Claude Fable 5.1: wat is nieuw en wanneer kies je het?

Wat is Claude Fable 5.1?

Claude Fable 5.1 is een taalmodel van Anthropic voor veeleisende reasoning, agentic coding en kenniswerk dat over veel stappen loopt. De API-ID is claude-fable-5-1. Het model is beschikbaar via de Claude API en via partnerplatforms van AWS, Google Cloud en Microsoft.

“Agentic” betekent hier dat Claude niet alleen één antwoord schrijft, maar binnen een toegestane omgeving ook bestanden kan lezen, tools kan gebruiken, fouten kan onderzoeken en het werk kan vervolgen. Een model dat uren kan doorwerken is natuurlijk prettig. Een model dat uren enthousiast de verkeerde map verbouwt iets minder. Daarom blijven scope, tests, rechten en een duidelijke definitie van klaar minstens zo belangrijk als het model zelf.

Fable 5.1 gebruikt altijd adaptive thinking. In de API is high de standaard effort; in Claude Code eveneens. Anthropic meldt dat claude.ai en Claude Cowork standaard op medium draaien. Je kunt kiezen uit low, medium, high, xhigh en max. Meer effort kan een moeilijke taak verbeteren, maar verhoogt ook de doorlooptijd en het tokengebruik. Test dus de taak, niet je onderbuikgevoel.

Wat is er nieuw ten opzichte van Claude Fable 5?

De versie-aanduiding 5.1 klinkt bescheiden, maar de wijziging is voor agentbouwers behoorlijk praktisch. Anthropic legt de grootste kwaliteitswinst bij langlopende coding agents, onderzoek over meerdere bronnen, documenten, spreadsheets, presentaties, vision en computer use. De onderliggende belofte is niet “een mooier antwoord in één chatbericht”, maar minder kwaliteitsverlies wanneer een taak langer wordt.

Anthropic publiceert hoge eigen benchmarks voor agentic coding, wetenschappelijk onderzoek en business workflows. Dat is nuttige productinformatie, maar geen vervanging voor een test met jouw code, documenten, foutgevallen en budget. Een benchmark meet een afgesproken parcours. Jouw agent rijdt meestal door een magazijn waar iemand gisteren de stellingen heeft verplaatst.

Claude Fable 5.1 versus Opus 5 en Sonnet 5

De belangrijkste keuze is niet Fable 5.1 versus Fable 5. Anthropic zet de huidige modellen neer als een trap van prijs, snelheid en taakzwaarte. Opus 5 is het aanbevolen startpunt voor de meeste workloads. Sonnet 5 is sneller en goedkoper. Fable 5.1 is bedoeld voor het werk waarbij lange horizon en maximale kwaliteit zwaarder wegen.

Alle drie hebben 1 miljoen tokens context en maximaal 128.000 tokens output. Het prijsverschil zit dus niet in hoeveel context je mág sturen, maar in wat je per token betaalt en hoeveel denkwerk het model tijdens de taak inzet.

Een nuchtere modelrouter

1. Begin met Sonnet 5 wanneer volume en reactietijd dominant zijn.
2. Gebruik Opus 5 voor complexer werk en test eerst hogere effort.
3. Schakel Fable 5.1 in voor taken waarop Opus 5 aantoonbaar tekortschiet of waarbij een lange agentrun de hoofdzaak is.

“Aantoonbaar” betekent: dezelfde taakset, dezelfde bronnen, dezelfde definitie van geslaagd en een vergelijking van kwaliteit, totale kosten en doorlooptijd. Alleen zeggen dat de output slimmer voelt, maakt je boekhouder zelden enthousiast.

Wat kost Claude Fable 5.1?

Via de Claude API kost Fable 5.1 $10 per miljoen gewone inputtokens en $50 per miljoen outputtokens. Een prompt-cache write van vijf minuten kost $12,50 per miljoen tokens; een write van één uur kost $20. Het opnieuw lezen van een geldige cache kost $0,25 per miljoen tokens. Batchverwerking halveert de basisprijzen naar $5 input en $25 output.

Een rekenvoorbeeld, nadrukkelijk geen klantbenchmark: een taak gebruikt 100.000 nieuwe inputtokens en 20.000 outputtokens. Zonder andere kosten is dat ongeveer $1 aan input plus $1 aan output, dus $2 per run. Draait dezelfde agent tien keer en leest hij daarbij telkens 500.000 tokens uit een geldige cache, dan kosten die cache reads samen ongeveer $1,25. Zonder caching zou 5 miljoen gewone inputtokens $50 kosten. De werkelijke besparing hangt af van de verhouding tussen nieuwe input, cache writes, cache hits, output en het aantal agentrondes.

Kijk daarom niet alleen naar de prijs per miljoen tokens. Meet kosten per geslaagde taak. Een goedkoper model dat vaker opnieuw moet beginnen, extra toolrondes nodig heeft of meer menselijke correctie vraagt kan onderaan de streep duurder zijn.

Claude Fable 5.1 in Claude Code

Claude Code ondersteunt Fable 5.1 vanaf versie 2.1.250. De combinatie is vooral interessant bij werk dat een grote repository, veel bestanden en meerdere verificatierondes raakt. Denk aan een frameworkmigratie, het opsporen van een zeldzame fout of een feature die database, backend, frontend en tests tegelijk verandert.

Het model lost een rommelige opdracht echter niet magisch op. Zet permanente repositoryafspraken in CLAUDE.md, geef de actuele taak een scherpe scope en maak expliciet welke tests en controles bij “klaar” horen. In onze uitgebreide gids over prompt engineering voor Claude, ChatGPT en CLAUDE.md staat hoe je die instructielagen uit elkaar houdt.

Een bruikbare taakprompt voor een lange coding-run

Doel
Migreer de factuurimport van de oude CSV-parser naar de nieuwe parser zonder het openbare importcontract te wijzigen.
Scope
- Werk alleen in src/import/, tests/import/ en docs/import.md.
- Voeg geen dependency toe.
- Wijzig geen database-migraties.
Werkwijze
1. Reproduceer de huidige fout met een gerichte test.
2. Leg de oorzaak kort vast.
3. Pas de kleinste veilige wijziging toe.
4. Voer unit-, integratie- en lintchecks uit.
Klaar wanneer
- De nieuwe en bestaande importfixtures slagen.
- Ongeldige valuta en dubbele factuurnummers worden afgewezen.
- De openbare responsevelden ongewijzigd zijn.
- Je gewijzigde bestanden, tests en resterende risico's samenvat.
Stop alleen wanneer een destructieve wijziging of echte scopekeuze nodig is.

Deze prompt schrijft de oplossing niet voor. Hij begrenst het werk, maakt verificatie verplicht en voorkomt dat een geslaagde demo stilletjes het contract breekt.

De drie migratievalkuilen in de API

Wie alleen de modelnaam vervangt, kan tegen drie brekende wijzigingen aanlopen. Dit is het deel dat in snelle “Fable is sneller en slimmer”-artikelen vaak wordt overgeslagen en maandagochtend ineens toch interessant blijkt.

1. Forced tool use werkt niet

tool_choice met type any of een geforceerde specifieke tool geeft een HTTP 400-fout. Gebruik auto en beschrijf in de prompt wanneer de tool nodig is. Voor schema-geldige data adviseert Anthropic strict tool use of structured outputs.

2. Oudere modellen kunnen Fable 5.1-thinkingblokken niet lezen

Fable 5.1 kan thinkingblokken van eerdere modellen meenemen, maar de route terug werkt niet. Wanneer een router midden in hetzelfde gesprek naar Opus 5 of een ouder model wisselt, worden onleesbare blokken verwijderd. Bouw fallbacks daarom bewust en test wat er met context, billing en resultaat gebeurt.

3. Gespreksgeschiedenis moet append-only blijven

Verander je de system prompt, tools of een eerder bericht vóór een bewaard thinkingblok, dan kan de volgende aanvraag worden geweigerd of het blok worden verwijderd. Stuur assistant turns terug zoals de API ze leverde. Voeg tijdelijke instructies als nieuw bericht toe en gebruik server-side compaction of context editing om geschiedenis te verkorten.

Prompting: waar gedraagt Fable 5.1 zich anders?

Bestaande Fable 5-prompts blijven volgens Anthropic meestal goed werken, maar het gedrag verschuift op een paar punten. Bij low effort zoekt Fable 5.1 minder snel en antwoordt het vaker uit geheugen. Lange teksten kunnen compacter en dichter worden. Kleine bestandswijzigingen worden soms als complete file rewrite uitgevoerd. En in agentloops kan het model onafhankelijke toolcalls vaker na elkaar doen in plaats van parallel.

Los zo’n waargenomen probleem gericht op. Vraag bij actuele taken expliciet om bronnen te raadplegen en claims te verifiëren. Benoem onafhankelijke reads die parallel mogen. Vraag bij een kleine codewijziging om een gerichte patch. Geef voor lange documenten een gewenste sectiestructuur en een maximum per onderdeel. Voeg niet preventief twintig waarschuwingen toe; dan bouw je prompt debt voordat de eerste evaluatie is gedraaid.

Een korte systemregel voor autonome taken

Voer alle reversibele stappen uit die rechtstreeks uit de opdracht volgen.
Stop alleen voor destructieve acties of een echte scopekeuze.
Controleer vóór afronding of de definitie van klaar volledig is behaald.
Rapporteer kort wat is gewijzigd, welke controles zijn uitgevoerd en wat onzeker blijft.

Voor een productietoepassing hoort daar techniek omheen: rechten, sandboxing, logging, schema-validatie en waar nodig menselijke goedkeuring. Een modelprompt is richting. Het is geen slot op de deur.

Privacy, bewaartermijn en safeguards

Fable 5.1 heeft een modelspecifieke bewaartermijn van 30 dagen voor veiligheidsmonitoring. Het model is niet standaard beschikbaar onder zero data retention, tenzij Anthropic daar uitdrukkelijk toestemming voor geeft. Voor organisaties met gevoelige code, persoonsgegevens of contractdocumenten is dit geen voetnoot: leg vóór gebruik vast welke gegevens mogen worden verstuurd, op welk platform het model draait en welk contractueel regime geldt.

Het model kan daarnaast een verzoek weigeren en stop_reason: "refusal" teruggeven. Anthropic biedt fallbacks naar Opus-modellen voor categorieën waar aanvullende veiligheidsrouting geldt. Behandel een refusal niet als een kapotte JSON-response. Log de stopreden, voorkom oneindige retries en bepaal vooraf of de taak mag worden doorgestuurd naar een ander model.

Wanneer kies je Fable 5.1 juist niet?

Fable 5.1 is vaak onnodig voor classificatie, eenvoudige extractie, korte samenvattingen, standaard klantenserviceconcepten en workflows met een klein, stabiel beslispad. Sonnet 5 of Opus 5 kan daar sneller en goedkoper zijn. Ook bij realtime gebruikersinteractie kan de lagere snelheid van Fable de ervaring verslechteren.

Kies het model pas nadat je de taak hebt afgebakend. Een goede evaluatieset bevat normale gevallen, ontbrekende data, tegenspraak, een toolfout en minstens één situatie waarin het model moet stoppen. Noteer per run kwaliteit, latency, input, output, cachegebruik, toolrondes en menselijke correctietijd. Dat geeft een modelkeuze waar zowel techniek als operatie iets aan heeft.

Wil je zo’n keuze niet als losse AI-test benaderen, maar als onderdeel van een echt proces? Flowstate helpt via AI-consultancy met taakafbakening, evaluaties, rechten en integratie. Voor processen waarin een agent meerdere systemen moet bedienen, lees je in onze gids over maatwerk AI-workflows welke architectuur- en beheerkeuzes vooraf nodig zijn.