Claude Fable 5.1 vraagt om scherper onderwijsbeleid

Anthropic introduceerde op 1 september 2026 Claude Fable 5.1 en Claude Mythos 5.1. Het zijn dezelfde onderliggende modellen met verschillende veiligheidsinstellingen: Fable 5.1 is algemeen beschikbaar, terwijl Mythos 5.1 beperkt blijft tot vertrouwde toegangsprogramma's voor onder meer cybersecurity en life sciences.

Voor onderwijsprofessionals is vooral de combinatie relevant: meer mogelijkheden voor langlopende kennis- en onderzoekstaken, lagere kosten voor bepaalde workloads en nieuwe privacy- en veiligheidskeuzes. Het is geen onderwijsproduct en Anthropic rapporteert hier vooral eigen benchmarks en voorbeelden van vroege partners. Juist daarom vraagt deze release om nuchtere vertaling naar lesontwerp, toetsing en beleid.

Wat er nieuw is

Anthropic zegt dat Fable 5.1 sterker presteert dan Fable 5 op onder meer wetenschappelijk onderzoek, kenniswerk, computergebruik en agentisch programmeren. In de eigen tests haalt Fable 5.1 bijvoorbeeld 52,6 procent op Terminal-Bench-Science 0.1 tegenover 24,7 procent voor Fable 5. De vergelijkingen zijn door Anthropic zelf uitgevoerd; de pagina noemt ook foutmarges en verschillen door veiligheidsinterventies. Dat maakt de cijfers interessant, maar geen onafhankelijke garantie voor kwaliteit in een klas of opleiding.

De prijs voor typische tokengebaseerde workloads gaat volgens Anthropic ongeveer 25 procent omlaag. Bij sterk agentisch werk kan de besparing oplopen tot ongeveer 45 procent. Daarnaast introduceert Anthropic Enterprise Frontier Safeguards: een optie waarbij klantdata op infrastructuur van de klant blijft en standaard geen menselijke beoordeling door Anthropic plaatsvindt. Deze optie wordt gefaseerd uitgerold, vanaf later dit najaar. In de tussentijd kunnen daarvoor in aanmerking komende klanten Fable 5.1 met zero data retention gebruiken.

Mythos 5.1 is niet vrij beschikbaar. De versie is bedoeld voor gecontroleerde toepassingen rond cybersecurity en biologie. Anthropic meldt bovendien dat Fable 5.1 minder vaak onschuldige cyber- en biologievragen blokkeert, terwijl gevoeliger onderzoek nog naar andere modellen wordt doorgestuurd.

Kansen voor onderwijs

Een model dat langer zelfstandig kan werken, kan docenten en studenten helpen bij het verkennen van een complex onderwerp, het vergelijken van bronnen, het maken van oefenmateriaal of het structureren van een onderzoeksproces. Bij differentiatie kan een docent sneller meerdere uitleggen, voorbeelden en moeilijkheidsniveaus voorbereiden. In het hoger onderwijs kan zo'n model helpen om code, data of een onderzoeksopzet kritisch te bevragen.

De mogelijke tijdwinst verandert ook de didactische vraag. Als een systeem een opdracht van begin tot eind kan plannen, uitvoeren en controleren, moeten leerlingen en studenten niet alleen het eindproduct laten zien. Het leerdoel kan juist liggen in probleemafbakening, bronkeuze, redenering, controle en mondelinge toelichting.

Toetsing, betrouwbaarheid en privacy

Betere benchmarkprestaties zijn geen bewijs dat een antwoord in een specifieke les, beroepssituatie of onderzoeksvraag klopt. Laat leerlingen en studenten bronnen controleren, aannames benoemen en fouten actief zoeken. Gebruik modeloutput niet als zelfstandige beoordelaar van leerprestaties en laat een agent geen feedback of besluit nemen zonder professionele controle.

De nieuwe privacyopties zijn geen vrijbrief om leerlingdossiers, toetsmateriaal, zorginformatie of vertrouwelijke onderzoeksdata in een model te zetten. Teams moeten per toepassing vastleggen welke gegevens zijn toegestaan, waar ze worden verwerkt, hoe lang ze worden bewaard, wie toegang heeft en welke contractuele afspraken gelden. Een functie die pas later beschikbaar komt, mag niet worden behandeld alsof zij vandaag al bescherming biedt.

Ook toegankelijkheid en afhankelijkheid verdienen aandacht. Een krachtiger model kan ondersteuning bieden bij taal, planning of alternatieve uitleg, maar betaalde plannen, regionale beschikbaarheid en technische kennis kunnen de toegang ongelijk maken. Onderwijsinstellingen moeten een werkbaar alternatief en menselijke begeleiding houden wanneer een leverancier, account of model tijdelijk niet beschikbaar is.

Wat teams nu kunnen afspreken

• Gebruik Fable 5.1 eerst in afgebakende, laag-risicovolle taken en evalueer de uitkomsten met vakdocenten.
• Vraag bij grotere opdrachten om procesbewijs: bronnen, tussenversies, prompts, eigen keuzes en een korte toelichting.
• Leg vast welke AI-hulp per opdracht is toegestaan en welk werk aantoonbaar door de leerling of student zelf moet worden beheerst.
• Zet geen persoonsgegevens of vertrouwelijke onderwijsinformatie in een publiek account zonder passende juridische en technische afspraken.
• Behandel prijs- en privacyclaims als leveranciersinformatie totdat de gekozen school- of instellingsconfiguratie is gecontroleerd.

De kern

Claude Fable 5.1 maakt AI-capaciteit voor langlopende kennis- en onderzoekstaken groter en mogelijk goedkoper. Voor onderwijs zit de belangrijkste verandering niet in de vraag of scholen dit model moeten aanschaffen, maar in de noodzaak om opdrachten, toetsing, privacyafspraken en AI-geletterdheid voor steeds zelfstandiger werkende systemen opnieuw te bekijken.