Nach ~5,5 Stunden Tests am Launch-Tag nennt Simon Willison Claude Fable 5 „something of a beast" — langsam, teuer und arbeitet bereitwillig ehrgeizige Aufgaben ab. Kernmerkmale: 1M Kontext, 128k max. Output, Wissens-Cutoff Januar 2026, $10/$50 Preise (2× Opus) und konservative Sicherheitsklassifikatoren mit neuen API-Fallback-Mechanismen.
Das Big-Model-Gefühl
Fable fühlt sich groß an — in Geschwindigkeit, Kosten und Wissen. Auf die Frage nach Simon Willisons Open-Source-Projekten mit Daten (ohne Suche) lieferte Fable eine deutlich reichere Liste als Opus 4.8 — von files-to-prompt und LLM über Datasette, Django bis zu Dutzenden Utilities. Willison sieht Wissenstiefe als Proxy für Modellgröße; Anthropic hat Parameterzahlen nicht offengelegt.
Fable in Claude.ai nutzen
Willison upgraded micropython-wasm auf vollständiges CPython-in-WASM: Fable klonte das Repo, identifizierte Brett Cannons cpython-wasi-build, und nach dem Upload der ZIPs produzierte es ein funktionierendes 13,9-MB-Wheel, ausführbar via uv. Eine starke Coding-Demo am ersten Tag.
Datasette Agent und LLM-Bibliothek
Fable implementierte Human-in-the-Loop-Tool-Freigabe für Datasette Agent und entwirrte Hacks in ordentliche LLM-0.32a3-Features: llm_tool_call-Parameter, garantiert eindeutige tool_call_ids, PauseChain-Exceptions, Resume von pending Tool Calls und Async-Executor-Fixes — Arbeit, die sich wie mehrere Tage in einer Session anfühlte.
Was es kostete
Mit AgentsView trackte Willison ~$110,42 Fable-Nutzung an einem Tag auf einem $100/Monat-Max-Abo — hauptsächlich eine Datasette-Agent-Review-Session für $99,26 (78,2 Mio. Tokens). Fable ist nicht günstig für lange Agent-Läufe.
Effort-Levels und Pelikane
Generierung von „SVG of a pelican riding a bicycle" über Effort-Levels: low ~1.929 Out-Tokens (~10¢), medium ~2.290 (~11¢), high ~2.057 (~10¢), xhigh ~5.992 (~30¢), max ~14.430 (~72¢). High schlug medium manchmal bei der Token-Anzahl für denselben Prompt.
“Die Herausforderung ist, Aufgaben zu finden, die es nicht kann.”