GPT-5.6 Sol vs Claude Fable 5 im ausführlichen Vergleich – Benchmarks, Langzeit-Autonomie, Preis und die richtige Wahl

OpenAIs damaliges Spitzenmodell GPT-5.6 „Sol“ (allgemein verfügbar seit 9. Juli 2026) und Claude Fable 5 (veröffentlicht am 9. Juni 2026), das Anthropic zum Start als „das stärkste je allgemein verfügbare Modell“ positionierte. Während der Vergleich mit Opus 4.8 ein „direktes Duell in derselben Preisklasse“ war, geht es hier um „den halb so teuren Allrounder Sol“ gegen „das doppelt so teure, aber höchste Fable 5“ – der Abwägung zwischen Kosten und Leistung.

Um das Fazit vorwegzunehmen: Bei produktionsreifem Coding und Langzeit-Autonomie liegt Fable 5 klar vorn, bei Preis und agentischer Gesamtbreite liegt Sol vorn. Der Abstand bei SWE-bench Pro fällt noch größer aus als im Duell mit Opus 4.8. In diesem Artikel ordnen wir auf Basis der offiziellen Ankündigungen beider Unternehmen und unabhängiger Benchmarks ein, wie sich diese beiden asymmetrischen Spitzenreiter sinnvoll einsetzen lassen.

1. Die Positionierung beider Modelle – „Der halb so teure Allrounder“ vs. „Der Spitzen-Handwerker“

Claude Fable 5 – voll auf „Durchhaltekraft im Langstreckenlauf“ ausgelegt

Fable 5 ist ein Modell, das die Fähigkeiten der stärksten internen Frontier-Klasse von Anthropic – der „Mythos“-Klasse – in einer für allgemeine Nutzer und Entwickler zugänglichen Form freigibt (der Kern ist identisch mit Mythos 5, nur die Sicherheitsvorkehrungen unterscheiden sich). Der Slogan lautet: „Gebaut für lange, komplexe Arbeit.“ Bei SWE-Bench Pro, das die Reparatur echter GitHub-Repositories misst, erreicht es 80.0% und lässt Opus 4.8 (69.2%) sowie die Vorgängergeneration GPT-5.5 (58.6%) deutlich hinter sich (laut Anthropics System Card; die 80.3% in der Ankündigungstabelle stehen in einer mit Mythos 5 geteilten Spalte und sind der höhere Wert von Mythos 5). Es bleibt über Millionen von Tokens hinweg fokussiert und kann länger autonom arbeiten als jedes frühere Claude-Modell; so gibt es etwa den Fall, dass Stripe die Migration von 50 Millionen Zeilen Ruby-Code an einem Tag abgeschlossen hat (Quelle: offizielle Ankündigung von Anthropic).

GPT-5.6 Sol – „der halb so teure Allrounder“

Sol ist das Spitzenmodell von GPT-5.6 (Luna/Terra/Sol). Bei TerminalBench 2.1, das die autonome Bedienung des Terminals misst, erreicht es 88.8%, und beim Agents' Last Exam für langwierige Praxisarbeit 53.6 – womit es die Spitze in der agentischen Gesamtstärke einnimmt; zudem ist die Token-Effizienz beim Coding um 54% gestiegen. Vor allem aber ist sein größter Trumpf der Preis von rund der Hälfte von Fable 5 ($5/$30 gegenüber $10/$50). Es besetzt die Position „nicht das stärkste, aber kämpft mit dem Preis-Leistungs-Verhältnis“ (Quelle: offizielle Ankündigung von OpenAI, Vellum, Artificial Analysis).

2. Spezifikationen auf einen Blick

* Preise und Spezifikationen basieren auf den offiziellen Ankündigungen der jeweiligen Unternehmen (Fable 5 = 9. Juni 2026, GPT-5.6 = 9. Juli 2026). Die Benchmarks unterscheiden sich bei beiden Unternehmen in Messbedingungen, Zeitpunkt und Harness und sind kein strenger Vergleich auf gleicher Grundlage. Die direkt gegenübergestellten Werte (SWE-Bench Pro 80.0% gegenüber 64.6%, TerminalBench 2.1 83.1% gegenüber 88.8%, Agents' Last Exam 40.5 gegenüber 53.6, Coding Agent Index 77.2 gegenüber 80) stammen aus der Evaluationstabelle in OpenAIs Ankündigung von GPT-5.6, die beide Modelle enthält (Sols Agents'-Last-Exam-Wert 53.6 stammt aus dem Ankündigungstext; die Tabelle auf derselben Seite nennt 52.7%; der Coding Agent Index ist eine Kennzahl von Artificial Analysis). In der Tabelle von Anthropics eigener Ankündigung steht Fable 5 bei SWE-Bench Pro mit 80.3% und bei TerminalBench 2.1 mit 88.0%, doch beide Werte stehen in einer mit Mythos 5 geteilten Spalte und sind der höhere der beiden Werte (die System Card nennt für Fable 5 allein 80.0% und 84.3%), und beim TerminalBench-2.1-Wert vermerkt Anthropic, dass Fable 5 wegen der Weiterleitung von Anfragen durch die Schutzmechanismen näher an Opus 4.8 liegt (82.7% in derselben Tabelle). Der Wert 86.0% steht in keiner der beiden Tabellen.

3. Detaillierter Benchmark-Vergleich

Weder „Fable 5 gewinnt auf ganzer Linie“ noch „Sol gewinnt auf ganzer Linie“. Es teilt sich sauber nach der Art des Codings auf.

Der springende Punkt ist der Unterschied darin, „was der Benchmark misst“. SWE-bench Pro misst die Patch-Generierung für echte GitHub-Aufgaben – also die Fähigkeit, eine bestehende Codebasis zu reparieren – und hier lässt Fable 5 mit 80.0% Sols 64.6% um mehr als 15 Punkte hinter sich. Beim TerminalBench 2.1 dagegen, der autonomen Bedienung der Kommandozeile, übertrifft Sol mit 88.8% Fable 5s 83.1%. Bei den agentischen Gesamt-Benchmarks Agents' Last Exam und Coding Agent Index liegt Sol vorn. Es ergibt sich eine saubere Aufteilung: „Tiefe, echten Code fertig zu reparieren = Fable, Breite bei Terminal-Bedienung und Agenten = Sol“.

4. Das „Problem der nicht veröffentlichten Benchmarks“ – zurückgehaltene Werte und ein angezweifelter SWE-bench Pro

Auch bei diesem Vergleich ist Vorsicht geboten, weil in OpenAIs Evaluationstabelle einige Kennzahlen fehlen. Direkt nach dem Start wies eine unabhängige Analyse (Vellum) darauf hin, dass OpenAI SWE-bench Verified, GPQA Diamond, AIME, MMLU, ARC-AGI-2 und FrontierMath nicht veröffentlicht habe. Die Evaluationstabelle auf OpenAIs Ankündigungsseite enthält jedoch, Stand 22. September 2026, GPQA Diamond (Sol 94.6%, Fable 5 92.6%) und FrontierMath (Tier 1–3: Sol 89%, Fable 5 87%; Tier 4: Sol 83%, Fable 5 87.8%). Es fehlen SWE-bench Verified, AIME und MMLU, und Sols ARC-AGI-2-Wert (92.5%) tauchte erst in der Tabelle der GPT-6-Astra-Ankündigung vom 3. September auf. Auch die „64.6%“ bei SWE-bench Pro in diesem Artikel stammen aus der Evaluationstabelle, die OpenAI mit GPT-5.6 veröffentlichte. Zugleich veröffentlichte OpenAI allerdings eine Analyse, wonach rund 30% der SWE-bench-Pro-Aufgaben fehlerhaft seien (wie Simon Willison anmerkte).

5. Langzeit-Autonomie – die Paradedisziplin von Fable 5

Der wahre Wert von Fable 5 liegt weniger in den Benchmark-Scores als in der „Durchhaltekraft im Langstreckenlauf“. Anthropic erklärt, dass es über Millionen von Tokens hinweg fokussiert bleibt und länger autonom arbeiten kann als jedes frühere Claude-Modell (eine Obergrenze in Stunden nennt Anthropic nicht). Als reales Beispiel führt Anthropic den Fall an, dass Stripe die Migration von 50 Millionen Zeilen Ruby-Code an einem Tag abgeschlossen hat (was manuell mehr als zwei Monaten entspricht). Kurz nach dem Start berichtete zudem ein Nutzer im Blog Ten Past Tomorrow, dass das Modell mit einem einzigen Auftrag mehr als 12 Stunden selbstständig arbeitete. Beim Langzeit-Analyse-Benchmark Hex wurde auch erstmals überhaupt eine Marke über 90% gemeldet.

Auch Sol liegt beim Agents' Last Exam für langwierige Praxisarbeit vorn (53.6), doch dieser Benchmark misst „breite geschäftliche Workflows“. Bei der „tiefen Durchhaltekraft“, eine einzelne riesige Codebasis bis zum Ende fertig zu reparieren, hat Fable 5 die Nase vorn – darin liegt der qualitative Unterschied zwischen beiden. Für Großmigrationen, Langzeit-Recherche und autonome Coding-Agenten als Hauptkraft eignet sich Fable 5.

6. Reale Kosten – wie ist der doppelte Preis zu bewerten?

Die Preise sind bei Fable 5 $10/$50, bei Sol $5/$30. Beim Input das Doppelte, beim Output das 1,67-Fache – Fable 5 ist rund doppelt so teuer wie Sol (rund das 2,5-Fache, solange Sol beim Aktionspreis von $4/$20 liegt – für drei Monate ab dem 21. August 2026). Hier liegt die Scheidelinie der Wahl.

• Sols Kostenvorteil: Der Preis ist halb so hoch, und obendrein ist die Token-Effizienz beim Coding um 54% gestiegen. Da bei gleicher Arbeit auch weniger Tokens verbraucht werden, liegen die Gesamtkosten bei „Masse abarbeiten“-Zwecken deutlich unter denen von Fable 5.
• Der Wert von Fable 5: Der Preis ist hoch, aber die Erfolgsquote, es beim ersten Mal richtig fertig zu reparieren (SWE-bench Pro rund 80% in den Tabellen beider Hersteller), ist hoch. Rechnet man die Kosten für Wiederholung, Review und manuelle Nacharbeit mit ein, kann es bei schwierigen Aufgaben „teuer, aber am Ende günstig“ sein. Wenn sich 50 Millionen Zeilen an einem Tag migrieren lassen, ist das in Personalkosten umgerechnet unschlagbar.

Man sollte es also nicht am „Token-Preis“, sondern an den „Kosten pro erledigter Aufgabe“ messen. Für alltägliche Massenaufgaben und Terminal-Bedienung Sol (bei noch stärkerem Kostenfokus GPT-5.6 Terra oder Luna), für große, langwierige Aufgaben, bei denen ein Fehler teuer wird, Fable 5 – diese Aufteilung ist auch unter dem Gesichtspunkt der Kostenoptimierung sinnvoll.

* Da beide Unternehmen keinen Output-Token-Vergleich unter gleichen Bedingungen veröffentlichen, lässt sich ein konkreter „realer Kostenfaktor“ nicht mit Bestimmtheit angeben. Es wird empfohlen, für die eigenen repräsentativen Aufgaben Erfolgsquote und Output-Tokens tatsächlich zu messen und – einschließlich der Nacharbeitskosten – zu vergleichen.

7. Stärken- und Schwächen-Karte

8. Die Wahl nach Anwendungsfall

Fazit

• Claude Fable 5: Spitzenklasse bei echter Code-Reparatur (SWE-Bench Pro rund 80%) und Langzeit-Autonomie. Die „Durchhaltekraft“ bei Großmigrationen und schwierigen Aufgaben ist seine Paradedisziplin. Allerdings ist der Preis rund doppelt so hoch wie bei Sol.
• GPT-5.6 Sol: Spitze bei Terminal-Bedienung (TerminalBench 88.8%) und agentischer Gesamtstärke, beste Preis-Leistung durch halben Preis + Token-Effizienz +54%. Mit den 3 Modellen leicht auf den Einsatzzweck zu optimieren.
• Der SWE-bench-Pro-Abstand ist gegenüber dem Opus-4.8-Duell größer geworden (80.0 vs 64.6 in OpenAIs Tabelle, über 15 Punkte). Zu beachten ist jedoch, dass OpenAI auch eine Analyse veröffentlichte, wonach rund 30% der SWE-bench-Pro-Aufgaben fehlerhaft seien.
• Kosten nicht am „Token-Preis“, sondern „pro erledigter Aufgabe“ betrachten. Masse und Terminal: Sol, große und langwierige Aufgaben mit teuren Fehlern: Fable 5.
• Die realistische Lösung ist der Dual-Betrieb. Alltag mit Sol (oder Terra), die entscheidenden Großaufgaben mit Fable 5 – diese Aufteilung ist optimal.

FAQ

Q1. GPT-5.6 Sol und Claude Fable 5 – welches ist beim Coding stärker?

Es kommt auf die Kennzahl an. Beim SWE-Bench Pro, der Bugfixes in echten Repositories misst, übertrifft Fable 5 mit 80.0% Sols 64.6% um mehr als 15 Punkte. Beim TerminalBench 2.1 für autonome Terminal-Bedienung dagegen übertrifft Sol mit 88.8% Fable 5s 83.1% (beide Werte aus OpenAIs Evaluationstabelle; auch Anthropics System Card nennt für Fable 5 bei SWE-Bench Pro 80.0%). „Echten Code fertig reparieren: Fable, Breite bei Terminal-Bedienung und Agenten: Sol“ ist die praxisnahe Aufteilung.

Q2. Lohnt es sich, den doppelten Preisunterschied zu zahlen?

Das hängt von der Aufgabe ab. Für alltägliche Massenaufgaben und Terminal-Bedienung genügt das halb so teure Sol (für leichte Arbeit obendrein Terra/Luna). Bei Aufgaben, „bei denen Fehler-Nacharbeit teuer wird“, wie Großmigrationen oder schwierigen Bugfixes, kann das Fable 5 mit hoher Erfolgsquote am Ende günstiger sein. Entscheiden Sie nicht nach dem Token-Preis, sondern nach den „Kosten pro erledigter Aufgabe“.

Q3. Ist Sols SWE-bench-Pro-Wert von „64.6%“ offiziell?

Ja. Es ist der Wert aus der Evaluationstabelle, die OpenAI mit GPT-5.6 veröffentlichte. Zugleich veröffentlichte OpenAI eine Analyse, wonach rund 30% der SWE-bench-Pro-Aufgaben fehlerhaft seien, und stellte damit den Benchmark selbst infrage. GPQA Diamond und FrontierMath, die Vellum direkt nach dem Start als unveröffentlicht bezeichnete, stehen in der Evaluationstabelle mit Stand 22. September 2026 durchaus (GPQA: Sol 94.6%, Fable 5 92.6%). In der Tabelle fehlen SWE-bench Verified, AIME und MMLU.

Q4. Welches eignet sich für langwierige autonome Aufgaben?

Fable 5. Es bleibt über Millionen von Tokens hinweg fokussiert, kann laut Anthropic länger autonom arbeiten als jedes frühere Claude-Modell und hat den Nachweis, dass Stripe eine Ruby-Migration von 50 Millionen Zeilen an einem Tag abgeschlossen hat. Die „Durchhaltekraft“, eine einzelne riesige Codebasis bis zum Ende fertig zu reparieren, ist Fable 5s Paradedisziplin.

Q5. Was ist der Unterschied zwischen Fable 5 und Mythos 5?

Der Kern (die Fähigkeiten) ist identisch, nur die Sicherheitsvorkehrungen unterscheiden sich. Allgemein verfügbar ist Fable 5, das ein Sicherheitsdesign mit 3 Klassifikatoren besitzt, das nur bei Risikoerkennung auf Opus 4.8 zurückfällt (die Auslösung erfolgt in weniger als 5% der Sitzungen, in über 95% läuft es selbstständig).

Q6. Wie kommt GPT-5.6s „Terra“ in diesen Vergleich hinein?

GPT-5.6 umfasst die 3 Modelle Luna/Terra/Sol. Dieser Artikel griff Sol als Duell der damaligen Flaggschiffe auf, doch bei Kostenfokus bietet Terra ($2/$12) GPT-5.5-Niveau zu 40 % des Sol-Stückpreises (nach der Preissenkung vom 30. Juli 2026). Auch die Kombination „Fable 5 für schwierige Aufgaben, Terra für Masse“ ist in der Praxis stark. Details siehe die vollständige Erläuterung zur GPT-5.6-Veröffentlichung.

Q7. Opus 4.8 und Fable 5 – welches im Vergleich mit Sol?

Wählen Sie nach Einsatzzweck und Budget. Opus 4.8 ($5/$25) liegt in derselben Preisklasse wie Sol und bietet mit SWE-bench Pro 69.2% preisgünstiges Coding. Fable 5 ($10/$50) war damals das Spitzenmodell mit 80.0% und einer Durchhaltekraft in einer eigenen Liga, aber teuer. Ein realistischer Dreiklang: Alltag mit Opus 4.8/Sol, die entscheidenden Momente mit Fable 5. Siehe auch den Vergleich Sol vs. Opus 4.8.

Verwandte Artikel

• GPT-5.6 Sol vs Claude Opus 4.8 im ausführlichen Vergleich — direktes Duell in derselben Preisklasse
• Claude Fable 5 Release – ausführliche Erläuterung — Details zum damaligen Spitzenmodell
• GPT-5.6 Release – vollständige Erläuterung — die 3 Modelle Luna/Terra/Sol
• Claude Opus 4.8 Release – vollständige Erläuterung — das Praxismodell der Preis-Leistungs-Klasse
• Wie stark senkt KI den Entwicklungsaufwand? Agentische Daten — agentische Daten dazu, wie stark KI den Entwicklungsaufwand senkt