Någon öppnar Claude, skriver in ett enda mål, går till gymmet — och kommer tillbaka till en färdig YouTube-video. Ingen inspelning, ingen kamera, inget redigeringsprogram. Avataren är AI, rösten en klon, manuset skrivet av Claude. Imponerande? Ja. Men den ärligare frågan är: vad ligger egentligen bakom — och vad betyder det för dig, om du inte är YouTuber utan driver ett företag?
Det viktigaste i korthet
- En creator lät Claude Fable 5 producera en komplett YouTube-video helt på egen hand: research, manus, röst, avatar, klippning och motion graphics — från en enda prompt.
- Fable 5 är Anthropics nya toppmodell (”Mythos”-klassen, ett steg över Opus) och för första gången tillgänglig i en betald plan.
- Pipelinen har fem steg: manus, röst, avatar, klippning och en automatisk självkontroll.
- Den ärliga delen: resultatet går inte att kopiera 1:1, det krävs inte nödvändigtvis den dyraste modellen — och en enda körning åt upp runt 40 % av en månadsplan på 200 $.
- För företag är det inte effekten som räknas, utan principen: tydliga mål, inbyggd kontext och en kvalitetskontroll som systemet sköter själv.
Vad som egentligen hände
Utgångspunkten var ett experiment: en prompt, ett mål, och sedan händerna bort. Videon det handlar om filmades aldrig. Personen i bild är en AI-avatar, rösten en klon, tränad på riktiga tidigare videor. Varje ord i manuset kommer från Claude. Medan videon blev till såg creatorn inte en enda bildruta — han hade skrivit in en prompt och gått därifrån. Research, manus, röst, avatar, motion graphics: allt löpte av sig självt.
Det som gör det möjligt är en ny modell. Den här veckan släppte Anthropic Claude Fable 5 — och just därför kan den här videon över huvud taget existera.
Vad Claude Fable 5 är
Fable 5 är den första modellen i den så kallade ”Mythos”-klassen — steget över Opus — som är tillgänglig i en betald plan. Hittills var den klassen begränsad till granskade säkerhetspartner. I nästan alla testade benchmarks sätter den nya rekord. Tre områden sticker ut:
- Programmering. Enligt Stripe komprimerar Fable 5 månader av engineering-arbete till dagar. I lanseringen körs en fullständig migrering av en Ruby-kodbas på 50 miljoner rader igenom på en enda dag — en uppgift som hade sysselsatt ett helt team för hand i två månader.
- Se. Modellen kan rekonstruera källkoden till en webbapp enbart utifrån skärmdumpar. Och den har spelat igenom Pokémon Fire Red från början till slut enbart utifrån de rena skärmbilderna — utan kartor, utan navigationshjälpmedel som äldre modeller fortfarande behövde.
- Uthållighet över långa sträckor. Fable 5 håller fokus över miljontals tokens. Med ett filbaserat minne — helt enkelt filer som den skriver anteckningar i — nådde den sista akten i spelet Slay the Spire tre gånger så ofta som Opus 4.8.
Billigt är det inte: runt 10 US-dollar per miljon input-tokens, 50 per miljon output-tokens. Vad det priset konkret betyder ser du längre ned i den ärliga delen.
Så blev videon till: pipelinen i fem steg
Bakom den enda prompten ligger en ren kedja av fem steg. Varje steg löser ett konkret problem — och just den uppdelningen är det egentliga tricket.
- Manus. Claude läser hela Anthropics lansering, faktagranskar varje påstående och skriver manuset i creatorns röst — utifrån en ”voice playbook” byggd av hans riktiga transkript.
- Röst. Manuset går till en röstklon (ElevenLabs), tränad på de verkliga videorna. Knepet: man kan inte generera fyra minuter i sträck, eftersom rösten driver iväg med längden. Alltså delar Claude upp manuset i bitar på knappt en minut och läser in dem var för sig.
- Avatar. Varje ljudbit renderas i HeyGen på den senaste avatarmodellen. När modellen ännu inte gick att välja via API:et styrde Claude helt sonika själv en webbläsare via Playwright och klickade sig igenom varje video för hand.
- Klippning. Claude fogar samman avatarklippen med FFmpeg, skapar en ordagrann transkription och bygger varje motion graphic som riktig kod — HTML, animerad med GSAP, exakt tajmad mot de talade orden.
- Självkontroll. Till sist granskar Claude sitt eget arbete: den renderar bildrutor ur varje scen, bedömer dem visuellt och renderar om allt som inte stämmer — tills det går igenom.
En prompt går in, en färdigklippt video kommer ut. Det är vad en modell i toppklass presterar veckan den släpps.
Gratis nedladdning
📄 Praxisguide & checklista (PDF, på tyska)
De fem stegen, hela verktygsstacken och de viktigaste kostnadsfällorna — som en kompakt, varumärkt praxisguide att ta med och bocka av. Dokumentet är på tyska.
Ladda ner praxisguiden (på tyska)Den ärliga delen: gränser, kostnader, verklighet
Hur imponerande det än är — betraktat utan AI-hype återstår fyra nyktra punkter som creatorn själv tar upp öppet:
- Inte reproducerbart 1:1. Den som kopierar samma prompt får inte samma resultat. I bakgrunden ligger redan färdigbyggda, specialiserade förmågor (”Skills”) för motion graphics — det är de som gör skillnaden.
- Det krävs inte den dyraste modellen. Creatorn säger själv: den här stilen skulle han förmodligen kunna bygga om även med den betydligt billigare Sonnet — så snart förloppet en gång är paketerat som en återanvändbar Skill. Pipelinen är mer värd än toppmodellen.
- Kostnaderna är verkliga. Körningen tog runt en timme och förbrukade omkring 380.000 tokens. Modellen kördes på Max-abonnemanget — och en enda körning åt upp runt 40 % av en månadsplan på 200 $. Nästan halva budgeten på en timme. Försiktighet är alltså befogad.
- Kontext slår smart prompt. Avgörande var inte ett magiskt kommando, utan kontext. Creatorn skrev ungefär: ”Sluta först när du är till 100 % övertygad om att det här är en högkvalitativ video — den går ut på min kanal, ett dåligt resultat skadar mitt rykte.” Och: ”Verifiera sedan med ett dynamiskt arbetsflöde att allt sitter.” Den som ger systemet varför får bättre resultat.
Just den sista punkten är den egentliga lärdomen — och den har ingenting med YouTube att göra.
Vad du kan ta med dig
Glöm avataren en stund. Vad det här experimentet visar är ett arbetsmönster som går att överföra till varje seriöst automatiseringsfall:
- Dela upp i stället för att trolla. Inte ”en prompt för allt”, utan en tydlig kedja av steg där vart och ett löser ett konkret problem.
- Skicka med kontexten. Målet, insatsen och kvalitetsribban hör hemma i uppgiften — inte i ditt huvud.
- Bygg in kontrollen. Systemet validerar sitt eget resultat innan en människa tittar på det.
- Håll koll på kostnaderna. Den starkaste modellen är sällan den mest ekonomiska. Ofta räcker den slimmare — om förloppet är väl byggt.
Det här är inget YouTube-trick. Det är frågan jag ställer i varje automatiseringsprojekt: var ger automatisering verklig hävstång — och var är den bara en dyr effekt?
Slutsats
Claude Fable 5 kan saker som för kort tid sedan lät som science fiction — en hel video ur en mening. Men den ärliga blicken väger tyngre än effekten: resultatet går inte att kopiera hur som helst, ofta duger en billigare modell, och kostnaderna kan skena. Det som återstår är en överförbar princip — tydliga steg, inbyggd kontext, inbyggd kontroll. Precis det arbetar jag med tillsammans med företag: inte med den största modellen, utan med lösningen som verkligen löser problemet — mätbart och utan AI-hype.
Källa: Fritt bearbetat efter ”Claude Fable 5 Made This Entire Video By Itself.” av Nate Herk | AI Automation — se på YouTube. Sammanhang, urval och formulering kommer från pletzenauer — digital consulting.