Fable 5 ist Anthropics stärkstes breit verfügbares Modell: 1 Mio. Token Kontext, Thinking läuft immer. Der Haken: $10 / $50 pro Mio. Token, die teuerste Stufe. Der klügste Umgang: Fable plant und prüft wie ein Chef, günstigere Modelle führen aus. Diese Seite zeigt dir die Delegation-Pipeline, plus drei Open-Source-Tools, die den restlichen Token-Hunger bändigen.
Vier Eigenschaften, die Fable 5 zum stärksten und zugleich teuersten Werkzeug im Claude-Lineup machen.
Fable 5 ist Anthropics stärkstes breit verfügbares Modell, gebaut für die härtesten Reasoning-Probleme und lange autonome Agenten-Läufe, nicht für den täglichen Routine-Chat.
Adaptive Thinking läuft bei Fable 5 dauerhaft mit, es gibt keinen Aus-Schalter. Was du steuerst, ist die Tiefe: der Parameter effort von low bis max.
1 Mio. Token Kontext ist bei Fable 5 der Standard, genug für ganze Repositories oder lange Dokumentstapel in einer einzigen Anfrage, mit bis zu 128K Output-Token als Antwort.
Bei harten Aufgaben laufen einzelne Anfragen minutenlang. Fable 5 ist auf lange Horizonte ausgelegt: Multi-Agent-Delegation und autonome Läufe, die weit über einen einzelnen Chat-Turn hinausgehen.
Thinking läuft vor jeder Antwort.
Bevor überhaupt eine Antwort entsteht, denkt das Modell, bei hohem effort entsprechend viel. Dieser Denkprozess selbst verbraucht Token, auch wenn du ihn nie im Rohformat siehst.
Jede Agenten-Runde zahlt neu.
Tool-Calls, Sub-Agents, Selbst-Verifikation: Jede Runde eines Agenten-Loops trägt den bisherigen Kontext erneut ins Modell, der Verbrauch multipliziert sich mit der Anzahl der Schritte.
$10 / $50 pro Mio. Token.
Fable 5 liegt über der Opus-Reihe ($5 / $25). Output ist fünfmal teurer als Input. Lange, ausführliche Antworten treiben die Rechnung überproportional nach oben.
1M-Fenster ist kein Freifahrtschein.
Ein Kontextfenster von 1 Mio. Token klingt komfortabel, aber ohne Prompt-Caching wird jedes Token in jeder Loop-Runde neu bezahlt. Große Kontexte multiplizieren die Kosten, statt sie zu senken.
Drei echte Situationen im Alltag mit Fable 5, und das Tool, das genau dort den Hebel ansetzt.
Ein 40-seitiger Vertrag oder eine Excel-Tabelle soll in den Chat, roh frisst das Input-Token ohne Ende. MarkItDown wandelt die Datei vorher in schlankes, token-effizientes Markdown: Struktur bleibt, Markup wird minimal.
MarkItDown
„Token-effizientes Markdown statt rohem PDF/HTML."
Deutlich schlankerer Input pro Dokument
github.com/microsoft/markitdownDu bittest um eine kleine Funktion, der Agent liefert ein halbes Framework mit. Ponytail zwingt ihn zu einer Entscheidungsleiter vor jeder Zeile: existiert das schon? Reicht die Standardbibliothek? Erst wenn nichts davon zutrifft, wird geschrieben.
Ponytail
„The best code is the code you never wrote."
~54% weniger Code · ~20% niedrigere Kosten
github.com/DietrichGebert/ponytailDer Agent erklärt in acht Sätzen, was zwei Bulletpoints auch sagen, und jeder Satz kostet Output-Token, die fünfmal teurer sind als Input. Caveman komprimiert die Antwort auf Substanz, Füllsprache fällt weg.
Caveman
„why use many token when few token do trick"
~65% weniger Output-Token (22–87%)
github.com/juliusbrussee/cavemanAlle drei Open Source, kombinierbar, kein Lock-in.
Fable 5 ist der Chef, nicht der Arbeiter. Drei Bausteine zum Kopieren: die Delegation-Pipeline für deine CLAUDE.md, der executor-Subagent, der auf einem günstigen Modell ausführt, und der Prompt, mit dem Fable einmal dein ganzes Setup aufräumt.
## Delegation-Pipeline (Fable 5 = Chef, günstige Modelle arbeiten) Du (Fable 5) bist der Planer und Prüfer, nicht der Ausführer. Deine Stärke ist, eine Aufgabe wie ein Chef zu strukturieren. Verbrenne keine teuren Token mit stumpfer Umsetzung. Für jede größere Aufgabe: 1. PLAN: Zerlege die Aufgabe in klar abgegrenzte Teilschritte. Schreib für jeden Schritt messbare Akzeptanzkriterien auf (z. B. "Datei X existiert und npm test endet mit 0"). 2. DELEGIEREN: Gib jeden ausführbaren Schritt an den executor-Subagent, der auf einem günstigeren Modell läuft. Formuliere den Auftrag präzise: was, wo, mit welchen Kriterien. Fass den Code nicht selbst an. Unabhängige Schritte delegierst du parallel an mehrere Subagents. 3. PRÜFEN: Prüf das Ergebnis gegen deine Kriterien. Nur was du an einem echten Beleg festmachen kannst (Testausgabe, Datei, Befehlsausgabe), gilt als erledigt. Behaupte nie ohne Beleg, dass etwas fertig ist. 4. LOOP: Ist ein Kriterium nicht erfüllt, schick den Schritt mit konkretem Korrektur-Hinweis zurück an den Subagent. Wiederhole, bis alle Kriterien erfüllt sind. Plane und prüfe selbst gründlich, dafür bist du da. Die eigentliche Ausführung gehört dem günstigen Modell.
--- name: executor description: Führt klar abgegrenzte Umsetzungs-Schritte aus, die der Planer (Fable 5) delegiert. Für alle konkreten Code-, Datei- und Test-Arbeiten. model: opus # günstiger als Fable 5; für einfache Schritte sonnet oder haiku --- Du bist der Executor. Deine einzige Aufgabe: den delegierten Schritt exakt umsetzen. - Halte dich strikt an den Auftrag und die genannten Akzeptanzkriterien. - Triff keine Architektur-Entscheidungen und erweitere den Auftrag nicht. Bei Unklarheit oder fehlendem Kontext: kurz zurückfragen statt raten. - Bau nur, was der Schritt braucht. Kein Refactoring drumherum, keine Abstraktion auf Vorrat. - Prüf dein eigenes Ergebnis gegen die Kriterien, bevor du zurückmeldest. Melde ehrlich, was belegt ist (Testausgabe, Befehlsausgabe) und was noch offen ist.
Rolle: Du bist Senior-Setup-Architekt für Claude Code. Überarbeite mein komplettes Setup einmal grundlegend, damit jede künftige Session davon profitiert, auch die mit günstigeren Modellen. Geh Datei für Datei vor: 1. BESTANDSAUFNAHME: Lies alle meine CLAUDE.md-Dateien (global unter ~/.claude/ und pro Projekt), alle Skills unter .claude/skills/ und alle Slash-Commands. Fass in einer kurzen Liste zusammen, was es gibt und wofür. 2. SCHWACHSTELLEN: Zeig mir pro Datei konkret, was unklar, widersprüchlich, veraltet oder aufgebläht ist. Was führt dazu, dass Modelle Anweisungen falsch verstehen oder ignorieren? Was gehört in eine CLAUDE.md und was besser in einen Skill? 3. VORSCHLAG: Schlag pro Datei eine konkrete Neufassung vor: präziser, kürzer, eindeutig. Regeln als klare Anweisungen, nicht als Roman. Doppeltes zusammenführen, Totes raus. 4. UMSETZUNG: Erst wenn ich zustimme, setz die Änderungen um. Fass am Ende zusammen, was sich geändert hat und warum. Ziel: ein schlankes, eindeutiges System, das auch günstige Modelle so zuverlässig wie möglich macht.
Delegation-Prompt setzen
Die Delegation-Pipeline oben in deine CLAUDE.md oder die Projektanweisungen kopieren.
executor.md anlegen
Datei .claude/agents/executor.md erstellen, model: opus, für einfache Schritte sonnet oder haiku.
Ponytail installieren
/plugin marketplace add DietrichGebert/ponytail, dann /plugin install ponytail@ponytail, Intensität mit /ponytail full.
Setup aufräumen lassen
Fable einmal deine Skills, CLAUDE.md-Dateien und Workflows prüfen und schärfen lassen (Prompt oben).
Effort steuern
effort bewusst setzen: low/medium für Routine, high/xhigh nur wenn die Aufgabe es wirklich braucht.
Drei Tools, drei Hebel, ein Setup-Script. Kopier den Prompt oben, installier die Tools, und entscheide bei jedem Prompt bewusst: reicht Sonnet, oder braucht es wirklich Fable 5?