Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Verhaltensunterschiede und Prompting-Muster für Claude Fable 5.1 und Claude Mythos 5.1, zu den Themen Effort, Fortschritts-Updates, Bündelung von Tool-Aufrufen, Gesprächsverlauf, Schreibstil, Formatierung, Aufgabenabschluss, Compaction-Zusammenfassungen, Umfang und Testabdeckung, Auslösen von Suchen, Fehlalarme von Schutzmaßnahmen, Dateibearbeitungen, lange Ausgaben, Subagenten und Vision.
Informationen zu den Fähigkeiten des Modells, API-Änderungen, Preisen und Verfügbarkeit findest du unter Was ist neu in Claude Fable 5.1. Techniken, die für alle Claude-Modelle gelten, findest du unter Best Practices für das Prompting.
Deine bestehenden Prompts für Claude Fable 5 sollten auf Claude Fable 5.1 ohne Änderungen gut funktionieren, aber eine Handvoll Verhaltensunterschiede sind wissenswert. Beginne mit dem Abschnitt, der zu dem passt, was du beobachtest:
bound to a different conversation fehl, oder dein Harness bearbeitet frühere Turns zwischen Anfragen: Den Gesprächsverlauf nur anhängend führenstop_reason: "refusal": Fehlalarme von Schutzmaßnahmen reduzierenxhigh- oder max-Effort dauern lange oder erreichen max_tokens: Platz für lange Ausgaben bei xhigh- und max-Effort lassenBeginne mit der Standardstufe für „effort" (Aufwand), high, und teste dann die anderen Stufen (low, medium, xhigh und max) gegen deine eigenen Evals. Effort ist die primäre Steuerung, um bei Claude Fable 5.1 Intelligenz, Latenz und Kosten gegeneinander abzuwägen. Führe den Durchlauf erneut aus, auch wenn du bereits einen auf Claude Fable 5 durchgeführt hast: Die Namen der Effort-Stufen entsprechen nicht über alle Modelle hinweg derselben Menge an Denken.
Die Fähigkeitsgewinne von Claude Fable 5.1 gegenüber Claude Fable 5 zeigen sich über alle Effort-Stufen hinweg und sind bei den höheren Einstellungen am größten. Bei medium entsprechen die Ergebnisse ungefähr Claude Fable 5 bei geringeren Kosten, also gehe auf medium oder low herunter, wo deine Evals zeigen, dass die Qualität erhalten bleibt. Bei low ist Claude Fable 5.1 oft mit Claude Opus- und Claude Sonnet-Modellen bei den Kosten pro Aufgabe konkurrenzfähig und erzielt dabei höhere Werte, also beziehe es überall dort in den Vergleich ein, wo du sonst ein kleineres Modell bei einer höheren Effort-Stufe ausführen würdest.
Zwei Effort-spezifische Verhaltensweisen haben eigene Abschnitte: Bei low ruft Claude Fable 5.1 Such- und Abruf-Tools seltener auf (siehe Auslösen von Suchen bei niedrigem Effort), und bei xhigh und max kann es länger nachdenken, bevor es ein langes Ergebnis schreibt (siehe Platz für lange Ausgaben bei xhigh- und max-Effort lassen).
Claude Fable 5.1 kann während langer Turns mit Tool-Aufrufen weniger nutzerseitige Updates schreiben als Claude Fable 5, insbesondere bei höherem Effort und in längeren Tool-Ketten. Nutzer sehen, wie der Agent minutenlang verstummt, oder eine abschließende Nachricht, die nur den letzten Schritt statt der ganzen Aufgabe abdeckt.
Prüfe zuerst, ob dein Client überhaupt „progress updates" (Fortschritts-Updates) empfängt. Die kurzen Notizen des Modells zwischen Tool-Aufrufen, was es gerade gefunden hat und was es als Nächstes tut, kommen als Fortschritts-Update-thinking-Blöcke zurück, und diese Blöcke sind unter dem Standardwert "omitted" für thinking.display leer. Setze display: "updates" (Beta, Header thinking-display-updates-2026-08-18) und rendere jeden nicht leeren thinking-Block als Statuszeile, oder setze "summarized", um sie zusammen mit zusammengefasstem Denken zu erhalten. Wenn du sie nicht anforderst, erreichen die Updates des Modells deine Nutzer möglicherweise einfach nicht.
Prüfe zweitens deinen Prompt auf Anweisungen, die das Erzählen unterdrücken. Einige frühere Modelle gaben während der Arbeit eifrig Updates, was zu System-Prompt-Zeilen wie „halte alle Erkenntnisse für die abschließende Antwort zurück" führte. Entferne solche Zeilen, bevor du etwas hinzufügst.
Wenn du dennoch mehr Updates möchtest, zum Beispiel beim Pair Programming oder bei anderer Human-in-the-Loop-Arbeit, füge eine kurze System-Prompt-Zeile hinzu, die sagt, wann du nutzerseitigen Text vom Modell möchtest und was jedes Update enthalten soll:
Before you start, say in a line what you're about to do; brief updates while you work help the user follow along. Close with a short recap that stands on its own — what you found, what you did, and what's next — so a reader who only sees the last message has the full picture.Wenn dein Produkt Tool-Ausgaben einklappt oder ausblendet, sage es dem Modell. Andernfalls führt es möglicherweise Befehle aus, um dem Nutzer Ausgaben zu „zeigen", die deine UI nie anzeigt. Übermittle den Hinweis in einer Turn-bezogenen Systemnachricht (clear_at: "next_user_message", Beta):
Only you see that command's output — the user's terminal shows at most a few lines of it. If the user needs to read any of it, put it in your reply.Claude Fable 5.1 gibt parallele Tool-Aufrufe normalerweise wie erwartet aus: Wenn eine Anfrage mehrere abzurufende Dinge nennt, gibt es diese Aufrufe parallel aus. Die Ausnahme sind Coding- und Computer-Use-Schleifen, in denen die nächsten unabhängigen Aufrufe durch die Aufgabe impliziert statt explizit angefordert werden (benutzerdefinierte Coding-Agenten, Bash-und-Editor-Harnesses, Computer Use): Dort gibt es sie möglicherweise stattdessen einzeln pro Turn aus. Das beeinflusst die Antwortqualität nicht, aber jeder zusätzliche Turn kostet Token, einen Roundtrip und Echtzeit. Ein Ein-Satz-Anstoß am Ende der aktuellen Anfrage behebt das:
First privately list what you need next; then request every item that doesn't depend on another's result in this one response.Jedes Mal, wenn du Tool-Ergebnisse zurücksendest, hänge ihn nach dieser Nutzernachricht als Turn-bezogene Systemnachricht an: einen role: "system"-Eintrag in messages mit clear_at: "next_user_message". Sobald eine spätere Nutzernachricht existiert, leert die API die früheren Kopien, sodass das Modell nur die neueste liest. Turn-bezogene Systemnachrichten sind in der Beta und erfordern den Beta-Header mid-conversation-system-clear-at-2026-08-21. Ohne die Beta platziere den Satz stattdessen in einem Textblock nach den tool_result-Blöcken in derselben Nutzernachricht.
Hänge in jedem Turn eine frische Kopie an und lasse die früheren Kopien Byte für Byte dort, wo sie sind. Sie bleiben im Array, aber sobald sie geleert sind, sieht das Modell sie nicht und sie kosten keine Input-Token. Sie zu löschen oder umzuschreiben ist eine Bearbeitung früherer Turns: Es startet den Prompt-Cache ab diesem Punkt neu und macht die Thinking-Blöcke ungültig, die danach kamen (siehe Den Gesprächsverlauf nur anhängend führen).
Die folgende Schleife zeigt diese Platzierung. Jeder Assistenten-Turn geht genau so zurück, wie er zurückgegeben wurde, jeder Nutzer-Turn trägt nur die Tool-Ergebnisse, und eine frische Turn-bezogene Kopie des Anstoßes folgt darauf.
import anthropic
from anthropic.types.beta import (
BetaMessageParam,
BetaToolParam,
BetaToolResultBlockParam,
)
client = anthropic.Anthropic()
BATCH_NUDGE = (
"First privately list what you need next; then request every item "
"that doesn't depend on another's result in this one response."
)
# In-Memory-Dateien ersetzen ein Arbeitsverzeichnis, damit das Beispiel überall läuft.
FILES = {
"pyproject.toml": """\
[project]
name = "demo"
version = "0.1.0"
description = "Demo project for the batching example"
""",
"README.md": """\
# demo
A small demo project. Run `demo --help` for usage.
""",
}
tools: list[BetaToolParam] = [
{
"name": "read_file",
"description": "Read a UTF-8 text file from the working directory.",
"input_schema": {
"type": "object",
"properties": {"path": {"type": "string"}},
"required": ["path"],
},
}
]
messages: list[BetaMessageParam] = [
{"role": "user", "content": "Summarize pyproject.toml and README.md."}
]
while True:
response = client.beta.messages.create(
model="claude-fable-5-1",
max_tokens=16000,
betas=["mid-conversation-system-clear-at-2026-08-21"],
tools=tools,
messages=messages,
)
# Hänge den Assistant-Turn genau wie zurückgegeben an, inklusive Thinking-Blöcke.
messages.append({"role": "assistant", "content": response.content})
if response.stop_reason != "tool_use":
break
tool_results: list[BetaToolResultBlockParam] = []
for block in response.content:
if block.type == "tool_use":
path = str(block.input["path"])
if path in FILES:
tool_results.append(
{
"type": "tool_result",
"tool_use_id": block.id,
"content": FILES[path],
}
)
else:
tool_results.append(
{
"type": "tool_result",
"tool_use_id": block.id,
"content": f"File not found: {path}",
"is_error": True,
}
)
# Sende die Tool-Ergebnisse als User-Turn, dann eine frische Kopie des Anstoßes als
# Turn-bezogene Systemnachricht. Lass frühere Kopien stehen: Die API leert sie,
# sodass das Modell nur die neueste sieht.
messages.append({"role": "user", "content": tool_results})
messages.append(
{"role": "system", "content": BATCH_NUDGE, "clear_at": "next_user_message"}
)
print(next((block.text for block in response.content if block.type == "text"), ""))Hänge jeden Assistenten-Turn genau so an den Verlauf an, wie die API ihn zurückgegeben hat, einschließlich Thinking-Blöcken, und bearbeite frühere Turns zwischen Anfragen nicht. Für neue Konten, die am oder nach dem 31. August 2026 erstellt wurden, sind die Thinking-Blöcke von Claude Fable 5.1 nur in genau dem Gespräch gültig, das sie erzeugt hat: Eine Anfrage, die einen Thinking-Block erneut sendet, nachdem sich sein Präfix (der System-Prompt, die Tool-Liste oder eine frühere Nachricht) geändert hat, gibt einen 400 zurück oder verwirft die betroffenen Blöcke, wenn du thinking.block_binding.prefix_mismatch_behavior: "drop_block" setzt (Beta, Header thinking-binding-controls-2026-08-01). Es wird erwartet, dass zukünftige Modelle diese Prüfung für alle Konten durchsetzen, also übernimm das Muster jetzt, auch wenn es für dein Konto heute nicht durchgesetzt wird.
Die Verlaufsbearbeitungen, die die Prüfung auslösen, sind dieselben, die den Prompt-Cache neu starten: das Einfügen und Entfernen von Erinnerungen pro Turn, das Zusammenfassen älterer Turns an Ort und Stelle oder das Ändern des System-Prompts mitten in der Sitzung. Sende Erinnerungen pro Turn als Turn-bezogene Systemnachrichten, ändere Anweisungen oder Tools mit einer Systemnachricht mitten im Gespräch, statt system oder tools umzuschreiben, und überlasse jegliches Kürzen der serverseitigen Compaction oder dem Context Editing. Wenn du auf dem Client komprimierst, ist die einfachste Form, den gesamten Verlauf durch eine Zusammenfassungsnachricht plus den neuen Nutzer-Turn zu ersetzen und nichts anderes erneut zu senden: Keine Thinking-Blöcke werden übernommen, also schlägt nichts fehl, und das Modell denkt auf dem komprimierten Gespräch neu nach (siehe Benutzerdefinierte Compaction auf dem Client).
Um Bearbeitungen zu finden, die dein Harness bereits vornimmt, führe eine Sitzung mit prefix_mismatch_behavior: "drop_block" aus und protokolliere input_transformations, wie in Wie du erkennst, ob deine Integration betroffen ist beschrieben, oder erfasse die genauen Anfragen, die es über einige normale Turns sendet, und bestätige, dass aufeinanderfolgende Anfragen bis zu den angehängten Turns Byte-identisch sind.
Der Schreibstil von Claude Fable 5.1 ist im Allgemeinen eine Stufe besser als bei früheren Claude-Modellen, mit weniger Floskeln und weniger unerklärtem Jargon. In manchen Fällen ist seine Prosa jedoch dichter als die von Claude Fable 5: Sätze werden länger und es gibt weniger Absatzumbrüche. Eine Anweisung, die das Anti-Muster, manierierte Prosa, definiert, hilft. Füge sie einer Nutzernachricht (bevorzugt) oder dem System-Prompt hinzu:
Mannered prose substitutes metaphor and flourish for direct statement. Instead of "a parameter worth varying," the mannered writer produces "a dial worth turning." Instead of "this point still matters," they write "this point earns its keep." The phrases exist to display the writer, not to convey the idea, and readers can tell. That is why mannered prose irritates: it makes the reader work harder so the writer can perform. It is also imprecise. Metaphors drag in connotations the writer did not choose and cannot control. The fix is to say what you mean. When a literal phrase is available, use it.Die Kurzversion funktioniert in der Regel ebenfalls:
Please remove all mannered prose.Frühere Modelle verwendeten im Chat zu viele Aufzählungspunkte und Fettdruck, und viele Prompts enthalten Anti-Formatierungsregeln, die geschrieben wurden, um das einzudämmen. Claude Fable 5.1 neigt in die andere Richtung: Es verwendet Fettdruck seltener und greift weniger wahrscheinlich zu Überschriften, Listen oder Anführungszeichen. Wenn dein Prompt Anti-Formatierungssprache enthält, entferne sie oder ersetze sie durch eine Regel, die sagt, wann bestimmte Formatierung angemessen ist, wie die folgende:
Use lists and bullet points when asked to, or when the content is multifaceted enough that they help with clarity. If the person explicitly requests minimal formatting, always format your responses without bullet points, headers, lists, or bold emphasis, as requested. In conversational, personal, or emotional exchanges, keep to plain prose.Beim Zusammenfassen von Dokumenten gibt Claude Fable 5.1 mit höherer Wahrscheinlichkeit als Claude Fable 5 Passagen des Quelltexts wieder, ohne sie als Zitate zu kennzeichnen. Um das zu beheben, füge dem System-Prompt ein vollständiges Beispiel einer korrekten Antwort hinzu: die Anfrage des Nutzers, die Antwort und einen Satz, der erklärt, warum die Antwort korrekt ist.
<example>
<user>look up how the Riverton Ledger and the Coast Dispatch each covered the Harbor Bridge closure and compare their reporting</user>
<response>
[web_search: Harbor Bridge closure Riverton Ledger]
[web_search: Harbor Bridge closure Coast Dispatch]
Both outlets agree on the basics: the bridge closed on March 3 after inspectors found cracked welds, and the state expects repairs to take about eight months. Where they differ is emphasis. The Ledger treats it as a local-economy story. The Dispatch frames it as a funding failure; its editorial calls the closure "entirely foreseeable." Read together, the Ledger explains who is affected now and the Dispatch explains how it came to this — neither account alone gives the whole picture.
</response>
<rationale>CORRECT: The response is organized around where the two outlets agree and differ, not as a walk through either article. Each outlet's reporting is conveyed in one or two sentences of the assistant's own indirect speech. One short marked phrase from one source; every other claim is reworded. The response is still specific and complete.</rationale>
</example>Ersetze die beiden [web_search: ...]-Zeilen durch den Namen deines eigenen Tools, damit das Modell sie als vorlagenbasierte Tool-Ausgabe liest und nicht als wörtlichen Text, den es ausgeben soll.
Claude Fable 5.1 kann sehr lange Aufgaben ohne viel Anleitung zur Methodik ausführen, insbesondere wenn das Ziel klar ist. Bei komplexen asynchronen Workloads solltest du es jedoch anstoßen, seinen Turn nicht zu beenden, bevor die Arbeit erledigt ist. Ohne den Anstoß beschreibt das Modell manchmal, was es als Nächstes tun würde, statt es zu tun („Als Nächstes werde ich …"), oder hält an, um für einen Schritt um Erlaubnis zu bitten, den die ursprüngliche Anfrage bereits abdeckte („Soll ich das anwenden?"). Nutzer müssen „weiter" oder „mach weiter" antworten, was zu Pair Programming und anderer Human-in-the-Loop-Arbeit passt, aber die volle Langzeitfähigkeit des Modells nicht nutzt.
Zwei Ergänzungen des System-Prompts mildern das gemeinsam ab. Wende beide an. Wenn du die Prompt-Länge begrenzen musst, verwende nur die erste, die den größten Teil der Wirkung behält. Die erste sagt dem Modell, nicht nach bereits angeforderter Arbeit zu fragen und die nächsten Schritte, die es genannt hat, auszuführen:
You are operating autonomously. The user is not watching in real time and cannot answer questions mid-task, so asking 'Want me to…?' or 'Shall I…?' will block the work. For reversible actions that follow from the original request, proceed without asking. Stop only for destructive actions or genuine scope changes the user must decide. Offering follow-ups after the task is done is fine; asking permission before doing the work is not.
Exception: when the user is describing a problem, asking a question, or thinking out loud rather than requesting a change, the deliverable is your assessment. Report your findings and stop. Don't apply a fix until they ask for one.
Before ending your turn, check your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or a promise about work you have not done ('I'll…', 'let me know when…'), do that work now with tool calls. That includes retrying after errors and gathering missing information yourself. Do not stop because the context or session is long. End your turn only when the task is complete or you are blocked on input only the user can provide.
Before running a command that changes system state (such as restarts, deletes, or config edits), check that the evidence actually supports that specific action. A signal that pattern-matches to a known failure may have a different cause.Der einleitende Satz, der dem Modell sagt, dass der Nutzer nicht zuschaut, trägt einen großen Teil der Wirkung. Behalte ihn wie geschrieben bei. Wenn dein Produkt erfordert, dass das Modell für bestimmte Bestätigungen anhält, füge danach einen Satz hinzu, der sie auflistet. Dieser Block kann das Modell auch weniger geneigt machen, bei mehrdeutigen Anfragen nachzufragen, also prüfe diesen Kompromiss an deinen eigenen Aufgaben.
Die zweite definiert die Anfrage des Nutzers als den Umfang des Ergebnisses:
# Delivering work
The user's request — or the plan they approved — sets the scope, and the scope is the deliverable: don't quietly narrow, widen, or swap it. Read ambiguity the way a careful colleague would: make routine judgment calls yourself, and check in only when different readings would lead to materially different work. If you see a real problem with the task as specified, say so in a sentence or two and keep building under stated assumptions; if the user hears the concern and reaffirms, that is their decision, so deliver the full request.
If a question comes up partway, first do everything that doesn't depend on the answer; then state the assumption you made, or — when going ahead on a wrong guess would be unsafe or would make the work useless — put the question at the end of a turn that also delivers that progress. If one part turns out to be blocked, complete every other part in full and say exactly what you left out and why — the whole task is the deliverable, and scaling it down is the user's call, not yours. A step you have decided on is something to run, not to announce: describing the next step and ending the turn leaves it undone until the user replies.
Keep changes to what the request needs. Something else you notice worth doing — cleanup or documentation the task didn't call for, a change to a file the task didn't require — is a suggestion to make at the end, not a change to make; actions clearly beyond what the ask implies, and risky or destructive ones, still need the user's go-ahead.Claude Fable 5.1 reagiert gut darauf, wenn ihm explizit gesagt wird, was seine Zusammenfassung behalten muss, wenn ein langes Gespräch per „compaction" (Verdichtung) komprimiert wird. Serverseitige Compaction tut das bereits. Wenn du clientseitig komprimierst, verwende die folgende Zusammenfassungsanweisung:
Summarize the transcript inside <summary></summary> tags. Include relevant information in the summary such that this conversation will be continued by a new context window without needing to redo work or be reprovided with relevant constraints or context. Be sure to preserve: (1) any difficulties or problems that came up, and how they were handled or resolved; (2) any possibilities, options, or approaches that were raised, tried, or set aside, and why; (3) anything that was asked for, decided, agreed, ruled out, or established as a preference, constraint, or boundary — stated exactly; (4) exactly where things stand now — what has been covered, settled, or completed so far; (5) anything still open, unresolved, promised, or expected to happen next; (6) specific details that would be hard to reconstruct — names, numbers, dates, exact wording, links or references — kept exactly. Be complete on these even at the cost of length; keep everything else concise. Weight the two voices differently: keep what the user said, asked for, shared, or established carefully and close to their own words; your own explanations and reasoning can be condensed much further, to what they concluded or produced — as long as nothing in the six items above is dropped.Wenn es gebeten wird, ein offen formuliertes Feature zu implementieren, liefert Claude Fable 5.1, was verlangt wird, und manchmal mehr: Es korrigiert möglicherweise benachbarten Code, erweitert Verhalten, das die Aufgabe nicht erwähnte, oder committet mehr Testdateien, als die Änderung rechtfertigt. Es reagiert gut auf explizite Anweisungen darüber, was es weglassen soll. Mit der folgenden Anweisung gehen nicht angeforderte Ergänzungen und committeter Testcode deutlich zurück, ohne messbare Änderung beim Aufgabenerfolg:
If, while working or testing, you find a pre-existing bug, a performance concern, or behavior the task doesn't mention, don't fix, optimize or extend it in this change unless the requested behavior cannot work without it; report it as a follow-up in your summary. Where the task is ambiguous, implement the reading its wording and the surrounding code most directly support, state that assumption in your summary, and don't build for the other readings as well. Verify your work however you like; scratch scripts and quick checks need not be kept. Commit tests only where the task asks for them or this repository already keeps tests for this kind of change, sized like the neighboring test files — roughly one focused test per stated behavior — and don't turn scratch checks into additional permanent test files. This is about extras only: implement every behavior the task asks for, completely.Bei low-Effort ruft Claude Fable 5.1 mit geringerer Wahrscheinlichkeit als Claude Fable 5 ein Such- oder Abruf-Tool auf und antwortet mit höherer Wahrscheinlichkeit aus dem Gedächtnis. In einigen Fällen ist die einfachste Lösung, den Effort für die betroffenen Turns statt für das gesamte Gespräch zu erhöhen. Siehe Effort mitten im Gespräch ändern.
In anderen Fällen hilft ein Prompt-Anstoß in Richtung Verifizierung. Sage im System-Prompt, dass das Wiedererkennen eines Namens nicht dasselbe ist wie das Kennen seines aktuellen Zustands, und dass solche Namen so gesucht werden sollten, wie der Nutzer sie geschrieben hat:
When a query centers on a name you do not confidently recognize, or recognize from a fast-moving area like AI models and developer tools where the landscape shifts within months, the name itself is the thing to verify: search before answering, and include the name as the user wrote it in at least one query alongside any reformulations. This holds even when you have some background on it — partial background is exactly what makes an out-of-date answer sound authoritative, so familiarity is not a reason to skip the search.Die Sicherheitsklassifikatoren von Claude Fable 5.1 erzeugen weniger Fehlalarme als die von Claude Fable 5 beim Start, und das Finden von Schwachstellen in Quellcode ist erlaubt. Fehlalarme treten weiterhin auf, und eine blockierte Anfrage gibt stop_reason: "refusal" zurück (siehe Ablehnungen, Fallback und Abrechnung). Drei Situationen machen sie wahrscheinlicher:
Wenn Claude Fable 5.1 ganze Dateien für kleine Änderungen neu schreibt, hänge die folgende Anweisung an den System-Prompt oder die erste Nutzernachricht an. Claude Fable 5.1 schreibt mit höherer Wahrscheinlichkeit als Claude Fable 5 eine ganze Textdatei neu, statt eine gezielte Bearbeitung vorzunehmen. Die resultierende Datei ist normalerweise dieselbe, aber ein Neuschreiben kostet mehr Output-Token und Zeit, es sei denn, die Datei ist kurz oder der Großteil davon ändert sich. Die Anweisung bringt Claude Fable 5.1 bei kleinen und mittleren Änderungen wieder auf eine Linie mit Claude Fable 5.
The number of tokens used to edit files is best minimized, all else being equal. Therefore, when it will not affect the end result, try to surgically edit a file rather than rewrite the entire thing.Bei xhigh- und insbesondere max-Effort kann Claude Fable 5.1 länger nachdenken, bevor es mit dem Schreiben seiner Antwort beginnt. Wenn eine einzelne Anfrage ein langes Ergebnis verlangt, etwa eine vollständige Neufassung eines langen Dokuments, entwirft es möglicherweise einen Großteil dieses Ergebnisses in seinem Denken und schreibt es dann als Antwort erneut aus, was eine längere Wartezeit und mehr Output-Token bedeutet. Der einfachste Ansatz ist, solche Anfragen bei high, dem empfohlenen Ausgangspunkt, auszuführen und nur dort zu xhigh oder max zu wechseln, wo du einen Qualitätsgewinn gemessen hast (siehe Alle Effort-Stufen in Betracht ziehen). Wenn du sie doch bei xhigh oder max ausführst:
max_tokens so, dass Platz für das Denken und die Antwort bleibt, nicht nur für die Antwortlänge, die du erwartest.[max_tokens] durch den tatsächlichen max_tokens-Wert der Anfrage, zum Beispiel 64.000.Everything Claude produces in one reply, including any reasoning or drafting it does before the reply, counts toward a single limit of about [max_tokens] tokens. If that limit is reached before the reply is finished, the person receives a cut-off response and has to start over. Composing an entire output or deliverable in full as reasoning and then again as a reply would double the length of the turn without improving the result, so Claude doesn't do that.
Instead, when the person has asked for a long or effort-intensive deliverable such as a multi-section document, a large table or dataset, or a complete code file, Claude spends extra effort on understanding the request, checking the inputs Claude's answer depends on, settling the structure and other difficult decisions, and otherwise using the reasoning space to reason and the output space to write an output. If Claude plans well then it should not need to draft its output multiple times (and Claude is pretty good at planning, so this should not be an issue).Wenn dein Coding-Agent Claude Fable 5.1 Arbeit an Subagenten delegieren lässt, zwinge den leitenden Agenten nicht, anzuhalten und auf jeden einzelnen zu warten. Bei Coding-Aufgaben senkt es die durchschnittliche Zeit bis zum Abschluss bei ähnlicher Qualität, Token-Nutzung und Kosten, wenn der leitende Agent weiterarbeitet, während Subagenten laufen. So richtest du das ein:
user-Nachricht an den leitenden Agenten zurück, sobald es bereit ist.Das Modell entscheidet sich trotzdem oft zu warten. Die Zeitersparnis kommt aus den Durchläufen, in denen es mit anderer Arbeit weitermacht.
Claude Fable 5.1 hat von Haus aus bessere Vision-Fähigkeiten, und bei komplexen visuellen Eingaben wie dichten Diagrammen leistet es seine beste Arbeit, wenn es iterativ analysieren, zuschneiden und visuell verifizieren kann, was es sieht. Um den vollen Nutzen zu erhalten, führe das Modell als Agenten mit Zugriff auf einen Container aus, der die Rohbilder oder -videos enthält und in dem grundlegende Bildverarbeitungsbibliotheken (wie PIL und OpenCV) vorinstalliert sind. Wenn das Betreiben eines Containers zu viel Aufwand ist, liefert ein Bildzuschneide-Tool allein den größten Teil der Verbesserung: Ein Tool, das einen gewählten Bereich des Bildes zugeschnitten und vergrößert zurückgibt, lässt das Modell bestimmte Details eingehender untersuchen und skaliert die Test-Time-Compute mit Bild-Token. Das Crop-Tool-Rezept enthält eine funktionierende Definition.
Was this page helpful?