Anthropic hat heute Claude Opus 5 veröffentlicht und ersetzt damit Claude Opus 4.8 als Flaggschiffmodell der Opus-Reihe. Die Preise bleiben unverändert bei $5 pro Million Eingabetokens und $25 pro Million Ausgabetokens, sodass das neue Flaggschiff denselben API-Tarif wie das ersetzte Modell beibehält.

Anthropic beschreibt Opus 5 als ein Modell, das sich der Intelligenz von Claude Fable 5 zum halben Preis annähert. Das Modell ist nun die Standardeinstellung in Claude Max und das stärkste verfügbare Modell in Claude Pro.

Änderungen auf API-Ebene

Anthropic hat mit Opus 5 mehrere Änderungen auf API-Ebene eingeführt, die Entwickler möglicherweise berücksichtigen müssen, bevor sie Benchmark-Ergebnisse bewerten oder bestehende Anwendungen auf das neue Modell umstellen.

Erstens ist Denken standardmäßig aktiviert. Bei Opus 4.8 wurden Anfragen ohne Denken ausgeführt, sofern Entwickler nicht thinking: {"type": "adaptive"} setzten. Bei Opus 5 denkt dieselbe Anfrage standardmäßig, während der Parameter effort die Tiefe steuert. Da max_tokens nun sowohl Denk-Tokens als auch Antworttext begrenzt, müssen bestehende Token-Limits möglicherweise überprüft werden.

Zweitens hat Anthropic eine Breaking Change eingeführt. Anfragen, die thinking: {"type": "disabled"} setzen und effort auf xhigh oder max festlegen, geben nun einen 400-Fehler zurück. Die Einschränkung wird pro Anfrage durchgesetzt. Entwickler müssen den Effort entweder auf high begrenzen oder das Thinking-Feld entfernen.

Drittens rät Anthropic Entwicklern, Verifikations-Prompts zu entfernen. Anweisungen wie „include a final verification step“ können nun zu Überverifikation führen, weil das Modell seine eigene Arbeit bereits überprüft. Anthropics Prompting-Leitfaden für Opus 5 behandelt die entsprechenden Tuning-Muster.

Die Modell-ID lautet claude-opus-5. Das Kontextfenster beträgt 1M Tokens sowohl als Standard als auch als Maximum, ohne kleinere Variante. Die maximale Ausgabe liegt bei 128k Tokens in der synchronen Messages API. Die Message Batches API unterstützt mit dem Beta-Header output-300k-2026-03-24 bis zu 300k Ausgabetokens. Die minimale Länge eines cachebaren Prompts wurde von 1.024 auf 512 Tokens gesenkt.

Ergebnisse bei Coding- und agentischen Benchmarks

Auf FrontierBench v0.1, einem 74-Aufgaben-Nachfolger von Terminal-Bench 2.1, erzielte Opus 5 bei maximalem Effort 43,3%. Opus 4.8 erreichte 18,7%, während Fable 5 auf 33,7% und GPT-5.6 Sol auf 37,5% kam. Bei xhigh-Effort erzielte Opus 5 sein bestes Ergebnis mit einem mittleren Reward von 44,4%.

Ein bemerkenswertes Detail aus diesem Lauf betrifft Sicherheitsverweigerungen. Die Sicherheitsklassifikatoren von Opus 5 markierten und verweigerten 5% der API-Aufrufe über 4% der Tests hinweg. Die Klassifikatoren von Fable 5 markierten 42% der Aufrufe über 26% der Tests hinweg.

Opus 5 erzielte 96,0% auf SWE-bench Verified und 79,2% auf SWE-bench Pro. Fable 5 blieb auf SWE-bench Pro mit 80,0% leicht vorn. Auf SWE-bench Multimodal verbesserte sich Opus 5 von 38,4% auf 59,4%.

Die stärksten Zugewinne zeigten sich in agentischen Bewertungen, bei denen Modelle über Softwareumgebungen hinweg agieren müssen, statt nur auf einen einzelnen statischen Prompt zu antworten. Opus 5 erreichte 70,57% auf OSWorld 2.0, verglichen mit 55,7% für Opus 4.8. Auf Zapier AutomationBench erzielte es 26,0%, gegenüber 17,0% für Opus 4.8 und 17,4% für Fable 5. Bei mittlerem Effort erzielte Opus 5 immer noch 24% zu Kosten von $0.89 pro Aufgabe.

Auf Artificial Analysis GDPval-AA v2 belegte Opus 5 die ersten beiden Plätze der Bestenliste mit ELO 1861 und 1827. Die xhigh-Konfiguration übertraf jedes andere Modell und verwendete dabei 25% weniger Ausgabetokens als max.

Reasoning-Ergebnisse und ARC-AGI-3

Anthropic testete Opus 5 mit allen sechs IMO-2026-Aufgaben ohne Tools oder Agent-Harness. Ein Richtergremium aus drei Modellen bewertete alle 24 generierten Lösungen als korrekt. Menschliche Experten bewerteten separat je eine vorab festgelegte Lösung pro Aufgabe mit 7/7. Das Endergebnis von 42/42 liegt auf Goldmedaillen-Niveau und über dem Grenzwert von 29/42.

Die ARC Prize Foundation meldete für Opus 5 auf ARC-AGI-3 bei hohem Effort einen verifizierten Wert von 30,16%. Das ist ungefähr das Vierfache des besten zuvor gemeldeten Bestenlistenergebnisses. GPT-5.6 Sol erreichte 7,78%, Opus 4.8 erreichte 1,52%. Ergebnisse von Opus 5 bei maximalem Effort waren zum Veröffentlichungszeitpunkt nicht verfügbar.

Auf Humanity’s Last Exam erzielte Opus 5 56,3% ohne Tools und 64,7% mit Tools.

Tool-Nutzung bei multimodalen Aufgaben

Anthropics multimodale Ergebnisse deuten darauf hin, dass agentische Tool-Nutzung Testzeit-Compute kosteneffizienter skaliert als adaptives Denken allein.

Auf Chartography erzielte Opus 5 29,6% ohne Tools und 83,0% bei Nutzung eines Containers und eines Bildzuschneide-Tools. Auf BenchCAD Vision2Code stieg die Voxel-IoU von 0,366 auf 0,821. Mit Tools übertraf Opus 5 Claude Mythos 5, das bei derselben Kennzahl 0,678 erreichte.

Cyber-Fähigkeiten und Schutzmaßnahmen

Anthropic erklärte, Opus 5 nicht auf Cybersicherheitsaufgaben trainiert zu haben. Die Cyber-Fähigkeiten des Modells stiegen dennoch als Nebenprodukt breiterer Fähigkeitsverbesserungen.

Auf ExploitBench erfasste Opus 5 im AutoNudge-Arm durchschnittlich 10,14 Capability Flags und erzeugte 99 vollständige Exploits für beliebige Codeausführung. Mythos 5 erzeugte 132. Auf OSS-Fuzz erzielte Opus 5 bei 79,4% der Ziele ein von null verschiedenes Ergebnis, während Mythos 5 ungefähr 80% erreichte. Allerdings schloss Opus 5 4 vollständige Exploits ab, verglichen mit 13 bei Mythos 5.

Diese Lücke prägte Anthropics Schutzkonzept. Opus 5 ist beim Finden von Schwachstellen nahezu so stark wie Mythos 5, aber beim Ausnutzen dieser Schwachstellen deutlich schwächer. Daher hat Anthropic das Finden von Schwachstellen in Quellcode freigegeben. Binärbasierte Scans, Penetrationstests und Exploit-Generierung bleiben blockiert. Anthropic erwartet, dass Klassifikatoren etwa 85% seltener eingreifen als bei Fable 5. Verteidiger können sich für das Cyber Verification Program bewerben.

UK AISI testete frühe Checkpoints auf drei Cyber-Ranges mit 100M Tokens pro Versuch. Opus 5 löste „The Last Ones“ Ende-zu-Ende in 8 von 10 Versuchen. Die schwierigere Range „Doing Life“ löste es nicht, erreichte aber Schritt 22 von 23 und kam damit weiter als jedes getestete Modell.

Im Rahmen von Anthropics Responsible Scaling Policy behandelt das Unternehmen Opus 5 als Modell mit CB-1-Fähigkeiten, jedoch nicht mit CB-2-Fähigkeiten. Anthropic wendet dieselben ASL-3-Schutzmaßnahmen an, die für Opus 4.8 genutzt wurden. Der Schwellenwert für KI-F&E wurde nicht überschritten.

Ergebnisse bei Prompt-Injection

Auf dem Gray-Swan-Benchmark für indirekte Prompt-Injection sank der Angreifererfolg innerhalb von 15 Versuchen von 5,5% bei Opus 4.8 auf 2,0% bei Opus 5. Mythos 5 lag bei 2,6%, während GPT-5.6 Sol bei 20,0% lag.

In Browserumgebungen, die über Claude Cowork liefen, sank der Angreifererfolg von 31,5% bei Opus 4.8 auf 3,70% bei Opus 5. Dieses Ergebnis wurde ohne angewandte Schutzmaßnahmen gemessen. Mit aktiviertem Auto-Modus erreichte der Angreifererfolg 0% über alle 129 Umgebungen hinweg.

Zu den im ursprünglichen Bericht genannten Quellen gehören der Anthropic-Launchbeitrag, die Claude Opus 5 System Card, Was neu ist in Claude Opus 5, TechCrunch und CodeRabbits unabhängige Rezension.