Claude Fable 5.1 vs Gemini 3.8 Flash Vergleich

# Claude Fable 5.1 - Agentischer Aufruf mit Python SDK (High Effort ist Standard)
import anthropic

client = anthropic.Anthropic()  # wird aus der Umgebungsvariable ANTHROPIC_API_KEY gelesen

response = client.messages.create(
    model="claude-fable-5-1",
    max_tokens=4096,
    tools=[
        {
            "type": "bash_20250124",
            "name": "bash"
        }
    ],
    messages=[
        {
            "role": "user",
            "content": (
                "Finde den fehlschlagenden Flaky-Test im Repo, erkläre die "
                "Ursache auf Disassembly-Ebene und bereite einen Fix-PR vor."
            ),
        }
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)
    elif block.type == "tool_use":
        print(f"[tool: {block.name}] input={block.input}")

# Um von Cache-Read zu profitieren, den System-Prompt mit cache_control markieren:
# system=[{"type": "text", "text": LONG_CODEBASE_CONTEXT,
#          "cache_control": {"type": "ephemeral"}}]
# → wiederholte Lesevorgänge werden mit $0.25/M Token berechnet (75 % günstiger als Fable 5)

# Gemini 3.8 Flash - Agentenaufruf im großen Maßstab mit Python SDK
from google import genai
from google.genai import types

client = genai.Client()  # wird aus der Umgebungsvariable GEMINI_API_KEY gelesen

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents=(
        "Verarbeite die CSV mit 1000 Zeilen, weise jeder Zeile eine Kategorie zu "
        "und gib das gesammelte Ergebnis als JSON zurück."
    ),
    config=types.GenerateContentConfig(
        temperature=0.2,
        max_output_tokens=2048,
    ),
)

print(response.text)

# Bei hochvolumigen/skalierten Aufgaben wird der Batch-Endpoint bevorzugt:
# client.batches.create(model="gemini-3.8-flash", src="gs://bucket/jobs.jsonl")
# Input $0.75/M, Output $3.75/M (Aktionspreis gültig bis 31. Dez. 2026;
# ab 1. Jan. 2027 im Voraus angekündigter Anstieg auf $1.50/$7.50)