10 dollar for én million inndata-tokener. 50 dollar for én million utdata-tokener. Tallene er konkrete nok til å feste seg, men det som følger dem er mer interessant: en modell Anthropic beskriver som i stand til å jobbe i dagevis, planlegge over flere faser, delegere til under-agenter og teste sitt eget arbeid. Claude Fable 5 kaller de det — Mythos-nivå, ifølge selskapet — og plasserer seg som et tilbud for «de mest ambisiøse» kodings- og kunnskapsoppgavene.
Jeg har ikke kjørt egne eksperimenter — ett kall koster — men det er verdt å vurdere hva Anthropic lover og hvilke operasjonelle konsekvenser det kan få. Løftet er både lovende og problematisk på måter som påvirker arbeidsflyt, kvalitetssikring og ansvar.
Hva den lover — og hvordan den rammer inn arbeid
Fable 5 er tydelig posisjonert mot lange, asynkrone arbeidsstrømmer: store migrasjoner, komplekse implementasjoner, research som krever dyp dokumentforståelse. Ikke kundeservice-samtaler eller raske tekst-snutter, men prosesser som strekker seg over dager eller uker. Modellen skal kunne lese diagrammer, tabeller og PDF-er, skrive egne tester, bruke syn for å sammenligne output mot mål eller designspesifikasjoner — med andre ord: ta inn store dokumenter, internalisere kontekstene i tabeller og figurer, og produsere leveranser som et team kan gjennomgå i stedet for å orkestrere hvert steg manuelt.
Det er også forventet at agent-harnesser som Claude Code og Claude Managed Agents gjør mye av koordineringen. Når en arbeidsstrøm må holde tråden over tid, er evnen til å dele opp oppgaver, kjøre subrutiner og validere resultater kontinuerlig kjernen i hvordan dette vil fungere. Disse svakhetene — kontinuitet, testdekning, dokumentforståelse — er reelle smertepunkter i tekniske team, og Fable 5 forsøker å angripes direkte.
Sikringer, rerouting og begrensninger
Det mest interessante er hvordan Anthropic rammer inn kapasiteten. Forespørsler som flagges innen cyber- og biotek-sfærer skal automatisk omdirigeres til Opus 4.8, og slike forespørsler skal ikke belaste Fable-priser. Det er en operasjonell designbeslutning: kraft tilgjengelig bredt, men direkte eksponering mot høy-risk-domener begrenses.
De krever 30 dagers datalagring for sikkerhetsovervåking — ikke en teknisk detalj, men et compliance-krav som mange organisasjoner må ta høyde for. I tillegg advarer Anthropic eksplisitt om at enkelte evner er så potente at tilgang vil være «vetted» og kontrollert gjennom et «trusted access»-program. Hvem som gis tilgang og hvordan vetting skjer, er fortsatt uklart, men det setter premissene for risikohåndtering og governance.
Tilgjengelighet, priser og praktisk bruk
Fable 5 kommer som en Enterprise forbruksmodell og via Claude Platform, markedsplasser og større skyleverandører (AWS, Google Cloud, Microsoft Foundry). For amerikanske arbeidsbelastninger finnes en US-only inferens-opsjon mot en 1,1x prisfaktor. Tekniske kall gjøres via apietaket under navnet claude-fable-5.
Prisstrukturen — 10 USD per million inndata-tokener, 50 USD per million utdata-tokener, med eksisterende 90 % rabatt på inndata ved prompt-caching — gir grovkalkyler for langvarige jobber. Men en oppgave som varer i dager og der modellen selv genererer tester og flere runder med output krever nøye kostnadsstyring: logging, re-run-avbrudd, snapshotting av session state og rationering av API-kall blir operasjonelt viktigere enn før.
Hva dette betyr for arbeid og risiko
Dette er mer enn større rå kraft; det er et skifte mot nesten-autonome aktører som kan lede deler av prosjekter uten kontinuerlig menneskelig mikroledelse. Konsekvensene er konkrete: hvem godkjenner designbeslutninger modellen tar? Hvem signerer for testdekning og migrasjonsfeil generert «av» modellen? Når en modell planlegger, skriver tester og validerer, må ansvarsmodellene i organisasjonen redesignes — både teknisk (deploy-sikringer, rollback-planer, observability) og juridisk (SLA, audit logs, ansvar).
Samtidig er forsiktigheten innebygd: rerouting i sensitive domener, krav om datalagring, og løfter om kontrollert adgang forsøker å balansere tilgjengelighet og samfunnsansvar. Hvordan dette fungerer under press — ved reell uønsket atferd, i gråsoner eller ved aktiv utnytting — er avgjørende for om modellen blir nyttig eller en risiko som må muras inne.
Når gir det mening å bruke Fable 5?
For store, dokumenttunge prosjekter eller komplekse migrasjoner kan ideen om å delegere deler av arbeidsflyten til en modell som forstår diagrammer og kjører tester være verdt prisen. For små team, eller når behovet er rask prototyping, virker pris og kompleksitet overkill. Og for alle som jobber i biologi eller cybersikkerhet er rammene konkrete: rerouting, strengere kontroller og muligens begrenset tilgang.
Det er konkrete operasjonelle spørsmål jeg skulle likt svar på: hvordan håndteres «dagers» sesiOnstilstander i praksis — snapshot- og rehydration-garantier, retry-logikk, inkrementell validering, og hvordan eksporterer man session state til eksisterende CI/CD- og observability-verktøy? Anthropic skisserer muligheter, priser og adgangsveier, men de organisatoriske og ansvarsrelaterte detaljene gjenstår.
Det er lett å bli begeistret. Det er også lett å bli urolig.
Kanskje riktig vei er å la slike systemer modne i lukkede, overvåkede rammer før de blir standard i verktøykassa. Eller kanskje langvarig, koordinerbar KI blir hverdag i tekniske team raskere enn vi tror. Jeg vet ikke hva som kommer først. Men jeg kjenner igjen følelsen av å legge et stykke arbeid i hendene på noe som kan fortsette uten meg: befriende, og litt skummelt.