Beschreibung: Fable 5.2 plant, Sonnet 5.5 programmiert, Opus 5.5 prüft und Haiku 5.5 recherchiert. Ein Faktencheck zu Advisor, offiziellen Preisen und Kosten pro erfolgreicher Aufgabe.
Erst die Rechnung prüfen, dann den KI-Vorstand einberufen
Fable denkt, Sonnet baut, Opus kontrolliert und eine Armee von Haiku-Agenten recherchiert. Das populäre Claude-Code-Setup klingt wie ein ganzes Unternehmen im Terminal: genialer Stratege, fleißiger Entwickler, strenger Prüfer und eine Forschungsabteilung ohne Mittagspause.
Die Arbeitsteilung ist sinnvoll. Es gibt aber keinen Nachweis, dass genau diese feste Kombination aus vier Modellen für jede Aufgabe am billigsten und besten ist. Advisor ist eine offizielle experimentelle Funktion; sie aktiviert nicht automatisch einen Opus-Prüfer und eine Haiku-Recherchetruppe.[1]
Vier Stellen sind noch keine vier arbeitenden Teams
Fable 5.2 eignet sich für schwierige Architekturentscheidungen und wiederkehrende Fehler. Sonnet 5.5 übernimmt alltägliche Implementierungen. Opus 5.5 kann wichtigen Code unabhängig prüfen. Haiku 5.5 ist für große Mengen an Klassifizierung und Datenextraktion geeignet.
Wichtig ist: Advisor, Subagenten und unabhängige Reviews sind verschiedene Mechanismen. Das Hauptmodell bittet um Beratung, wenn es dies für sinnvoll hält. Weitere Agenten benötigen getrennte Aufträge und Einstellungen. Vier Namen im Organigramm bedeuten nicht, dass vier Mitarbeiter zur Arbeit gekommen sind.[1]
Die „80-mal“ sind ein Token-Einzelpreis
Die am 14. November 2026 geprüften Standard-API-Preise je Million Eingabetokens betragen 8 US-Dollar für Fable, 4 für Opus und 2 für Sonnet. Bei Haiku sind es 0,10 Dollar, solange eine Anfrage höchstens 100.000 Eingabetokens enthält. Die Ausgabepreise liegen bei 40, 20, 10 beziehungsweise 0,50 Dollar.[3]
In dieser Stufe ist der Preis pro Token bei Fable tatsächlich 80-mal so hoch wie bei Haiku. Für Haiku-Anfragen über 100.000 Eingabetokens gelten Basispreise von 0,50 Dollar für Eingaben und 2,50 Dollar für Ausgaben pro Million. Dazu kommen wiederholter Kontext, Caching, Beratung und Fehlversuche.
Ein Token zum Achtzigstel des Preises bedeutet keine funktionierende Lösung zum Achtzigstel der Kosten. Bleistifte sind billiger als Statiker, aber 200 Bleistifte entwerfen keine Brücke.
Was macht /advisor?
In einer unterstützten Claude-Code-Umgebung lässt sich einstellen:
/model sonnet
/advisor fable
Advisor ist experimentell. Die Verfügbarkeit hängt von der Plattform, dem Fable-Zugang und bei manchen Abos von der Zustimmung zu zusätzlichem Nutzungsguthaben ab. Kompatible Desktop-Sitzungen werden unterstützt. Die Aktivierung beweist noch keinen Beratungsaufruf: Das Hauptmodell entscheidet, wann es fragt.[1]
Große Umbauten, hartnäckige Fehler oder wichtige Abschlussentscheidungen passen gut. Für jede Dateiumbenennung die Unterschrift des Vorstandschefs zu verlangen, ist bloß Bürokratie.
„3,4-mal günstiger“ und „198 Aufgaben ohne Beratung“?
Die online behaupteten 3,4-mal sind kein nachgewiesenes offizielles Ergebnis dieser konkreten Vier-Modell-Kombination. In einer anderen Evaluation von Sonnet mit Opus als Advisor sanken die Kosten je Aufgabe um 11,9 Prozent, bei einer Verbesserung um 2,7 Prozentpunkte. Ein separater Programmiertest fand für eine Advisor-Konfiguration ungefähr die 2,1-fachen Kosten des Einzelmodells bei geringem Zusatznutzen.[2][5]
Offizielle Unterlagen beschreiben einen Test mit 20 Aufgaben, in denen Sonnet 5.5 den Advisor nie aufrief, und einen anderen Diagrammtest mit einem Aufruf in 300 Aufgaben. Daraus folgt kein allgemeines „198-Aufgaben-Gesetz“. Häufigkeit und Nutzen hängen von Modell, Anweisung, Aufgabe und Denkintensität ab.[2]
Die wichtigsten Einsparungen sind erstaunlich unspektakulär
Anthropics Leitfaden empfiehlt zuerst Prompt-Caching, weniger unnötige Eingaben und die Anpassung des Denkaufwands eines einzelnen Modells. Fehlgeschlagene Aufgaben lassen sich gezielt mit einer stärkeren Einstellung wiederholen. Ein Mehr-Modell-System muss besser sein als diese einfache Ausgangslage.[2]
Bei sehr langen Arbeiten lohnt sich die Aufteilung an kleinere Modelle möglicherweise. Bei kurzen Arbeiten verschlingen Abstimmung und Kontrolle die Ersparnis. Personalkosten sinken, aber Sitzungen werden zum Hauptprodukt des Unternehmens.
Den Sieger mit echten Aufgaben bestimmen
Vergleichen Sie 10 bis 20 repräsentative Entwicklungsaufgaben mit A: Opus allein; B: Sonnet plus Fable Advisor; C: Fable plant, Sonnet implementiert. Legen Sie Erfolg vorher fest: Tests bestanden, Datenanzahl korrekt oder Fehler nicht wieder aufgetreten. Messen Sie Gesamtkosten, erfolgreiche Abschlüsse, Zeit, Wiederholungen und tatsächliche Advisor-Aufrufe.
Bei datenintensiven Bots übernimmt gewöhnliche Software exakte Berechnungen, ein kleines Modell uneindeutige Einordnungen und ein starkes Modell schwierige Entscheidungen. Bevor echtes Geld eingesetzt wird, sind die Ergebnisse unabhängig zu prüfen.
Die letzte Vorstandssitzung
„Fable ist CEO, Sonnet Entwicklungsleiter, Opus prüft und hundert Haikus forschen.“ Und was wurde geliefert?
„Eine Million Tokens Sitzungsprotokoll.“
Zählen Sie korrekt erledigte Aufgaben pro Dollar, nicht eindrucksvolle Titel pro Prompt.
Quellen (6)
[1] Anthropic, “Escalate hard decisions with the advisor tool,” Claude Code Docs. https://code.claude.com/docs/en/advisor
[2] Anthropic, “Optimizing for cost and intelligence,” Claude Platform Docs. https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence
[3] Anthropic, “Pricing,” Claude Platform Docs. https://platform.claude.com/docs/en/about-claude/pricing
[4] Anthropic, “Introducing Claude Fable 5.2 and Claude Mythos 5.2,” published 2026-11-09. https://www.anthropic.com/claude-fable-and-mythos-5-2
[5] Anthropic, “The advisor strategy: Give Sonnet an intelligence boost with Opus,” Claude resources. https://claude.com/resources/articles/the-advisor-strategy
Scope note: Token-rate ratios and cost-per-successful-task are different measures. Advisor benchmarks are configuration- and benchmark-dependent; none demonstrates that one four-role setup is universally optimal.
