Claude Opus 5: was es ist und wie man es wirklich einsetzt

Was Claude Opus 5 eigentlich ist

In rund zwei Monaten hat Anthropic vier Releases der Claude-5-Generation herausgebracht, und Opus 5 ist der vierte davon. Es reiht sich direkt über Opus 4.8 ein, zu einem Preis, der sich nicht bewegt hat. Die Launch-Botschaft lautet, es "kommt der Frontier-Intelligenz von Claude Fable 5 zum halben Preis nahe". Ungewöhnlich für Launch-Marketing bestätigen die unabhängigen Zahlen das größtenteils.

Hier die technischen Daten, entnommen der Modellübersicht:

Zwei Zeilen darin überraschen häufig. Erstens: Das 1M-Kontextfenster wird zum Standardtarif abgerechnet, sodass eine 900k-Token-Anfrage pro Token genauso viel kostet wie eine 9k-Token-Anfrage, wie es die Preisdokumentation auch festhält. Zweitens: kein Priority Tier. Opus 4.8 behält eines, wer also eine Kapazitätszusage hat, muss diesen Teil separat einplanen.

Wer diese Modellfamilie zuletzt vor ein paar Releases angeschaut hat, sollte sich das Tempo bewusst machen. Mein Opus-4.5-Test ist erst ein paar Monate alt und liest sich schon wie ein Werkzeug einer ganz anderen Klasse, mit Opus 4.6 irgendwo dazwischen.

"Claude Opus 5" sind fünf Modelle unter einem Namen

Alles Weitere in diesem Beitrag wird durch genau diesen einen Punkt neu eingeordnet, deshalb möchte ich hier wirklich Zeit investieren.

Der effort-Parameter ist kein Qualitätsregler, den man nach Geschmack anpasst. In der gesamten API ist er der größte einzelne Hebel für Kosten und Latenz, und auch für die Ausgabequalität, und der Abstand zwischen seinen beiden Enden ist größer als der zwischen den meisten konkurrierenden Modellen.

Artificial Analysis hat jede Einstellung durch AA-Briefcase laufen lassen. Dieser Benchmark deckt langfristige Wissensarbeit ab, aufgebaut auf mehrwöchigen Projekten mit Tausenden Quelldateien. Die Streuung ist hier die eigentliche Geschichte:

Liest man die Fable-5-Zeile neben der high-Zeile, ergibt sich der beste Wertdatenpunkt im gesamten Datensatz: Bei hohem Effort schlägt Opus 5 Fable 5 um 32 Elo, und das zu 10,41 Dollar pro Aufgabe, weniger als der halbe Preis von Fable. Liest man dieselbe Zeile jetzt gegen low, steht da 1223, unter GLM-5.2. Gleiche Modell-ID, gleiche Woche, und beides stimmt.

GDPval-AA v2 zeigt dasselbe Muster: Die Effort-Stufen überspannen 407 Elo-Punkte, und der Output-Token-Verbrauch liegt beim Sprung von low zu max bei etwa dem 8-fachen.

Bemerkenswert ist, was die Grafik selbst zugibt: Am günstigen Ende der Leiter steht GPT-5.6 Sol über Opus 5, nicht darunter. Erst wenn man pro Aufgabe wirklich viel Geld zahlt, zieht Anthropics Linie vorbei. Ein einzelner Headline-Rang verbirgt genau diese Art von Detail.

Noch eine Besonderheit, und das ist die seltsamste Zahl des gesamten Launches. Bei Cognitions FrontierCode 1.1 liegt der beste Opus-5-Wert bei medium-Effort. Nicht max. Anthropic erklärt im System Card unverblümt, warum: Bei höherem Effort "nimmt das Modell mehr Änderungen vor, als die Aufgabe erfordert", und Änderungen außerhalb des Umfangs werden vom Grader bestraft. Eine kurze Anweisung, im Umfang zu bleiben, "stellte die Leistung bei den meisten dieser Aufgaben wieder her". Mehr Nachdenken ist also nicht monoton besser, und bei mindestens einem echten Coding-Benchmark sogar schlechter.

Wähle deine Effort-Stufe

Statt dich wieder zu dieser Tabelle nach oben scrollen zu lassen, hier dieselbe Entscheidung als Auswahlhilfe. Wähle die Einstellung, die du geplant hattest zu nutzen, und sieh, was sie dir bringt.

Warum sich online niemand einig ist, ob es günstig ist

Sobald der Effort-Regler im Kopf sitzt, wirkt das Chaos der Launch-Woche gar nicht mehr verwirrend.

Innerhalb derselben 48 Stunden hatte Reddit zwei Top-Threads, die sich schlichtweg widersprachen. Ein Lager postete, der Token-Verbrauch sei fantastisch, und ein r/ClaudeCode-Poster berichtete dort von acht Stunden Arbeit für 5% eines Wochenkontingents. Das andere Lager postete darüber, dass es das 5-Stunden-Limit 10-mal schneller aufbraucht, und beschrieb ein Limit, das früher nach sechs Stunden erreicht wurde und jetzt in weniger als zwei erreicht wird. Dann sammelte ein Thread mit dem wörtlichen Titel also was jetzt über 150 Kommentare von Leuten, die nach diesem Widerspruch fragten.

Hacker News kam schneller zur Antwort als die Benchmark-Berichterstattung:

"Das Diagramm zeigt maximalen Effort, der meist von preisunempfindlichen Enterprise-Nutzern verwendet wird. Bei mittlerem Effort fällt es auf fast die Hälfte der Kosten von K3, und das dürfte für 95% der Coding-Aufgaben ausreichen."

ricardobeat, Hacker News

"Es überlegt oberhalb von medium ziemlich stark, probier lieber das aus."

cbg0, Hacker News

Unter dieser ersten Ursache steckt eine zweite, und die erwischt Leute, die den Effort-Parameter nie angerührt haben. Thinking ist bei Opus 5 standardmäßig aktiviert, bei Opus 4.8 war es das nicht, sodass eine Anfrage, die man nie geändert hat, jetzt Token fürs Reasoning verbraucht, die früher übersprungen wurden. Jemand entdeckte das binnen Stunden nach dem Launch in den Migrationshinweisen:

"Die Breaking Changes gegenüber Opus 4.8 sind interessant: 1. Thinking standardmäßig aktiv: Bei Claude Opus 4.8 laufen Anfragen ohne Thinking-Feld ohne Thinking; bei Claude Opus 5 laufen dieselben Anfragen mit adaptivem Thinking. 2. Thinking deaktivieren ist auf high-Effort begrenzt"

hrpnk, Hacker News

Beide Lager sagten also die Wahrheit. Nur eben über unterschiedliche Konfigurationen desselben Modells. Das ist der ganze Streit.

Die zwei Dinge, die beim Umstieg brechen

Anthropic nennt Opus 5 "ein Drop-in-Upgrade für Claude Opus 4.8 zum gleichen Preis", und der Migrationsleitfaden listet dann genau zwei Breaking Changes auf.

Thinking ist standardmäßig aktiviert. Bei 4.8 lief eine Anfrage ohne thinking-Feld ohne Thinking; bei Opus 5 läuft dieselbe Anfrage mit adaptivem Thinking. Und da max_tokens die gesamte Ausgabe begrenzt, Reasoning eingeschlossen, sollte jede Workload, die früher schlank lief, ihr Limit überprüfen, bevor Ergebnisse abgeschnitten werden.

Thinking deaktivieren ist auf high begrenzt. thinking: {type: "disabled"} zu senden funktioniert weiterhin, aber kombiniert man es mit xhigh oder max, kommt ein 400 zurück. Diese Prüfung läuft pro Anfrage, was bedeutet, dass ein Anheben des Efforts mitten im Gespräch bei deaktiviertem Thinking abgelehnt wird, selbst wenn frühere Turns problemlos durchgingen. Anthropic warnt zudem, dass das Modell bei deaktiviertem Thinking "gelegentlich Tool-Aufrufe als reinen Text ausgeben oder interne XML-Tags in der sichtbaren Ausgabe enthalten kann".

Der Rest des Upgrades ist reiner Gewinn, und einige Punkte davon lohnt es sich, bewusst zu aktivieren:

• Die Untergrenze für den Prompt-Cache sank auf 512 Token, herunter von 1.024 bei Opus 4.8 und 4.096 bei Opus 4.6. Kurze Systemprompts, die vorher nie cachebar waren, sind es jetzt, ohne dass Code geändert werden muss.
• Tool-Änderungen mitten im Gespräch, hinter dem Beta-Header mid-conversation-tool-changes-2026-07-01, erlauben es, zwischen Turns Tools hinzuzufügen oder zu entfernen, und Cache-Treffer aus früheren Turns überstehen das.
• Ein fallbacks-Parameter leitet Ablehnungen durch den Cyber-Klassifizierer an Opus 4.8 weiter, statt einen Fehler zurückzugeben, sodass Anfragen "standardmäßig immer zum besten verfügbaren Modell geroutet werden, statt blockiert zu werden". Der Haken ist die Verfügbarkeit: nicht bei der Batch-API, nicht bei Bedrock, und nicht bei Google Cloud oder Microsoft Foundry.
• Opus 5 hat einen eigenen Rate-Limit-Bucket. Die Rate-Limits-Seite macht ausdrücklich klar, dass es nicht Teil des gemeinsamen Opus-4.x-Pools ist, und nennt für diesen Bucket 1.000 RPM bei 2.000.000 Input-Token pro Minute.

Zwei Prompting-Details sind hier leicht zu übersehen. Anthropic empfiehlt, mitgeführte Verifizierungsanweisungen zu entfernen, weil "Claude Opus 5 seine eigene Arbeit überprüft, ohne dass man es dazu auffordert", und rät außerdem dazu, das Erzeugen von Subagenten zu begrenzen, da das Modell bereitwilliger delegiert als seine Vorgänger. Claude Code hat diesen zweiten Punkt ernst genug genommen, um eine fest codierte Anweisung auszuliefern, die Opus 5 sagt, keine Subagenten zu verwenden. Die Reaktion auf HN fiel erwartungsgemäß gespalten aus.

Wo es führt, und wo nicht

Die Schlagzeile stimmt. Im Intelligence Index setzt Artificial Analysis Opus 5 bei maximalem Effort auf 61, Rang #1 gegenüber einem Klassenmedian von 32. Bevor man sich zu sehr freut, sollte man die Verfolger lesen: Fable 5 mit 60, GPT-5.6 Sol mit 59, Kimi K3 mit 57, dann Opus 4.8 mit 56. Artificial Analysis' eigenes Fazit zu Opus 5 lautet "knapp das intelligenteste Modell", und die gesamte Spitzengruppe passt in eine Fünf-Punkte-Bandbreite.

Wo die klaren, unbestreitbaren Siege liegen, ist alles an einem Ort, agentische Arbeit. Zapiers AutomationBench setzt einen Agenten in ein simuliertes Unternehmen mit Dutzenden REST-Endpunkten über 47 Apps hinweg, und dort erreicht Opus 5 26,0% gegenüber 17,0 bei Opus 4.8, 17,4 bei Fable 5 und 18,1 bei GPT-5.6 Sol.

Der andere echte Ausreißer ist ARC-AGI-3, mit 30,16% Relative Human Action Efficiency gegenüber 7,78% bei GPT-5.6 Sol. Und für dieses Beitrags-Argument bemerkenswert: Dieser Wert stammt von high-Effort, nicht max.

Jetzt die ehrliche andere Spalte. Artificial Analysis maß bei Humanity's Last Exam 53%, "auf einer Linie mit Fable 5", also ein Unentschieden und kein Sieg. Bei CritPt, der Grenzphysik, zieht es mit Fable 5 gleich und liegt hinter drei OpenAI-Modellen. Terminal-Bench v2.1 bringt 89%, was "in etwa auf einer Linie" mit dem Spitzenreiter liegt. Anthropic selbst sagt, dass Opus 5 in der Biologieforschung hinter Mythos 5 zurückbleibt, ebenso bei offensiver Cybersicherheit.

Dann gibt es das Leaderboard, das endlich Daten hat. Zum Launch hatte LMArena keinen Eintrag für Opus 5, niemand konnte also sagen, was Menschen davon hielten. Anfang August ist es gelistet. Die Antwort ist nicht die, die der Intelligence Index vorhersagen würde.

Auf LMArenas Text-Leaderboard liegt claude-opus-5-high auf Rang 7 mit 1492 Elo, und claude-opus-5-max auf Rang 8 mit 1490. Über den beiden: Fable 5 mit 1509, plus drei ältere Claude-Modelle. Benchmarks, die Aufgabenerfüllung messen, und Menschen, die für die bevorzugte Antwort abstimmen, messen zwei unterschiedliche Dinge, und Opus 5 zeigt diese Lücke deutlich. Die Community brachte es einfacher auf den Punkt:

"Ich habe den Schreibstil von Opus 5 mit Fable 5 verglichen, und Opus 5 führt viele der 'Claude-isms' seines 4.8-Vorgängers fort, auf eine Art, von der sich Fable gelöst hat."

deet, Hacker News

Wie man tatsächlich Zugang bekommt

Sechs Wege dorthin, und sie liefern nicht alle dasselbe.

Claude Code ist in jedem kostenpflichtigen Tarif enthalten und schöpft aus demselben Pool. Zeigt dein Picker noch 4.8 an, funktioniert /model claude-opus-5 direkt, und bei älteren CLI-Versionen liefert /model claude-opus-5[1m] die 1M-Kontext-Variante. Ebenfalls wissenswert: Claude Code zeigte dafür zunächst nur ein 200K-Fenster, genau die Art von Detail, für die meine Notizen zu Claude Codes Kontextfenster existieren.

Auf den Cloud-Plattformen werden Bedrock und Google Cloud von Partnern betrieben, sie rechnen direkt ab, und regionale Endpunkte kosten einen Aufschlag von 10% gegenüber den globalen. Claude Platform auf AWS rechnet in Claude Consumption Units zu 0,01 Dollar pro CCU ab, ebenso Microsoft Foundry. Zusätzlich zu den Token-Kosten kommen bei Managed Agents 0,08 Dollar pro Sitzungsstunde aktiver Laufzeit hinzu.

Fast Mode ist der einzige Weg mit echten Bedingungen. Bis zu 2,5-fach höhere Output-Token pro Sekunde, zum genau doppelten Preis, 10 und 50 Dollar, über das gesamte Kontextfenster hinweg angewendet. Die Bedingungen: immer noch eine Research Preview, nur First-Party-Claude-API, hinter einer Warteliste oder einem Account-Manager, und funktioniert nicht mit Batch. Pro Token landen diese Sätze am selben Punkt wie Standard-Fable 5, man kauft dort also Latenz, nicht Fähigkeit. Meine Claude-Opus-5-Preisaufschlüsselung arbeitet durch, was das mit einer Monatsrechnung macht, während Claude-Code-Preise die CLI-Seite abdecken.

Die Wand zwischen Opus 5 und einem echten Kunden

Bisher ging es immer um die Wahl einer Einstellung. Dieser Abschnitt handelt von dem Punkt, an dem keine Einstellung mehr hilft.

Aktuell misst Artificial Analysis Opus 5 bei 55,7 Output-Token pro Sekunde, was Rang #111 von 184 bedeutet, und die Zeit bis zum ersten Token liegt bei 63,43 Sekunden. Den Effort herunterzudrehen bringt sehr wenig Geschwindigkeit zurück. Alle drei Top-Einstellungen bei AA-Briefcase brauchen im Schnitt mehr als 25 Minuten pro Aufgabe. Der Einzeiler, den Artificial Analysis dafür schrieb: Opus 5 ist "unter den führenden Modellen bei Intelligenz, aber besonders teuer im Vergleich zu anderen Modellen ähnlicher Preisklasse. Es ist zudem merklich langsam und sehr wortreich".

Die zweite Zahl ist mir wichtiger, und sie zeigt in die entgegengesetzte Richtung zum Marketing. Gegenüber Opus 4.8 gewann Opus 5 7 Punkte Genauigkeit bei AA-Omniscience, und gleichzeitig stieg seine Halluzinationsrate um 14 Punkte auf 50%, weil es häufiger antwortet, wenn es sich unsicher ist. Anthropics eigene System Card sagt es klar: "Das Modell halluziniert faktische Aussagen etwas häufiger als Opus 4.8, obwohl es insgesamt genauer ist."

Für einen Coding-Agenten, der seine eigenen Tests erneut ausführt, ist dieser Tausch in Ordnung. Setz denselben Tausch jetzt in eine Support-Antwort, die mit deinem Logo an einen zahlenden Kunden geht. Eine selbstsichere, aber falsche Antwort ist dort der Fehlermodus, der einen den Kunden kosten kann, und deshalb wird das Verhindern von Halluzinationen im Support am Ende zu einem Produktdesign-Problem statt zu einem Modellauswahl-Problem.

Ich habe das mittlerweile so oft erlebt, dass ich klar dazu sagen kann: Irgendetwas um 10% eines funktionierenden Support-Einsatzes ist das Modell. Die übrigen 90% sind Wissensabruf, der aktuell bleibt, plus ein Confidence-Schwellenwert, der entscheidet, was die KI überhaupt anfassen darf, ein Simulationsdurchlauf über historische Tickets, damit die Antwortquote bekannt ist, bevor irgendein Kunde sie sieht, und dann eine Übergabe, die den Kontext nicht verliert. Ein eesel-Kunde, der ein Krypto-ATM-Netzwerk betreibt, hat die Build-versus-Buy-Frage besser formuliert, als ich es könnte:

"Wir hätten versuchen können, unsere eigene LLM-Anwendung zu schreiben, aber wir wollten unsere Zeit nicht darin investieren. Wir wollten etwas, das wir nicht selbst warten müssen."

Karel, GENERAL BYTES

Eine CX-Leiterin bei einer DTC-Nahrungsergänzungsmarke beschrieb daraufhin das Kontrollproblem in einem Satz, der mir jahrelang im Kopf geblieben ist: Die KI wird nie 100% der Fragen beantworten, also brauchte sie eine KI, die nur die Tickets bearbeitet, bei denen sie sich sicher ist, und den Rest in Ruhe lässt. Kein effort-Parameter liefert das. Es ist eine Routing-Entscheidung, die außerhalb des Modells getroffen wird.

eesel ausprobieren

Wenn du hier gelandet bist, weil gerade ein Modell für eine Support-Queue ausgewählt wird, lautet der ehrliche Rat: Opus 5 ist eine gute Engine, und die Engine war nie dein Engpass. eesel ist der Teil, der sich um diese Engine legt. Es lässt sich in das Helpdesk einbinden, das du bereits nutzt, trainiert auf deinen vergangenen Tickets und deinem Hilfecenter statt auf einem eingefügten Prompt, und simuliert gegen deine eigene Ticket-Historie, sodass die Lösungsquote vor dir liegt, bevor irgendein Kunde den Agenten überhaupt sieht. Die Einrichtung dauert Minuten statt eines Quartals, und die Preisgestaltung zählt gelöste Tickets, nicht Token, sodass ein wortreiches Modell die Rechnung nicht heimlich aufblähen kann.

Diese Reporting-Ansicht ist der Teil, den kein reiner API-Key liefert: welche Tickets der Agent tatsächlich übernommen hat, was jeden Lauf ausgelöst hat, und an welchen Stellen ein Mensch eingegriffen hat. Um zu sehen, wie die eigenen Zahlen aussehen, kann man eesel kostenlos ausprobieren, oder lesen, wie sich dieselbe Entscheidung bei den Support-Tools dieses Jahres und bei den Kosten eines KI-Support-Agenten darstellt.

Für den Rest des Opus-5-Gesamtbilds: Der vollständige Test enthält das Fazit, ob sich ein Upgrade überhaupt lohnt, Opus 5 gegen Fable 5 deckt die Stufe darüber ab und Opus 5 gegen Sonnet 5 die Stufe darunter, und Sonnet-5-Preise sind gerade jetzt relevant, da die Einführungspreise von 2 und 10 Dollar am 31. August 2026 auslaufen.