Opdateret 28. juli 2026
AI-agenter har været det store buzzword i et par år — men i praksis stødte de altid mod samme mur: modellerne kunne ikke holde fokus længe nok. Efter nogle timers arbejde begyndte de at glemme planen og gentage sig selv. Claude Fable 5 er bygget til at nedbryde netop den mur. Her er, hvad det betyder for, hvad agenter reelt kan.
Fra timer til dage: det nye i Fable 5
Forskellen på en model, der kan arbejde i tre timer, og en, der kan arbejde i tre dage, er ikke tre gange så meget — det er en anden kategori af opgaver. Fable 5 er trænet til lange, asynkrone forløb: opgaver, hvor den arbejder, mens du laver noget andet, og først melder tilbage, når der er noget at vise. Det er skiftet fra AI som samtalepartner til AI som arbejdskraft.
Hvad er langsigtede agentopgaver?
Tænk på opgaver med mange trin, hvor hvert trin afhænger af de forrige: gennemgå 200 dokumenter og byg en samlet rapport; migrér et system og verificér hvert modul; overvåg og forbedr en proces over en uge. Grundprincipperne bag den slags automatisering har vi beskrevet i vores guide til Claude-agenter og AI-automatisering — Fable 5 hæver loftet for, hvor store opgaverne kan være.
Planlægning på tværs af etaper
Fable 5 arbejder som en projektleder: den deler opgaven i etaper, prioriterer rækkefølgen og justerer planen, når virkeligheden overrasker. Hvor tidligere modeller skulle have planen serveret og håndhævet udefra, holder Fable 5 selv styr på, hvor langt den er, og hvad der mangler.
Delegering til sub-agenter
Ved store opgaver spinner modellen underagenter op til afgrænsede delopgaver og samler deres resultater — en arbejdsform, der minder om multi-agent workflows, men hvor orkestreringen sker inde i modellen selv i stedet for at være håndbygget udenom. Resultatet: parallellisering uden at du skal designe systemet.
Hvornår giver en agent mening — og hvornår ikke?
Tommelfingerregler: En agent giver mening, når opgaven er veldefineret men stor (målet er klart, vejen er lang), når resultatet kan verificeres (tests, facit, kontrol), og når fejl er billige at rette. Den giver ikke mening til opgaver, der kræver løbende menneskelige valg, følsomme beslutninger med konsekvenser for personer, eller ting du selv gør på fem minutter.
Officielle kilder: Anthropics nyheder
Ofte stillede spørgsmål
Hvordan følger jeg med i, hvad agenten laver?
Agent-miljøer som Claude Code viser løbende status og logfører alle handlinger. Sæt checkpoints: bed agenten om at aflevere delresultater, du kan godkende undervejs.
Kan agenten løbe løbsk økonomisk?
Sæt grænser: budget pr. opgave, maksimalt tokenforbrug eller godkendelsestrin. En veldefineret opgave med klare stopkriterier er den bedste beskyttelse.
Konklusion
Fable 5 flytter agentdebatten fra “kan det lade sig gøre?” til “hvilke opgaver skal vi give den?”. Modeller, der arbejder pålideligt i dagevis, gør AI-agenter til et reelt alternativ til manuelle arbejdsgange — læs den komplette Fable 5-guide, og find den første opgave, der er stor nok.