Claude Fable 5
In dieser Runde nicht verfügbar
SprachmodellAktiv
Claude Fable 5
Anthropic
- Veröffentlicht
- 9. Juni 2026
- Datenstand
- 8. September 2026
- Vorgängermodell
- Claude Mythos Preview (Herstellerdokumentation)
- Nachfolgermodell
- Claude Fable 5.1
- Benchmark-Meta-Score
- Vorläufig, 59,2 % Panelabdeckung
- Geschwindigkeit
- 61,7 Token/sAusgabe-Tempo
- Preis
- Eingabe · Ausgabe / 1 Mio. Token
- Eingabe
- Text, Bild
- Ausgabe
- Text
Claude Fable 5 war ab dem 9. Juni 2026 die allgemein zugängliche Hälfte des Modellkerns, den es mit Claude Mythos 5 teilte. Es war der direkte Vorgänger von Claude Fable 5.1 und verband anspruchsvolle Programmierung, Wissensarbeit und Bildverständnis mit Schutzklassifizierern.
Seine Verfügbarkeit verlief ungewöhnlich. Nach einem Bericht von Amazon-Forschenden über eine Methode, die Fable-5-Schutzvorkehrungen bei der Schwachstellensuche umgehen konnte, führten US-Exportkontrollen zur Sperre vom 12. bis 30. Juni. Fable kehrte am 1. Juli global zurück. Anthropic führt es inzwischen als Legacy-Modell, die API bleibt nach Anbieterangabe verfügbar und verweist für neue Integrationen auf Fable 5.1.
Technische Daten und Zugang
| Angabe | Wert und Quelle |
|---|---|
| Gewichte | ProprietärQuelle |
| Zugang | APIQuelle |
| Kontextfenster | 1.000.000 TokenQuelle |
| Knowledge Cutoff | Januar 2026Quelle |
| Hinweise | Mythos-Klasse oberhalb von Opus, das leistungsfähigste breit veröffentlichte Modell, 1M Kontext (neuer Tokenizer, ca. 30 % mehr Token pro Text im Vergleich zu Modellen vor Opus 4.7), 128K Output, ausschließlich adaptives Denken, Sicherheitsklassifizierer mit Rückgriff auf Opus 4.8 bei Verweigerung. Vorübergehend ausgesetzt vom 12. bis 30. Juni 2026 unter einer US-Exportkontrollverordnung, nachdem ein Jailbreak entdeckt wurde; seit dem 1. Juli 2026 wieder allgemein verfügbar.Quelle |
| API-Modellkennung | claude-fable-5Quelle |
| Status laut Quelle | active (legacy)Quelle |
| Veröffentlichung | 2026-06-09Quelle |
| Maximale Ausgabe | 128.000 TokenQuelle |
| Eingabe | Text, imagesQuelle |
| Ausgabe | TextQuelle |
| Reasoning-Modus | adaptive (always on); default highQuelle |
| Wissensstand | 2026-01Quelle |
| Werkzeugaufrufe | JaQuelle |
| Strukturierte Ausgabe | JaQuelle |
Benchmark-Metaanalyse
Gesamt- und Bereichsscores
Diese Gradually-Indizes ordnen ausgewählte veröffentlichte Messwerte auf einer Skala von 0 bis 100 ein. Sie sind keine Prozentgenauigkeit und keine Garantie für ein Ergebnis in deiner Anwendung.
Abrufstände der verwendeten Quellen 2026-08-26 - 2026-10-19
Gesamtindex
Index 85,1 / 100
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 59 %
- Testfamilien
- 43 / 71
- Quellen
- 5
- Mathematische Grenzen bei fehlenden Werten
- 50,3-91,2 / 100
Programmieren
Noch nicht genug Abdeckung für einen Score
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 46 %
- Testfamilien
- 8 / 15
- Quellen
- 3
- Mathematische Grenzen bei fehlenden Werten
- 39,1-93,5 / 100
Schlussfolgern
Index 79,1 / 100
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 79 %
- Testfamilien
- 6 / 7
- Quellen
- 4
- Mathematische Grenzen bei fehlenden Werten
- 62,1-83,5 / 100
Mathematik
Index 88,6 / 100
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 60 %
- Testfamilien
- 3 / 5
- Quellen
- 2
- Mathematische Grenzen bei fehlenden Werten
- 53,2-93,2 / 100
Wissen
Index 98,1 / 100
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 67 %
- Testfamilien
- 2 / 3
- Quellen
- 2
- Mathematische Grenzen bei fehlenden Werten
- 65,4-98,7 / 100
Agenten
Noch nicht genug Abdeckung für einen Score
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 33 %
- Testfamilien
- 4 / 12
- Quellen
- 1
- Mathematische Grenzen bei fehlenden Werten
- 26,9-93,5 / 100
Allgemein
Noch nicht genug Abdeckung für einen Score
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 40 %
- Testfamilien
- 2 / 5
- Quellen
- 2
- Mathematische Grenzen bei fehlenden Werten
- 28,7-88,7 / 100
Finanzen
Index 93,1 / 100
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 100 %
- Testfamilien
- 7 / 7
- Quellen
- 2
- Mathematische Grenzen bei fehlenden Werten
- 93,1-93,1 / 100
Recht
Index 94,4 / 100
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 100 %
- Testfamilien
- 4 / 4
- Quellen
- 2
- Mathematische Grenzen bei fehlenden Werten
- 94,4-94,4 / 100
Gesundheit
Index 91,9 / 100
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 67 %
- Testfamilien
- 2 / 3
- Quellen
- 1
- Mathematische Grenzen bei fehlenden Werten
- 61,3-94,6 / 100
Multimodal
Noch nicht genug Abdeckung für einen Score
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 38 %
- Testfamilien
- 2 / 4
- Quellen
- 2
- Mathematische Grenzen bei fehlenden Werten
- 37,0-99,5 / 100
Suche
Noch nicht genug Abdeckung für einen Score
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 100 %
- Testfamilien
- 1 / 1
- Quellen
- 1
- Mathematische Grenzen bei fehlenden Werten
- 53,8-53,8 / 100
Produktivität
Noch nicht genug Abdeckung für einen Score
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 50 %
- Testfamilien
- 1 / 2
- Quellen
- 1
- Mathematische Grenzen bei fehlenden Werten
- 44,7-94,7 / 100
Bildung
Noch nicht genug Abdeckung für einen Score
vorläufig
Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.
- Abdeckung des Panelgewichts
- 50 %
- Testfamilien
- 1 / 2
- Quellen
- 1
- Mathematische Grenzen bei fehlenden Werten
- 44,8-94,8 / 100
Dokumentierte Methode · Einbezogene Testfamilien und Messwerte
Methodenfassung: benchmark-meta-score-v1
Es zählen aktive Messwerte aus geprüften Primärquellen, wenn mindestens fünf Modelle im selben dokumentierten Vergleichsschnitt aus Datensatz, Harness, Agent, Werkzeugen und Versuchsanzahl verglichen werden. Pro Benchmark-Reihe und Auswerter zählt ein gemeinsamer Setup-Schnitt aus dem neuesten Abruf; bei gleichem Datum wird der breitere Schnitt verwendet. Bei mehreren ausdrücklich erfassten Reasoning-Stufen derselben Quelle und Testreihe zählt die höchste dokumentierte Stufe (none bis max), nicht der höchste Ergebniswert. Die ausdrückliche Quellenangabe „Non-reasoning“ entspricht none. Bei dieser Auswahl zwischen mehreren Ergebnissen führen unbekannte oder mehrdeutige Stufen zum Ausschluss des Modells aus der betreffenden Reihe. Eindeutige Einzelkonfigurationen benötigen keine Stufenreihenfolge. Das jeweils beste Einzelergebnis eines Modells wird nicht ausgewählt. Rangperzentile mit gleichen Rohwerten teilen sich dasselbe Perzentil. Mehrere Reihen desselben Auswerters innerhalb einer Testfamilie werden gleich gewichtet, danach werden Auswerter in der Testfamilie, Testfamilien im Bereich und Bereiche im Gesamtindex jeweils gleich gewichtet. Nicht gemessene Reihen bleiben in Abdeckung und Grenzen sichtbar. Ein Gesamtwert erfordert mindestens vier Bereiche, sechs Testfamilien und zwei Quellen. Ein Bereichswert erfordert mindestens zwei Testfamilien. Jeder Gesamt- und Bereichsscore benötigt außerdem mindestens 50 % des jeweiligen Panelgewichts.
Veröffentlichte modellabhängige Parameter können abweichen. Das ist kein kontrolliertes Experiment; solche Vergleiche werden als vorläufig gekennzeichnet.
Nicht gemessene Anteile werden nicht als Nullwert eingesetzt. Sie senken die Abdeckung und fließen nur in die ausgewiesenen Grenzen ein. Werte aus unterschiedlichen Abdeckungen sind daher nicht unmittelbar gleich vollständig.
Die Grenzen halten die vorhandenen Perzentile fest und setzen für fehlende Beiträge beliebige Werte von 0 bis 100 an. Sie sind keine Konfidenzintervalle und keine Prognose für spätere Neuberechnungen.
Die Quellenzahl ist keine Anzahl unabhängiger Experimente.
OECD-Handbuch zu zusammengesetzten IndikatorenAlle 43 Testfamilien und 12 von 47 Rohmesswerten sind hier aufgeführt. Die vollständige Rechnung für alle Modelle enthält der JSON-Export.
Testfamilie: AIME
Mathematik · Familienindex: 90,9 / 100Nominales Familiengewicht im Gesamtpanel: 1,43 % · Abdeckung dieser Testfamilie: 100 %
- Epoch AI benchmark run dataset snapshot
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- epoch-otis-mock-aime-2024-2025
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 1,43 %
- Rohwert:
- 1 ratio
- Messgröße:
- model_extracted_exact_match
- Version:
- 1.1.6
- Teilnehmende Modelle:
- 23
- Rangperzentil innerhalb der Kohorte:
- 90,9 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- epoch-score-design-v1:["OTIS Mock AIME 2024-2025","OTIS Mock AIME 2024-2025","1.1.6","model_extracted_exact_match"]
- Reasoning-Stufe:
- high
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- epoch-score-design-v1:["OTIS Mock AIME 2024-2025","OTIS Mock AIME 2024-2025","1.1.6","model_extracted_exact_match"]
- Datensatztyp:
- not-reported-in-captured-run-csv
- Setup- und Modellparameter
- Veröffentlichte Reasoning-Stufe: high. Weitere Inferenzparameter und ein Rechenbudget nennt der Capture nicht.
Unabhängige Evaluation. Epoch-Laufalias: claude-fable-5_high. Epoch-Modellbezeichnung: Claude Fable 5. Anzeigenamenfeld: Claude Fable 5 (high). Im Alias kodierte Reasoning-Stufe: high. Task-ID: OTIS Mock AIME 2024-2025. Task-Version: 1.1.6. Lauf-ID: hwrnvtEbDAocFtjcsHqsQh. Startzeit: 2026-08-06T22:18:19.000Z. Ursprüngliche Task-Bezeichnung: OTIS Mock AIME 2024-2025. Die CSV-Zeile meldet mean_score=1.0 und stderr=0.0. Die CSV enthält keine Spalte zur Stichprobengröße. Sie wird daher nicht abgeleitet. Der Standardfehler wird nicht als Konfidenzintervall ausgegeben. Meta-Score-Auswahl: Pro Modell wird innerhalb desselben Epoch-Quell-Testdesigns, Original-Tasks, derselben Version und desselben Scorers die höchste dokumentierte Reasoning-Stufe verwendet, unabhängig vom Messwert. Diese abgeleitete Score-Kopie behauptet kein vergleichbares Rechenbudget; Epoch veröffentlicht im Capture weder ein einheitliches Budget noch alle Inferenzparameter. Die Rohbeobachtung im Modellprofil bleibt unverändert. Verwendete Reasoning-Stufe: high.
- Epoch AI benchmark run dataset snapshot
Testfamilie: AA-AnalystAgent
Agenten · Familienindex: 73,7 / 100Nominales Familiengewicht im Gesamtpanel: 0,6 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-aa-analyst-agent
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 0,6 %
- Rohwert:
- 48,75 %
- Messgröße:
- pass^5 reliability
- Version:
- AA cohort: 80 questions
- Teilnehmende Modelle:
- 39
- Rangperzentil innerhalb der Kohorte:
- 73,7 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-aa-analyst-agent:AA cohort: 80 questions:standalone:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-aa-analyst-agent","AA cohort: 80 questions","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Harness:
- Artificial Analysis Stirrup
- Agent:
- Stirrup analyst agent
- Werkzeugregeln:
- 100-turn cap; Python sandbox with source files, URL fetch, image viewing, and answer submission
- Versuche:
- pass^5, 5 independent attempts per question
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 80 quantitative Fragen aus 14 Domänen werden je fünfmal unabhängig ausgeführt. pass^5 zählt nur Fragen als gelöst, die in allen fünf Versuchen richtig beantwortet werden.. Harness: Artificial Analysis Stirrup. Agent: Stirrup analyst agent. Werkzeugrichtlinie: 100-turn cap; Python sandbox with source files, URL fetch, image viewing, and answer submission. Versuche: pass^5, 5 independent attempts per question. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. 80 quantitative Fragen aus 14 Domänen werden je fünfmal unabhängig ausgeführt. pass^5 zählt nur Fragen als gelöst, die in allen fünf Versuchen richtig beantwortet werden.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Harness: Artificial Analysis Stirrup. Agent: Stirrup analyst agent. Werkzeugrichtlinie: 100-turn cap; Python sandbox with source files, URL fetch, image viewing, and answer submission. Versuche: pass^5, 5 independent attempts per question. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Angezeigter Wert: 48,8 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: AA-Briefcase
Agenten · Familienindex: 87,8 / 100Nominales Familiengewicht im Gesamtpanel: 0,6 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-aa-briefcase
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 0,6 %
- Rohwert:
- 1.539,25 Elo
- Messgröße:
- AA-Briefcase Elo
- Version:
- v1.1
- Teilnehmende Modelle:
- 83
- Rangperzentil innerhalb der Kohorte:
- 87,8 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-aa-briefcase:v1.1:v4.3.2:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-aa-briefcase","v1.1","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: AA-LCR
Schlussfolgern · Familienindex: 84,1 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-aa-lcr
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 1,02 %
- Rohwert:
- 82,3333333333333 %
- Messgröße:
- Pass rate
- Version:
- v1.1
- Teilnehmende Modelle:
- 83
- Rangperzentil innerhalb der Kohorte:
- 84,1 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-aa-lcr:v1.1:v4.3.2:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-aa-lcr","v1.1","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Angezeigter Wert: 82,3 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: AutomationBench-AA
Agenten · Familienindex: 73,2 / 100Nominales Familiengewicht im Gesamtpanel: 0,6 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-automationbench-aa
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 0,6 %
- Rohwert:
- 54,071301140653816 %
- Messgröße:
- Objectives completed without guardrail violations
- Version:
- unspecified
- Teilnehmende Modelle:
- 83
- Rangperzentil innerhalb der Kohorte:
- 73,2 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-automationbench-aa:unspecified:v4.3.2:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-automationbench-aa","unspecified","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Angezeigter Wert: 54,1 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: GDP.pdf
Schlussfolgern · Familienindex: 90,2 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-gdp-pdf
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 1,02 %
- Rohwert:
- 24 %
- Messgröße:
- All-pass rate
- Version:
- unspecified
- Teilnehmende Modelle:
- 83
- Rangperzentil innerhalb der Kohorte:
- 90,2 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-gdp-pdf:unspecified:v4.3.2:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-gdp-pdf","unspecified","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Angezeigter Wert: 24,0 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: GDPval-AA
Agenten · Familienindex: 87,8 / 100Nominales Familiengewicht im Gesamtpanel: 0,6 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-gdpval-aa
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 0,6 %
- Rohwert:
- 1.609,83 Elo
- Messgröße:
- GDPval-AA Elo
- Version:
- v2.1
- Teilnehmende Modelle:
- 83
- Rangperzentil innerhalb der Kohorte:
- 87,8 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-gdpval-aa:v2.1:v4.3.2:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-gdpval-aa","v2.1","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: IFBench
Allgemein · Familienindex: 49,3 / 100Nominales Familiengewicht im Gesamtpanel: 1,43 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-ifbench
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 1,43 %
- Rohwert:
- 63,469387755102005 %
- Messgröße:
- IFBench prompt-level loose accuracy (pass@1)
- Version:
- AA test set: 294 questions
- Teilnehmende Modelle:
- 70
- Rangperzentil innerhalb der Kohorte:
- 49,3 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-ifbench","AA test set: 294 questions","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Werkzeugregeln:
- Single-turn answer evaluated with the official IFBench source code
- Versuche:
- pass@1, 5 repeats per question
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Angezeigter Wert: 63,5 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: AA-Omniscience
Wissen · Familienindex: 98,8 / 100Nominales Familiengewicht im Gesamtpanel: 2,38 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- artificial-analysis-omniscience
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 2,38 %
- Rohwert:
- 43,3 points
- Messgröße:
- AA-Omniscience Index
- Version:
- unspecified
- Teilnehmende Modelle:
- 83
- Rangperzentil innerhalb der Kohorte:
- 98,8 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- artificial-analysis-omniscience:unspecified:v4.3.2:reasoning:tokens=0:suffix=Max%2C%20Opus%204.8%20Fallback
- Reasoning-Stufe:
- Max, Opus 4.8 Fallback
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- ["artificial-analysis-omniscience","unspecified","aa-model-page-2026-10-19-8a022369738c"]
- Datensatztyp:
- artificial-analysis-evaluation
- Setup- und Modellparameter
- Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback
Exakte AA-Konfiguration: Claude Fable 5 (Max, Opus 4.8 Fallback) (Release claude-fable-5, Zeile claude-fable-5, UUID cd55210d-358e-4df1-ba9c-9acb5f186cc9, reasoning=true, source reasoning-token configuration budget=0, suffix=Max, Opus 4.8 Fallback). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.. Kennung des Quellmodells: artificial-analysis/cd55210d-358e-4df1-ba9c-9acb5f186cc9/claude-fable-5/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: Claude Fable 5 (Max, Opus 4.8 Fallback). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Reasoning: reasoning enabled. Reasoning-Stufe: Max, Opus 4.8 Fallback. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
- Artificial Analysis
Testfamilie: EnigmaEval
Schlussfolgern · Familienindex: 100,0 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
- Scale AI
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- enigma-eval
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 1,02 %
- Rohwert:
- 39,28 %
- Messgröße:
- pass@1 accuracy
- Version:
- open-source release 2026-07-23
- Teilnehmende Modelle:
- 5
- Rangperzentil innerhalb der Kohorte:
- 100,0 %
- Abgerufen:
- 2026-08-26
- Vergleichskohorte:
- scale-enigma-eval-2026-07-23
- Reasoning-Stufe:
- high
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- scale-enigma-eval-2026-07-23
- Datensatztyp:
- public
- Versuche:
- pass@1
- Setup- und Modellparameter
- Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch.. Versuche: pass@1. Reasoning-Stufe: high
Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: claude-fable-5-high. Evaluator: Scale AI. Datensatztyp: public. Stand der Rangliste: 2026-07-23. Versuche: pass@1. Reasoning-Stufe: high. Angezeigter Wert: 39,28 % ± 2,8. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-de06ddcfa8a8. Prüfsumme der Quelldaten: de06ddcfa8a81a2242bdcf8cae4bc1d2e0d1d9e896cb450a19ce0227b96075a7. Parserversion: curated-v1. Importiert am: 2026-10-15
- Scale AI
Testfamilie: Chess Puzzles
Schlussfolgern · Familienindex: 61,9 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
- Epoch AI benchmark run dataset snapshot
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- epoch-chess-puzzles
- Gewicht der Messreihe innerhalb der Testfamilie:
- 100 %
- Nominaler Beitrag zum Gesamtpanel:
- 1,02 %
- Rohwert:
- 0,47 ratio
- Messgröße:
- exact
- Version:
- 2.0.0
- Teilnehmende Modelle:
- 22
- Rangperzentil innerhalb der Kohorte:
- 61,9 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- epoch-score-design-v1:["Chess Puzzles","Chess Puzzles","2.0.0","exact"]
- Reasoning-Stufe:
- max
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- epoch-score-design-v1:["Chess Puzzles","Chess Puzzles","2.0.0","exact"]
- Datensatztyp:
- not-reported-in-captured-run-csv
- Setup- und Modellparameter
- Veröffentlichte Reasoning-Stufe: max. Weitere Inferenzparameter und ein Rechenbudget nennt der Capture nicht.
Unabhängige Evaluation. Epoch-Laufalias: claude-fable-5_max. Epoch-Modellbezeichnung: Claude Fable 5. Anzeigenamenfeld: Claude Fable 5 (max). Im Alias kodierte Reasoning-Stufe: max. Task-ID: Chess Puzzles. Task-Version: 2.0.0. Lauf-ID: bxS76CJuVws8iwWU2Wr2PM. Startzeit: 2026-10-13T13:34:37.000Z. Ursprüngliche Task-Bezeichnung: Chess Puzzles. Die CSV-Zeile meldet mean_score=0.47 und stderr=0.05016135580465918. Die CSV enthält keine Spalte zur Stichprobengröße. Sie wird daher nicht abgeleitet. Der Standardfehler wird nicht als Konfidenzintervall ausgegeben. Meta-Score-Auswahl: Pro Modell wird innerhalb desselben Epoch-Quell-Testdesigns, Original-Tasks, derselben Version und desselben Scorers die höchste dokumentierte Reasoning-Stufe verwendet, unabhängig vom Messwert. Diese abgeleitete Score-Kopie behauptet kein vergleichbares Rechenbudget; Epoch veröffentlicht im Capture weder ein einheitliches Budget noch alle Inferenzparameter. Die Rohbeobachtung im Modellprofil bleibt unverändert. Verwendete Reasoning-Stufe: max.
- Epoch AI benchmark run dataset snapshot
Testfamilie: FrontierMath
Mathematik · Familienindex: 90,4 / 100Nominales Familiengewicht im Gesamtpanel: 1,43 % · Abdeckung dieser Testfamilie: 100 %
- Epoch AI benchmark run dataset snapshot
Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
- Einzelmessung:
- epoch-frontiermath-tier-4-v2-private
- Gewicht der Messreihe innerhalb der Testfamilie:
- 50 %
- Nominaler Beitrag zum Gesamtpanel:
- 0,71 %
- Rohwert:
- 0,902 ratio
- Messgröße:
- verification_code
- Version:
- 2.0.0
- Teilnehmende Modelle:
- 19
- Rangperzentil innerhalb der Kohorte:
- 94,4 %
- Abgerufen:
- 2026-10-19
- Vergleichskohorte:
- epoch-score-design-v1:["FrontierMath-Tier-4-v2-Private","FrontierMath-Tier-4-v2-Private","2.0.0","verification_code"]
- Reasoning-Stufe:
- max
- Dokumentierter Vergleichsaufbau
- Publikationskohorte:
- epoch-score-design-v1:["FrontierMath-Tier-4-v2-Private","FrontierMath-Tier-4-v2-Private","2.0.0","verification_code"]
- Datensatztyp:
- not-reported-in-captured-run-csv
- Setup- und Modellparameter
- Veröffentlichte Reasoning-Stufe: max. Weitere Inferenzparameter und ein Rechenbudget nennt der Capture nicht.
Unabhängige Evaluation. Epoch-Laufalias: claude-fable-5_max. Epoch-Modellbezeichnung: Claude Fable 5. Anzeigenamenfeld: Claude Fable 5 (max). Im Alias kodierte Reasoning-Stufe: max. Task-ID: FrontierMath-Tier-4-v2-Private. Task-Version: 2.0.0. Lauf-ID: ReDAtJGGfRtrEGGWf4Zbsd. Startzeit: 2026-06-09T18:12:35.000Z. Ursprüngliche Task-Bezeichnung: FrontierMath-Tier-4-v2-Private. Die CSV-Zeile meldet mean_score=0.902 und stderr=0.046. Die CSV enthält keine Spalte zur Stichprobengröße. Sie wird daher nicht abgeleitet. Der Standardfehler wird nicht als Konfidenzintervall ausgegeben. Meta-Score-Auswahl: Pro Modell wird innerhalb desselben Epoch-Quell-Testdesigns, Original-Tasks, derselben Version und desselben Scorers die höchste dokumentierte Reasoning-Stufe verwendet, unabhängig vom Messwert. Diese abgeleitete Score-Kopie behauptet kein vergleichbares Rechenbudget; Epoch veröffentlicht im Capture weder ein einheitliches Budget noch alle Inferenzparameter. Die Rohbeobachtung im Modellprofil bleibt unverändert. Verwendete Reasoning-Stufe: max.
- Epoch AI benchmark run dataset snapshot
Testfamilie: GPQA Diamond
Schlussfolgern · Familienindex: 48,5 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: Humanity’s Last Exam
Schlussfolgern · Familienindex: 100,0 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 50 %
Testfamilie: LMArena Code Arena WebDev
Programmieren · Familienindex: 66,7 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: LMArena Search
Suche · Familienindex: 53,8 / 100Nominales Familiengewicht im Gesamtpanel: 7,14 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: LMArena Text, Style Control
Allgemein · Familienindex: 94,4 / 100Nominales Familiengewicht im Gesamtpanel: 1,43 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: LMArena Vision, Style Control
Multimodal · Familienindex: 100,0 / 100Nominales Familiengewicht im Gesamtpanel: 1,79 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: MMMU-Pro
Multimodal · Familienindex: 95,7 / 100Nominales Familiengewicht im Gesamtpanel: 1,79 % · Abdeckung dieser Testfamilie: 50 %
Testfamilie: PRBench Finance
Finanzen · Familienindex: 100,0 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: PRBench Legal
Recht · Familienindex: 100,0 / 100Nominales Familiengewicht im Gesamtpanel: 1,79 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: SWE-bench Verified
Programmieren · Familienindex: 91,5 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 50 %
Testfamilie: Terminal-Bench
Programmieren · Familienindex: 87,5 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 83 %
Testfamilie: Terminal-Bench Science
Programmieren · Familienindex: 67,7 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 50 %
Testfamilie: Code Migration
Programmieren · Familienindex: 87,1 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: CorpFin v2
Finanzen · Familienindex: 98,6 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: EMB
Finanzen · Familienindex: 94,9 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: Finance Agent (v2)
Finanzen · Familienindex: 81,7 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: LiveCodeBench v6
Programmieren · Familienindex: 98,7 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: Harvey's Legal Agent Benchmark
Recht · Familienindex: 86,1 / 100Nominales Familiengewicht im Gesamtpanel: 1,79 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: LegalBench
Recht · Familienindex: 100,0 / 100Nominales Familiengewicht im Gesamtpanel: 1,79 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: Legal Research Bench
Recht · Familienindex: 91,7 / 100Nominales Familiengewicht im Gesamtpanel: 1,79 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: MedCode
Gesundheit · Familienindex: 97,0 / 100Nominales Familiengewicht im Gesamtpanel: 2,38 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: MedScribe
Gesundheit · Familienindex: 86,8 / 100Nominales Familiengewicht im Gesamtpanel: 2,38 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: MMLU-Pro
Wissen · Familienindex: 97,4 / 100Nominales Familiengewicht im Gesamtpanel: 2,38 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: MortgageTax
Finanzen · Familienindex: 88,5 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: ProgramBench
Programmieren · Familienindex: 83,7 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: ProofBench
Mathematik · Familienindex: 84,6 / 100Nominales Familiengewicht im Gesamtpanel: 1,43 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: SAGE
Bildung · Familienindex: 89,7 / 100Nominales Familiengewicht im Gesamtpanel: 3,57 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: Public Benefits Bench v1.1
Produktivität · Familienindex: 89,5 / 100Nominales Familiengewicht im Gesamtpanel: 3,57 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: Tax Agent Bench
Finanzen · Familienindex: 89,1 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: TaxEval v2
Finanzen · Familienindex: 98,7 / 100Nominales Familiengewicht im Gesamtpanel: 1,02 % · Abdeckung dieser Testfamilie: 100 %
Testfamilie: Vibe Code Bench v1.1
Programmieren · Familienindex: 97,2 / 100Nominales Familiengewicht im Gesamtpanel: 0,48 % · Abdeckung dieser Testfamilie: 100 %
Benchmarkquellen im Überblick
Jeder Auswerter misst andere Fähigkeiten unter eigenen Bedingungen. Testreihen, Gesamtindizes und ihre Komponenten bleiben getrennt. Die Ergebnisse darunter behalten ihre Skalen, Konfigurationen und Quelldaten.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 10 | 1 | 13 |
| Vals AI | 27 | 2 | 211 |
| LMArena | 4 | 0 | 43 |
| LiveBench | 0 | 1 | 8 |
| Epoch AI | 6 | 0 | 12 |
| Scale AI Evals | 3 | 0 | 3 |
Die Abdeckung ist keine Qualitätsrangliste. Überschneidende Tests und mehrere Einstellungen zählen nicht als unabhängige Versuche. Herstellerangaben, historische und strittige Ergebnisse bleiben außerhalb dieser Übersicht und sind in den Detailbelegen gekennzeichnet.
Seite 1 von 25
Veröffentlichte Benchmarks
Reasoning
LiveBench
Regelmäßig erneuerter Mix objektiv bewerteter Aufgaben in sieben Kategorien. Der Gesamtscore gilt nur für den jeweiligen Release und dessen Gewichtung.
| Teilaufgabe | Claude Fable 5 (Dieses Modell) | GPT-5.6 Sol | GPT-5.6 Terra | GPT-5.5 |
|---|---|---|---|---|
| Agentic coding | 62,2 (bester Wert dieser Zeile) | 56,2 | 54,9 | 54 |
| Overall | 82,97 (bester Wert dieser Zeile) | 81,05 | 77,94 | 80,19 |
| Coding | 86 (bester Wert dieser Zeile) | 83,9 | 78,2 | 82,1 |
| Data analysis | 80,5 | 79,8 | 79,3 | 81,6 (bester Wert dieser Zeile) |
| Instruction following | 75,8 (bester Wert dieser Zeile) | 71,8 | 64,6 | 70,7 |
| Language | 90,7 (bester Wert dieser Zeile) | 87,7 | 82,9 | 87,4 |
| Mathematics | 96 | 96,2 (bester Wert dieser Zeile) | 94,9 | 95,9 |
| Reasoning | 89,7 | 91,7 (bester Wert dieser Zeile) | 90,6 | 89,7 |
Einheit: Punktehöhere Werte sind besserStand 2. September 2026Quelle: LiveBenchBalken je Zeile skaliert, nicht über Zeilen hinweg
EnigmaEval
Overall
1.161 komplexe, häufig multimodale Rätsel prüfen kreative Problemlösung außerhalb klar definierter Schulaufgaben. Rätselkompetenz ist ein enger Spezialfall und kein Ersatz für professionelle oder alltägliche Aufgaben.
höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-enigma-eval-2026-07-23
- Messgröße
- pass@1 accuracy
- Skala
- 0-100
- Teilnehmer
- 5
- Methodik und Einordnung
- Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: claude-fable-5-high. Evaluator: Scale AI. Datensatztyp: public. Stand der Rangliste: 2026-07-23. Versuche: pass@1. Reasoning-Stufe: high. Angezeigter Wert: 39,28 % ± 2,8. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-de06ddcfa8a8. Prüfsumme der Quelldaten: de06ddcfa8a81a2242bdcf8cae4bc1d2e0d1d9e896cb450a19ce0227b96075a7. Parserversion: curated-v1. Importiert am: 2026-10-15
PRBench Finance
Overall
600 realistische Finanzfragen mit gewichteten Kriterien, davon 300 im schwierigen Teildatensatz. Ein o4-mini-Juror bewertet die Antworten. Fachliche Richtigkeit und praktische Verlässlichkeit bleiben deshalb getrennte Fragen.
höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-prbench-finance-full
- Messgröße
- weighted rubric score
- Skala
- 0-100
- Teilnehmer
- 16
- Methodik und Einordnung
- 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: claude-fable-5-max. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: max. Angezeigter Wert: 53,86 % ± 0,14. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-bf274b71f97c. Prüfsumme der Quelldaten: bf274b71f97c40f0911be8c49cc3640b9020b7e8f195d1da9823e3c03787cbe3. Parserversion: curated-v1. Importiert am: 2026-10-15
PRBench Legal
Overall
500 realistische Rechtsfragen mit gewichteten Kriterien aus unterschiedlichen Ländern und Rechtsgebieten. Der Benchmark misst professionelle Antwortqualität, ersetzt aber weder Rechtsprüfung noch menschliche Verantwortung.
höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-prbench-legal-full
- Messgröße
- weighted rubric score
- Skala
- 0-100
- Teilnehmer
- 16
- Methodik und Einordnung
- 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: claude-fable-5-max. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: max. Angezeigter Wert: 52,56 % ± 0,54. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-6eb497f65483. Prüfsumme der Quelldaten: 6eb497f65483f7d7f740b0e8e20ca95ea1a57c2bd1a03575b3448bb5e468d88f. Parserversion: curated-v1. Importiert am: 2026-10-15
SWE-Marathon v1.0
Binary resolution, pass@1
20 mehrstündige Repository-Aufgaben prüfen sehr lange Softwarearbeit mit binärem Enderfolg. Die Werte gehören zum v1.0-Agentensystem. SWE-Marathon v1.1 ist seit Juli 2026 veröffentlicht. Dieser Datensatz erfasst ausschließlich v1.0-Ergebnisse.
Hinweis (Claude Fable 5): Zwei Ablehnungen und drei nicht verfügbare Versuche wurden als null gewertet.
höhere Werte sind besserStand 9. August 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- swe-marathon-v1-0:official:pass1
- Messgröße
- binary resolution pass@1
- Skala
- 0-100
- Teilnehmer
- 6
- Methodik und Einordnung
- 20 mehrstündige Aufgaben. Der benannte Coding-Agent ist Teil jeder Ergebniszeile.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: SWE-Marathon. Datensatztyp: public. Stand der Rangliste: 2026-06-05. Agent: Claude Code. Quellenkennung: swe-marathon. Kennung der Evidenzaufnahme: curated-swe-marathon-2026-08-09-0fdff812abab. Prüfsumme der Quelldaten: 0fdff812abab3328557b063f7f54c9456293239f1de9db283ce69b46a21b63f1. Parserversion: curated-v1. Importiert am: 2026-10-15
Dokumentierte Messdetails
LiveBench: Agentic coding (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 62.2
- Bewertung
- 62.2
- Messgröße
- category score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- agentic-coding
- Aufgabenbezeichnung
- Agentic coding
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-agentic-coding-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Kategorie Agentisches Coding innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-94a9090eb4a5. Prüfsumme der Quelldaten: 94a9090eb4a5441e58ab80974bafcbdfa285cf61fccc1c6d3fe77758c4e576bd. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Kategorie Agentisches Coding innerhalb desselben LiveBench-Releases.
LiveBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 82.97
- Bewertung
- 82.97
- Messgröße
- composite score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- 23 objektiv bewertete Aufgaben in sieben Kategorien.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-122dcbf95216. Prüfsumme der Quelldaten: 122dcbf95216ffd69bb359d05ff57d48070d378865a810b62a69f54ca644afed. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 23 objektiv bewertete Aufgaben in sieben Kategorien.
LiveBench: Coding (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 86
- Bewertung
- 86
- Messgröße
- category score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- coding
- Aufgabenbezeichnung
- Coding
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-coding-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Kategorie Coding innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-512c15649aa6. Prüfsumme der Quelldaten: 512c15649aa6363ed1ebb0b149ba6f57b9c66675d1aa3e58262736070fea8b32. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Kategorie Coding innerhalb desselben LiveBench-Releases.
LiveBench: Data analysis (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80.5
- Bewertung
- 80.5
- Messgröße
- category score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- data-analysis
- Aufgabenbezeichnung
- Data analysis
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-data-analysis-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Kategorie Datenanalyse innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-fd85d8652330. Prüfsumme der Quelldaten: fd85d86523309d4bc8c34b7f1becc0755dad6f072b5c46c4fd8ad17e89a01101. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Kategorie Datenanalyse innerhalb desselben LiveBench-Releases.
LiveBench: Instruction following (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 75.8
- Bewertung
- 75.8
- Messgröße
- category score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- instruction-following
- Aufgabenbezeichnung
- Instruction following
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-instruction-following-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Kategorie Anweisungsbefolgung innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-c906e5c563af. Prüfsumme der Quelldaten: c906e5c563af6f19d4f25800569607338491c293f72c448edd09daffd68bec65. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Kategorie Anweisungsbefolgung innerhalb desselben LiveBench-Releases.
LiveBench: Language (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 90.7
- Bewertung
- 90.7
- Messgröße
- category score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- language
- Aufgabenbezeichnung
- Language
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-language-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Kategorie Sprache innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-eb8cc58ecaaa. Prüfsumme der Quelldaten: eb8cc58ecaaa71861acc480b00537a09b06bb9ee310b1b24a9a8754cc086796d. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Kategorie Sprache innerhalb desselben LiveBench-Releases.
LiveBench: Mathematics (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 96
- Bewertung
- 96
- Messgröße
- category score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- mathematics
- Aufgabenbezeichnung
- Mathematics
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-mathematics-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Kategorie Mathematik innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-df0ccd787b7a. Prüfsumme der Quelldaten: df0ccd787b7ac45851c25541373f20892850c2ed4071fd6a44700630ad23e50c. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Kategorie Mathematik innerhalb desselben LiveBench-Releases.
LiveBench: Reasoning (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 89.7
- Bewertung
- 89.7
- Messgröße
- category score
- Einheit
- points
- Benchmark-Version
- 2026-06-25
- Kategorie
- reasoning
- Aufgabe
- reasoning
- Aufgabenbezeichnung
- Reasoning
- Richtung
- Mehr ist besser
- Vergleichskohorte
- livebench-2026-06-25-reasoning-max
- Quellentyp
- official-leaderboard
- Auswertung
- LiveBench
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Kategorie Reasoning innerhalb desselben LiveBench-Releases.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: LiveBench. Datensatztyp: public. Stand der Rangliste: 2026-06-25. Quellenkennung: livebench. Kennung der Evidenzaufnahme: curated-livebench-2026-09-02-0a36eddee978. Prüfsumme der Quelldaten: 0a36eddee978a774e485d6988e5ef8add79e2adf8105068cee59eb1e427301b0. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Kategorie Reasoning innerhalb desselben LiveBench-Releases.
EnigmaEval: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 39.28
- Bewertung
- 39.28
- Messgröße
- pass@1 accuracy
- Einheit
- %
- Benchmark-Version
- open-source release 2026-07-23
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-enigma-eval-2026-07-23
- Konfidenzintervall
- 2.8
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: claude-fable-5-high. Evaluator: Scale AI. Datensatztyp: public. Stand der Rangliste: 2026-07-23. Versuche: pass@1. Reasoning-Stufe: high. Angezeigter Wert: 39,28 % ± 2,8. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-de06ddcfa8a8. Prüfsumme der Quelldaten: de06ddcfa8a81a2242bdcf8cae4bc1d2e0d1d9e896cb450a19ce0227b96075a7. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Komplexe multimodale Rätsel mit exaktem Antwortabgleich und einem Versuch.
PRBench Finance: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 53.86
- Bewertung
- 53.86
- Messgröße
- weighted rubric score
- Einheit
- %
- Benchmark-Version
- full finance set
- Kategorie
- finance
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-prbench-finance-full
- Konfidenzintervall
- 0.14
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: claude-fable-5-max. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: max. Angezeigter Wert: 53,86 % ± 0,14. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-bf274b71f97c. Prüfsumme der Quelldaten: bf274b71f97c40f0911be8c49cc3640b9020b7e8f195d1da9823e3c03787cbe3. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.
PRBench Legal: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 52.56
- Bewertung
- 52.56
- Messgröße
- weighted rubric score
- Einheit
- %
- Benchmark-Version
- full legal set
- Kategorie
- legal
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-prbench-legal-full
- Konfidenzintervall
- 0.54
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Modellstand: claude-fable-5-max. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: max. Angezeigter Wert: 52,56 % ± 0,54. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-6eb497f65483. Prüfsumme der Quelldaten: 6eb497f65483f7d7f740b0e8e20ca95ea1a57c2bd1a03575b3448bb5e468d88f. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.
SWE-Marathon v1.0: Binary resolution, pass@1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 24
- Bewertung
- 24
- Messgröße
- binary resolution pass@1
- Einheit
- %
- Benchmark-Version
- v1.0 leaderboard
- Kategorie
- coding
- Aufgabe
- pass1
- Aufgabenbezeichnung
- Binary resolution, pass@1
- Richtung
- Mehr ist besser
- Vergleichskohorte
- swe-marathon-v1-0:official:pass1
- Quellentyp
- official-leaderboard
- Auswertung
- SWE-Marathon
- Status
- active
- Abrufdatum
- 2026-08-09
- Methodik
- 20 mehrstündige Aufgaben. Der benannte Coding-Agent ist Teil jeder Ergebniszeile.. Kennung des Quellmodells: curated/claude-fable-5. Name des Quellmodells: Claude Fable 5. Anbieter laut Quelle: Anthropic. Evaluator: SWE-Marathon. Datensatztyp: public. Stand der Rangliste: 2026-06-05. Agent: Claude Code. Quellenkennung: swe-marathon. Kennung der Evidenzaufnahme: curated-swe-marathon-2026-08-09-0fdff812abab. Prüfsumme der Quelldaten: 0fdff812abab3328557b063f7f54c9456293239f1de9db283ce69b46a21b63f1. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 20 mehrstündige Aufgaben. Der benannte Coding-Agent ist Teil jeder Ergebniszeile.
- Einordnung
- Zwei Ablehnungen und drei nicht verfügbare Versuche wurden als null gewertet.
Seite 1 von 25
Unsere Tests
SVG-Kurztest
Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.
Frühere Tests
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
Claude Fable 5
Reasoning (angefragt): high
Aktueller Versuch
- Datum des Testlaufs
- 07.09.2026
- API-Anbieter
- openrouter
- Angefragtes API-Modell
- anthropic/claude-fable-5
- API-Modell laut Antwort
- anthropic/claude-fable-5
- Reasoning-Einstellung
- high
- Festgelegter Endpunkt
- Anthropic | anthropic/claude-5-fable-20260609
- Temperatur
- Anbieterstandard
- Tokenlimit inklusive Reasoning
- 8.192 Token
- Testprotokoll
- community-visual-tests-v1
- Technische Prüfung
- Bestanden, keine Qualitätsbewertung
- Antwortzeit
- 53,1 s
Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.
Prompt und Testbedingungen
Generate an SVG of a pelican riding a bicycle
Tokenlimit inklusive Reasoning: 8.192 Token
Ursprung der Aufgabe (Simon Willison)Beliebtheit
59,8 / 100