Das Modell endet vor dem Beweis Das Modell endet vor dem Beweis

Ein Modell, zwei Grenzen

Eine entworfene Proteinsequenz kann auf dem Bildschirm plausibel wirken. Ob sie tatsächlich bindet, entscheidet sich erst am Laborgerät. Dazwischen liegen Synthese, Messung und Kontrolle. Genau in diesem Abstand zwischen schlüssigem Entwurf und belastbarem Befund liegt die interessanteste Behauptung hinter Claude Fable 5.1 und Claude Mythos 5.1.

Anthropic stellte beide Varianten am 1. September 2026 vor. Nach Angaben des Unternehmens beruhen sie auf demselben Modell, unterscheiden sich aber beim Zugang und bei den Schutzmechanismen. Fable 5.1 ist allgemein verfügbar und begrenzt sensible Anfragen aus Cybersicherheit und Biowissenschaften stärker. Mythos 5.1 soll geprüften Organisationen weitergehenden Zugriff auf diese Fähigkeiten gewähren. Die Modellankündigung von Anthropic ↗ beschreibt diese Trennung ausdrücklich.

Damit wird Forschung zum Ordnungsprinzip einer Modellfamilie. Die weniger eingeschränkte Variante ist ausgerechnet dort am stärksten abgeschirmt, wo Ergebnisse besonders folgenreich sein können. Für wissenschaftliche Arbeit zählt deshalb nicht mehr nur, welches Modell eine Aufgabe lösen kann. Ebenso relevant ist, wer darauf zugreifen darf und ob Schutzsysteme einen laufenden Versuch verändern.

Forschung beginnt zwischen den Antworten

Fable 5.1 ist nicht schon deshalb ein Forschungsmodell, weil es Fachsprache beherrscht. Der behauptete Fortschritt liegt in längeren, geschlossenen Arbeitsabläufen. Das Modell kann Werkzeuge aufrufen, Zwischenergebnisse auswerten, Berechnungen anpassen und anschließend weiterarbeiten. Die offizielle Modelldokumentation ↗ nennt dafür unter anderem ein Kontextfenster von einer Million Tokens, adaptive Rechenintensität und Fortschrittsmeldungen zwischen Werkzeugaufrufen.

Wie eine solche agentische KI in der Forschung eingesetzt werden kann, zeigt Anthropic an drei Versuchen. Beim Entwurf von Proteinbindern erhielt Mythos 5.1 Zugriff auf quelloffene Design- und Faltungswerkzeuge. Externe Organisationen prüften die erzeugten Kandidaten anschließend experimentell. Anthropic berichtet von einer Trefferquote von annähernd 50 Prozent über zwölf Zielproteine. Bei drei Zielen sollen die Bindungsaffinitäten zehnmal über den besten Einreichungen vergleichbarer Wettbewerbe gelegen haben. Diese Werte stammen aus der Veröffentlichung des Anbieters ↗.

In einem zweiten Projekt trainierte Fable 5.1 ein neuronales Netz, das Radardaten der Magellan-Mission zu einer neuen Höhenkarte der Venus verarbeitete. Nach Unternehmensangaben deckt sie ungefähr ein Drittel des Planeten ab und löst Strukturen im Bereich von zwei bis drei Kilometern auf. Anthropic verweist dabei auf einen veröffentlichten Datensatz. Damit liegt zumindest ein Artefakt vor, das Fachleute außerhalb des Unternehmens untersuchen können. Auch die Angaben zu Abdeckung und Auflösung sind in der Primärquelle von Anthropic ↗ dokumentiert.

Das dritte Beispiel betrifft den weniger sichtbaren Unterbau wissenschaftlicher KI. Mythos 5.1 schrieb angepasste GPU-Kernels für sieben quelloffene Modelle aus Protein- und Genomforschung. Anthropic meldet Beschleunigungen von bis zu Faktor 2,5 bei identischen Ausgaben und schätzt die möglichen Rechenkostenersparnisse ausgewählter Analysen auf 30 bis 60 Prozent. Zum Zeitpunkt der Ankündigung war der optimierte Code jedoch noch nicht offen verfügbar. Die Zahlen bleiben daher zunächst Angaben des Unternehmens ↗.

Die Forschungsleistung entsteht in keinem dieser Fälle aus dem Modell allein. Sie setzt sich aus Sprachmodell, Werkzeugen, Daten, Rechenzeit, Ausführungsumgebung und externer Prüfung zusammen. Wer nur Modellnamen oder Ranglisten vergleicht, betrachtet deshalb zunehmend den falschen Gegenstand.

52,6 Prozent sind noch keine Entdeckung

Die deutlichste Benchmarkzahl betrifft Terminal-Bench-Science 0.1, eine Sammlung agentischer Aufgaben in wissenschaftlichen Computerumgebungen. Anthropic weist für Fable 5.1 eine Genauigkeit von 52,6 Prozent aus. Fable 5 erreicht im selben Versuchsaufbau 24,7 Prozent, Opus 5 kommt auf 29 Prozent. Der angegebene Standardfehler liegt je nach Modell zwischen 3,5 und 4,5 Prozentpunkten. Der Abstand ist damit auffällig, bleibt aber Teil einer Evaluation des Anbieters ↗.

Die optimistische Lesart lautet: Neue KI-Modelle beginnen, wissenschaftliche Aufgaben nicht nur zu kommentieren, sondern in ausführbaren Umgebungen zu bearbeiten. Sie schreiben Code, starten Werkzeuge, reagieren auf Fehler und halten eine Untersuchung über mehr Schritte zusammen. Gerade an diesen Übergängen verloren frühere Systeme häufig den Faden, obwohl einzelne Antworten überzeugend klangen.

Doch ein bestandener Benchmark ist keine wissenschaftliche Entdeckung. Ein veröffentlichter Datensatz ist etwas anderes als eine bestätigte Hypothese. Ein im Labor bindendes Protein ist noch kein Arzneimittel. Wissenschaft verlangt dokumentierte Methoden, wiederholbare Versuche und die Möglichkeit, einen Befund zu widerlegen. Wenn ein Modell mehr Schritte übernimmt, müssen nicht weniger, sondern mehr Entscheidungen rekonstruierbar bleiben.

Deshalb sind auch Anthropics drei Beispiele unterschiedlich belastbar. Die Venus-Karte lässt sich anhand eines veröffentlichten Artefakts untersuchen. Die Proteinbinder wurden laut Unternehmen extern getestet, doch die Darstellung von Methodik und Ergebnissen stammt bislang vor allem von Anthropic. Bei den GPU-Kernels fehlte zum Zeitpunkt der Ankündigung noch der offene Code. Zu sehen ist ein Fortschritt in Richtung prüfbarer Forschungsartefakte – noch keine umfassend dokumentierte unabhängige Replikation.

Zugang verändert die Methode

Bei lang laufender KI in der Forschung beeinflusst der Preis, wie oft ein Versuch wiederholt und wie gründlich ein Ergebnis kontrolliert werden kann. Für Fable 5.1 nennt Anthropic zehn US-Dollar je Million Eingabetokens und 50 US-Dollar je Million Ausgabetokens. Zugleich empfiehlt die Modelldokumentation, für die meisten Arbeitslasten zunächst Opus 5 einzusetzen und erst dann auf Fable 5.1 zu wechseln, wenn Evaluationen mit dem günstigeren Modell nicht genügen. Diese Preis- und Einsatzangaben ↗ relativieren die Vorstellung, das stärkste Modell müsse automatisch zum Standard werden.

Bei Mythos 5.1 ist nicht nur der Preis eine Grenze. Der Zugang bleibt nach Angaben von Anthropic geprüften Organisationen vorbehalten und wird gegenwärtig nur einer ausgewählten Gruppe in den Vereinigten Staaten angeboten. Standardmäßig sollen Nutzungsdaten 30 Tage aufbewahrt werden. Für Forschungseinrichtungen in Deutschland, Österreich und der Schweiz ist die weniger eingeschränkte Variante damit derzeit nicht regulär verfügbar. Die Zugangs- und Datenregeln für Mythos ↗ sind dadurch selbst Teil der wissenschaftlichen Einordnung.

Auch Schutzmechanismen können die Methode verändern. Sensible Anfragen aus Biowissenschaften oder Cybersicherheit dürfen bei Fable begrenzt oder an ein anderes Modell weitergeleitet werden. Ein Forschungsablauf kann folglich unter demselben Produktnamen seine technische Grundlage wechseln. Ohne Protokollierung bleibt später unklar, ob zwei Durchläufe wirklich unter denselben Bedingungen stattgefunden haben.

Der letzte Schritt bleibt offen

Die Neuigkeit ist kleiner als die Erzählung vom künstlichen Wissenschaftler – und gerade deshalb relevant. Fable 5.1 und Mythos 5.1 liefern Hinweise darauf, dass ein Modell größere Teile eines Forschungszyklus zusammenhalten kann: Daten erschließen, Code schreiben, Werkzeuge bedienen, Zwischenresultate bewerten und den nächsten Versuch vorbereiten. Das ist mehr als eine bessere Antwort. Es verschiebt das Modell vom Gesprächspartner in die ausführende Infrastruktur.

Die beteiligten Menschen müssen dadurch nicht jeden Rechenschritt selbst übernehmen. Sie bestimmen aber weiterhin, welche Messung zählt, ob ein Datensatz geeignet ist und ob ein überraschendes Resultat eine Entdeckung oder ein Artefakt darstellt. Je länger das Modell arbeitet, desto wichtiger wird ein Versuchsaufbau, der seine Entscheidungen später noch lesbar macht.

Geändert hat sich, wie weit ein KI-System von einer offenen Aufgabe bis zu einem prüfbaren Artefakt gelangen kann. Noch nicht belegt ist, wie oft daraus unabhängig bestätigte wissenschaftliche Erkenntnis entsteht. Das Modell kommt dem Befund näher. Über seine Gültigkeit entscheidet weiterhin etwas außerhalb des Modells.