GPT-5.6 Sol vs Claude Fable 5: Welches Spitzen-KI-Modell ist besser?

GPT-5.6 Sol und Claude Fable 5 gehören zu den leistungsfähigsten allgemein verfügbaren KI-Modellen im Jahr 2026. Beide sind für anspruchsvolle Programmierung, langlaufende Agenten, professionelle Wissensarbeit, visuelles Schlussfolgern und werkzeugintensive Arbeitsabläufe ausgelegt. Beide unterstützen rund eine Million Tokens Kontext und bis zu 128,000 Ausgabe-Tokens.

Sie sind nicht austauschbar.

GPT-5.6 Sol ist bei der standardmäßigen API-Preisgestaltung für kurze Kontexte günstiger, bietet mehr Kontrolle darüber, ob und wie tief das Modell schlussfolgert, unterstützt die Pro- und Multi-Agenten-Arbeitsabläufe von OpenAI und kommt für genehmigte API-Kunden für Zero Data Retention infrage. Claude Fable 5 setzt auf durchgehend aktives adaptives Denken, ist auf einer breiteren Auswahl großer Cloud-Plattformen verfügbar, behält seinen Standard-Token-Tarif über das gesamte Kontextfenster von einer Million Tokens bei und führt bei mehreren wichtigen veröffentlichten Auswertungen, darunter SWE-bench Pro.

Das Benchmark-Bild ist gemischt. In den für diesen Artikel geprüften veröffentlichten Vergleichen liegt Sol bei Agents' Last Exam, dem Artificial Analysis Coding Agent Index, DeepSWE, Terminal-Bench, GDP.pdf, GPQA Diamond und AutomationBench vorn. Fable führt bei SWE-bench Pro, GDPval-AA v2, dem Artificial Analysis Intelligence Index und Toolathlon. Es gibt also keine ehrliche Antwort in einem Satz, die besagt, dass ein Modell durchgängig besser ist.

Dieser Vergleich trennt belegte Produktfakten von Herstellerangaben, benennt Widersprüche in den veröffentlichten Zahlen und erläutert, welches Modell voraussichtlich besser zu unterschiedlichen Produktions-Arbeitslasten passt.

Schneller Vergleich

Kategorie	GPT-5.6 Sol	Claude Fable 5
Entwickler	OpenAI	Anthropic
API-Modell-ID	gpt-5.6-sol	claude-fable-5
Allgemeine Verfügbarkeit	9. Juli 2026	9. Juni 2026, weltweit am 1. Juli nach einer vorübergehenden Aussetzung wiederhergestellt
Standard-Eingabepreis	$5 / 1M Tokens	$10 / 1M Tokens
Standard-Ausgabepreis	$30 / 1M Tokens	$50 / 1M Tokens
Gecachte Eingabe (Lesen)	$0.50 / 1M	$1 / 1M
Standard-Cache-Schreiben	$6.25 / 1M	$12.50 / 1M für 5-Minuten-Cache, $20 / 1M für 1-Stunden-Cache
Kontextfenster	1,050,000 Tokens	1,000,000 Tokens
Maximale Ausgabe	128,000 Tokens	128,000 Tokens
Wissensstichtag	16. Februar 2026	Verlässlicher Wissensstichtag: Januar 2026
Texteingabe	Ja	Ja
Bildeingabe	Ja	Ja
Textausgabe	Ja	Ja
Steuerung des Schlussfolgerns	none, low, medium, high, xhigh, max	low, medium, high, xhigh, max; adaptives Denken immer aktiv
Multi-Agenten-Option	ultra in ausgewählten Produkten; Multi-Agenten-Beta in der Responses API	Delegation an Sub-Agenten über Agenten-Harnesses wie Claude Code und Managed Agents
Programmatic Tool Calling	Ja	Ja
Zero Data Retention	Für genehmigte Kunden verfügbar, mit möglichen Funktionseinschränkungen	Nein, Fable erfordert eine 30-tägige Datenspeicherung
Haupt-API	Responses API und Chat Completions	Messages API
Zusätzliche Cloud-Verfügbarkeit	OpenAI API und unterstützte Integrationen	Claude API, Claude Platform auf AWS, Amazon Bedrock, Google Cloud und Microsoft Foundry

Die Tabelle fasst die offizielle Produktdokumentation zusammen. Das bedeutet nicht, dass gleich benannte Funktionen sich identisch verhalten oder dieselbe Token-Abrechnung verwenden.

Was ist GPT-5.6 Sol?

GPT-5.6 Sol ist das Spitzenmodell von OpenAI in der GPT-5.6-Familie. OpenAI positioniert es für komplexe professionelle Arbeit, Schlussfolgern, Programmierung und agentische Arbeitsabläufe. Seine API-Bezeichner lauten:

gpt-5.6-sol
gpt-5.6

Der kürzere Alias gpt-5.6 verweist derzeit auf Sol. Sol nimmt Text- und Bildeingaben entgegen und erzeugt Textausgaben. Es unterstützt Function Calling, strukturierte Ausgaben, Websuche, Dateisuche, Computer Use und weitere Werkzeuge der Responses API. Mit der GPT-5.6-Generation führte OpenAI außerdem Programmatic Tool Calling, eine max-Schlussfolgerungsstufe, den Pro-Modus und die Multi-Agenten-Ausführung ein.

Was ist Claude Fable 5?

Claude Fable 5 ist das leistungsfähigste breit verfügbare Modell von Anthropic. Anthropic beschreibt es als Intelligenz der nächsten Generation für anspruchsvolles Schlussfolgern und agentische Arbeit über lange Zeiträume. Seine API-Modell-ID lautet:

claude-fable-5

Fable nimmt Text- und Bildeingaben entgegen und erzeugt Textausgaben. Es ist für langlaufende Agenten, ehrgeizige Programmierprojekte, Wissensarbeit im Unternehmen, bildlastige Dokumentanalyse und autonome Arbeitsabläufe ausgelegt, die sich über Stunden oder Tage erstrecken können. Fable basiert auf demselben zugrunde liegenden Modell wie Claude Mythos 5, ergänzt es jedoch um produktionsreife Sicherheitsklassifikatoren für Bereiche wie Cybersicherheit und Biologie. Mythos 5 ist ausschließlich über das eingeschränkte Programm Project Glasswing von Anthropic verfügbar.

Benchmark-Vergleich: wichtiger Hinweis zur Methodik

Benchmark-Tabellen können einen falschen Eindruck von Präzision erwecken. Ein Wert ist nur dann direkt vergleichbar, wenn die Modelle denselben Aufgabensatz, dieselbe Harness, dieselben Werkzeuge, dasselbe Zeitlimit, dieselbe Schlussfolgerungskonfiguration, dieselbe Anzahl an Durchläufen und dieselbe Bewertungsmethode verwenden. Öffentliche Launch-Tabellen kombinieren mitunter Ergebnisse, die von verschiedenen Anbietern oder Benchmark-Betreuern gemeldet wurden.

OpenAI weist ausdrücklich darauf hin, dass einige Kosten- und Latenzwerte aus dem Produktionsverhalten simuliert sind und in realen Arbeitslasten erheblich abweichen können. Die System Card von Anthropic gibt an, dass die Fable-Ergebnisse die Auswirkungen produktiver Schutzmechanismen und des Fallback-Verhaltens einschließen. Aus diesem Grund sollte die folgende Tabelle als Vergleich veröffentlichter Ergebnisse verstanden werden und nicht als laborkontrollierter direkter Vergleich durch einen unabhängigen Dritten.

Veröffentlichte Benchmark-Ergebnisse

Auswertung	GPT-5.6 Sol	Claude Fable 5	Führend (veröffentlicht)	Wichtiger Hinweis
Agents' Last Exam	52.7%*	40.5%	Sol	OpenAIs detaillierte Tabelle nennt 52.7%, der Fließtext jedoch 53.6
Artificial Analysis Intelligence Index v4.1	58.9	59.9	Fable	Sol liegt weniger als einen Punkt zurück; OpenAI beansprucht niedrigere geschätzte Kosten und Latenz
Artificial Analysis Coding Agent Index v1.1	80.0	77.2	Sol	OpenAI bezeichnet den Index als unabhängig
SWE-bench Pro	64.6%	80.0%	Fable	Fable hat einen großen veröffentlichten Vorsprung
DeepSWE v1.1	72.7%	69.7%	Sol	Von OpenAI veröffentlichter Vergleich
Terminal-Bench 2.1	88.8%	84.3% / 83.1%**	Sol	Anthropic und OpenAI veröffentlichen unterschiedliche Fable-Werte
GDPval-AA v2	1,747.8 Elo	1,759.6 Elo	Fable	Fable führt mit 11.8 Elo
GDP.pdf	30.7%	29.8%	Sol	Knapper Vorsprung für Sol
GPQA Diamond	94.6%	92.6%	Sol	Von OpenAI veröffentlichter Vergleich
AutomationBench	18.1%	17.4%	Sol	Knapper Vorsprung für Sol
Toolathlon	58.0%	61.7%	Fable	Fable führt bei dieser Auswertung zur Werkzeugnutzung
HealthBench Professional	60.5%	60.9%	Fable	OpenAI warnt, dass seine Bewertung nicht mit den Angaben der Anthropic System Card vergleichbar ist

* OpenAIs detaillierte Benchmark-Tabelle nennt 52.7% für Sol, während der Fließtext auf derselben Seite 53.6 angibt. Fable wird mit 40.5% geführt. Der Artikel enthält damit eine interne Abweichung von 0.9 Punkten für Sol.

** Die System Card von Anthropic nennt 84.3% für Fable bei Terminal-Bench 2.1. Die GPT-5.6-Launch-Tabelle von OpenAI führt 83.1% auf. Die sicherste Schlussfolgerung lautet, dass Sol in beiden veröffentlichten Vergleichen führt, der genaue Abstand jedoch von der Auswertungskonfiguration oder der Quellversion abhängt.

Was die Ergebnisse tatsächlich bedeuten

Die ehrliche Schlussfolgerung lautet nicht „Sol gewinnt alles.“ Sol hat stärkere veröffentlichte Ergebnisse beim breiten professionellen Langzeit-Benchmark, beim Coding-Agent-Index, bei DeepSWE, Terminal-Bench, GDP.pdf, GPQA Diamond und AutomationBench. Fable hat einen deutlichen Vorteil bei SWE-bench Pro und kleinere Vorsprünge bei GDPval-AA, dem breiten Artificial Analysis Intelligence Index, Toolathlon und HealthBench Professional.

Das Ergebnis bei SWE-bench Pro ist besonders wichtig. Es deutet darauf hin, dass Fable bei anspruchsvollen realen Repository-Aufgaben hochgradig konkurrenzfähig bleibt, obwohl Sol bei anderen Coding-Agent-Messwerten führt. Die unterschiedlichen Ergebnisse zeigen zudem, warum ein einzelner Benchmark kein Produktionsmodell auswählen kann. SWE-bench Pro, Terminal-Bench und DeepSWE prüfen unterschiedliche Bereiche der Softwareentwicklung. Ein Modell kann besser darin sein, Repository-Probleme zu lösen, während ein anderes bei terminalbasierter Planung, Werkzeugkoordination oder der Ausführung von Langzeit-Agenten besser abschneidet.

Programmierung: Sol oder Fable?

Wo Sol stärker wirkt

OpenAI berichtet, dass Sol im Artificial Analysis Coding Agent Index 80 erreicht, verglichen mit 77.2 für Fable. Ebenso werden 72.7% bei DeepSWE gegenüber 69.7% für Fable angegeben. Sols Wert bei Terminal-Bench 2.1 liegt bei 88.8%. Selbst mit Anthropics höherem Fable-Wert von 84.3% bleibt Sol mit 4.5 Prozentpunkten vorn.

OpenAI behauptet zudem, dass Sol im Coding-Agent-Index weniger als die Hälfte der Ausgabe-Tokens verbraucht, weniger als die halbe Zeit benötigt und rund ein Drittel weniger kostet als Fable. Dabei handelt es sich um vom Anbieter gemeldete Effizienzschätzungen, nicht um allgemeingültige API-Garantien.

Wo Fable stärker wirkt

Fables größter veröffentlichter Vorteil ist SWE-bench Pro:

Claude Fable 5: 80.0%
GPT-5.6 Sol:    64.6%

Anthropic beschreibt Fable als sein leistungsfähigstes Modell für ehrgeizige Programmierprojekte, darunter umfangreiche Migrationen, komplexe Implementierungen und mehrtägige autonome Sitzungen. Es kann Tests schreiben, seine eigene Arbeit prüfen und mit Bildverarbeitung generierte Oberflächen mit dem beabsichtigten Design vergleichen. Die Claude-Code-Dokumentation von Anthropic gibt außerdem an, dass Fable für Arbeit ausgelegt ist, die über eine einzelne Sitzung hinausgeht, und seine Arbeit häufiger überprüft als kleinere Claude-Modelle.

Praktische Empfehlung zur Programmierung

Beginnen Sie mit Sol, wenn:

• API-Kosten und Latenz zentrale Einschränkungen sind;
• der Arbeitsablauf viele Terminal- oder Werkzeugaufrufe umfasst;
• die Aufgabe von expliziter Steuerung des Schlussfolgerns profitiert;
• die Anwendung Werkzeuge der OpenAI Responses API benötigt;
• ZDR-Berechtigung erforderlich ist.

Beginnen Sie mit Fable, wenn:

• die Lösung von Repository-Problemen im Stil von SWE-bench repräsentativ für die Arbeitslast ist;
• die Aufgabe über viele Stunden oder Tage laufen kann;
• das Team bereits intensiv Claude Code nutzt;
• die Bereitstellung über mehrere Clouds wichtig ist;
• das System von Fables durchgehend aktivem adaptivem Schlussfolgern und der Selbstüberprüfung profitiert.

Diese Empfehlung ist ein technischer Ausgangspunkt, keine aus Benchmarks abgeleitete Garantie.

Steuerung des Schlussfolgerns

Beide Modelle bieten Steuerungsmöglichkeiten für den Aufwand, ihre Standardwerte und Einschränkungen unterscheiden sich jedoch.

GPT-5.6 Sol

Sol unterstützt sechs Stufen des Schlussfolgerungsaufwands: none, low, medium, high, xhigh und max. Laut OpenAI verwenden der Standard- und der Pro-Modus standardmäßig medium, wenn kein Schlussfolgerungsaufwand angegeben wird, und max ist für die schwierigsten qualitätsorientierten Arbeitslasten gedacht. Sol kann mit deaktiviertem Schlussfolgern über none laufen, was für latenzarme Extraktion, Klassifizierung, Weiterleitung oder Formatierungsaufgaben nützlich ist, bei denen tieferes Schlussfolgern wenig Mehrwert bringt. OpenAI bietet zudem:

• Pro-Modus, aktiviert über reasoning.mode: "pro";
• Ultra, eine Multi-Agenten-Konfiguration, die im veröffentlichten Setup standardmäßig vier Agenten nutzt;
• eine Multi-Agenten-Beta in der Responses API zum Aufbau ähnlicher paralleler Arbeitsabläufe.

Claude Fable 5

Fable nutzt bei jeder Anfrage adaptives Denken und lässt keine Deaktivierung des Denkens zu. Zu seinen Aufwandsstufen gehören low, medium, high, xhigh und max. high ist der Standard. Anthropic empfiehlt high für die meisten Fable-Aufgaben, xhigh für leistungssensible Langzeitarbeit und medium oder low für Routinearbeitslasten. Das Modell entscheidet innerhalb der gewählten Aufwandsstufe, wann und wie viel es denkt, und manuelle Budgets für Denk-Tokens werden nicht unterstützt.

Welcher Ansatz ist besser?

Sol bietet am unteren Ende mehr Kontrolle, da das Schlussfolgern vollständig abgeschaltet werden kann, was Latenz und Kosten bei einfachen Arbeitslasten senken kann. Fable verfolgt einen festeren Ansatz: Adaptives Denken ist immer aktiv, was das Design qualitätsorientierter Agenten vereinfachen kann, aber die Möglichkeit nimmt, dasselbe Modell als reinen Endpunkt ohne Schlussfolgern zu nutzen. Keiner der Ansätze ist grundsätzlich überlegen. Die richtige Wahl hängt davon ab, ob die Anwendung flexible Kostenkontrolle oder ein durchgängig schlussfolgerungsorientiertes Verhalten schätzt.

Kontextfenster und Preise für lange Kontexte

Beide Modelle unterstützen sehr große Prompts:

Modell	Kontextfenster	Maximale Ausgabe
GPT-5.6 Sol	1,050,000 Tokens	128,000 Tokens
Claude Fable 5	1,000,000 Tokens	128,000 Tokens

Der nominale Unterschied von 50,000 Tokens ist weniger wichtig als die Preispolitik.

Sols Schwelle für lange Kontexte

Bei Sol werden Anfragen mit mehr als 272,000 Eingabe-Tokens mit $10 pro Million Eingabe-Tokens, $1 pro Million gecachten Eingabe-Tokens, $12.50 pro Million Cache-Schreib-Tokens und $45 pro Million Ausgabe-Tokens abgerechnet. Die höheren Tarife gelten für die gesamte Anfrage, nicht nur für den Anteil oberhalb von 272,000 Tokens.

Fables Preise über den gesamten Kontext

Laut Anthropic verwendet eine Fable-Anfrage mit 900,000 Tokens dieselben Tarife pro Token wie eine Anfrage mit 9,000 Tokens: $10 pro Million Eingabe-Tokens und $50 pro Million Ausgabe-Tokens. Prompt-Caching und Batch-Rabatte bleiben über das gesamte Kontextfenster verfügbar.

Was ist bei langen Kontexten günstiger?

Unterhalb von 272,000 Eingabe-Tokens hat Sol einen klaren Vorteil beim Listenpreis. Oberhalb der Schwelle:

Preis	GPT-5.6 Sol	Claude Fable 5
Eingabe / 1M	$10	$10
Ausgabe / 1M	$45	$50
Gecachte Eingabe (Lesen) / 1M	$1	$1
Einfaches Cache-Schreiben / 1M	$12.50	$12.50 für einen 5-Minuten-Cache

Bei sehr langen Kontexten liegen die beiden Modelle preislich also deutlich näher beieinander. Sol bleibt bei Ausgabe-Tokens 10% günstiger, doch sein Vorteil bei kurzen Kontexten auf der Eingabeseite entfällt. Dies ist einer der wichtigsten Unterschiede, den man verstehen sollte, bevor man ein Modell für ganze Repositories, große juristische Dateien, Forschungsarchive oder langlebige Agenten auswählt.

Vergleich der API-Preise

Standardpreise

Token-Typ	GPT-5.6 Sol	Claude Fable 5
Eingabe	$5 / 1M	$10 / 1M
Gecachte Eingabe (Lesen)	$0.50 / 1M	$1 / 1M
Cache-Schreiben	$6.25 / 1M	$12.50 / 1M für 5 Minuten
Ausgabe	$30 / 1M	$50 / 1M

Bei der üblichen Preisgestaltung für kurze Kontexte ist Sols Eingabe 50% günstiger, Sols Ausgabe 40% günstiger, Fables Eingabe doppelt so teuer wie die von Sol und Fables Ausgabe rund 66.7% teurer als die von Sol.

Beispiel 1: eine normale Agentenanfrage

Angenommen 100,000 Eingabe-Tokens, 10,000 Ausgabe-Tokens, keine gecachte Eingabe und keine separat abgerechneten Werkzeuge.

Modell	Eingabe	Ausgabe	Gesamt
GPT-5.6 Sol	$0.50	$0.30	$0.80
Claude Fable 5	$1.00	$0.50	$1.50

In diesem vereinfachten Beispiel kostet Sol rund 46.7% weniger.

Beispiel 2: eine große Anfrage unterhalb von Sols Schwelle

Angenommen 250,000 Eingabe-Tokens und 20,000 Ausgabe-Tokens.

Modell	Gesamt
GPT-5.6 Sol	$1.85
Claude Fable 5	$3.50

Sol ist rund 47.1% günstiger.

Beispiel 3: eine Anfrage über 272,000 Eingabe-Tokens

Angenommen 500,000 Eingabe-Tokens und 20,000 Ausgabe-Tokens.

Modell	Eingabe	Ausgabe	Gesamt
GPT-5.6 Sol	$5.00	$0.90	$5.90
Claude Fable 5	$5.00	$1.00	$6.00

Sobald Sols Preisgestaltung für lange Kontexte greift, wird der Unterschied sehr klein.

Vorbehalt zur Tokenisierung

Preise pro Million Tokens sind kein vollständiger Kostenvergleich, da die Anbieter unterschiedliche Tokenizer verwenden. Laut Anthropic nutzt Fable seinen neueren Tokenizer, der für denselben Text rund 30% mehr Tokens erzeugt als Claude-Modelle vor Opus 4.7. Diese Aussage klärt nicht, wie sich die Token-Zahlen von Fable im Vergleich zum Tokenizer von OpenAI verhalten. Die verlässliche Methode besteht darin, repräsentative Prompts durch die Token-Zähl-Werkzeuge jedes Anbieters laufen zu lassen und die Kosten der akzeptierten Ergebnisse zu vergleichen.

Prompt-Caching

Beide Plattformen gewähren einen Rabatt von 90% auf Cache-Lesevorgänge gegenüber ihrem Standard-Eingabepreis.

Caching bei Sol

GPT-5.6 unterstützt explizite Cache-Haltepunkte und eine Mindestlebensdauer des Caches von 30 Minuten. Cache-Schreibvorgänge kosten das 1.25-fache des ungecachten Eingabetarifs. Bei der Preisgestaltung für kurze Kontexte:

Input:       $5.00 / 1M
Cache write: $6.25 / 1M
Cache read:  $0.50 / 1M

Caching bei Fable

Fable unterstützt:

5-minute cache write: $12.50 / 1M
1-hour cache write:   $20.00 / 1M
Cache hit or refresh: $1.00 / 1M

Die niedrigere Mindestlänge für cachebare Prompts bei Fable liegt auf der Claude API bei 512 Tokens, wobei plattformspezifische Unterschiede bestehen.

Praktischer Unterschied

Sols Standard-Cache-Lese- und -Schreibvorgänge sind für Prompts unterhalb der Schwelle für lange Kontexte günstiger. Fable bietet eine dokumentierte Option zum Cache-Schreiben für eine Stunde und behält sein Standard-Preismodell über das gesamte Kontextfenster bei. Caching spart nur dann Geld, wenn das Präfix oft genug wiederverwendet wird. Ein großer Cache-Eintrag, der einmal geschrieben und nie wieder gelesen wird, kann mehr kosten als die Verarbeitung ohne Caching.

Werkzeuge und Agentenarchitektur

Programmatic Tool Calling

Beide Anbieter unterstützen Programmatic Tool Calling. Die Grundidee ist dieselbe: Das Modell kann Code schreiben, der mehrere Werkzeuge koordiniert, Zwischenergebnisse filtert und nur die für die endgültige Antwort benötigten Informationen zurückgibt. Das kann bei werkzeugintensiven Arbeitsabläufen Modell-Roundtrips, wiederholte Werkzeugschemata, große Zwischenausgaben, Druck auf das Kontextfenster und Token-Kosten reduzieren.

Die Regeln zur Datenspeicherung unterscheiden sich. Laut OpenAI arbeitet Programmatic Tool Calling von GPT-5.6 im Arbeitsspeicher und ist mit Zero Data Retention kompatibel. Anthropic gibt an, dass sein Programmatic Tool Calling eine Infrastruktur zur Codeausführung nutzt, nicht für ZDR infrage kommt und Container-Daten bis zu 30 Tage aufbewahren kann.

Multi-Agenten-Arbeit

OpenAI bietet in ausgewählten Produkten eine benannte ultra-Konfiguration. Ihr veröffentlichter Standard nutzt vier Agenten parallel, und Entwickler können mit der Multi-Agenten-Beta der Responses API ultra-ähnliche Arbeitsabläufe aufbauen. Anthropic stellt Fables Sub-Agenten-Orchestrierung nicht als gleichnamigen Modellmodus dar; es heißt, Fable könne in Harnesses wie Claude Code und Claude Managed Agents an Sub-Agenten delegieren und tagelang weiterarbeiten. Die Architekturentscheidung lautet daher nicht einfach „Multi-Agent gegen Single-Agent“. Beide können in Multi-Agenten-Systemen eingesetzt werden, doch die Orchestrierungsschnittstellen und die Produktverpackung unterscheiden sich.

Datenspeicherung und Datenschutz im Unternehmen

Dies ist einer der klarsten Produktunterschiede.

GPT-5.6 Sol

OpenAI führt gpt-5.6-sol unter den Modellen auf, die für Zero Data Retention und Modified Abuse Monitoring für genehmigte API-Kunden infrage kommen. Diese Kontrollen erfordern eine vorherige Genehmigung und können Endpunkt- oder Funktionseinschränkungen aufweisen. Einige serverseitige Werkzeuge können weiterhin ihr eigenes Speicherverhalten haben, sodass Teams die genauen im Arbeitsablauf verwendeten Funktionen prüfen müssen.

Claude Fable 5

Anthropic verlangt eine 30-tägige Datenspeicherung für die Sicherheitsüberwachung von Fable. Die Migrationsdokumentation gibt an, dass Fable nicht im Rahmen von ZDR-Vereinbarungen verfügbar ist und diese Anforderung für alle Plattformen gilt, auf denen Fable angeboten wird.

Was das bedeutet

Für Organisationen mit einer strikten Zero-Retention-Anforderung ist Sol der plausiblere Kandidat, vorbehaltlich der Genehmigung durch OpenAI und der Funktionsberechtigung. Fable kann für viele Unternehmen dennoch geeignet sein, doch Teams müssen die Anforderung einer 30-tägigen Speicherung akzeptieren und dokumentieren. Dieser Unterschied kann kleine Benchmark-Vorteile überwiegen, wenn die Arbeitslast vertraulichen Quellcode, regulierte Aufzeichnungen oder sensible interne Dokumente enthält.

Sicherheitssysteme und Ablehnungen

Die beiden Anbieter verfolgen unterschiedliche Bereitstellungsansätze für hochleistungsfähige Modelle.

Fables Klassifikator- und Fallback-System

Fable enthält Sicherheitsklassifikatoren, die bestimmte Anfragen aus den Bereichen Cybersicherheit und Biologie ablehnen können. Eine Ablehnung wird als erfolgreiche HTTP-200-Antwort zurückgegeben mit:

stop_reason: "refusal"

Die Antwort kann angeben, welcher Klassifikator die Anfrage abgelehnt hat. Anthropic unterstützt serverseitiges, SDK-basiertes oder manuelles Fallback auf ein anderes Claude-Modell. Anfragen, die vor der Erzeugung einer Ausgabe abgelehnt werden, werden nicht abgerechnet, und Anthropic gewährt Fallback-Guthaben, um Prompt-Cache-Kosten nicht doppelt zu berechnen. Viele markierte Anfragen können an Claude Opus 4.8 weitergeleitet werden, statt von Fable beantwortet zu werden. Entwickler müssen Ablehnungen daher als normalen Anwendungszustand behandeln, nicht als außergewöhnlichen HTTP-Fehler.

Sols mehrschichtige Schutzmechanismen

OpenAI beschreibt GPT-5.6 als Modell, das Schutzmaßnahmen auf Modellebene, Echtzeitprüfungen der Generierung, Monitoring, Signale auf Kontoebene und differenzierten Zugang für risikoreichere Fähigkeiten nutzt. OpenAI bietet zudem Trusted-Access-Wege für bestimmte defensive Cybersicherheitsarbeit.

Was ist weniger restriktiv?

Es gibt keinen verlässlichen allgemeinen Prozentwert, der zeigt, welches öffentliche Modell im gewöhnlichen Produktionsverkehr häufiger ablehnt. Zutreffend ist, dass Fable über einen ausdrücklich dokumentierten Klassifikator- und Fallback-Mechanismus für Cyber und Biologie verfügt und dass diese Schutzmechanismen verhindern können, dass Fable selbst Anfragen in diesen Kategorien beantwortet. Daraus allein zu schließen, dass Sol keine vergleichbaren Einschränkungen hätte, wäre nicht zutreffend.

Verfügbarkeit und Ökosystem

GPT-5.6 Sol

Laut OpenAI ist Sol über ChatGPT für berechtigte kostenpflichtige Pläne, ChatGPT Work, Codex, die OpenAI API sowie unterstützte OpenAI-Integrationen und Cloud-Wege verfügbar. Der Zugriff auf das Modell erfolgt für fortgeschrittenes Schlussfolgern und Agenten-Arbeitsabläufe hauptsächlich über die Responses API von OpenAI.

Claude Fable 5

Laut Anthropic ist Fable über Claude.ai für Pro-, Max-, Team- und Enterprise-Nutzer, Claude Code, Claude Cowork, die Claude API, Claude Platform auf AWS, Amazon Bedrock, Google Cloud und Microsoft Foundry verfügbar. Plan-Kontingente, Kapazitätsbeschränkungen und Anforderungen an Nutzungsguthaben können je nach Produkt unterschiedlich sein und sich im Laufe der Zeit ändern.

Fazit zum Ökosystem

Fable hat eine breitere dokumentierte Verfügbarkeit über große Cloud-Plattformen von Drittanbietern. Sol ist tiefer in ChatGPT, Codex und das Ökosystem der Responses API integriert. Teams, die sich bereits auf den Agenten-Stack eines Anbieters festgelegt haben, profitieren möglicherweise mehr von der Ökosystem-Kompatibilität als von einem kleinen Benchmark-Unterschied.

Welches Modell sollten Sie wählen?

Wählen Sie GPT-5.6 Sol, wenn

• die Standard-API-Kosten eine zentrale Einschränkung sind;
• die meisten Prompts unter 272,000 Eingabe-Tokens bleiben;
• Sie das Schlussfolgern für einfache Anfragen deaktivieren müssen;
• Sie den Pro-Modus oder die Multi-Agenten-Beta von OpenAI wünschen;
• Ihr Stack bereits die Responses API, Codex oder ChatGPT Work nutzt;
• ZDR-Berechtigung eine Unternehmensanforderung ist;
• terminalintensive Programmierung und Werkzeugkoordination Ihrer Arbeitslast ähneln;
• Sie den neueren veröffentlichten Wissensstichtag wünschen.

Wählen Sie Claude Fable 5, wenn

• Repository-Arbeit im Stil von SWE-bench in hohem Maße repräsentativ ist;
• der Agent über Stunden oder Tage mit begrenzter Aufsicht arbeiten muss;
• Sie bereits auf Claude Code setzen;
• eine Bereitstellung über AWS, Bedrock, Google Cloud oder Microsoft Foundry wichtig ist;
• Sie durchgehend aktives adaptives Denken bevorzugen;
• das gesamte Kontextfenster von einer Million Tokens zu einem vorhersehbaren Eingabetarif bleiben muss;
• Ihre Organisation die Anforderung einer 30-tägigen Speicherung akzeptiert.

Testen Sie beide, wenn

• Fehler teuer sind;
• die Aufgabe von proprietären Werkzeugen abhängt;
• das Modell ein großes Produktions-Repository bearbeitet;
• der Agent finanzielle, juristische oder technische Ergebnisse erzeugt;
• Latenz ebenso wichtig ist wie Qualität;
• Prüfer auf Stil, Design oder Befolgung von Anweisungen achten;
• Benchmark-Ergebnisse dem realen Arbeitsablauf nicht stark ähneln.

Der richtige Test lautet nicht „Welches Modell liefert die schönere Demo-Antwort?“ Messen Sie:

akzeptierte Ausgaben
geteilt durch
Gesamtkosten für Modell, Werkzeuge, Wiederholungen und menschliche Prüfung

Diese Kennzahl erfasst die Wirtschaftlichkeit des gesamten Systems.

Ein praktischer Evaluierungsplan

1. Erstellen Sie einen repräsentativen Aufgabensatz

Verwenden Sie echte anonymisierte Beispiele aus der Produktion. Berücksichtigen Sie einfache, mittlere und fehleranfällige Aufgaben.

2. Halten Sie die Harness vergleichbar

Geben Sie beiden Modellen gleichwertige Werkzeuge, Zeitlimits, Kontext und Erfolgskriterien, soweit ihre APIs dies zulassen.

3. Testen Sie mehr als eine Aufwandsstufe

Ein fairer Vergleich sollte nicht automatisch beide Modelle mit maximalem Aufwand laufen lassen. Vergleichen Sie die niedrigste Konfiguration, die die erforderliche Qualität erreicht. Empfohlene Ausgangspunkte:

Arbeitslast	Sol	Fable
Einfache Extraktion	none oder low	low
Allgemeiner Assistent	medium	medium
Anspruchsvolle Programmierung	high oder xhigh	high oder xhigh
Qualitätsorientierte Spitzenaufgabe	max oder Pro	max

4. Erfassen Sie die Gesamtkosten

Berücksichtigen Sie ungecachte Eingaben, Cache-Schreib- und -Lesevorgänge, erzeugte Ausgaben, Schlussfolgerungs-Tokens, Werkzeugaufrufe, Wiederholungen, fehlgeschlagene Durchläufe, Zeit für menschliche Korrekturen sowie Latenz- und Infrastrukturkosten.

5. Prüfen Sie das Sicherheitsverhalten

Testen Sie den Umgang mit Ablehnungen, die Fallback-Logik, destruktive Aktionen, Werkzeugberechtigungen und Anforderungen an sensible Daten.

6. Leiten Sie weiter, statt blind zu standardisieren

Die endgültige Architektur kann beide Anbieter nutzen. Zum Beispiel: Sol für kostengünstige Werkzeugorchestrierung mit hohem Volumen; Fable für ausgewählte Repository-Aufgaben über lange Zeiträume; Anbieter-Fallback, wenn ein Modell ablehnt oder ausfällt; und unabhängige Überprüfung für Ausgaben mit großer Wirkung.

Abschließendes Fazit

GPT-5.6 Sol ist bei der standardmäßigen API-Preisgestaltung für kurze Kontexte das stärkere allgemeine Preis-Leistungs-Angebot. Es kostet weniger, bietet mehr Flexibilität beim Schlussfolgern, führt bei mehreren breiten und Coding-Agent-Benchmarks und bietet einen klareren Weg zu genehmigten Zero-Data-Retention-Bereitstellungen.

Claude Fable 5 bleibt ein ernsthafter Spitzenkonkurrent. Sein SWE-bench-Pro-Ergebnis von 80% liegt deutlich über Sols veröffentlichten 64.6%, es führt beim Artificial Analysis Intelligence Index und GDPval-AA v2 und ist gezielt für ehrgeizige, langlaufende agentische Arbeit konzipiert. Es bietet zudem eine breite Verfügbarkeit auf Cloud-Plattformen und vorhersehbare Preise über das gesamte Kontextfenster von einer Million Tokens. Die einfachste zutreffende Schlussfolgerung lautet:

• Wählen Sie Sol für Kosteneffizienz, konfigurierbares Schlussfolgern, OpenAIs Agenten-Stack und ZDR-sensible Bereitstellungen.
• Wählen Sie Fable für ausgewählte langlaufende Programmier-Arbeitslasten, Multi-Cloud-Bereitstellung und Fälle, in denen seine Stärken im Stil von SWE-bench wichtiger sind als der Token-Preis.
• Führen Sie Ihre eigene Evaluierung durch, bevor Sie sich auf eines der Modelle festlegen.

Ein Benchmark-Spitzenreiter ist nicht automatisch das günstigste Modell pro erfolgreicher Aufgabe. Ein niedrigerer Token-Preis ist nicht automatisch die beste technische Wahl. Das Gewinnermodell ist jenes, das Ihre reale Arbeitslast zuverlässig innerhalb der erforderlichen Latenz-, Datenschutz- und Budgetgrenzen erledigt.

Quellen

• OpenAI Developers - GPT-5.6 Sol Model
• Anthropic - Claude Fable
• OpenAI Developers - API pricing
• Anthropic Claude Platform Docs - Pricing
• OpenAI Developers - Models
• Anthropic Claude Platform Docs - Models overview
• OpenAI Developers - Model guidance: Using GPT-5.6
• Anthropic Claude Platform Docs - Adaptive thinking
• Anthropic - Claude Fable 5 and Claude Mythos 5 System Card (9 June 2026)
• OpenAI - GPT-5.6: Frontier intelligence that scales with your ambition (9 July 2026)
• Anthropic Claude Platform Docs - Migration guide: Claude Fable 5
• OpenAI Developers - Data controls in the OpenAI platform
• Anthropic Claude Platform Docs - Introducing Claude Fable 5 and Claude Mythos 5
• Anthropic - Claude Fable 5 and Claude Mythos 5 (9 June 2026)
• Anthropic Claude Code Docs - Model configuration
• Anthropic Claude Platform Docs - Programmatic tool calling