Die beste KI für Entwickler

„Im Rahmen unserer laufenden Bewertung von KI-Modellen hat Claude Fable 5.1 in unseren Tests beeindruckende Ergebnisse geliefert. Mit Claude Code hat es bei jedem getesteten fehlgeschlagenen Build die Ursache korrekt identifiziert, und zwar über alle Effort-Stufen hinweg. Zudem kommuniziert es wirkungsvoller als frühere Anthropic-Modelle: Die Statusmeldungen sind knapper und leichter nachvollziehbar.“

“Even at its lowest effort setting, Claude Opus 5.5 caught 72% of known bugs in our code reviews to Opus 5’s 56% at high effort, with fewer false alarms and a fraction of the output. On US consulting analysis, low thinking effort matched its higher thinking settings on half the output and passed our quality checks. When more lower thinking efforts are deployed in production, that’s client-ready work delivered efficiently.”

„Entwickler möchten Agenten, die echte Softwarearbeit übernehmen und abschließen können. Bei unseren Tests mit GitHub Copilot CLI und VS Code verbrauchte Claude Opus 5.5 mit am wenigsten Tokens und Schritte. In VS Code löste Claude Opus 5.5 in weniger als der Hälfte der Schritte mehr Terminal-Aufgaben als Opus 5. Es macht nicht nur einzelne Aufgaben effizienter, sondern auch größere Projekte für Entwickler besser umsetzbar.“

“I handed Claude Opus 5.5 a large engineering task across six of our repositories and let it run overnight, unattended. It stayed on task for over 18 hours defining how our services talk to each other and working out how each one should apply that. Compared with Opus 5, it hit milestones faster and required minimal reworking. Its code comments were short and useful instead of long and prose-heavy. I’m struggling to find anything negative to say.”

„Für Entwickler von Lovable bedeutet Opus 5.5 schnellere Entwicklungen bei gleicher Qualität – ganz gleich, ob Sie ganz von vorne anfangen oder an einer Live-App arbeiten. Es erfasst den Kontext einmal, führt weniger und vollständigere Änderungen durch und bleibt nicht in einer Wiederholungsschleife stecken. Dadurch können die Aufgaben mit 33-50% weniger Prozessschritten abgeschlossen werden und es werden deutlich weniger Tokens verbraucht.“

„Mit Claude Opus 5.5 haben wir eine klare Verbesserung der Token-Effizienz bei unseren internen Bewertungen festgestellt, da wir dieselben Aufgaben sowohl günstiger als auch schneller erledigen konnten.“

“We test models on real engineering and trading-desk work. On our agentic coding tasks, Claude Opus 5.5 matched Opus 5’s quality in about half the turns, time and output tokens, cutting the cost of that workload by 40 to 50%. It posted the highest score we’ve recorded on one desk’s trading-support suite, passing tasks earlier Claude models had failed, and topped all eight models on our analysis task.”

„Wir verlagern unseren Opus-5-Traffic in Devin am Tag der Veröffentlichung auf Claude Fable 5.1. In unseren Tests lag es bei geringeren Kosten pro Aufgabe gleichauf mit Fable 5 oder leicht darüber, und mit der neuen Preisgestaltung für Cache-Lesevorgänge ist ein Modell der Fable-Klasse endlich auch für jene Workloads wirtschaftlich, die wir bislang auf Opus belassen hatten – angefangen beim Code-Review.“

„Claude Fable 5.1 kommt mit langer, unbeaufsichtigter Arbeit besser zurecht als Fable 5. Ich hatte Workflows, die über einen langen Zeitraum liefen, ohne den roten Faden zu verlieren: Das Modell führt eigene Aufzeichnungen, priorisiert bei veränderten Rahmenbedingungen neu und setzt dort an, wo es aufgehört hat.“

„Bei den schwierigsten Problemen, an denen wir arbeiten, hebt sich Claude Fable 5.1 deutlich von allen anderen Modellen ab, die wir ausprobiert haben. Bei einem Problem der höchsten Schwierigkeitsklasse, das uns seit 18 Monaten als Testfall dient, hat es tatsächlich substanziellen Fortschritt erzielt. Statt bloßem Zusammentragen von Fakten hat es klare, neue Verbindungen hergestellt, wie ich sie anderswo noch nicht gesehen habe. Außerdem hat es einen Compute-Kernel um rund 35 % optimiert, an dem Fable 5 bereits an seine Grenzen gestoßen war.“

„Wir hatten eine Änderung, die mehr als acht Services in drei Codebasen betraf. Claude Fable 5.1 hat den gesamten Workflow von Anfang bis Ende in außerordentlicher Detailtiefe abgebildet – vom eingehenden Service-Aufruf bis hinunter zur einzelnen Funktion und zu den Datenbanktabellen und -zeilen – und war dabei durchgängig korrekt. Wir haben es sehr geschätzt, das Modell testen und Feedback geben zu können, denn das bereitet uns auf eine neue Ära vor, in der wir diesen Werkzeugen zunehmend auch ambitioniertere Vorhaben anvertrauen können.“

„Claude Fable 5.1 ist das leistungsstärkste Modell, das wir auf CursorBench 3.2 getestet haben, mit 73,4 % bei maximalem Effort. Besonders überzeugt hat uns seine Fähigkeit, die eigene Arbeit zu verifizieren, wodurch es anspruchsvolle Coding-Aufgaben von Anfang bis Ende übernehmen kann.“

„Herausragend bei Claude Fable 5.1 sind die Texte: verständlicher, gehaltvoller, und das Modell hält sich besser an unsere Schreibrichtlinien. In Blindtests gegen Fable 5 habe ich seine Texte und Ergebnisse bevorzugt. Und in Canva Code hat es ein Rhythmusspiel mit echter Musik und taktgenauem Gameplay gebaut, passend zum selbst erzeugten Level – etwas, das kein anderes von uns getestetes Modell geliefert hat.“

„Wir haben Claude Fable 5.1 gebeten, ein klinisches Forschungsprojekt für Rakuten Medical zu prüfen, das drei andere Frontier-Modelle bereits freigegeben hatten. Es fand eine Lücke, die keines von ihnen gesehen hatte, und bestand darauf, sie weiter zu untersuchen. Anschließend schlug es eine völlig neue Hypothese vor und machte aus einem bereits abgeschriebenen Datensatz an einem einzigen Nachmittag eine neue Forschungsrichtung. Es ist das erste Mal, dass ein Frontier-Modell wie Claude uns in die Lage versetzt hat, auf diese Weise neue Forschung zu erschließen.“

„Im Rahmen unserer laufenden Bewertung von KI-Modellen hat Claude Fable 5.1 in unseren Tests beeindruckende Ergebnisse geliefert. Mit Claude Code hat es bei jedem getesteten fehlgeschlagenen Build die Ursache korrekt identifiziert, und zwar über alle Effort-Stufen hinweg. Zudem kommuniziert es wirkungsvoller als frühere Anthropic-Modelle: Die Statusmeldungen sind knapper und leichter nachvollziehbar.“

“Even at its lowest effort setting, Claude Opus 5.5 caught 72% of known bugs in our code reviews to Opus 5’s 56% at high effort, with fewer false alarms and a fraction of the output. On US consulting analysis, low thinking effort matched its higher thinking settings on half the output and passed our quality checks. When more lower thinking efforts are deployed in production, that’s client-ready work delivered efficiently.”