Claude Opus 5 im Test

Anthropic veröffentlichte Claude Opus 5 am 24. Juli 2026 mit einem mutigen Versprechen: Intelligenz nahe an Claude Fable 5 zum halben Preis von API. Die nützliche Frage ist nicht, ob es an der Spitze eines Launch-Charts steht. Es geht darum, ob das Modell pro Dollar mehr echte Arbeit leistet als Opus 4.8 oder Sonnet 5.

Unser Urteil lautet Ja für schwierige, langwierige Arbeiten. Opus 5 ist das sinnvolle Upgrade von Opus 4.8, da der Standard-Token-Preis unverändert bleibt, während öffentliche Codierung und professionelle Arbeitsbewertungen einen großen Qualitätsgewinn zeigen. Es ist weniger überzeugend für kurze Bearbeitungen, Extraktionen, Klassifizierungen oder Chats mit hohem Volumen, wo Sonnet 5 günstiger und normalerweise schnell genug bleibt.

Claude Opus 5-Rezension: die kurze Antwort

Ihr Arbeitspensum	Bester Ausgangspunkt	Warum
Funktionen für mehrere Dateien, schwieriges Debugging oder lange Agentenausführungen	Opus 5 mit hohem Aufwand	Bestes Gleichgewicht zwischen Leistungsfähigkeit und Ausgaben; Erhöhen Sie den Wert nur dann auf xhigh, wenn Ihre Bewertungen dies rechtfertigen
Routinemäßige Codierung, Support, Extraktion oder Aufgaben mit hohem Volumen	Sonnet 5	Niedrigerer Token-Preis und schnellere Vergleichslatenz
Eine aktuelle Opus 4.8-Integration	Testen und auf Opus 5 umstellen	Gleicher Standardpreis, bessere öffentliche Ergebnisse; Verhaltensänderungen erfordern noch Regressionstests
Maximale Leistungsfähigkeit bei zweitrangigen Kosten	Vergleiche Opus 5 mit Fable 5	Fable hat die höhere beworbene Obergrenze, aber Opus kostet halb so viel und liegt bei mehreren öffentlichen Aufgaben nah oder vorne

Die größte Verbesserung ist nicht die einmalige Codegenerierung. Es geht darum, bei einer langen Aufgabe den Überblick zu behalten: die Grundursache zu finden, anstatt das Symptom zu beheben, Tools zu verwenden, bis das Ergebnis verifiziert ist, und eine Leistung zu erbringen, ohne Platzhalter zu hinterlassen.

Was hat sich gegenüber Opus 4.8 geändert?

Spezifikation	Claude Opus 5
API Modell-ID	claude-opus-5
Kontextfenster	1 Millionen Token, sowohl Standard- als auch Maximalwert
Maximale synchrone Leistung	128,000-Token
Zuverlässiger Wissensabbruch	Mai 2026
Standardpreis API	$5 / Million Eingabe-Token; $25 / Million ausgegebene Token
Prompt-Cache	$6.25 / Million für einen 5-Minuten-Schreibvorgang; $10 für einen 1-stündigen Schreibvorgang; $0.50 für einen Treffer
Denken	Adaptives Denken ist standardmäßig aktiviert
Aufwandsstufen	low, medium, high, xhigh und max; Der Standardwert ist high

Die Headline-Grenzwerte stimmen mit Opus 4.8, überein, das Betriebsverhalten jedoch nicht. Opus 5 aktiviert das Denken standardmäßig, skaliert zuverlässiger, wenn der Aufwand steigt, und senkt die minimal zwischenspeicherbare Eingabeaufforderung von 1,024 auf 512-Token. Es unterstützt auch Beta-Tool-Änderungen während der Konversation, sodass ein Agent Tools hinzufügen oder entfernen kann, ohne den vorhandenen Prompt-Cache ungültig zu machen.

Der Schnellmodus ist als Forschungsvorschau auf dem Claude API verfügbar. Anthropic gibt an, dass die Geschwindigkeit etwa das 2.5-fache der Standardgeschwindigkeit beträgt, verdoppelt aber auch den Grundpreis auf $10-Eingabe und $50-Ausgabe pro Million Token. Es handelt sich um einen Latenzkauf, nicht um einen Rabatt.

Benchmarks: starke Ergebnisse mit wichtigen Fußnoten

Frontier-Bench favorisiert Opus 5 mit großem Abstand

Die öffentliche Frontier-Bench v0.1-Bestenliste listet Opus 5 mit Mini-SWE-Agent bei 43.53% +/- 1.65%-Auflösung auf. In derselben Tabelle sind Fable 5 unter 33.78% und Opus 4.8 unter 21.08% aufgeführt. Mit anderen Worten: Das veröffentlichte Opus 5-Ergebnis ist etwa doppelt so hoch wie das Opus 4.8-Ergebnis und etwa zehn Prozentpunkte über dem Fable 5.

Das ist zwar aussagekräftig, aber kein neutrales Laborergebnis. In der Fußnote von Anthropic heißt es, dass es sich um einen internen Lauf auf einem GKE-Backend handelte, bei dem es sich im Durchschnitt um fünf Versuche pro Aufgabe handelte. Opus 4.8 diente auch als Ausweichlösung, wenn Sicherheitsklassifizierer eine Opus 5- oder Fable 5-Anfrage ablehnten. Der Benchmark stützt die Behauptung, dass Opus 5 bei harter Agentenarbeit viel besser ist; es beweist nicht, dass jedes Endlager den gleichen Aufschwung erfahren wird.

GDPval-AA liefert das stärkste unabhängige Signal

GDPval-AA v2 von Artificial Analysis wertet aus220echte Arbeitsaufgaben über44Berufe. Modelle arbeiten in einer Agentenschleife mit Shell- und Web-Tools und erstellen dann Dokumente, Tabellenkalkulationen, Folien, Diagramme und andere Ergebnisse. Blinde paarweise Vergleiche ergeben einen Elo-Score.

Aufwand und Modell	GDPval-AA v2 Elo	95%-Intervall wird in der Bestenliste angezeigt
Opus 5, max	1861	-25 / +25
Opus 5, xhigh	1827	-24 / +24
Fable 5, max	1747	-17 / +17
Opus 5, high	1741	-23 / +23
GPT-5.6 Sol, max	1735	-17 / +17
Opus 5, medium	1632	-22 / +22
Sonnet 5, max	1603	-17 / +17
Opus 4.8, max	1593	-16 / +16
Opus 5, low	1454	-20 / +20

Zwei Schlussfolgerungen sind wichtig. Erstens führt Opus 5 mit max und xhigh diese unabhängige Rangliste mit deutlichem Vorsprung an. Zweitens ist der Aufwand nicht kosmetischer Natur: Der Abstand zwischen low und max beträgt 407 Elo-Punkte. Standardmäßig haben high, Opus 5, Fable 5, und GPT-5.6 Sol überlappende Intervalle, daher sollte eine Sechs-Punkte-Reihenfolge nicht als entscheidender Sieg verkauft werden.

Anthropic berichtet außerdem, dass Opus 5 bei max innerhalb von 0.5% des CursorBench-Spitzenwerts von Fable 5 bei der Hälfte der Kosten pro Aufgabe liegt, den nächstbesten Wert bei ARC-AGI 3, verdreifacht und den Bestwert von Fable 5 übertrifft OSWorld 2.0 ergibt etwas mehr als ein Drittel der Kosten. Das sind nützliche Richtungssignale, aber sie stammen aus den Startmaterialien und nicht aus einem unabhängigen Lauf, daher gewichten wir sie weniger stark als GDPval-AA.

Wobei Opus 5 wie ein echtes Upgrade aussieht

Codierung mit langem Horizont. Der Eingabeaufforderungsleitfaden von Anthropic besagt, dass das Modell bei Multi-File-Features, größeren Refaktoren und End-to-End-Arbeit am stärksten ist. Das Frontier-Bench-Ergebnis unterstützt diese Positionierung. Der praktische Vorteil besteht in weniger verlassenen Stubs und weniger menschlichem Eingreifen mitten in einer Aufgabe.

Debugging und Codeüberprüfung. Frühe Benutzer berichten von einer besseren Ursachenanalyse und weniger reinen Oberflächenkorrekturen. Anthropic sagt außerdem, dass der Rückruf von Bewertungen auch bei geringerem Aufwand nützlich bleibt. Teams sollten weiterhin Fehlalarme anhand ihres eigenen Codeüberprüfungssatzes messen, da Testimonials zum Start kein Ersatz für lokale Präzision und Erinnerung sind.

Visuelle und dokumentarische Arbeit. Opus 5 ist stärker in den Bereichen Diagramme, Diagramme, Frontend-Replikation, Tabellenkalkulationen und Foliendecks positioniert. Sein Vorteil sollte am größten sein, wenn der Agent das gerenderte Ergebnis prüfen und iterieren kann, und nicht, wenn er Code oder Markup nur einmal ausgibt.

Selbstverifizierung. Das Model überprüft seine Arbeit häufiger unaufgefordert. Das hilft bei Aufgaben mit offenem Ende, aber doppelte Anweisungen wie „Alles noch einmal prüfen“ können dazu führen, dass zu viel überprüft wird, mehr Token ausgegeben werden und zu viel delegiert wird.

Das Upgrade ist bei einer Ein-Datei-Bearbeitung mit einem präzisen Abnahmetest geringer. Ein günstigeres Modell kann diese Aufgaben lösen, bevor sich die tieferen Überlegungen des Opus 5 überhaupt amortisieren.

Claude Opus 5 Preisgestaltung in einer echten Aufgabe

Für eine Aufgabe, die nicht zwischengespeicherte Eingabetokens 100,000 sendet und Ausgabetokens 10,000 empfängt, sieht die Standardlistenpreisarithmetik wie folgt aus:

Modell	Standard-Input-/Output-Preis	Beispiel-Aufgabenkosten
Claude Fable 5	$10 / $50 pro Million	$1.50
Claude Opus 5	$5 / $25 pro Million	$0.75
Claude Opus 4.8	$5 / $25 pro Million	$0.75
Claude Sonnet 5	$2 / $10 pro Million	$0.30

Anthropic hat den Einführungspreis $2 / $10 von Sonnet 5 am 10. August 2026 dauerhaft gemacht; die bisher geplante Erhöhung $3 / $15 wird nicht stattfinden. Die oben genannten Preise verstehen sich ohne Werkzeuggebühren und etwaige Gateway-Preise.

Das 1-Millionen-Token-Fenster ist keine freie Kapazität. Das einmalige Ausfüllen kostet $5 an Eingaben vor der Antwort. Das Lesen der gleichen zwischengespeicherten Millionen Token kostet $0.50,, so dass schnelles Caching die Wirtschaftlichkeit wiederholter Repository- oder Wissensdatenbank-Arbeiten dramatisch verändert. Ein Cache-Schreibvorgang von 5 pro Minute kostet $6.25 pro Million Token und ein Schreibvorgang von einer Stunde 1 kostet $10.

Der Token-Preis entspricht auch nicht dem Aufgabenpreis. Bei höherem Aufwand können Denkmarker und Werkzeugaufrufe hinzugefügt werden, während ein stärkeres Modell in weniger Runden fertig werden kann. Vergleichen Sie Ihre Kosten für abgeschlossene Aufgaben, nicht nur die Preisliste. Die aktuelle Claude Opus 5-Modellseite zeigt den Live-Gateway-Tarif von OmniaKey getrennt vom Standardpreis von Anthropic.

Wer sollte upgraden?

Opus 4.8-Benutzer: Upgrade nach einem gezielten Regressionstest. Der Standardpreis und das Kontextlimit bleiben unverändert, sodass es kaum einen wirtschaftlichen Grund gibt, bei 4.8 zu bleiben, wenn Opus 5 Ihre eigene Abschlussrate verbessert. Lassen Sie 4.8 angeheftet, bis Sie die Ausgabelänge, das Denkverhalten, die Toolaufrufe und die Latenz testen.

Sonnet 5-Benutzer: Verschieben Sie nicht jede Anfrage. Behalten Sie Sonnet für Routineaufgaben und eskalieren Sie mehrdeutige Fehler, Architekturarbeiten, große Umgestaltungen oder teure Ausfälle an Opus 5.. Diese Routing-Richtlinie bietet normalerweise mehr Wert als die Auswahl eines Modells für alles.

Benutzer von Fable 5: Testen Sie Opus 5 zuerst bei kostensensiblen Produktionsarbeiten. Fable ist nach wie vor das allgemein verfügbare Modell mit der höchsten Leistungsfähigkeit von Anthropic, aber die öffentliche Evidenz zeigt, dass Opus 5 bei vielen Arbeitsabläufen zum halben Token-Preis nahe, gleich oder besser ist. Zahlen Sie die Fable-Prämie nur dann, wenn Ihr Evaluierungsset beweist, dass es darauf ankommt.

Sicherheitsteams: Gehen Sie sorgfältig mit der allgemeinen Benchmark-Story um. Anthropic hat Opus 5 absichtlich nicht als sein offensives Cyber-Modell trainiert und bleibt bei der Exploit-Entwicklung hinter Mythos 5 zurück. Das Finden einer Schwachstelle im Quellcode und das Entwickeln eines funktionierenden Exploits sind unterschiedliche Aufgaben.

Migrationsfallen, die vor dem Wechsel getestet werden müssen

1. Ändern Sie die genaue Modell-ID von claude-opus-4-8 in claude-opus-5. Dateless Claude 5-IDs sind angeheftete Snapshots und keine stillschweigend verschobenen Aliase.
2. Besuchen Sie max_tokens erneut. Das Denken ist standardmäßig aktiviert und die Grenze umfasst das Denken plus die sichtbare Ausgabe.
3. Kombinieren Sie thinking: {"type": "disabled"} nicht mit xhigh oder max; Der API gibt HTTP 400. zurück. Behalten Sie die Denkfähigkeit bei und reduzieren Sie den Aufwand, wenn die Kosten im Vordergrund stehen.
4. Erwarten Sie nicht, dass ein geringerer Aufwand die sichtbare Antwort zuverlässig kürzt. Fordern Sie separat eine prägnante Ausgabe an.
5. Entfernen Sie übernommene Anweisungen, die eine zusätzliche Überprüfung oder Subagenten erzwingen. Opus 5 beherrscht beides bereits besser als Opus 4.8.
6. Führen Sie einen Effort-Sweep für Ihre eigenen Aufgaben durch. Anthropic empfiehlt, mit der Standardeinstellung high zu beginnen, für anspruchsvolle Agentenarbeit auf xhigh umzusteigen und bei hoher Qualität low oder medium zu verwenden.

Bei einem sinnvollen Produktions-Rollout wird derselbe feste Aufgabensatz bei medium, high und xhigh verglichen. zeichnet Erfolg, menschliche Korrekturzeit, Latenz, Eingabe, Cache, Ausgabe und Werkzeugaufrufkosten auf; dann Routen nach Aufgabenklasse. Ein einzelnes beeindruckendes Transkript ist keine Bewertung.

Endgültiges Urteil

Claude Opus 5 ist die stärkste Standardauswahl in der Palette von Anthropic für Entwickler, deren teure Probleme langwierig, mehrdeutig und werkzeugintensiv sind. Es bietet Opus 4.8-Benutzern ein erhebliches veröffentlichtes Qualitätsupgrade zum gleichen Standardpreis und macht die Leistung auf Fable-Niveau bei mehreren wichtigen Workloads erschwinglicher.

Es ist nicht die universelle Standardeinstellung. Sonnet 5 bleibt die wirtschaftlichere Wahl für Routinearbeiten, der Aufwand von max kann Einsparungen durch die Verwendung von Token zunichte machen, und die Ergebnisse am Tag der Markteinführung orientieren sich immer noch an den eigenen Bewertungen von Anthropic. Beginnen Sie bei high, messen Sie die Kosten für abgeschlossene Aufgaben und eskalieren Sie selektiv.

Für die umfassendere Routing-Entscheidung ordnet der Claude Code-Modellauswahlleitfaden Sonnet, Opus, Fable und Haiku den Rollen für die tägliche Arbeit, Eskalation und Subagenten zu.

Häufig gestellte Fragen

Ist Claude Opus 5 besser als Opus 4.8?

Ja, basierend auf den verfügbaren öffentlichen Beweisen. Frontier-Bench listet die 43.53%-Auflösung für Opus 5 im Vergleich zu 21.08% für Opus 4.8, auf und GDPval-AA listet 1861 Elo für Opus 5 bei max im Vergleich zu 1593 für Opus auf 4.8 bis max. Der Standardpreis des API-Tokens bleibt unverändert. Ihre Eingabeaufforderungen und Agentenumgebung benötigen noch einen Regressionstest.

Ist Claude Opus 5 besser als Sonnet 5?

Opus 5 ist stärker für schwierige Überlegungen und lange Agentenarbeit; Sonnet 5 ist günstiger und schneller für Routineaufgaben. Nutzen Sie Routing auf Aufgabenebene, anstatt für jede Anfrage den Opus-Tarif zu zahlen. Der direkte Vergleich zwischen Opus 5 und Sonnet 5 fügt angepasste Grenzwerte, Kostenbeispiele und explizite Eskalationssignale hinzu.

Wie viel kostet Claude Opus 5?

Der Standardpreis API von Anthropic beträgt $5 pro Million Eingabe-Tokens und $25 pro Million Ausgabe-Tokens. Cache-Treffer betragen $0.50 pro Million Token. Der Schnellmodus kostet $10 Input und $50 Output pro Million.

Verfügt Claude Opus 5 über ein Kontextfenster 1M?

Ja. Das 1-Millionen-Token-Fenster ist sowohl die Standardeinstellung als auch das Maximum mit bis zu 128,000 synchronen Ausgabetokens. Die Client- oder Gateway-Limits können noch niedriger sein.

Welchen Aufwand sollte ich verwenden?

Beginnen Sie mit high. Verwenden Sie medium, wenn Ihre Auswertungen eine vergleichbare Qualität bei geringeren Kosten zeigen, xhigh für anspruchsvolle Codierung oder lang laufende Agents und max nur, wenn uneingeschränkte Token-Ausgaben einen messbaren Wert schaffen.

Quellen überprüft

• Wir stellen vor: Claude Opus 5
• Was ist neu in Claude Opus 5
• Claude-Modellübersicht
• Anthropic API Preise
• Aufforderung Claude Opus 5
• Aufwandsanleitung
• Frontier-Bench v0.1 Bestenliste
• Künstliche Analyse GDPval-AA v2
• Claude Opus 5 Systemkarte