Fable lässt sich nicht mit ein paar Prompts extrahieren

Wenige Tage bevor Claude Fable 5 am 19. Juli aus den Abo-Plänen fällt, macht ein vielfach geteilter Post die Runde, und er drängt: Lassen Sie das teure Modell sein „Betriebshandbuch“ aufschreiben, solange es noch gratis ist, kopieren Sie dieses Handbuch in den System-Prompt von Opus 4.8, und Sie „besitzen das Reasoning, statt das Modell zu mieten“. Zehn Minuten Arbeit, und Reasoning auf Fable-Niveau läuft auf einem Modell, das halb so viel kostet.

Manches daran stimmt, und bevor es um das Problem geht, lohnt es sich zu sagen, was.

Die Eckdaten passen alle. Der 19. Juli ist tatsächlich der letzte Tag des Gratisfensters von Fable 5 in den bezahlten Plänen, nach drei Verlängerungen. Fable 5 kostet tatsächlich 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output, genau das Doppelte von Opus 4.8. Die Modell-IDs im beigefügten Skript sind die echten, und das Skript läuft. Sogar der Grundgedanke ist vernünftig: Modelle werden tatsächlich eingestellt (Anthropic hat allein heuer vier ausgemustert), und wer seinen Workflow an ein bestimmtes Modell bindet, baut auf gemietetem Grund.

Falsch ist der Mechanismus, auf dem das Ganze beruht. Reasoning ist keine Datei, die Sie von einem Modell herunterladen können, und das Handbuch, das dieses Ritual liefert, ist nicht das, wonach es aussieht.

Was die Extraktion wirklich liefert

Die Kernaussage des Posts: „Der Vorsprung von Fable 5 gegenüber einem günstigeren Modell steckt nicht in Gewichten, an die man nicht herankommt… All das lässt sich beschreiben. Und damit lässt sich all das übertragen.“

Wäre das wahr, und passte der Unterschied zwischen einem Modell für 50 Dollar pro Million Tokens und einem für 25 Dollar auf eine Seite Prosa, könnte Anthropic für Fable nicht das Doppelte verlangen. Jemand hätte diese Seite längst geschrieben, und die Seite wäre das Produkt. Der Unterschied zwischen Modellen liegt in den Gewichten. Ein stärkeres Modell folgt nicht einer besseren Checkliste, es rechnet besser. Die Prompting-Forschung kommt immer wieder zum selben begrenzten Ergebnis: Die Qualität des Prompts verändert die Leistung spürbar, aber innerhalb dessen, was das zugrunde liegende Modell ohnehin kann.

Auch an ihren eigenen Maßstäben scheitert die Extraktion. Ein Modell hat keinen Lesezugriff auf seine eigenen Gewichte. Wenn Sie Fable also bitten, sein Betriebshandbuch zu schreiben, kann es keine internen Abläufe abschreiben, sondern nur plausible Prosa darüber erzeugen, wie gutes Reasoning klingt. Das ist keine Spekulation. Anthropic hat die Frage untersucht und festgestellt, dass Claude-Modelle in etwa 20 Prozent der Fälle echte introspektive Wahrnehmung zeigen, und nennt diese Fähigkeit „höchst unzuverlässig und in ihrem Umfang begrenzt“. Unabhängige Arbeiten drücken es unverblümter aus: Eine aktuelle Evaluation mit dem Titel „Can LLMs Introspect? A Reality Check“ kam zum Schluss, dass sich scheinbare Introspektion weitgehend in Mustererkennung auflöst, sobald man Abkürzungen herausrechnet, und frühere Studien kamen zu Selbsterklärungen ganz allgemein zum selben Ergebnis: Das sind nachträglich verfasste Geschichten, keine Berichte aus dem Inneren.

Das „Betriebshandbuch“ ist also nicht Fables Reasoning in extrahierter Form. Es ist ein Aufsatz über epistemische Hygiene, geschrieben von Fable, und der Aufsatz, den Opus 4.8 nächsten Monat über sich selbst schreiben würde, ist praktisch dasselbe Dokument.

Der Test verrät es

Der Post enthält einen Prüfschritt, und dort ist der Taschenspielertrick am leichtesten zu sehen. Sie stellen dem normalen Opus und dem Opus mit geladenem Handbuch dieselbe Fangfrage (ein Bericht behauptet, der Umsatz sei von 4,0 Mio. Dollar auf 4,2 Mio. Dollar gestiegen, und nennt das ein Plus von 20 Prozent), und wenn das Modell mit Handbuch den Fehler findet, „hat die Transplantation funktioniert“.

Was der Test wirklich zeigt: Der System-Prompt erwähnt das Prüfen von Prozentsätzen. Ein einzeiliger Prompt mit dem Wortlaut „Rechne jeden Prozentsatz nach, bevor du ihm zustimmst“ besteht denselben Test, ganz ohne Fable. Das können Sie in etwa zwei Minuten selbst überprüfen: Lassen Sie die Fangfrage erst mit dem vollständigen extrahierten Handbuch laufen, dann mit dem Einzeiler. Derselbe Fund, dieselbe Zurückweisung. Die vierzig Absätze transplantiertes Reasoning haben die Arbeit eines einzigen Satzes erledigt.

Die Begleitbehauptung, das normale Opus werde den Fehler „oft durchwinken“, kommt ohne Testdaten daher, und einen als 20 Prozent etikettierten Zuwachs von 5 Prozent zu erkennen, ist elementare Prüfarbeit, die aktuelle Frontier-Modelle zuverlässig beherrschen, wenn eine Frage zum genauen Hinsehen einlädt.

Was in der Praxis funktioniert

Seine Plausibilität borgt sich das Handbuch-Ritual von einer Technik, die es wirklich gibt. Das Reasoning eines stärkeren Modells auf ein schwächeres zu übertragen ist eine reale, gut dokumentierte Praxis. Sie heißt Destillation, und es lohnt sich anzusehen, was sie wirklich umfasst, denn der Vergleich entscheidet die Frage.

Das bekannteste Beispiel ist DeepSeek-R1. Anfang 2025 nutzte DeepSeek 800.000 kuratierte Reasoning-Traces, die sein großes R1-Modell erzeugt hatte, um eine Familie kleinerer offener Modelle per Fine-Tuning zu trainieren, und die Ergebnisse waren beachtlich: Das destillierte 32B-Modell kam bei AIME 2024 auf 72,6, o1-mini auf 63,6, und das auf einem Basismodell, das nur einen Bruchteil so groß war wie der Lehrer. Eine Gruppe aus Stanford trieb die Sparsamkeit mit s1 noch weiter: Sie trainierte Qwen2.5-32B per Fine-Tuning mit nur 1.000 sorgfältig ausgewählten Reasoning-Traces (etwa eine halbe Stunde auf 16 GPUs) und übertraf o1-preview bei Mathematikwettbewerben um bis zu 27 Prozent. Also ja: Reasoning-Traces eines starken Modells machen kleinere Modelle nachweislich besser.

Sehen Sie sich aber an, was alle diese Erfolge gemeinsam haben. Die Traces gehen in die Tausende bis Hunderttausende, und jeder davon ist eine vollständig ausgearbeitete Lösung eines echten Problems: das Modell, das sich durch eine Aufgabe arbeitet, und nicht eines, das allgemein beschreibt, wie es denkt. Die Übertragung passiert durch Training, das die Gewichte des Schülermodells verändert, nicht durch Text, den man in ein Kontextfenster kopiert. Und die Zugewinne sind genau dort am kleinsten, wo der virale Post am meisten verspricht: Destillierte Modelle glänzen in überprüfbaren Domänen wie Wettbewerbsmathematik und Code, während eine bekannte Berkeley-Studie, The False Promise of Imitating Proprietary LLMs, zeigte, dass Imitations-Fine-Tuning „wenig bis nichts von der Lücke“ schließt, sobald es um Aufgaben außerhalb der Trainingsdaten geht: Der Schüler übernimmt den Stil des Lehrers überzeugend genug, um menschliche Bewerter zu täuschen, aber nicht dessen Faktentreue.

Das Handbuch-Ritual hat nichts davon. Ein Meta-Aufsatz statt Tausender ausgearbeiteter Lösungen, ein Kontextfenster statt einer Änderung der Gewichte, und das Versprechen einer allgemeinen Übertragung, wo selbst echte Destillation nur eine domänenspezifische liefert. Es ist Destillation, der jedes tragende Teil entfernt wurde. Und eine praktische Fußnote für alle, die versucht sind, das Echte mit Fable 5 zu machen: Anthropics Bedingungen verbieten es, Claude-Ausgaben zum Training konkurrierender Modelle zu verwenden. Die seriöse Version der Ernte verstößt also gegen die Regeln, und die erlaubte Version funktioniert nicht.

Die Frist, die keine ist

Eine Auslassung trägt den Großteil der Dringlichkeit. Fable 5 verschwindet am 19. Juli nicht. Es wechselt vom Freikontingent im Plan zu nutzungsbasierten Credits, und Anthropic hat öffentlich gesagt, dass es das Modell wieder in die Abos aufnehmen will, sobald die Rechenkapazität es erlaubt. Die API hatte nie ein Gratisfenster, und daraus ergibt sich die leiseste Unstimmigkeit des Posts: Sein eigenes Extraktionsskript ruft die API auf, und dort war der Lauf „solange der Zugang noch gratis ist“ an keinem einzigen Tag gratis.

Der sichere Hafen ist nach der Logik des Posts ebenfalls gemieteter Grund. „Opus 4.8 wird nicht verschwinden“ steht nur ein paar Absätze entfernt von „jedes Modell wird irgendwann eingestellt, neu bepreist oder ersetzt, das ist die einzige Garantie in diesem Feld“. Beide Sätze können nicht zugleich stimmen. Der zweite stimmt.

Bemerkenswert ist auch, dass der Post mit einem Link zum Kauf von Prompt-Paketen endet. An Prompt-Verkauf ist nichts auszusetzen, aber erst die Darstellung von Reasoning als herunterladbarem Vermögenswert lässt einen Ordner voller Prompts wie eine Anlageklasse wirken.

Die Erkenntnis, die in den Ernte-Anleitungen fehlt

Die eigene Arbeitsweise zu dokumentieren ist wirklich wertvoll, und in diesem engen Punkt hat der virale Post recht. Skills, Projektanweisungen, System-Prompts, aufgeschriebene Workflows: Das ist die beständige Schicht, die jeden Modellwechsel überlebt. Ihr Wert entsteht aber dadurch, dass Sie Ihre Maßstäbe selbst formulieren, nicht dadurch, dass ein Modell Interna abschreibt, die es nicht sehen kann. Die Interviewtechnik im Bonusteil des Posts ist das Beste daran, und achten Sie darauf, wen sie interviewt: Sie. Ihre Sonderfälle, Ihre Qualitätsansprüche, Ihr Urteil. Das Modell schreibt mit.

Lassen Sie das Ritual also bleiben. Wenn Fable 5 bei Ihren schwierigsten Problemen seinen Preis wert ist, zahlen Sie nach Tokens, wenn Sie es brauchen, oder warten Sie, denn es kommt ohnehin wieder in die Pläne. Wenn Opus 4.8 für Ihre Arbeit reicht, schreiben Sie ihm einen kurzen System-Prompt in Ihren eigenen Worten. Was den Output eines Modells wirklich verändert, sind klare, gut abgegrenzte Anweisungen, ganz gleich, welches Modell sie vor sich hat.

Bis Sonntag muss nichts geerntet werden. Es gab nie etwas zu ernten.

Aus dem Englischen übersetzt: zum Originalbeitrag