Gemini 4 vs Claude Fable 5.1: Wahl für Langzeit-Agenten
Status- und Beweistabelle
| Frage | Gemini 4 | Claude Fable 5.1 | Sichere Entscheidung |
|---|---|---|---|
| Offizieller Status | Pre-Training von Google bestätigt (Juli 2026) | Von Anthropic am 1. September 2026 veröffentlicht; als Active (latest) markiert | Die Lücke als Statuslücke behandeln, nicht als Fähigkeitsurteil |
| API-Modell-ID | Nicht veröffentlicht | claude-fable-5-1 (Anthropic) | Niemals eine unveröffentlichte ID in Konfiguration oder Code eintragen |
| Kontext und maximaler Output | Nicht veröffentlicht | 1M Kontext; 128K maximaler Output (Anthropic) | Erfassen, wie viel des Fensters Ihre Traces tatsächlich verbrauchen |
| Eingabemodalitäten | Nicht veröffentlicht | Text- und Bild-Input, Text-Output (Anthropic) | Die von jedem Workload benötigten Modalitäten vor dem Test auflisten |
| Thinking-Steuerung | Nicht veröffentlicht | Adaptives Thinking immer aktiv; Standard-Effort high; vergleichende Latenz als „Slower“ eingestuft (Anthropic) | Effort-Einstellung je Trace protokollieren, damit eine spätere Route mit gleichen Einstellungen getestet wird |
| Struktur der Cache-Preise | Nicht veröffentlicht | Input $10 / Output $50 pro MTok; 5-Minuten-Cache-Write $12.50; 1-Stunden-Cache-Write $20; Cache-Read $0.25 pro MTok (Anthropic-Listenpreis) | Cache-Ökonomie lässt sich erst vergleichen, wenn beide Seiten TTLs und Sätze veröffentlichen |
| Batch-Verfügbarkeit | Nicht veröffentlicht | Anthropic listet Batch-Input und -Output zu 50 % von Standard | Standard mit Standard vergleichen, Batch mit Batch |
| Dokumentierte Breaking Changes | Nicht veröffentlicht | Drei in Anthropics Migrationsleitfaden: Fehler bei erzwungener Tool-Wahl, Inkompatibilität älterer Modelle mit 5.1-Thinking-Blocks, ungültige Thinking-Blocks nach Bearbeitung früherer Turns | Eine veröffentlichte Breaking-Change-Liste ist testbar; eine fehlende nicht |
| EvoLink-Route | Keine verifizierte aufrufbare Route; Launch-Alert offen | Konfigurierte Route claude-fable-5-1; Preise auf der Produktseite | Zurückgegebene Modellidentität beim ersten Request jeder Route verifizieren |
Die Gemini-4-Spalte ist eine Liste dessen, was sich messen lässt, keine Kritik. Jede Zelle „Nicht veröffentlicht“ ist ein Feld, für das Ihr Harness bereits einen Platz haben sollte, damit ein veröffentlichter Vertrag Werte einträgt, statt ein Redesign zu erzwingen.
Welche lang laufenden Aufgaben eine Evaluierung lohnen
Lang laufende Agenten-Arbeit ist kein einzelner Workload. Fünf Aufgabenklassen decken die meisten Traces ab, die Teams zu Fable 5.1 routen, jede mit eigener Definition von „akzeptiert“. Erfassen Sie die Baseline je Klasse; beurteilen Sie auch jede künftige Gemini-4-Route je Klasse.
| Workload | Was „akzeptiert“ bedeutet | Was jetzt auf Fable 5.1 zu erfassen ist | Was eine Gemini-4-Route später erreichen muss |
|---|---|---|---|
| Reparatur über mehrere Dateien im Repository | Tests bestehen, Diff geprüft, keine fremden Dateien berührt | Gelesene und bearbeitete Dateien, Tool-Calls, Retries, Reviewer-Minuten, Tokens pro akzeptiertem Fix | Gleiches Aufgabenset, gleiche Testsuite und Reviewer-Rubrik |
| Mehrstufige Recherche und Wissensergebnisse | Zitate auflösbar, Struktur entspricht dem Briefing, keine unbelegten Behauptungen | Abgerufene Quellen, angeforderte Überarbeitungen, Faktenkorrekturen pro Ergebnis | Gleiche Briefings und gleicher Faktencheck |
| Mehrstündige Tool-Schleifen | Schleife endet bei der Stop-Bedingung mit gültigem Endzustand | Schleifenanzahl, fehlgeschlagene Tool-Calls, Checkpoints, Resume-Ereignisse, Wall-Clock bis zur Beendigung | Gleiche Tools, Berechtigungen, Retry-Budget und Stop-Regeln |
| Strukturierte Extraktion aus langen Dokumenten | Output validiert gegen Schema; Stichprobenfelder stimmen mit der Quelle überein | Dokumentlänge, Schema-Fehler, Wiederholungsläufe, Feldgenauigkeit auf einer festen Stichprobe | Gleiche Dokumente, gleiches Schema und gleiche Stichprobe |
| Mehrstufige Tool-Flows im Kundenservice | Ticket innerhalb der Policy ohne menschliche Eskalation gelöst | Eskalationen, falsche Tool-Calls, Policy-Verstöße, Bearbeitungszeit | Gleiche Flow-Definitionen und Policy-Prüfungen |
Keine Zeile nennt ein bevorzugtes Modell, weil es keinen abgestimmten Lauf gibt. Die Tabelle legt nur fest, was „dieselbe Aufgabe“ bedeuten wird, wenn eine zweite Route verfügbar wird.
Kontext-Wiederverwendung und Cache-Bedingungen
Lang laufende Agenten senden dieselbe Repository-Karte, dieselben Tool-Schemas und Anweisungen in jedem Turn erneut, weshalb die Cache-Preise die Token-Rechnung dominieren. Es ist zugleich der Teil des Vergleichs, der heute nicht beginnen kann.
Google hat weder Cache-TTLs für Gemini 4 noch Schreib- oder Lesesätze, den Cache-Umfang (automatisches Präfix-Caching gegenüber expliziten Cache-Objekten) oder eine minimale cachebare Größe veröffentlicht. Ohne diese vier Werte gibt es keinen Nenner: Ein Cache-Read mit fünf Minuten TTL ist ein anderes Produkt als einer mit einer Stunde, und ein Präfix-Cache pro Request ist ein anderes Produkt als ein benannter Cache, den mehrere Agenten teilen. Unterschiedliche TTLs, Kontextumfänge und Batch-Modi lassen sich nicht in einer Zahl mischen.
Fable 5.1 liefert die Struktur, gegen die Sie erfassen können. Anthropic dokumentiert einen 5-Minuten-Cache-Write zu $12.50 pro MTok, einen 1-Stunden-Write zu $20 pro MTok, Cache-Reads zu $0.25 pro MTok und Batch zu 50 % von Standard-Input und -Output. Protokollieren Sie für jeden Fable-Trace:
- welche TTL gewählt wurde und warum (Turn-Abstände unter fünf Minuten oder Pausen, die den 1-Stunden-Write rechtfertigten);
- Größe des gecachten Präfixes und wie oft es sich mitten in der Aufgabe änderte, da ein geändertes Präfix einen neuen Write erzwingt;
- Cache-Read-Tokens gegenüber frischen Input-Tokens je Turn;
- ob der Trace als Standard oder Batch lief und wie Anthropics Preisseite Batch zum Zeitpunkt des Laufs mit Cache-Modifikatoren kombinierte.
Kosten für Retry, Recovery und menschliche Übernahme
Das ist die Ebene, die eine Spezifikationstabelle nie zeigt und auf der die meisten Budgets für lang laufende Agenten tatsächlich verloren gehen. Ein Trace, der beim dritten Versuch abschließt, nachdem ein Mensch ihn entblockt hat, kostet nicht dasselbe wie ein Trace, der beim ersten Mal abschließt. Protokollieren Sie sechs Ereignisse je Trace, jeweils mit Zeitstempel und Tokenanzahl:
- Schleifenerkennung. Derselbe Tool-Call mit denselben Argumenten, wiederholt über eine vorab festgelegte Schwelle hinaus. Erfassen Sie, wie viele Turns verbrannt wurden, bevor die Stop-Regel auslöste.
- Fehlgeschlagene Tool-Calls. Trennen Sie anbieterseitige Fehler, toolseitige Fehler und modellseitig fehlerhaft geformte Calls. Nur der dritte Typ ist ein Signal für Modellqualität; die anderen beiden sind Infrastrukturkosten, die auch eine neue Route zahlen wird.
- Checkpoint-Integrität. Verifizieren Sie, dass jeder gespeicherte Zustand die Aufgabe tatsächlich wiederherstellen kann. Ein Checkpoint, der sich nicht fortsetzen lässt, ist verschwendeter Output plus ein vollständiger Neulauf.
- Fortsetzung nach Unterbrechung. Zählen Sie die Tokens für den Wiederaufbau des Kontexts nach einem Rate Limit, Timeout oder Operator-Stopp getrennt von den Tokens des ersten Laufs.
- Ungültige Thinking-Blocks. Anthropics Migrationsleitfaden dokumentiert, dass das Bearbeiten früherer Turns erhaltene Fable-5.1-Thinking-Blocks ungültig macht. Jedes Framework, das den Verlauf zur Verdichtung oder Korrektur umschreibt, löst das aus; erfassen Sie, wie oft, und was das erneute Denken kostet. Ob Gemini 4 eine vergleichbare Regel hat, ist nicht veröffentlicht.
- Menschliche Übernahme. Reviewer-Minuten für Entblocken, Korrigieren oder Fertigstellen der Aufgabe, als Zeit protokolliert, damit sie nie in einer API-Summe verschwinden.
Speichern Sie diese als Felder im Trace-Datensatz, nicht in einem separaten Incident-Log; Kosten pro akzeptierter Aufgabe sind nur aussagekräftig, wenn Retries, Fortsetzungen und Reviewer-Minuten unter derselben Aufgaben-ID stehen wie die Tokens.
Die vollständige Variablentabelle der Aufgabenkosten
Der Nenner für jede Zahl unten sind Aufgaben, die abgeschlossen wurden und die Abnahme bestanden haben. Aufgaben, die abgeschlossen wurden, aber die Prüfung nicht bestanden, zählen bei den Ausgaben (sie wurden bezahlt), aber nicht im Nenner. API-Ausgaben und menschliche Zeit bleiben in getrennten Spalten; rechnen Sie Minuten erst auf der Berichtsebene in Geld um, zu einem Satz, den Ihr Finanzteam verantwortet.
| Variable | Wie heute auf Fable 5.1 erfassen | Gemini-4-Status |
|---|---|---|
| Input-Tokens | Frischer (ungecachter) Input je Turn, je Aufgabe summiert, aus den Usage-Zählern, die EvoLink zurückgibt | Unbekannt, bis der Vertrag veröffentlicht ist |
| Cache-Write | Geschriebene Tokens, getrennt nach 5-Minuten- und 1-Stunden-TTL, mit Anzahl der Writes je Aufgabe | Unbekannt, bis der Vertrag veröffentlicht ist |
| Cache-Read | Aus dem Cache bediente Tokens je Aufgabe; zusätzlich die Trefferquote (Cache-Read / (Cache-Read + frischer Input)) protokollieren | Unbekannt, bis der Vertrag veröffentlicht ist |
| Output-Tokens | Endantwort plus Tool-Argumente der Zwischenschritte, je Aufgabe summiert | Unbekannt, bis der Vertrag veröffentlicht ist |
| Tool-Calls und externe Kosten | Anzahl und etwaige gemessene Kosten (Suche, Codeausführung, Drittanbieter-APIs) je Aufgabe | Unbekannt, bis der Vertrag veröffentlicht ist |
| Retries | Versuche über den ersten hinaus, mit Tokens je Versuch, derselben Aufgaben-ID zugeordnet | Unbekannt, bis der Vertrag veröffentlicht ist |
| Nutzung der Fallback-Route | Ob ein Turn von einem anderen Modell bedient wurde, und welchem, verifiziert über das zurückgegebene Feld model | Unbekannt, bis der Vertrag veröffentlicht ist |
| Menschliche Prüfminuten | Reviewer- und Operator-Zeit je Aufgabe, in Minuten erfasst | Wird in eigenen Läufen gemessen, sobald eine Route existiert; kein vom Anbieter veröffentlichter Wert |
| Wall-Clock bis zur Abnahme | Zeit vom Aufgabenstart bis zum akzeptierten Ergebnis, einschließlich Wartezeiten und menschlicher Turns | Wird in eigenen Läufen gemessen, sobald eine Route existiert; kein vom Anbieter veröffentlichter Wert |
| Rate akzeptierter Aufgaben | Akzeptierte Aufgaben / versuchte Aufgaben je Workload-Klasse über das Fenster | Wird in eigenen Läufen gemessen, sobald eine Route existiert; kein vom Anbieter veröffentlichter Wert |
Kosten pro akzeptierter Aufgabe sind API-Ausgaben geteilt durch akzeptierte Aufgaben, berichtet neben Prüfminuten pro akzeptierter Aufgabe. Eine Route, die das Erste senkt und das Zweite erhöht, hat keine Kosten reduziert; sie hat Kosten auf Menschen verlagert.
Abnahme der Abschlussqualität
Eine Abnahme-Rubrik, die nur für ein Modell funktioniert, ist eine Präferenz, keine Rubrik. Bauen Sie die Abnahme so, dass sie einen Modellwechsel überlebt:
- Objektive Prüfungen zuerst. Tests bestehen, Schema validiert, Zitate lösen auf, der Diff berührt nur deklarierte Dateien. Binär und mit geringem Aufwand bei jedem Trace ausführbar.
- Reviewer-Rubrik danach. Eine kurze feste Checkliste je Workload-Klasse (Korrektheit, Vollständigkeit, Sicherheit, Einhaltung des Briefings), bewertet von Reviewern, die nicht wissen, welche Route den Output erzeugt hat.
- Wiederholte Läufe. Führen Sie jede Aufgabe mehr als einmal aus und berichten Sie die Rate akzeptierter Aufgaben als Spanne, damit ein einmaliger Erfolg nicht zur Fähigkeit erklärt wird.
- Angabe der Unsicherheit. Veröffentlichen Sie Stichprobengröße, Einstellungen (Effort, Tools, TTL) und die Fehlerliste neben jedem Ergebnis. Eine Rate ohne Stichprobengröße ist kein Beleg.
Schreiben Sie die Rubrik, bevor irgendein Gemini-4-Zugang existiert; nachträglich geschrieben, wird sie sich um das biegen, was die neue Route zufällig gut kann.
Shadow-Traffic und Rollback-Plan
Wenn eine Gemini-4-Route irgendwann existiert, sollte sie über dieselben drei Stufen eingeführt werden wie jede neue Route, mit Fable 5.1 als gemessener Baseline über den gesamten Zeitraum.
- Replay. Speisen Sie aufgezeichnete Fable-5.1-Traces offline in den Kandidaten; vergleichen Sie Rate akzeptierter Aufgaben und Kosten pro akzeptierter Aufgabe auf identischen Eingaben.
- Shadow. Senden Sie Live-Requests an beide Routen, liefern Sie die Fable-5.1-Antwort aus, bewerten Sie den Kandidaten still. Das macht Schleifen und Tool-Fehler sichtbar, ohne Nutzer zu exponieren.
- Canary. Routen Sie eine Workload-Klasse mit kleinem Anteil; erweitern Sie nur, wenn die Gates über das Beobachtungsfenster halten.
Beförderungs-Gates, festgelegt vor Testbeginn: Rate akzeptierter Aufgaben auf oder über der Baseline; p95-Wall-Clock bis zur Abnahme innerhalb der vereinbarten Grenze; Kosten pro akzeptierter Aufgabe, einschließlich Retries und Fallback, auf oder unter der Baseline; null Vorfälle für die Workload-Klasse über das Fenster.
Rollback-Auslöser: ein Gate, das an der vereinbarten Anzahl aufeinanderfolgender Tage verfehlt wird, oder ein Vorfall, der einen Kunden erreicht. Rollback ist eine Gateway-Konfigurationsänderung, kein Code-Deploy – deshalb gehört die Modellauswahl in die Routing-Konfiguration und nicht in den Anwendungscode.
model und die Usage-Zähler zu lesen und zu prüfen, dass sie zur konfigurierten Route passen. Auf einem Gateway bestätigt das, dass ein Request vom angefragten Modell bedient wurde und nicht stillschweigend von einem Fallback. Tun Sie das beim ersten Request jeder neuen Route und kontinuierlich im Shadow; tragen Sie das Ergebnis im Fallback-Routen-Feld der Kostentabelle ein.Was nicht als Fortschritt zählen würde
- Ein größeres, gerüchteweise kursierendes Gemini-4-Kontextfenster ohne abgeschlossene lange Aufgaben als Nachweis.
- Ein niedrigerer Schlagzeilenpreis, der durch Retries, Fortsetzungen, längere Outputs oder zusätzliche Prüfminuten aufgezehrt wird.
- Geleakte Benchmark-Screenshots oder Spezifikationstabellen Dritter ohne Einstellungen, Stichprobengröße oder reproduzierbares Aufgabenset.
- Eine Route, die ein älteres Modell oder einen undurchsichtigen Fallback zurückgibt, während sie den neuen Namen trägt.
- Ein eintägiger Vorsprung bei akzeptierten Aufgaben, der über wiederholte Läufe oder das volle Beobachtungsfenster verschwindet.
Schreiben Sie diese Ausschlussregeln jetzt, im selben Dokument wie die Abnahme-Rubrik. Teams, die diesen Schritt überspringen, neigen dazu, Erfolg um das erste aufregende Ergebnis herum neu zu definieren.
Claude Fable 5.1 auf EvoLink evaluieren Gemini 4 API-Verfügbarkeit verfolgenFAQ
Kann heute jemand belegen, dass Gemini 4 für Agenten weniger kostet als Claude Fable 5.1?
Nein. Google hat mit Stand vom 16. September 2026 weder einen Gemini-4-Preis noch eine Cache-Regel, ein Kontextfenster oder einen API-Eintrag veröffentlicht, sodass jede Kostenbehauptung in beiden Richtungen keinen veröffentlichten Nenner hat. Erfassen Sie Ihre Fable-5.1-Kosten pro akzeptierter Aufgabe jetzt, damit eine spätere Behauptung an etwas geprüft werden kann.
Lassen sich Cache-Preise über Anbieter hinweg direkt vergleichen?
Nicht als Einzelzahlen. Ein Cache-Read ist nur vergleichbar, wenn TTL, Cache-Umfang (Präfix gegenüber explizit), minimale cachebare Größe und Standard-gegen-Batch-Modus übereinstimmen. Anthropic dokumentiert für Fable 5.1 die 5-Minuten- und 1-Stunden-Write-Stufen und den Lesesatz; Gemini 4 hat nichts davon veröffentlicht.
Wie zähle ich die Kosten einer fehlgeschlagenen lang laufenden Aufgabe?
Ordnen Sie jeden Versuch, jede Fortsetzung und jede Reviewer-Minute derselben Aufgaben-ID zu. Fehlgeschlagene und nicht akzeptierte Aufgaben bleiben in den Gesamtausgaben, aber nicht im Nenner der akzeptierten Aufgaben. Berichten Sie API-Ausgaben pro akzeptierter Aufgabe und Prüfminuten pro akzeptierter Aufgabe als zwei Zahlen, niemals zusammengeführt.
Wie erfasse ich Funktionen, die Gemini 4 nicht veröffentlicht hat?
Legen Sie das Feld mit dem Wert „Nicht veröffentlicht, Stand [Datum]“ an. Füllen Sie es nicht mit einem Gemini-3.x-Wert, einer geleakten Zahl oder null. Wenn Google einen Vertrag veröffentlicht, ersetzen Sie den Platzhalter und vermerken das Änderungsdatum, damit historische Vergleiche ehrlich bleiben.
Wie behalte ich meine verifizierte Claude-Baseline, während ich eine neue Route teste?
Ist Fable 5.1 jetzt auf EvoLink verfügbar?
claude-fable-5-1. Verifizieren Sie beim ersten Request die zurückgegebene Modellidentität und die Usage-Zähler, bevor Sie Produktions-Traffic routen, und prüfen Sie die aktuellen Preise auf der Claude Fable 5.1 Produktseite. Gateway-Verfügbarkeit ist kein Produktionsurteil; das liefern Ihre eigenen Replay-, Shadow- und Canary-Ergebnisse.Quellen
- Anthropic: Claude Fable 5.1 Modellübersicht
- Anthropic: Claude Fable 5.1 Migrationsleitfaden
- Anthropic: Preise, Cache-TTL und Batch
- Anthropic: Claude Fable 5.1 Ankündigung
- Anthropic: Claude Fable Produktseite
- Anthropic: Modell-Deprecations
- Google: Mitteilung des CEO zu Alphabets Q2-2026-Ergebnissen
- Google: Ankündigung von Gemini 3.6 Flash
- Google: Gemini-API-Modellkatalog
- EvoLink: Gemini 4 API-Status
- EvoLink: Claude Fable 5.1
- EvoLink: Gemini 4 Release-Tracker
- EvoLink: Claude Fable 5.1 vs GPT-6 Astra
