Claude Fable 5: när ska du använda Fable, Opus och Sonnet utan att bränna budgeten

Claude Fable 5 är inte bara ännu en liten modelluppdatering. Anthropic beskriver den som den första allmänt tillgängliga Claude-modellen i Mythos-klassen, alltså nivån ovanför Opus. Den är byggd för långkörande kodning, research och kunskapsarbete där tidigare modeller ofta tappade tråden.

Det betyder inte att alla team ska byta allt till Fable direkt.

Fable 5 är dyr. Den har striktare säkerhetsroutning än andra Claude-modeller. Den kräver också 30 dagars datalagring för säkerhetsövervakning. För mycket vanligt arbete är Claude Sonnet eller Claude Opus fortfarande ett bättre affärsbeslut.

Frågan är inte: "Är Fable 5 den bästa modellen?" Frågan är: när förändrar Fable 5 ekonomin i en uppgift så mycket att kostnaden och risken blir rimlig?

Källa: Anthropics produktsida för Claude Fable 5, Anthropics lanseringsartikel, Claude modelldokumentation.

Vad Anthropic faktiskt lanserade

Anthropic lanserade två närbesläktade modeller den 9 juni 2026:

• Claude Fable 5: den allmänt tillgängliga versionen, med starkare skyddsräcken för publik användning.
• Claude Mythos 5: den begränsade versionen för godkända partners via Project Glasswing, där vissa skydd är borttagna för specifika försvars- och forskningsuppgifter.

Den viktiga detaljen är att Anthropic säger att Fable 5 och Mythos 5 bygger på samma underliggande modell. Skillnaden ligger i hur den får användas. Fable 5 är den säkerhetshärdade publika versionen.

Anthropics positionering är tydlig: Fable 5 är deras mest kapabla brett släppta modell och är tänkt för krävande resonemang, långhorisontellt agentarbete, komplex kodning, tungt kunskapsarbete, visuella uppgifter och projekt som kan pågå i timmar eller dagar.

De viktigaste implementeringsdetaljerna:

• API-modell-ID: claude-fable-5
• Kontextfönster: 1 miljon tokens
• Maximal output: 128k tokens
• Inputpris: 10 dollar per miljon tokens
• Outputpris: 50 dollar per miljon tokens
• Prompt-cache read: 1 dollar per miljon tokens
• Prompt-cache write: 12,50 dollar per miljon tokens för 5-minuterscache, eller 20 dollar per miljon tokens för 1-timmescache
• US-only inference: finns på stödda Anthropic-plattformar med 1,1x prismultipel
• Adaptivt tänkande: alltid på
• Tillgänglighet: Claude API, Claude Platform on AWS, Amazon Bedrock, Vertex AI, Microsoft Foundry och utvalda produktytor

Källa: Claude model overview, Claude pricing documentation, AWS Bedrock model card.

Den korta versionen: vad Fable 5 är till för

Använd Fable 5 när arbetet är genuint svårt och värdet av att lösa det är högt.

Bra Fable 5-uppgifter:

• En kodbasmigration där modellen måste förstå många filer och hålla en plan levande i flera timmar.
• En envis produktionsbugg som redan har kostat mänsklig tid.
• En djup researchuppgift där modellen måste läsa många källor, väga motstridiga uppgifter och skriva ett beslutsunderlag.
• En produkt- eller teknikplan där ett ytligt svar blir dyrt.
• Ett visuellt tungt arbetsflöde, till exempel att jämföra UI-skärmbilder, läsa komplexa diagram eller översätta designintention till kod.
• En autonom uppgift med tester, kontrollpunkter och tydlig definition av klart.

Dåliga Fable 5-uppgifter:

• Enkla reklamtexter.
• Rutinmässiga kodändringar.
• Första sammanfattningen av ett dokument.
• Utkast för kundsupport.
• Formatering, översättning, städning eller klassificering.
• Arbetsflöden där 30 dagars datalagring inte är acceptabelt.
• Uppgifter där resultatet inte går att verifiera.

Fable är ett specialverktyg. Att använda den som standardmodell är som att ta in en senior arkitekt för att döpa om filer.

Varför folk är exalterade

Lanseringen är ovanligt aggressivt positionerad. Anthropic säger att Fable 5:s försprång växer ju längre och mer komplex uppgiften blir. Det är den delen som är värd att bry sig om.

Små prompts döljer ofta skillnader mellan modeller. Ett kort svar, en liten funktion eller en ensidig sammanfattning kan se ungefär likadan ut från Sonnet, Opus och Fable. Skillnaden syns när modellen måste hålla tillstånd över tid, göra avvägningar, använda verktyg, återhämta sig från fel och fortsätta utan ständig handhållning.

Det är därför de seriösare recensionerna fokuserar på långkörande kodning och agentiska arbetsflöden, inte vanliga chattfrågor.

Rapporterade exempel:

• Stripe-test: Anthropic säger att Fable 5 gjorde en kodbasövergripande migration i en Ruby-kodbas på 50 miljoner rader på en dag, arbete som annars skulle ha tagit ett helt team betydligt längre tid.
• GitHub Copilot: GitHub säger att Fable 5 finns i Copilot och att modellen i interna benchmarktester för autonom kodning gjorde likvärdigt arbete med färre verktygsanrop och lägre tokenförbrukning än tidigare Opus-modeller.
• Recensenter som testade Claude Code rapporterar starkare one-shot-appbyggen, bättre flerstegsexekvering och starkare autonoma loopar, men varnar också för att modellen kan dra mycket tokens.

Se leverantörsexempel som riktning, inte som garanti. De visar vad modellen är byggd för. De betyder inte att ditt repo, din testsvit eller din affärsprocess får samma resultat.

Källor: Anthropic announcement, GitHub Copilot changelog, Every hands-on review, Better Stack overview.

Säkerhetsdetaljen: Fable kan bli Opus

Fable 5 är tillräckligt kraftfull för att Anthropic har lagt på bredare skydd än vanligt. Skydden granskar inte bara din senaste prompt, utan hela kontexten modellen kan läsa: konversationshistorik, filer, minne, connector-data och webbsökresultat.

Om skydden flaggar en begäran routar många Claude-produkter den i stället till Claude Opus 4.8. Anthropic säger att detta främst gäller:

• Cybersecurity
• Biologi
• Kemi
• Modelldistillering eller försök att extrahera modellens resonemang
• Viss hjälp med frontier-LLM-utveckling

Det spelar roll av två skäl.

För det första kan du tro att du använder Fable när svaret egentligen kommer från Opus. Claude ska meddela detta i produktgränssnitt, men team som bygger via API behöver designa för det själva.

För det andra är falska positiva träffar väntade. En legitim säkerhetsgranskning, ett vårddokument, en biotech-marknadsanalys eller en kodbas med exploit-relaterade testfixturer kan trigga fallback eftersom klassificeraren tittar på hela kontexten.

Det här är inte en bugg att försöka runda. Det är en regel för driftsättning att planera runt.

Rätt fråga är inte: "Hur kringgår vi skyddet?" Rätt fråga är: "Ska den här uppgiften köras med Opus, ett godkänt begränsat program eller ett annat internt arbetsflöde?"

Källor: Claude Help Center om Fable-modellväxling, Claude Fable 5 and Mythos 5 system card.

Datadetaljen: 30 dagars retention

Fable 5 har en annan dataprofil än andra Claude-modeller.

Både Anthropic och GitHub skriver att Fable 5-trafik kan sparas i upp till 30 dagar för säkerhetssystem. Uppgifterna används inte för modellträning, men den sparas ändå.

Den detaljen bör styra många företags routningspolicyer.

Var försiktig med Fable om input innehåller:

• Kunders personuppgifter
• Konfidentiella avtal
• M&A-material
• Ej lanserad produktstrategi
• Säkerhetskänslig arkitektur
• Vård-, biotech- eller reglerat forskningsmaterial
• Kunddata med strikta raderings- eller datalokaliseringskrav

Om Zero Data Retention krävs kan Fable 5 vara fel modell även när den tekniskt sett är mest kapabel. Använd i så fall Opus eller Sonnet under rätt datavillkor, eller håll arbetet inom en godkänd enterprise-miljö.

Källor: GitHub Copilot changelog, Anthropic commercial terms, Claude data residency documentation.

Kostnad: siffran som förändrar beteendet

Fable 5 kostar dubbelt så mycket som Opus 4.8 och mer än tre gånger så mycket som Sonnet 4.6 på både input- och outputtokens.

Officiella priser:

• Fable 5: 10 dollar input / 50 dollar output per miljon tokens
• Opus 4.8: 5 dollar input / 25 dollar output per miljon tokens
• Sonnet 4.6: 3 dollar input / 15 dollar output per miljon tokens
• Haiku 4.5: 1 dollar input / 5 dollar output per miljon tokens

Ett enkelt exempel:

• 100k tokens input och 20k tokens output kostar ungefär 2,00 dollar med Fable, 1,00 dollar med Opus, 0,60 dollar med Sonnet och 0,20 dollar med Haiku.
• 1M tokens input och 100k tokens output kostar ungefär 15,00 dollar med Fable, 7,50 dollar med Opus, 4,50 dollar med Sonnet och 1,50 dollar med Haiku.
• Om 1M-token-inputen till Fable är en prompt-cache read kostar samma input cirka 1,00 dollar i stället för 10,00 dollar, före outputtokens.

Den sista punkten är den verkliga optimeringsspaken. Fable är dyr, men upprepad stor kontext är där team ofta eldar upp pengar utan att märka det. Prompt caching kan kapa stabil inputkontext med 90 procent, medan outputtokens fortfarande är dyra.

Källor: Claude pricing documentation, Claude prompt caching documentation. Kostnadsexemplen är beräknade från officiella tokenpriser.

När ska du använda Claude Sonnet?

Sonnet bör fortsätta vara standardmodellen för de flesta team.

Använd Sonnet för:

• Daglig kodhjälp
• Rutinbuggar
• Första utkast
• Intern dokumentation
• Supportmallar
• Lättare research
• Sammanfattningar
• Datautdrag
• Uppgiftssortering
• Automatisering där hastighet och kostnad spelar roll

Sonnet är ofta bäst för högvolymsarbete eftersom den är snabb, stark och mycket billigare än Fable. Om en människa eller ett test snabbt kan kontrollera resultatet räcker Sonnet ofta.

Praktisk regel: börja med Sonnet om du inte kan förklara varför jobbet behöver mer.

När ska du använda Claude Opus?

Opus är standardvalet för seriöst arbete när Fable är för dyr, för begränsad eller för känslig ur datalagringssynpunkt.

Använd Opus för:

• Svårt resonemang som inte kräver Fable-nivå av autonomi
• Komplexa arkitekturbeslut
• Kvalitetsgranskning av Sonnet-genererat arbete
• Känsligt arbete där Fables retentionkrav inte är acceptabelt
• Cybersecurity-, biologi- eller vårdnära material som sannolikt ändå skulle trigga Fables fallback
• Ledningsmemo och strategisk syntes där kvaliteten är viktig men processen fortfarande styrs aktivt

Opus är också rätt fallback när Fable blir för konservativ. Om en säker begäran fortsätter att routas bort från Fable är det oftast slöseri att trycka hårdare. Byt till Opus, minska kontexten eller dela upp uppgiften i säkrare delproblem.

När ska du använda Claude Fable 5?

Använd Fable när uppgiften har en eller flera av de här egenskaperna:

• Den är långkörande.
• Den kräver många verktygsanrop.
• Den har en stor kodbas eller dokumentsamling.
• Den kräver planering, exekvering och självverifiering.
• Den har misslyckats med Sonnet eller Opus på ett sätt som spelar roll.
• Den är så värdefull att en modellkörning för 10 eller 50 dollar fortfarande är billig jämfört med mänsklig tid.
• Du kan testa eller granska resultatet.
• Du accepterar datalagringsreglerna.

Fable ska inte vara "den smarta modellen vi använder till allt". Den ska vara eskaleringsmodellen för jobb där modellens extra uthållighet förändrar utfallet.

Modellstacken som faktiskt är vettig

Den bästa Fable-setupen är inte "använd Fable överallt". Det är en routad stack.

Ett bra arbetsflöde ser ut så här:

1. Använd Sonnet för att samla kontext, sammanfatta källor, inspektera filer och skriva första planen.
2. Använd Opus för att utmana planen, hitta missade antaganden och avgöra om jobbet förtjänar Fable.
3. Använd Fable för den svåra exekveringsloopen: stor migration, djup syntes, autonom kodning eller komplex flerstegsresearch.
4. Använd Sonnet igen för städning, formatering, dokumentation och mindre följdändringar.
5. Använd Opus eller en mänsklig expert för slutgranskning när beslutet är viktigt.

För kodteam:

• Sonnet hanterar issue-triage, små ändringar och testscaffolding.
• Opus hanterar arkitektur, PR-granskning och knepig felsökning.
• Fable hanterar den stora migrationen, flertimmarsrefaktorn, den vaga men viktiga backloggpunkten eller det svåra integrationsprojektet.

För icke-tekniska team:

• Sonnet skriver utkast och sammanfattar.
• Opus gör röriga underlag till beslutsmemo.
• Fable kör hela research- och leveransprojektet när outputen styr pengar, rekrytering, compliance eller operativa beslut.

För byråer och konsulter:

• Sonnet är produktionsassistenten.
• Opus är senioranalytikern.
• Fable är specialprojektpartnern när kundproblemet är brett, otydligt och värdefullt.

Så promptar du Fable 5 annorlunda

Fable verkar fungera bäst när du slutar mikrostyra varje steg.

Det användbara mönstret är:

1. Ge den målet.
2. Ge den begränsningarna.
3. Låt den intervjua dig om saknade krav.
4. Be om en plan före exekvering.
5. Definiera vad klart betyder.
6. Säg vilka tester, kontroller eller granskningssteg som måste passera.
7. Låt den köra i loop, men kräv kontrollpunkter före riskfyllda handlingar.

Exempelprompt för kodning:

Jag vill migrera den här funktionen från den gamla billing-modulen till den nya billing-tjänsten.

Innan du ändrar något: inspektera repot och ställ frågor om sådant som faktiskt påverkar migrationen.

Gör sedan en plan med:
- filer som troligen ändras
- tester som ska köras
- risker
- rollbackstrategi
- kriterier för klart

Gör inga destruktiva ändringar utan godkännande.
Efter implementationen ska du köra relevanta tester, granska diffen och sammanfatta vad en mänsklig granskare bör kontrollera.

Exempelprompt för research:

Undersök om vi bör införa [verktyg/leverantör] för [affärsprocess].

Använd officiell dokumentation först, sedan trovärdiga oberoende recensioner. Separera verifierade fakta från påståenden och åsikter. Flagga pris, datalagring, lock-in, säkerhetsrisker och integrationsarbete.

Innan du skriver rekommendationen: visa vilka beslutskriterier du använder. Slutleveransen ska innehålla en rekommendation, ett billigare alternativ, ett riskregister och de tre första implementationsstegen.

Fable ska få utrymme. Den ska inte få en blank check.

Tokenoptimering: så undviker du att bränna budgeten

Om du använder Fable som en vanlig chattmodell blir den snabbt dyr.

Använd de här reglerna:

• Klistra inte in allt. Hämta bara filer, dokument eller utdrag som behövs för det aktuella steget.
• Lägg stabila instruktioner, verktygsscheman och lång referensinformation bakom prompt caching.
• Lägg dynamisk data efter cachebrytpunkten så små ändringar inte förstör cachen.
• Använd Sonnet för att komprimera researchanteckningar innan du eskalerar till Fable.
• Be om planer och diffar under exekvering, inte långa essäer.
• Sätt tydliga outputbudgetar: "håll svaret under 1 200 ord om inte ett testfel kräver mer detalj".
• Använd kontrollpunkter: efter planering, efter implementation, efter verifiering.
• Undvik upprepade retries med full kontext. Om modellen misslyckas, sammanfatta felet och försök igen med en mindre prompt.
• Följ kostnad per uppgift, inte bara kostnad per token. En Fable-session för 15 dollar som ersätter en dag senior tid är billig. En formateringssession för 15 dollar är slöseri.
• För agenter: sätt kostnadsgränser, maximalt antal turer, tillåtna verktyg och stoppvillkor.

Prompt caching är extra viktigt. Fable cache reads kostar 1 dollar per miljon tokens i stället för 10 dollar. Men cache writes kostar extra, och outputtokens kostar fortfarande 50 dollar per miljon. Caching hjälper mest när samma stora prefix återanvänds över flera turer eller liknande jobb.

Säkra driftsregler för Fable-agenter

Fable gör autonomt arbete mer lockande. Det gör också operativ säkerhet viktigare.

För kodning:

• Kör i en branch eller worktree.
• Använd tester som definitionen av klart.
• Kräv godkännande för raderingar, migrationer, driftsättningar och ändringar av inloggningsuppgifter.
• Neka åtkomst till .env, secrets, produktionsdatabaser och kunddata om det inte uttryckligen behövs.
• Ha mänsklig granskning före merge.
• Be modellen skriva en risknot med diffen.

För research:

• Kräv källänkar.
• Separera officiella källor från kommentarer.
• Be om konfidensnivåer.
• Be om motsägelser och saknade data.
• Låt den aldrig hitta på källor.

För affärsflöden:

• Definiera vad modellen får besluta och vad som måste gå till en människa.
• Spara granskningsloggar.
• Skicka inte känsliga personuppgifter om retention- och integritetsvillkoren inte är acceptabla.
• Behandla outputen som en rekommendation, inte som en auktoritet.

Fable är starkast när den får arbeta självständigt i en avgränsad sandbox. Den är svagast, och farligast, när den har breda verktyg, vaga mål och ingen granskningsgrind.

Vad YouTube-recensionerna tillför

Anthropics officiella video är kort och förklarar främst lanseringsnarrativet: Fable 5 är en publik Mythos-klassmodell, Anthropic begränsade tidigare Mythos-access på grund av cyberrisk, och Fable routar högriskfrågor inom cyber och biologi till Opus 4.8.

Oberoende recensenter verkar i stort hålla med om mönstret:

• Fable ser starkast ut på långa uppgifter, kodloopar och ambitiösa one-shot-byggen.
• Den kan vara tokenhungrig.
• Den är inte en bra standardmodell för billigt vardagsarbete.
• Vissa recensenter oroar sig för 30 dagars retention och breda skyddsräcken.
• Hands-on-demos i kodning är imponerande, men kräver fortfarande tester och mänsklig granskning.

Användbara videor:

• Anthropic: Introducing Claude Fable 5 — officiell lanseringsförklaring; bäst för säkerhets- och positioneringsnarrativet.
• Every: We Tested Anthropic's Fable 5 for a Week — hands-on-recension med tidig access; bra för realistiska förväntningar.
• Better Stack: Claude Mythos is FINALLY here (Fable 5) — koncis genomgång av benchmark, pris och hands-on-exempel.
• Developers Digest: Claude Fable 5 in 7 Minutes — snabb teknisk sammanfattning av benchmarkpåståenden, prissättning och användningsråd.
• Alex Finn: Claude Fable 5 just dropped and I'm speechless — entusiastisk Claude Code-demo; nyttig för att se "mål och loopar", men behandla påståendena som creator-åsikt.
• AI for Work: I Tested Claude Fable 5. 4 Wild Tests — praktiskt demoperspektiv.
• AsapGuide: I Tested Claude Fable 5 Against Opus — relevant för kostnads- och prestandajämförelse.
• BridgeMind: Vibe Coding With Claude Fable 5 — lång livesession; bra som rå demonstration, inte som kort förklaring.

Risker och begränsningar

De viktigaste Fable-riskerna är praktiska.

Först: kostnad. En lång agentloop kan spendera riktiga pengar innan någon hinner reagera. Team behöver budgetar och stoppvillkor.

För det andra: retention. Vissa organisationer kan helt enkelt inte skicka viss data till en modell med 30 dagars datalagring.

För det tredje: falska positiva. Fable kan routa säkert arbete till Opus om kontexten rör känsliga domäner.

För det fjärde: övertro. Modellen kan vara mer kapabel, men den behöver fortfarande tester, källkontroll och mänskligt omdöme.

För det femte: benchmarkförvirring. Vissa siffror online blandar Fable och Mythos, eller visar den starkare oskyddade förmågan i domäner där publika Fable kan falla tillbaka till Opus. Var försiktig när du jämför poäng.

För det sjätte: agentrisk. En bättre agent kan göra större misstag om den får för breda behörigheter.

Modellen tog inte bort behovet av styrning. Den höjde priset för att sakna styrning.

Rekommenderad policy för Hammer-liknande team

För en praktisk verksamhet som använder Claude-modeller skulle jag sätta policyn så här:

• Standardmodell: Sonnet.
• Eskaleringsmodell: Opus.
• Specialprojektmodell: Fable.
• Billig bakgrundsmodell: Haiku, där den finns.

Eskalera till Opus när:

• Sonnet kör fast två gånger.
• Uppgiften kräver djupare resonemang.
• Outputen påverkar ett affärsbeslut.
• Kontexten är känslig och Fable-retention inte är acceptabel.

Eskalera till Fable när:

• Opus fortfarande kämpar.
• Uppgiften är långhorisontell.
• Det förväntade värdet är högt.
• Inputdatan är tillåten under Fables retentionvillkor.
• Du har tester eller granskningssteg.
• Uppgiften kan avgränsas med behörigheter och stoppvillkor.

Gå ned från Fable när:

• Uppgiften blir rutinmässig.
• Modellen börjar skriva långa förklaringar i stället för att göra nyttigt arbete.
• Kontexten triggar säkerhetsfallback.
• Kostnaden per användbar output blir svår att motivera.
• Du städar, formaterar eller översätter.

Slutsats

Claude Fable 5 är troligen den första Claude-modellen där rätt användningsmönster liknar delegering mer än chatt.

Det är möjligheten. Ge den rörigt, värdefullt arbete som annars fastnar mellan plan och exekvering. Låt den ställa frågor. Låt den planera. Låt den köra mot tester. Granska sedan resultatet som du skulle granska en stark men dyr konsult.

Men använd den inte som standardassistent.

Det mesta arbetet bör fortfarande börja med Sonnet. Svårt arbete bör gå till Opus. Fable bör komma in när uppgiften är värdefull, lång, svår och verifierbar nog för att motivera kostnaden, datalagringsregeln och den operativa risken.

Där kan Fable 5 bli genuint användbar: inte som en smartare chattbot, utan som en avgränsad agent för specialprojekt.