Claude Fable 5 maakte een complete video vanuit één prompt

Claude Fable 5 maakte een complete video vanuit één prompt

Ik schreef één prompt. Ik schreef geen script. Ik nam geen enkele seconde audio op. Ik opende HeyGen niet, ElevenLabs niet, en ook geen video-editor. Ik raakte ffmpeg niet aan. Ongeveer een uur later lag er een afgewerkte, upload-klare YouTube-video in mijn output-map — ingesproken met mijn eigen stem, met een avatar die bewoog zoals ik, en motion graphics die precies op het juiste woord insloegen.

Het model dat dit allemaal deed was Claude Fable 5, Anthropic's nieuwe Mythos-klasse model dat op 9 juni 2026 algemeen beschikbaar werd. En waar ik drie dagen later steeds op terugkom, is niet hoe goed de video eruitziet. Het is dat de hele productiepijplijn — het deel dat ik vroeger met de hand orkestreerde over drie of vier tools — ineenstortte tot één enkele instructie aan één model dat gewoon... het hele ding uitvoerde.

Ik bouw al maanden AI-videopijplijnen. Ik weet precies hoeveel lijmcode, opdelingslogica en toezicht het normaal kost. Dus als ik zeg dat deze run anders was, reageer ik niet op een demo-reel. Ik reageer op het zien van een model dat autonoom het orkestratiewerk deed dat ik eerder met de hand had geschreven en in detail had beschreven in mijn HeyGen + ElevenLabs + Claude Code video-pijplijn build. Dit bericht is het eerlijke verslag van die run — wat het kostte, wat het daadwerkelijk deed, waar het niet deterministisch is, en waar ik toch mijn hand aan het stuur zou houden.

Wat "Mythos-klasse" nu eigenlijk betekent

Laat me het model verankeren voordat we naar de video gaan, want de capabiliteitenlaag is het hele verhaal.

Het grootste deel van het afgelopen jaar was "Mythos" een gerucht en vervolgens een lek. Ik schreef erover toen Anthropic per ongeluk het model blootlegde onder de codenaam Capabra — de volledige achtergrond staat in mijn Claude Mythos lek-analyse. Op dat moment was Mythos een laag boven Opus die bijna niemand kon bereiken. Het was beperkt tot een kleine groep geverifieerde beveiligingspartners en cyberdefenders.

Dat veranderde op 9 juni. Anthropic bracht Claude Fable 5 uit als het publiek beschikbare Mythos-klasse model — dezelfde onderliggende capabiliteitslaag, met veiligheidsconstructies voor algemene release. (De volledig ontgrendelde variant, Claude Mythos 5, blijft beperkt tot een kleine groep infrastructuur- en beveiligingspartners.) Volgens Anthropic's lancering is Fable 5 vandaag beschikbaar via de API en op consumptiegebaseerde Enterprise-abonnementen, en werd het tot en met 22 juni zonder extra kosten toegevoegd aan Pro-, Max- en Team-abonnementen.

Dit is wat de laag je biedt, en waarom het ertoe doet voor een taak met zo'n lange horizon als het maken van een video:

• Codering op een schaal die ik nog niet eerder heb gezien. Anthropic's aankondiging beschrijft Fable 5 die een volledige migratie uitvoert over een Ruby-codebase van ruwweg 50 miljoen regels in één dag — werk dat het bedrijf typeert als normaal twee maanden voor een team. Ik kan die claim niet persoonlijk reproduceren; ik heb geen Ruby-monoliet van 50M regels liggen. Maar het vertelt je wat voor soort doorlopend, meerstaps werk het model aankan zonder de draad kwijt te raken.
• Visie die reconstrueert, niet alleen beschrijft. Het kan broncode van web-apps herbouwen vanuit screenshots, en Anthropic toonde het Pokémon Fire Red spelend vanuit ruwe schermpixels zonder navigatiehulpmiddelen.
• Langetermijngeheugen. Dit is degene die de video daadwerkelijk mogelijk maakt. Fable 5 gebruikt bestandsgebaseerd geheugen — het schrijft zichzelf notities, leest ze terug en houdt zijn positie bij over een lange taak. Anthropic rapporteert dat het de laatste akte van Slay the Spire ongeveer drie keer vaker bereikt dan zijn voorganger, Opus 4.8. Een videoproductierun is precies dat soort marathon: tientallen afhankelijke stappen waarbij het vergeten van stap 4 stap 19 verpest.

Dat geheugenmechanisme verdient meer dan een opsommingsteken, want het is het verschil tussen "leuke demo" en "dit is daadwerkelijk afgekomen." Een volledige videorun past niet in één contextvenster — zelfs geen van 1M tokens. Tegen de tijd dat het model motion graphics rendert in fase vier, liggen het script dat het schreef in fase één en de opdelingsbeslissingen uit fase twee duizenden stappen achter. Zaken die zo ver terug liggen worden gecomprimeerd, samengevat, of helemaal uit het actieve venster geduwd. Bij een normaal model gaat het daar mis: het vergeet dat de statistiekkaart moest landen op het woord "vijftig miljoen," of het herleidt een chunklengte die het al had vastgesteld, en de timing verschuift.

Fable 5 omzeilt dat door het bestandssysteem als geheugen te behandelen in plaats van alleen op het contextvenster te vertrouwen. In de logs kon ik zien dat het letterlijk notities schreef tussen fases — een doorlopend bestand met beslissingen zoals welke audiochunks bij welke avatarclips hoorden, wat de doelduren waren, welke graphic op welk tijdstip werd afgevuurd. Vervolgens, fases later, las het die notities terug in plaats van te proberen het te onthouden. Dat is dezelfde truc die een menselijke editor gebruikt: je houdt niet de hele lijst bewerkingsbeslissingen in je hoofd, je houdt een projectbestand bij en raadpleegt dat. Het model externaliseerde zijn eigen toestand zodat de lange horizon geen geheugenprobleem meer was maar een opzoekprobleem. Voor alles wat meerdere fases omvat — niet alleen video, maar elke agentische taak die langer loopt dan één contextvenster kan bevatten — is dat de capabiliteit die meer uitmaakt dan ruwe tokendoorvoer.

Het prijskaartje is het deel dat je niet kunt negeren. Fable 5 draait op ruwweg $10 per miljoen invoertokens en $50 per miljoen uitvoertokens — minder dan de helft van wat de Mythos Preview kostte, maar nog steeds het duurste frontiermodel in algemene circulatie op dit moment. Onthoud dat getal. Het wordt het hele "moet je dit doen"-gesprek aan het eind van dit bericht.

Dat is de motor. Nu de run.

De ene prompt die mijn hele pijplijn verving

De opzet die ik het gaf was opzettelijk lui, met opzet. Ik wilde zien hoeveel ik niet hoefde te doen.

Ik richtte Fable 5 op Anthropic's eigen Fable 5-lanceringsbericht en vroeg het een YouTube-video te maken die de release uitlegde — in mijn stem, mijn format, upload-klaar. Ik gaf het een stem-playbook (hieronder meer), mijn merkcontext, en één harde regel die ik zal blijven herhalen: stop niet totdat je 100% zeker bent dat de output van hoge kwaliteit is. Die zin deed meer werk dan elke andere regel in de prompt.

Toen liet ik het gaan.

Wat het daarna deed is het deel dat mijn denken over "AI-videogeneratie" herschikt. Het genereerde geen video zoals een tekst-naar-video model doet — er was geen enkele magische render. In plaats daarvan voerde het een daadwerkelijke productie uit, dezelfde vijfstaps-pijplijn die ik normaal met de hand zou aansturen, behalve dat ik niet aan het stuur zat. Hier is de volgorde die het uitvoerde.

1. Het schreef het script — en controleerde zichzelf eerst op feiten

Voordat het een woord van de vertelling schreef, las Fable 5 Anthropic's volledige aankondiging en controleerde de claims ertegen. Toen schreef het het script in mijn stem — niet een generieke "AI-uitlegger"-stem, maar de mijne, afgeleid van een stem-playbook dat ik had samengesteld uit transcripties van mijn eerdere video's. Zinsritme, de manier waarop ik open met een getal, mijn gewoonte om te zeggen "hier is het deel dat ertoe doet" — het pikte dat allemaal op.

Dit is de eerste plek waar de Mythos-laag zijn geld waard is. Videoscriptgeneratie die een consistente stem aanhoudt over een lang stuk is eigenlijk een langetermijntaak in vermomming. Zwakkere modellen driften af — alinea drie klinkt als een andere schrijver dan alinea acht. Fable 5 bleef de hele tijd in karakter omdat het letterlijk notities maakte over zijn eigen stijlbeslissingen in bestandsgebaseerd geheugen terwijl het bezig was.

2. Het synthetiseerde de stem in chunks om drift te voorkomen

Het afgewerkte script ging naar ElevenLabs voor audio via mijn stemkloon. En hier is een detail dat ik stilletjes indrukwekkend vind: het dumpte niet het hele script in één API-aanroep. Het segmenteerde de vertelling in chunks van net onder een minuut voordat het ze verstuurde.

Dat is niet willekeurig. De instant voice clones van ElevenLabs worden minder consistent naarmate het verzoek verder afdrijft van het referentiemateriaal en de continue generatie langer loopt — cadans vervlakt, artefacten sluipen erin. Ik leerde dit maanden geleden op de harde manier en codeerde ~45–60 seconden chunking in mijn handmatige pijplijn. Fable 5 kwam zelf tot dezelfde beperking en chunkte op ongeveer dezelfde lengte. Het begreep de faalwijze van de downstream-tool zonder dat ik het hoefde uit te spellen.

3. Het animeerde de avatar met HeyGen Avatar 5

Elke audiochunk ging naar HeyGen, gerenderd met de nieuwste Avatar 5 motion-engine. Avatar 5 bouwt een fotorealistische tweeling vanuit slechts een clip van 15 seconden en is de versie die eindelijk de "plastic" look heeft opgelost — natuurlijkere hoofd- en lichaamsbewegingen, strakkere lipsync, echte micro-expressies.

Er was hier één oprecht interessant stuk autonomie. Eerder in mijn eigen tests was Avatar 5 nog niet volledig beschikbaar via HeyGen's publieke API, dus moest ik een browser automatiseren met Playwright om het te bereiken. Fable 5 behandelde de equivalente kloof door zelf browserautomatisering aan te sturen wanneer het API-pad beperkt was — en nu HeyGen de nieuwere engine directer ondersteunt, schakelde het over naar de directe aanroep. Het paste zich aan het integratieoppervlak aan in plaats van erop te falen.

4. Het monteerde en bouwde elke motion graphic in code

Dit is waar het stopte met "wat clips aan elkaar plakken" en daadwerkelijke montage werd.

Fable 5 gebruikte ffmpeg om de avatarclips samen te voegen. Maar de graphics zijn het deel waar ik wil dat je bij stilstaat: het bouwde elke motion graphic als gecodeerde HTML-animaties met GSAP (GreenSock — het bleef het "Gap" noemen in zijn eigen logs, wat me deed lachen) binnen Hyperframes, HeyGen's open-source renderframework. Als je de diepgaande versie van die specifieke laag wilt, documenteerde ik het bouwen ervan vanuit een enkele prompt in mijn Hyperframes één-prompt motion graphics-handleiding — Fable 5 deed hier hetzelfde, maar als één fase binnen een grotere autonome taak.

De graphics waren niet decoratief. Ze waren gesynchroniseerd met de gesproken woorden — een statistiekkaart die verscheen op het exacte moment dat de vertelling het getal noemde, een label dat landde op de term terwijl ik het "zei." Om dat goed te krijgen, renderde het model frames, bekeek ze, ving zijn eigen timing- en renderfouten op, en corrigeerde totdat het de kwaliteitsdrempel haalde. Het deed visuele QA op zijn eigen output.

5. Het verifieerde het geheel met multi-agent QA

De laatste fase was een dynamische, multi-agent workflow: agenten opdraaien om screenshots te maken van de gerenderde output, visueel verifiëren dat de inhoud overeenkwam met het script, controleren of de graphics op tijd afvuurden, en bevestigen dat er niets kapot was. Pas na die controle noemde het de video klaar.

De output was een volledig gecontroleerde, upload-klare YouTube-video. Ik bekeek het van begin tot eind voordat ik iets aanraakte. Het was oprecht goed.

Wat het daadwerkelijk kostte: het token- en dollarbewijs

Ik beloofde dat de prijs terug zou komen. Hier is het, met echte cijfers van de run.

De hele productie — van script tot afgewerkte video — verbruikte ruwweg 380.000 tokens. De volledige workflow duurde ongeveer één uur. En qua abonnementsbudget at het ongeveer 40% van een abonnement van $200/maand in die ene run.

Laat me dat vertalen, want tokenaantallen zijn abstract en dollars niet. Tegen Fable 5's tarief van $10 per miljoen invoer en $50 per miljoen uitvoer, is een autonome videorun van één uur geen afrondingsfout. Als je één vlaggenschipvideo per week produceert, zijn de modelkosten reëel maar verdedigbaar. Als je dagelijks volume op deze manier probeert te draaien, voel je het snel — en wil je goed nadenken over welke fases echt Mythos-klasse redenering nodig hebben en welke op een goedkoper model kunnen draaien.

Hier is de eerlijke afweging waar ik op uitkwam:

• Snelle winst: De arbeidsbesparing is onmiddellijk en enorm. De menselijke tijd na "ga" was effectief nul. Geen opnames, geen montagessessie, geen revisierondes. Dat alleen al verandert de economie van elke contentoperatie die regelmatig video uitbrengt.
• De echte kost: Het is rekenkracht, geen arbeid. Je hebt de factuur van een editor en vier uur van je eigen opnametijd ingeruild voor een tokenrekening en een model dat het duurste op de markt is. Voor professioneel werk met hoge waarde of hoog volume is die ruil een koopje. Voor een hobbykanaal dat af en toe post, is het overkill — je verbrandt abonnementsbudget sneller dan je het terugverdient.

Laat me het bedrag per video concreet maken, want "40% van een abonnement" betekent alleen iets als je de vermenigvuldiging doet. Eén run was ~380K tokens en ~40% van een abonnement van $200/maand, wat de effectieve kosten van die ene video ergens rond de $80 aan abonnementsbudget plaatst. Draai het op ruwe API-prijzen en de vorm is vergelijkbaar: 380K tokens met de nadruk op uitvoer tegen $10/M in en $50/M uit komt in dezelfde orde van grootte van ruwweg $15–$25 aan pure inferentie als het merendeel uitvoertokens zijn, vóór je de retries en QA-rondes meetelt die niet altijd in een schone schatting verschijnen. Hoe dan ook, reken op tientallen dollars per afgewerkte video, niet centen.

Schaal het nu op. Eén vlaggenschipvideo per week is ongeveer 1,6M tokens per maand — comfortabel binnen een abonnement van $200 met ruimte over, en een no-brainer vergeleken met wat een editor rekent. Ga naar één video per dag en je zit op ~11,4M tokens per maand van alleen deze fase; je hebt een enkel $200-abonnement na ruwweg twee runs al opgebruikt en betaalt API-tarieven voor de rest. Bij drie video's per dag voor een contentteam stopt de modelrekening met een voetnoot zijn en wordt het een post die iemand moet verdedigen in een budgetvergadering. Dat is de echte beslissingsgrens: Fable 5 end-to-end is prachtig voor laagvolume, hoogwaardige output, en het wordt snel duur zodra "autonoom" verandert in "altijd aan."

Als je een opzet wilt die geoptimaliseerd is om die kosten laag te houden — kiezen waar je frontier-modelredenering inzet en waar je naar iets goedkopers schakelt — dat is precies het soort pijplijnarchitectuurwerk dat ik aanneem via mijn Fiverr. De orkestratielogica is waar het geld wordt bespaard of verspild.

Dat is de wiskunde. Nu het deel dat de lanceeringsdemo's je niet vertellen.

De eerlijke blik: waar dit stukloopt en wat ik nog niet vertrouw

Ik zou je een slechte dienst bewijzen als ik stopte bij "het maakte een video en het was geweldig." Drie dingen uit deze run verdienen je scepsis.

Het is niet deterministisch, en dat is een groter punt dan het klinkt. Ik draaide dezelfde prompt opnieuw om te zien of ik dezelfde video zou krijgen. Dat was niet zo. Op plekken zelfs niet in de buurt. Anthropic's eigen framing erkent dit: het herhalen van een identieke prompt reproduceert de output mogelijk niet, deels omdat het systeem leunt op vooraf bestaande vaardigheden en workflows die niet volledig zichtbaar of vastgepind zijn. Voor een creatieve eenmalige actie, prima. Voor een herhaalbaar productieproces dat je honderd keer wilt draaien met consistente resultaten, is niet-determinisme een echt operationeel risico. Je kunt dit nog niet behandelen als een deterministisch buildscript. Je behandelt het als een zeer snelle, zeer capabele aannemer die uitstekend werk levert dat elke keer net iets anders is.

"Autonoom" heeft nog steeds een menselijke kwaliteitspoort nodig. De output haalde de QA van het model zelf. Het kreeg nog steeds mijn review voordat ik het gepubliceerd zou hebben. De multi-agentverificatie is oprecht goed — het vangt kapotte renders en timingmissers — maar "het model is 100% zeker" en "dit vertegenwoordigt mijn merk zoals ik het wil" zijn niet dezelfde standaard. Die betrouwbaarheidsdrempel in de prompt is wat professionele resultaten opleverde; het is geen vervanging voor de laatste menselijke blik.

De chunking- en toolingkennis zit ingebakken, wat twee kanten op snijdt. Een deel van waarom dit zo goed werkte is dat het model al dingen "wist" zoals het ElevenLabs-driftprobleem en Hyperframes' renderflow. Dat is geweldig totdat je tools veranderen. Wanneer ElevenLabs of HeyGen een breaking update uitbrengt, kan een ingebakken workflow vol vertrouwen het oude ding doen. De keerzijde: de methodologie is niet gebonden aan Fable 5. Dezelfde pijplijnaanpak schaalt omlaag naar een model als Sonnet voor de fases die geen frontier-redenering nodig hebben — en dat is precies hoe je de kosten zou temmen.

Wat ik daadwerkelijk moest babysit-ten. "Autonoom" leest schoner in een kop dan het in de praktijk aanvoelde. Het niet-determinisme was geen abstract voorbehoud — het beet me. Mijn tweede run dwaalde af: het herstructureerde het script in een andere volgorde en hertimede graphics die de eerste keer perfect waren geland, dus de gepolijste versie van run één was niet iets dat ik simpelweg op commando kon regenereren. Ik moest de goede output bewaren, niet het proces vertrouwen om het opnieuw te creëren. De HeyGen-kloof was de andere ruwe rand. Omdat Avatar 5 niet volledig bereikbaar was via de publieke API in mijn eerdere tests, viel het model terug op het aansturen van een browser om de render gedaan te krijgen — en browserautomatisering tegen een live web-app is precies de broze, trage "is de knop verplaatst?"-laag die je niet wilt in een onbeheerde pijplijn. Het werkte, maar het is het soort ding dat stilletjes kapotgaat wanneer de markup van de site verschuift, en het is waarom ik die fase in de gaten hield in plaats van weg te lopen. Het landen van native ondersteuning voor de nieuwere engine is wat het liet overschakelen naar de schonere directe aanroep, en dat is een herinnering aan hoeveel van deze "magie" rust op integratieoppervlakken die het model niet controleert.

Nog een eerlijke opmerking: de grootste hefboom in de hele run was niet de ruwe kracht van het model. Het was doelgerichte prompt-engineering — het duidelijke context geven, een echt stem-playbook, en een expliciete, niet-onderhandelbare kwaliteitsstandaard. De instructie "stop alleen wanneer 100% zeker van hoge kwaliteit" doet zwaar werk. Geef Fable 5 een vage prompt en je krijgt een vage, dure video. Het model beloont precisie in verhouding tot zijn prijs.

Dus moet je dit eigenlijk doen?

Hier is mijn eerlijke oordeel na een paar dagen met de output te hebben geleefd.

Als je video uitbrengt op professioneel volume — cursuslessen, productuitleggers, een contentkanaal met een echt ritme — verandert Claude Fable 5 vandaag je productierekensom. Niet volgend jaar. Het knelpunt waar ik maandenlang aan had geschaafd, waar een mens nog steeds de tools moest orkestreren zelfs nadat de AI de moeilijke delen deed, is verplaatst. Eén model houdt nu de hele pijplijn vast.

Als je af en toe een video maakt voor de lol, is dit een prachtig stuk overkill. Gebruik in plaats daarvan de goedkopere, handgebouwde versie — en eerlijk gezegd, blijf de dingen filmen die echt jij zijn. Ik neem mijn persoonlijke YouTube-video's nog steeds zelf op. Deze pijplijn is voor schaalbare content, niet voor de dingen waar mijn daadwerkelijke, ongerepeteerde aanwezigheid het punt is.

De grens die deze run daadwerkelijk markeert is niet "AI kan video's maken." We hebben al twee jaar middelmatige tekst-naar-video. De grens is één prompt, end-to-end, volledig autonoom, professionele output — script, stem, avatar, montage en zelf-QA, met een mens die niets schrijft behalve het briefing. Dat is nieuw. En het wijst ergens groters heen: steeds autonomere AI-multimediacreatie waar de menselijke rol comprimeert tot richting en oordeel, en alles tussen intentie en afgewerkt bestand wordt afgehandeld door een model dat zijn eigen notities maakt en zijn eigen werk controleert.

Veelgestelde vragen

Wat is Claude Fable 5?

Claude Fable 5 is Anthropic's eerste publiek beschikbare Mythos-klasse model, uitgebracht op 9 juni 2026 — een capabiliteitslaag boven Claude Opus 4.8. Het beschikt over een contextvenster van 1M tokens, bestandsgebaseerd langetermijngeheugen en sterke visie- en coderingsprestaties, geprijsd op $10 per miljoen invoertokens en $50 per miljoen uitvoertokens.

Kan Claude Fable 5 echt een volledige video maken vanuit één prompt?

Ja — in mijn test produceerde het een complete, upload-klare YouTube-video vanuit een enkele prompt door zijn eigen pijplijn te orkestreren: scriptgeneratie, ElevenLabs stemsynthese, HeyGen Avatar 5 animatie, ffmpeg montage, GSAP motion graphics in Hyperframes, en multi-agent visuele QA. De output is niet deterministisch, dus het opnieuw draaien van dezelfde prompt zal niet dezelfde video reproduceren.

Hoeveel kost het om een Claude Fable 5 video te produceren?

Mijn run van één uur gebruikte ruwweg 380.000 tokens en verbruikte ongeveer 40% van een abonnement van $200/maand. Tegen $10/$50 per miljoen invoer/uitvoertokens is het kosteneffectief voor professionele video met hoge waarde of hoog volume, maar duur voor incidenteel of hobbygebruik. De besparingen komen van het elimineren van opname- en montagearbeid, niet van goedkope rekenkracht.

Werkt deze videopijplijn alleen met Claude Fable 5?

Nee. De methodologie past zich aan voor andere modellen, waaronder Claude Sonnet, voor fases die geen frontier-niveau redenering vereisen. Voor de volledige handmatige build, zie mijn HeyGen + ElevenLabs + Claude Code pijplijn-handleiding hierboven — Fable 5 automatiseert de orkestratie die je anders zelf zou samenstellen.

Waarom is de Claude Fable 5 video-output niet deterministisch?

Het opnieuw draaien van dezelfde prompt produceert verschillende video's omdat het model leunt op vooraf bestaande vaardigheden en workflows die niet volledig vastgepind of zichtbaar zijn, plus inherente generatievariatie. Voor herhaalbare productie op schaal is dat niet-determinisme een operationeel risico waar je omheen moet plannen in plaats van het te negeren.

Laten we samenwerken

Wil je AI-systemen bouwen, workflows automatiseren of je tech-infrastructuur opschalen? Ik help je graag.

• Fiverr (maatwerk builds & integraties): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (enterprise-oplossingen): ramlit.com
• ColorPark (design & branding): colorpark.io
• xCyberSecurity (beveiligingsdiensten): xcybersecurity.io