Anthropic positioniert sein neues Flaggschiff-Modell Claude Opus 5 als kostengünstigere Alternative zu Claude Fable 5. Das Unternehmen gibt an, dass das Modell der Leistung von Fable 5 nahekommt und es in mehreren Benchmarks übertrifft. Die Veröffentlichung erfolgt in einer Phase, in der KI-Labore intensiv sowohl bei Fähigkeiten als auch bei Kosten konkurrieren und Unternehmenskunden bei der Auswahl von Modellen für Produktions-Workloads zunehmend das Verhältnis von Preis und Leistung abwägen.

Das Unternehmen erklärt, Opus 5 führe Tests in agentischem Coding und Wissensarbeit an — zwei Bereichen, in denen Unternehmen KI besonders stark einsetzen. Auf ARC-AGI-3, einem Benchmark zur Messung neuartiger Problemlösungen, erzielt Opus 5 30.2 Prozent und damit fast das Vierfache des Ergebnisses von GPT-5.6 Sol.

Anthropic gibt außerdem an, Opus 5 könne seine eigene Arbeit in iterativen Schritten prüfen und verbessern sowie bei Bedarf Code schreiben, um Werkzeuge zu erstellen. Diese Fähigkeiten sind für autonome Agenten-Workflows relevant, in denen Modelle mehrstufige Aufgaben mit minimalem menschlichem Eingreifen abschließen müssen.

Opus 5 behält die Preise von Opus 4.8 bei

Anthropic führt Opus 5 ein, während der Preisdruck durch GPT-5.6 Sol und chinesische Wettbewerber zunimmt. Das neue Modell soll die Preis-Leistungs-Lücke zum teureren Fable 5 verringern. Opus 5 wird zum Standardmodell in Claude Max und zum leistungsfähigsten Modell, das in Claude Pro angeboten wird.

Das Modell behält das Kontextfenster von 1 Million Tokens und dieselben Token-Preise wie sein Vorgänger Opus 4.8 bei. Anthropic berechnet für Opus 5 $5 pro Million Input-Tokens und $25 pro Million Output-Tokens. Ein neuer Fast Mode erhöht die Geschwindigkeit um das 2.5-Fache, verdoppelt jedoch den Preis.

Basispreise pro Token bilden die gesamten Aufgabenkosten nicht vollständig ab, da die Token-Effizienz je nach Modell variieren kann. Opus 4.7 kostete pro Aufgabe 30 bis 40 Prozent mehr als Opus 4.6, obwohl beide Modelle dieselben Basispreise nutzten. Ein ähnliches Muster zeigte sich kürzlich bei Claude Sonnet 5. Diese Unterscheidung ist für Organisationen mit groß angelegten Deployments wichtig, da sich Kostenunterschiede pro Aufgabe über Millionen von API-Aufrufen hinweg summieren.

Höhere Effort-Einstellungen können mehr kosten, ohne bessere Ergebnisse zu liefern

Nutzer können Leistung und Token-Verbrauch über fünf Effort-Einstellungen ausbalancieren: low, medium, high, xhigh und max. Anthropic zufolge bietet Opus 5 auf jeder Effort-Stufe einen besseren Gegenwert als sein Vorgänger.

In seinem Prompting-Leitfaden empfiehlt Anthropic eine breite Nutzung der Einstellungen "low" und "medium". Das Unternehmen sagt, diese Einstellungen lieferten gute Ergebnisse mit einem Bruchteil des Token-Verbrauchs und der Latenz und überträfen zugleich dieselben Einstellungen früherer Opus-Modelle. Für Coding- und agentische Aufgaben empfiehlt Anthropic weiterhin, mit "xhigh" zu beginnen.

Opus 5 schneidet bei der max-Effort-Einstellung in zwei Benchmarks etwas schlechter ab als bei der zweithöchsten Einstellung, obwohl max mehr kostet. Der Rückgang zeigt sich bei Frontier-Bench v0.1 und im Artificial Analysis Coding Agent Index. Das Ergebnis verdeutlicht, dass höherer Rechenaufwand keine besseren Ausgaben garantiert — ein wichtiger Faktor für Teams, die Kosten gegen Qualität optimieren.

Anthropic-Benchmarks zeigen Opus 5 vorne beim agentischen Coding

Nach Anthropic eigenen Benchmark-Ergebnissen stellt Opus 5 in mehreren Bewertungen Rekorde auf. Auf Frontier-Bench v0.1 erreicht es 43.3 Prozent beim agentischen Terminal-Coding und liegt damit vor Fable 5 mit 33.7 Prozent, GPT-5.6 Sol mit 34.4 Prozent und Opus 4.8 mit 21.1 Prozent.

Im Wissensarbeits-Benchmark GDPval-AA v2 führt Opus 5 mit einem Elo-Score von 1,861. Fable 5 erzielt 1,747, während GPT-5.6 Sol 1,736 erreicht.

Opus 5 führt nicht in jedem Test. Auf DeepSWE v1.1, das agentisches Coding misst, liegt GPT-5.6 Sol mit 72.7 Prozent an erster Stelle, gefolgt von Fable 5 mit 69.7 Prozent und Opus 5 mit 68.8 Prozent. Bei Gesundheitsaufgaben und Rechts-Benchmarks schneiden Fable 5 beziehungsweise Mythos 5 besser ab als Opus 5. Die gemischten Ergebnisse zeigen, dass Modellführerschaft je nach Fachgebiet variiert, wodurch die Modellauswahl für Unternehmenskunden aufgabenabhängig bleibt.

Das ARC-AGI-3-Ergebnis gehört zu den größten Ausreißern in Anthropic Benchmark-Satz. ARC-AGI-3 bewertet neuartige Problemlösung ohne Rückgriff auf auswendig gelernte Muster. Opus 5 erzielt 30.2 Prozent, verglichen mit 1.5 Prozent für Opus 4.8 und 7.8 Prozent für GPT-5.6 Sol. Damit liegt Opus 5 in den zitierten Ergebnissen fast viermal vor dem nächstbesten Modell. Anthropic führt für diesen Benchmark kein Ergebnis für Fable 5 auf, und es bleibt unklar, ob sich ein derart großer Benchmark-Vorsprung in die Praxis übertragen lässt.

Bei Cybersicherheitsaufgaben liegt Opus 5 hinter Mythos 5. Anthropic gibt an, Opus 5 bewusst nicht auf Cyber-Aufgaben trainiert zu haben, wie es auch beim Vorgänger der Fall gewesen sei. Das Modell kommt Mythos 5 beim Finden von Schwachstellen nahe, schneidet jedoch deutlich schlechter ab, wenn es aufgefordert wird, diese auszunutzen.

Anthropic sagt außerdem, Opus 5 habe sich beim Erzeugen visueller Ausgaben und bei der Analyse visueller Inhalte verbessert, darunter Diagramme und Schaubilder.

Anthropic zufolge kann Opus 5 eigene Werkzeuge bauen

Anthropic beschreibt Opus 5 als deutlich besser darin, die eigene Arbeit zu überprüfen und durch Iteration zu verbessern. Diese Art der Selbstkorrektur rückt für KI-Labore, die autonome Agenten entwickeln, zunehmend in den Fokus, da die Fähigkeit, Fehler ohne menschliche Anleitung zu erkennen und zu beheben, darüber entscheidet, ob ein Modell komplexe, offene Aufgaben bewältigen kann.

In einer Frontier-Bench-Aufgabe erhielt Opus 5 eine Zeichnung eines Maschinenteils und sollte in FreeCAD ein 3D-Modell erstellen. Dem Modell wurde absichtlich keine direkte Möglichkeit gegeben, die Zeichnung anzusehen.

Laut Anthropic schrieb Opus 5 eine eigene Computer-Vision-Pipeline, um Geometrie aus Rohpixeln zu extrahieren, und rekonstruierte anschließend das vollständige Maschinenteil. Das Unternehmen sagt, kein anderes Modell habe die Aufgabe nach fünf Versuchen gelöst.

Opus 5 arbeitete außerdem an einem realen Fehler in einem beliebten Open-Source-Paketmanager. Anthropic zufolge identifizierte das Modell die Ursache und behob einen Randfall, den der Community-Patch übersehen hatte. Ein konkurrierendes Modell behob lediglich das oberflächliche Symptom, bevor es den Fehler als gelöst markierte.

Anthropic berichtet außerdem, ein Ingenieur eines Handelsunternehmens habe Opus 5 genutzt, um in einer einzigen Sitzung einen Marktdaten-Feed für eine neue Börse zu erstellen. Frühere Modelle konnten die Aufgabe selbst mit detaillierten Plänen nicht abschließen.

Cyber-Filter werden seltener ausgelöst als bei Fable 5

Anthropic zufolge erlaubt die Sicherheitskonfiguration von Opus 5 Forschung zu Schwachstellen im Quellcode, blockiert jedoch binärbasierte Schwachstellenscans, Penetrationstests und die Erstellung von Exploits. Die Cyber-Klassifikatoren werden etwa 85 Prozent seltener ausgelöst als die bei Fable 5 verwendeten. Die häufigen Eingriffe von Fable 5 hatten starke Kritik von Entwicklern ausgelöst, die von Unterbrechungen ihrer Arbeitsabläufe bei legitimen Coding- und Sicherheitsforschungsaufgaben berichteten.

Blockierte Anfragen in Claude.ai, Claude Code und Claude Cowork fallen standardmäßig auf Opus 4.8 zurück, derselbe Ansatz, den Anthropic bei Fable 5 verwendet hat.

Anthropic bezeichnet Opus 5 als das leistungsfähigste allgemein verfügbare Modell für wissenschaftliche Forschung. Das Unternehmen sagt, es verbessere sich gegenüber Opus 4.8 in allen Bewertungen der Biowissenschaften, mit deutlichen Zuwächsen in organischer Chemie und proteinbezogenen Aufgaben. In organischer Chemie verbessert sich Opus 5 beim Ableiten molekularer Strukturen aus Spektroskopiedaten um 10.2 Prozentpunkte. Bei proteinbezogenen Aufgaben verbessert es sich um 7.7 Prozentpunkte.

Anthropic veröffentlicht neben Opus 5 außerdem zwei Beta-Funktionen. Mid-Conversation Tool Changes auf der Claude Platform ermöglichen Entwicklern, verfügbare Werkzeuge während einer Unterhaltung zu ändern, ohne den Prompt-Cache ungültig zu machen. Automatic Fallbacks in der API leiten blockierte Anfragen automatisch an ein anderes Modell weiter. Beide Funktionen spiegeln Anthropic Bemühungen wider, Reibungspunkte für Entwickler rund um Kontinuität und Zuverlässigkeit von Arbeitsabläufen zu verringern.