Fable 5 en Mythos 5: wat verandert er voor developers?

Vandaag, 9 juni 2026, bracht Anthropic twee nieuwe modellen uit: Claude Fable 5 en Claude Mythos 5. Fable 5 is het eerste publiek beschikbare model uit de Mythos-klasse, de krachtigste modellenfamilie die Anthropic tot nu toe bouwde. Dat klinkt als een persbericht, maar er zit echt iets nieuws onder de motorkap. In dit artikel zetten we op een rij wat er is uitgekomen, wat het kan, wat het kost en wat het morgen voor jouw werk als developer betekent.

Wat is er vandaag uitgekomen?

De Mythos-modellen van Anthropic gingen eerder dit jaar al rond in de securitywereld vanwege hun bovenmenselijke vermogen om kwetsbaarheden in software te vinden. Die klasse was tot vandaag niet publiek beschikbaar. Met deze release verandert dat: Fable 5 is hetzelfde type model, maar met vangrails die het veilig maken voor algemeen gebruik.

Claude Mythos 5 is het zusje zonder een deel van die vangrails. Dat model is niet voor het publiek: toegang loopt via Project Glasswing, een samenwerking met de Amerikaanse overheid voor cybersecurity-professionals, en via een programma voor geselecteerde biologie-onderzoekers. Voor ons als developers is Fable 5 dus het model waar het om draait.

Wat kan Fable 5?

Anthropic noemt het zelf state-of-the-art op vrijwel alle gemeten benchmarks, met software engineering als een van de sterkste gebieden. Een paar concrete punten uit de aankondiging:

• Software engineering. Stripe gebruikte Fable 5 voor een migratie in een codebase van vijftig miljoen regels en zag naar eigen zeggen "maanden engineering samengeperst tot dagen". Op de FrontierCode-benchmark scoort het model het hoogst van alle frontier-modellen, al op medium effort-niveau.
• Lange context. Het model presteert sterk op contexten van miljoenen tokens. Voor wie met grote codebases of lange documentstromen werkt is dat het verschil tussen samenvatten en gewoon alles meegeven.
• Agentisch werken. Fable 5 is gebouwd op lange, zelfstandige taken en multi-agent workflows, onder andere in Claude Code. Het maakte zelfs Pokémon FireRed uit met alleen beeldinvoer, waar eerdere modellen nog een stapel hulpmiddelen omheen nodig hadden.
• Effort-niveaus. Je kiest hoeveel denkwerk het model in een taak stopt. Voor een snelle refactor hoeft het niet op het hoogste niveau; voor een architectuurvraag wel.

De vangrails: terugvallen op Opus 4.8

Het interessantste ontwerpbesluit zit in de veiligheid. Fable 5 heeft drie op classifiers gebaseerde vangrails: voor offensieve cybertaken, voor risicovolle biologie en chemie, en tegen distillatie (het aftappen van capaciteiten om er een eigen model mee te trainen). Raakt een verzoek zo'n gebied, dan blokkeert Fable 5 niet gewoon, maar valt het terug op Claude Opus 4.8, dat de vraag alsnog zo goed mogelijk beantwoordt.

Volgens Anthropic merk je daar in de praktijk weinig van: in meer dan 95 procent van de sessies komt geen fallback voor, en externe red-teamers vonden in ruim duizend uur testen geen universele jailbreak. Bouw je op de API, dan is dit wel iets om te weten: je applicatie kan in randgevallen een antwoord van een ander model terugkrijgen. Voor de meeste toepassingen is dat onzichtbaar, maar als je output programmatisch verwerkt is het goed om er rekening mee te houden.

Prijzen en beschikbaarheid

Eén ding om te weten als je met gevoelige data werkt: voor Mythos-klasse modellen geldt een dataretentie van dertig dagen, uitsluitend voor veiligheidsdoeleinden.

Wat betekent dit voor jouw werk?

De eerlijke samenvatting: de lat voor wat je aan een model kunt overlaten gaat weer een stuk omhoog. Taken die je tot vorige week opknipte omdat de context te groot was of de horizon te lang, kun je nu vaker in één keer formuleren. Dat verandert niet wat wij in Het Vat en de Vonk schreven, het versterkt het juist: hoe scherper jouw context en bedoeling, hoe meer zo'n model ervan maakt. Het goud blijft jouw kennis; het kanaal is alleen breder geworden.

Praktisch advies voor de komende weken: probeer Fable 5 op de taak waar je huidige model op stukloopt, niet op de taken die al goed gaan. Een groot refactor, een migratie, een lastig debugvraagstuk over meerdere services heen. Daar zie je het verschil het snelst, en daar rechtvaardigt het ook zijn prijs. Voor routinewerk blijven snellere, goedkopere modellen gewoon de logische keuze.

Bij Aivisualize bouwen we onze AI-oplossingen op de Claude-familie, dus deze release landt direct in ons dagelijkse werk. Benieuwd hoe we dat aanpakken? Bekijk onze werkwijze.