.6 på 83,2 %, til Opus 4.7 på 72,7 %, til Opus 4.8 på 56,6 %, ned til Fable 5 på 5,4 %. Under automatisert rød-teaming lyktes angrep mot Fable 5 bare 5,4 % av gangene, ned fra 56,6 % på Opus 4.8.

Hvorfor skal du bry deg? Om du deployer en agent med verktøytilgang (shell, filsystem, nettverk), er ikke en jailbreak et dårlig chattsvar — det er en modell som utfører reelle kommandoer en angriper styrte den inn i. En angrepssvarprosent på 5,4 % betyr at det er omtrent ti ganger vanskeligere å våpengjøre den enn Opus 4.8. IT Pros dekning fremhevet tilbakefallsmekanismen nettopp av denne grunnen: det er funksjonen som gjør en frontiermodell trygg nok til å gi offentligheten.

Avveiningen er forsinkelse. Om arbeidsflyten din legitimt berører sikkerhetsverktøy, kan tilbakefallet utløse seg midt i en oppgave og bytte modeller på deg — noe å planlegge rundt.

Claude Mythos 5 og spørsmålet om dobbeltbruk

Claude Mythos 5 er den gatede søskenmodellen — den samme modellen uten sikringstilbakefallet. Den beholder offensiv cyberkompetanse som Fable 5 blokkerer, noe som er akkurat grunnen til at Anthropic ikke gir den ut offentlig. Tilgang går gjennom Project Glasswing, et vettet program for forsvarere og forskere som trenger full kapabilitet. Samme modell, to utgivelsesposisjoner: én åpen, én gated.

Grafen gjør gatingen synlig. På offensive cyber-evalueringer (Firefox, OSS-Fuzz, CyberGym, CyScenarioBench) scorer Mythos 5 88,4, 24,0, 83,8 og 38,7. Fable 5 returnerer et flatt 0,0 over alle fire. På offensive cyber-evalueringer scorer Mythos 5 opptil 88,4 der Fable 5 returnerer et flatt 0,0: sikringsoppsplittingen, gjort synlig.

Den nullen er ikke et kapabilitetsgap. Det er tilbakefallet som utløser seg hver gang, blokkerer forespørselen før Mythos-klasse-modellen svarer. TechCrunch bemerket timingen: Anthropic lanserte dette dager etter å ha advart om at AI blir for farlig å gi ut åpent. Fable/Mythos-oppsplittingen er politikksvaret på den advarselen: publiser kapabiliteten, gat faren.

For de fleste utviklere er Mythos 5 irrelevant. Du kvalifiserer aldri for Project Glasswing og trenger det ikke. Det som betyr noe er å vite at modellen du kaller er bevisst begrenset på et smalt bånd av oppgaver — av design.

Hva dette betyr: Bør du bytte?

Bytt til Fable 5 for hard agentisk koding, langhorisont flertrinnsoppgaver, og syn eller romlig resonering — overalt der det å fullføre oppgaven slår det å spare øre per token. Bli på Opus 4.8 for kostnadssensitivt høyvolumsarbeid, eller for alt som utløser tilbakefallet uansett. Det er hele rammeverket. Resten er å matche arbeidsmengden din til riktig side av det.

Når Fable 5 vinner:

• Hard agentisk koding der Opus 4.8 stopper; SWE-Bench Pro-gapet er reelt
• Langhorisontsoppgaver (refaktorering over flere filer, migrasjoner) der selvvalidering lønner seg
• Syn- og romlig resonering-arbeidsmengder
• Enhver jobb der én fullført oppgave er mer verdt enn tokenpremien

Når Opus 4.8 fortsatt vinner:

• Høyvolum, kostnadssensitivt arbeid der pris per token dominerer
• Cyber/bio/kjemi-arbeidsmengder, der Fable 5 uansett faller tilbake til Opus 4.8, så kall den direkte
• Forsinkelsessensitive flyter som ikke tåler et modellbytte midt i oppgaven

Om tilgjengelighet: Fable 5 er gratis på Pro/Max/Team/Enterprise-planer frem til 22. juni 2026, med brukskreditter som gjelder fra 23. juni. Det er generelt tilgjengelig på API-et, AWS Bedrock, GitHub Copilot ifølge GitHub changelog, og Harvey. Du kan altså teste byttet i editoren din i dag uten å endre faktureringen.

Ofte stilte spørsmål

Hva er Claude Fable 5?

Claude Fable 5 er Anthropics første offentlig tilgjengelige Mythos-klasse-modell, lansert 9. juni 2026. Den scorer 80,3 % på SWE-Bench Pro og kjører sikringsklassifiserere som faller tilbake til Opus 4.8 på høyrisiko-spørringer. Den koster $10 input / $50 output per million tokens.

Hva er forskjellen mellom Fable 5 og Mythos 5?

De er den samme frontiermodellen med ulike utgivelsesposisjoner. Fable 5 er offentlig og sikret; den faller tilbake til Opus 4.8 på farlige spørringer. Mythos 5 er den gatede fullkapabilitetsversjonen, tilgjengelig kun via Anthropics Project Glasswing-program for vettede forsvarere og forskere.

Er Claude Fable 5 faktisk bedre enn Opus 4.8?

Ja, på hard agentisk koding, syn og romlig resonering: Fable 5 treffer 80,3 % på SWE-Bench Pro mot Opus 4.8's 69,2 %. Men Opus 4.8 vinner fortsatt på kostnadssensitivt høyvolumsarbeid, og Fable 5 faller uansett tilbake til Opus 4.8 for høyrisiko cyber/bio/kjemi-emner. «Bedre» avhenger av arbeidsmengden din.

Hva koster Claude Fable 5?

Claude Fable 5 koster $10 per million input-tokens og $50 per million output-tokens. Anthropics beskrivelse er «mindre enn halvparten av prisen på Mythos Preview». Det er omtrent 2× Opus 4.8 per token, men verdiargumentet er per fullført oppgave, siden Fable 5 fullfører arbeid billigere modeller ikke kan.

Hva er en «Mythos-klasse»-modell?

Mythos-klasse er Anthropics nye toppnivå for kapabilitet, lansert med Fable 5 og Mythos 5. Det representerer et frontier-hopp over Opus 4.x-linjen på kode- og resoneringsbenchmarks. Fable 5 og Mythos 5 er to utgivelsesversjoner av den samme Mythos-klasse-modellen: én offentlig og sikret, én gated.

Hvorfor faller Fable 5 tilbake til Opus 4.8?

Fable 5 kjører klassifiserere som oppdager høyrisiko-forespørsler (offensiv cyber, bio, kjemi eller modell-destillering) og ruter dem til Opus 4.8 i stedet for å svare med full Mythos-klasse-kapabilitet. Dette utløses på under 5 % av sesjoner. Det reduserte adversarial angrepssuksess fra 56,6 % (Opus 4.8) til 5,4 %.

Kan jeg få tilgang til Claude Mythos 5?

Sannsynligvis ikke. Mythos 5 er gated bak Project Glasswing, Anthropics vettede tilgangsprogram for forsvarere og sikkerhetsforskere som trenger full offensiv cyberkompetanse som Fable 5 blokkerer. De fleste utviklere kvalifiserer ikke og trenger det ikke, siden Fable 5 dekker hverdagslig agentisk og kodings-arbeid.

Hvor kan jeg bruke Claude Fable 5?

Claude Fable 5 er generelt tilgjengelig på Anthropic API, AWS Bedrock, GitHub Copilot og Harvey. Det er gratis på Pro-, Max-, Team- og plasseringsbaserte Enterprise-planer frem til 22. juni 2026; brukskreditter gjelder fra 23. juni. Du kan teste det i editoren din eller via API i dag.

Konklusjonen

Claude Fable 5 er et reelt frontier-steg over Opus 4.8: 80,3 % mot 69,2 % på SWE-Bench Pro, dobbelt FrontierCode-score, og en angrepssvarprosent på 5,4 % som gjør den langt tryggere å deploye med verktøy. Bytt for hard agentisk koding, langhorisontsoppgaver og synsarbeid. Bli på Opus 4.8 for kostnadssensitivt volum eller alt som utløser tilbakefallet uansett. Det er gratis frem til 22. juni, så du kan teste byttet før det koster deg noe. Techsy-teamet bygger produksjonsagenter på akkurat denne stacken, så ta kontakt om du vil ha hjelp.