- \n
- Zes promptingregels<\/strong> maken het verschil tussen duur aanmodderen en effici\u00ebnt werken met Fable 5.<\/li>\n
- Context verslaat commando’s:<\/strong> vertel het model het waarom<\/em>, niet alleen het wat<\/em>.<\/li>\n
- Kies het effortniveau bewust<\/strong> \u2013 niet elke taak heeft het duurste model op de hoogste stand nodig.<\/li>\n
- Laat verifi\u00ebren:<\/strong> laat resultaten aantonen in plaats van er blind op te vertrouwen.<\/li>\n
- Minder is meer:<\/strong> bij een zo intelligent model sturen korte, heldere instructies vaak beter dan paginalange regelsets.<\/li>\n<\/ul>\n\n\n\n
Waarom prompten bij Fable 5 anders werkt<\/h2>\n\n\n\n
Fable 5 volgt korte, heldere instructies beter op dan eerdere modellen \u2013 simpelweg omdat het beter is in logisch redeneren. Het \u201ebegrijpt\u201c uw bedoeling vaak al voordat u elk detail hebt uitgespeld. Precies daaruit volgen de zes regels: ze zijn geen doel op zich, maar benutten die kracht gericht.<\/p>\n\n\n\n
Vooraf een eerlijke opmerking: Fable 5 is geen goedkoop model. Het kost ongeveer 10 US-dollar per miljoen inputtokens en 50 US-dollar per miljoen outputtokens \u2013 dus precies het dubbele van Opus 4.8 (5 respectievelijk 25 US-dollar). Voor de meeste routinetaken hebt u het helemaal niet nodig. De eigenlijke kunst is het alleen dan in te zetten wanneer het zich werkelijk loont.<\/p>\n\n\n\n
![\"Duitstalige](\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/07\/infographic.png\")
De zes promptingregels voor Claude Fable 5 in \u00e9\u00e9n oogopslag (infographic in het Duits).<\/figcaption><\/figure>\n\n\n\n Regel 1: geef het model het \u201ewaarom\u201c<\/h2>\n\n\n\n
Anthropic is duidelijk: Fable 5 levert betere resultaten wanneer het uw bedoeling kent. Context verbindt de taak met de juiste informatie \u2013 in plaats van dat het model de bedoeling zelf moet raden. De documentatie stelt zinsgetrouw zelfs een vaste formule voor: \u201eIk werk aan [de grotere taak] voor [wie]. Nodig is [wat het resultaat mogelijk maakt]. Tegen die achtergrond: [het verzoek].\u201c<\/p>\n\n\n\n
- \n
- In plaats van:<\/strong> \u201eSchrijf me een e-mail aan een klant over de vertraging.\u201c<\/li>\n
- Beter:<\/strong> \u201eIk werk aan het volgende grotere project, dit is de klant en dit is zijn kwestie. Kun je me met die context een e-mail over de vertraging schrijven?\u201c<\/li>\n<\/ul>\n\n\n\n
Geldt voor: elk model<\/strong>. Wie toch al met contextbestanden of een goed gestructureerd kennissysteem werkt, geeft het model daarmee ook de kans gericht de juiste informatie op te zoeken.<\/p>\n\n\n\n
Regel 2: zeg uitdrukkelijk wat het NIET moet doen<\/h2>\n\n\n\n
AI-modellen voorspellen in de kern het volgende plausibele woord \u2013 en worden daarbij soms \u201ecreatief\u201c en doen dingen die u niet wilde. Negatief prompten perkt dat in. Anthropic doet het in de eigen documentatie net zo voor. E\u00e9n voorbeeld richt zich erop dat Fable 5 bij hogere effort niet ongevraagd \u201eopruimt\u201c (zinsgetrouw vertaald):<\/p>\n\n\n\n
\u201eVoeg geen features toe, refactor niet en introduceer geen abstracties die verder gaan dan wat de taak vraagt. Een bugfix heeft geen opruimwerk eromheen nodig. Doe het eenvoudigste dat goed werkt.\u201c<\/p><\/blockquote>\n\n\n\n
De beste vergelijking: leg het uit zoals aan een stagiair. Aan een nieuweling zegt u heel vanzelfsprekend wat hij niet<\/em> moet doen, omdat hij het proces nog niet kent. Het tweede voorbeeld uit de documentatie bakent precies die grens af (zinsgetrouw vertaald):<\/p>\n\n\n\n
\u201eWanneer de gebruiker een probleem beschrijft, een vraag stelt of hardop nadenkt \u2013 in plaats van een wijziging te vragen \u2013 is het resultaat jouw inschatting. Rapporteer wat je vindt, en stop. Pas geen correctie toe tot men je daar uitdrukkelijk om vraagt.\u201c<\/p><\/blockquote>\n\n\n\n
Geldt voor: elk model<\/strong>.<\/p>\n\n\n\n
Regel 3: laat het handelen zodra het genoeg weet<\/h2>\n\n\n\n
Stop met overplannen. Anthropic formuleert daarvoor in de Fable 5-documentatie een eigen snippet \u2013 juist omdat afzonderlijke verzoeken bij hoge effortstanden vele minuten kunnen lopen terwijl het model context verzamelt, bouwt en zichzelf controleert (zinsgetrouw vertaald):<\/p>\n\n\n\n
\u201eAls je genoeg informatie hebt om te handelen, handel dan. Leid geen feiten opnieuw af die in het gesprek al vaststaan, rol geen beslissing opnieuw op die de gebruiker al genomen heeft, en som geen opties op die je toch niet volgt.\u201c<\/p><\/blockquote>\n\n\n\n
En: kies het passende effortniveau.<\/strong> Fable 5 biedt meerdere standen \u2013 low, medium, high, extra high<\/em>. Anthropics aanbeveling letterlijk:<\/p>\n\n\n\n
- \n
- high<\/strong> als standaard voor de meeste taken<\/li>\n
- extra high (xhigh)<\/strong> voor de meest capaciteitsgevoelige workloads<\/li>\n
- medium of low<\/strong> voor routinewerk<\/li>\n<\/ul>\n\n\n\n
Interessant: volgens de documentatie overtreffen zelfs lage effortstanden van Fable 5 vaak de hoogste stand van eerdere modellen \u2013 tegen lagere kosten. Wie Fable 5 daarentegen voor alles<\/em> op maximum laat draaien, legt vrijwel altijd geld toe. Realistisch hebt u het topmodel maar voor een klein deel van uw taken nodig.<\/p>\n\n\n\n
Regel 4: laat het aantonen dat het klaar is<\/h2>\n\n\n\n
Dit is mogelijk de belangrijkste regel. Modellen beweren soms dat ze klaar zijn \u2013 terwijl ze dat niet zijn, of niets gecontroleerd hebben. Anthropic meldt dat het toetsen van voortgang aan echte toolresultaten verzonnen statusmeldingen in tests vrijwel heeft ge\u00eblimineerd. Bouw dus verificatielussen in (zinsgetrouw vertaald):<\/p>\n\n\n\n
\u201eVoordat je voortgang meldt, toets je elke bewering aan een toolresultaat uit deze sessie. Rapporteer alleen werk waarvoor je bewijs kunt tonen. Is iets nog niet geverifieerd, zeg dat dan uitdrukkelijk in plaats van te raden. Faalt een test, zeg het dan met de uitvoer; is een stap overgeslagen, zeg dat.\u201c<\/p><\/blockquote>\n\n\n\n
De tip geldt voor elk model<\/strong> \u2013 en hoort idealiter vast in uw Skills, agents en configuratiebestanden te zitten, in plaats van aan elke afzonderlijke prompt te worden geplakt.<\/p>\n\n\n\n
Regel 5: vraag Fable 5 niet zijn gedachten prijs te geven<\/h2>\n\n\n\n
Deze regel is Fable-specifiek<\/strong> \u2013 en wordt in de offici\u00eble documentatie uitdrukkelijk genoemd. Prompts, Skills of harness-instructies die het model vragen zijn interne redenering als antwoordtekst weer te geven, te transcriberen of uit te leggen, kunnen de refusal-categorie reasoning_extraction<\/em> in werking zetten. Het gevolg: meer fallbacks naar Claude Opus 4.8. Controleer bij een overstap daarom uw bestaande Skills en systeemprompts op formuleringen in de trant van \u201eleg je gedachtegang uit\u201c. Hebt u werkelijk inzicht in de redenering nodig, lees dan de gestructureerde thinking<\/em>-blokken uit \u2013 in plaats van het model erom te vragen.<\/p>\n\n\n\n
Regel 6: zeg minder, niet meer<\/h2>\n\n\n\n
Klinkt aanvankelijk tegenstrijdig \u2013 het heette immers lang: meer context is beter. Maar het instruction-following van Fable 5 is zo goed dat een korte instructie de meeste gedragingen even betrouwbaar aanstuurt als een uitgespeld regelwerk \u2013 mits het model in een goede omgeving werkt met context, tools en Skills.<\/p>\n\n\n\n
Dat is geen<\/strong> tegenspraak met regel 1: het \u201ewaarom\u201c meegeven betekent niet alles opblazen. In plaats van \u201eregel \u00e9\u00e9n: wees bondig, regel twee: \u2026, regel drie: \u2026\u201c volstaat vaak een korte richtlijn als: \u201eBegin met het resultaat. Je eerste zin na afronding moet antwoord geven op wat er gebeurd is of wat je gevonden hebt.\u201c<\/strong> En voor tussenvragen: \u201ePauzeer alleen als het werk het echt vraagt \u2013 bij een destructieve actie, een werkelijke scopewijziging of wanneer alleen de gebruiker iets kan bijdragen.\u201c<\/strong> Geldt voor: Fable-specifiek<\/strong>, in de zin van het sterke instruction-following.<\/p>\n\n\n\n
Bonus: wanneer Fable de taak stilletjes doorgeeft aan Opus 4.8<\/h2>\n\n\n\n
Fable 5 draait veiligheidsclassificatoren die op drie gebieden mikken: offensieve cybersecuritytechnieken (zoals het bouwen van exploits, malware of aanvalstools), biologie- en life-sciences-inhoud (zoals labmethoden of moleculaire mechanismen) en het extraheren van de samengevatte gedachtegang van het model. Slaat zo’n classificator aan, dan kan het verzoek eindigen met de stopreden refusal<\/em> \u2013 en laat het zich via een fallback automatisch doorgeven aan Claude Opus 4.8<\/strong>. Belangrijk om te weten: ook legitiem veiligheidsonderzoek of nuttige life-sciences-taken kunnen deze beschermingsmechanismen in werking zetten. De praktische consequentie: formuleer helder en legitiem \u2013 en richt, als u via de API bouwt, de fallback naar Opus 4.8 netjes in.<\/p>\n\n\n\n
Om mee te nemen: gratis downloads<\/h2>\n\n\n\n
\n\ud83d\udcc4 Spiekbriefje:<\/strong> De checklist met 6 regels als PDF downloaden (in het Duits)<\/a> \u2014 \u00e9\u00e9n pagina, om af te drukken of naast het scherm te leggen.<\/p>\n\n\n\n
- extra high (xhigh)<\/strong> voor de meest capaciteitsgevoelige workloads<\/li>\n
- Beter:<\/strong> \u201eIk werk aan het volgende grotere project, dit is de klant en dit is zijn kwestie. Kun je me met die context een e-mail over de vertraging schrijven?\u201c<\/li>\n<\/ul>\n\n\n\n
- Context verslaat commando’s:<\/strong> vertel het model het waarom<\/em>, niet alleen het wat<\/em>.<\/li>\n