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

Zusammenfassung

Der 24. Juli 2026 war das Erscheinungsdatum für Claude Opus 5. Der Preis: $5 pro Million Input-Token und $25 pro Million Output. Genau das, was Opus 4.8 gekostet hat, was viele Leute überrascht hat. Dann der Rest der technischen Daten, kurz und knapp. Modell-ID claude-opus-5. Kontext 1M Token, maximaler Output 128k, und ein Knowledge-Cutoff im Mai 2026. Anthropics Dokumentation empfiehlt jetzt, hier zu starten und erst zu Fable 5 zu wechseln, wenn du wirklich die Obergrenze brauchst.

Die meisten Artikel überspringen den nächsten Teil. „Claude Opus 5" ist nicht ein Modell, sondern fünf. Der Parameter effort reicht von low bis max, und Artificial Analysis benchmarkt jede Einstellung als eigenen separaten Eintrag, was durchaus fair ist, denn genau so verhält sich das Modell. 497 Elo-Punkte Streubreite bei Long-Horizon-Wissensarbeit. Etwa 8x so viele Output-Token vom unteren bis zum oberen Ende des Reglers. Wenn also online darüber gestritten wird, ob Opus 5 absurd günstig oder ein Token-Ofen ist, geht es in Wirklichkeit darum, welche der fünf Stufen jemand gerade gefahren hat.

Eine Einschränkung sollte man früh benennen, und ich stoße fast jede Woche darauf: Dieses Modell braucht 63 Sekunden, um bei max Effort das erste Token zu produzieren. Background-Worker. Das ist die Kategorie, in die es gehört. Richte es auf ein Live-Chat-Fenster, und allein die Wartezeit beendet das Gespräch für dich – und nach ein paar Jahren, in denen ich bei eesel KI-Agenten auf echte Support-Warteschlangen angesetzt habe, ist die Lektion, die ich immer wieder neu lerne, dass das Modell nie der schwierige Teil dieser Aufgabe war.

Was Claude Opus 5 wirklich ist

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

Hier die technischen Daten, entnommen aus der Modellübersicht:

Zwei Zeilen darin überraschen die Leute meistens. Erstens: Das 1M-Kontextfenster wird zu Standardraten abgerechnet, eine Anfrage mit 900k Token kostet also pro Token genauso viel wie eine mit 9k, wie die Preis-Dokumentation erklärt. Zweitens: kein Priority Tier. Opus 4.8 hat noch eins, wer also eine Kapazitätszusage laufen hat, muss diesen Teil separat planen.

Wenn dein letzter Blick auf diese Modellfamilie ein paar Releases zurückliegt, lohnt es sich, das Tempo zu registrieren. Mein Opus-4.5-Review ist nur wenige Monate alt und liest sich schon wie ein Werkzeug einer anderen Klasse, mit Opus 4.6, das irgendwo dazwischen liegt.

„Claude Opus 5" sind fünf Modelle unter einem Namen

Alles andere in diesem Beitrag wird durch diesen einen Teil neu eingeordnet, deshalb widme ich ihm hier wirklich Zeit.

Der Parameter effort ist kein Geschmacksregler, den man nach Belieben verschiebt. In der ganzen API ist er der mit Abstand größte Hebel für Kosten und Latenz, und auch für die Output-Qualität, und der Abstand zwischen seinen beiden Enden ist größer als das, was die meisten konkurrierenden Modelle voneinander trennt.

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

Vergleicht man die Fable-5-Zeile mit der high-Zeile, fällt der beste Wert im ganzen Datensatz heraus: Bei high Effort schlägt Opus 5 Fable 5 um 32 Elo, und das zu $10.41 pro Aufgabe, weniger als der halbe Preis von Fable. Jetzt lies dieselbe Zeile gegen low. 1223, das liegt unter GLM-5.2. Gleiche Modell-ID, gleiche Woche, und beides stimmt.

GDPval-AA v2 zeigt das gleiche Bild: Die Effort-Stufen spannen 407 Elo-Punkte, und der Output-Token-Verbrauch liegt etwa 8x höher von low bis max.

Bemerkenswert, was das Diagramm zugibt: Am günstigen Ende der Leiter liegt GPT-5.6 Sol über Opus 5, nicht darunter. Erst wenn man wirklich Geld pro Aufgabe zahlt, zieht Anthropics Linie vorbei. Ein einzelner Headline-Rang verdeckt genau solche Details.

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

Wähle deine Effort-Stufe

Damit du nicht wieder nach oben zu dieser Tabelle scrollen musst, hier die gleiche Entscheidung als Picker aufbereitet. Wähle die Einstellung, die du eigentlich nutzen wolltest, 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 Launch-Week-Chaos überhaupt nicht mehr verwirrend.

Innerhalb derselben 48 Stunden liefen auf Reddit zwei Top-Threads, die sich komplett widersprachen. Ein Lager postete, dass der Token-Verbrauch fantastisch ist, und ein r/ClaudeCode-Poster berichtete dort von acht Stunden Arbeit für 5% eines Wochenkontingents. Das andere Lager postete darüber, das 5-Stunden-Limit 10x schneller aufzubrauchen, und beschrieb, dass ein Limit, das früher in sechs Stunden erreicht wurde, jetzt in unter zwei Stunden kommt. Dann zog ein Thread mit dem wörtlichen Titel so which is it über 150 Kommentare von Leuten an, die nach dem Widerspruch fragten.

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

„Das Diagramm zeigt max Effort, das meist von preisunempfindlichen Enterprise-Nutzern verwendet wird. Bei medium Effort fällt es auf fast die Hälfte der Kosten von K3, und das reicht wahrscheinlich für 95% der Coding-Aufgaben."

ricardobeat, Hacker News

„Es überdenkt einiges oberhalb von medium Effort, probier das mal aus."

cbg0, Hacker News

Unter dieser ersten Ursache steckt eine zweite, und die erfasst auch Leute, die den Effort-Parameter nie berührt haben. Thinking ist bei Opus 5 standardmäßig aktiviert, bei Opus 4.8 war es das nicht, also verbraucht eine Anfrage, die du nie geändert hast, jetzt Token für Reasoning, das sie vorher übersprungen hat. Jemand hat das innerhalb von Stunden nach dem Launch in den Migrationshinweisen entdeckt:

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

hrpnk, Hacker News

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

Die zwei Dinge, die bei der Migration brechen

Anthropic bezeichnet Opus 5 als „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 den gesamten Output begrenzt, Reasoning eingeschlossen, sollte jeder Workload, der bisher knapp kalkuliert war, seine Obergrenze überprüfen lassen, bevor er anfängt, dir Ergebnisse abzuschneiden.

Das Deaktivieren von Thinking ist auf high begrenzt. thinking: {type: "disabled"} zu senden funktioniert weiterhin, aber kombiniert mit xhigh oder max bekommst du einen 400-Fehler zurück. Diese Prüfung läuft pro Anfrage, was bedeutet, dass eine Erhöhung des Effort mitten im Gespräch bei deaktiviertem Thinking abgelehnt wird, selbst wenn frühere Turns problemlos durchgingen. Anthropic warnt außerdem, dass das Modell bei deaktiviertem Thinking „gelegentlich Tool-Calls als reinen Text ausgeben oder interne XML-Tags in seinem sichtbaren Output einschließen kann."

Der Rest des Upgrades ist reiner Gewinn, und ein paar Teile davon lohnt es sich, bewusst einzuschalten:

• Die Prompt-Cache-Untergrenze sank auf 512 Token, runter von 1.024 bei Opus 4.8 und 4.096 bei Opus 4.6. Kurze System-Prompts, die vorher nie cachefähig waren, sind es jetzt, und dafür ist keine Codeänderung nötig.
• Mid-Conversation-Tool-Änderungen, versteckt hinter dem mid-conversation-tool-changes-2026-07-01-Beta-Header, erlauben es, zwischen Turns Tools hinzuzufügen oder zu entfernen, und Cache-Hits auf früheren Turns überleben das.
• Ein fallbacks-Parameter leitet Ablehnungen des Cyber-Klassifikators 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 auf der Batch-API, nicht auf Bedrock, und nicht auf Google Cloud oder Microsoft Foundry.
• Opus 5 hat seinen eigenen Rate-Limit-Bucket. Die Rate-Limits-Seite stellt ausdrücklich klar, dass er nicht Teil des gemeinsamen Opus-4.x-Pools ist, und nennt für den Bucket 1.000 RPM mit 2.000.000 Input-Token pro Minute.

Zwei Prompting-Änderungen übersieht man hier leicht. Anthropic rät, alte, mitgeschleppte Verifizierungsanweisungen zu entfernen, weil „Claude Opus 5 seine eigene Arbeit überprüft, ohne dass man es dazu auffordern muss", und rät außerdem, das Erzeugen von Subagenten zu begrenzen, da das Modell bereitwilliger delegiert als seine Vorgänger. Claude Code nahm diesen zweiten Punkt ernst genug, um eine hartcodierte Anweisung auszuliefern, die Opus 5 sagt, keine Subagenten zu verwenden. Die Reaktion auf HN war erwartungsgemäß gespalten.

Wo es führt, und wo nicht

Die Schlagzeile ist durchaus real. Auf seinem Intelligence Index setzt Artificial Analysis Opus 5 bei max Effort auf 61, Rang #1 gegenüber einem Klassenmedian von 32. Bevor du dich freust, lies die Verfolger: Fable 5 mit 60, GPT-5.6 Sol mit 59, Kimi K3 mit 57, dann Opus 4.8 mit 56. Artificial Analysis' eigene Worte für Opus 5: „knapp das intelligenteste Modell", und die gesamte Frontier passt in eine Fünf-Punkte-Bandbreite.

Wo die breiten, eindeutigen Siege liegen, ist alles an einem Ort: agentische Arbeit. Zapiers AutomationBench setzt einen Agenten in eine simulierte Firma mit Dutzenden REST-Endpunkten über 47 Apps, und dort erreicht Opus 5 26.0% gegenüber 17.0 für Opus 4.8, 17.4 für Fable 5 und 18.1 für 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 erwähnenswert für das Argument dieses Beitrags: Dieser Score kam bei high Effort heraus, nicht bei max.

Jetzt die ehrliche andere Spalte. Artificial Analysis maß 53% bei Humanity's Last Exam, „auf einer Linie mit Fable 5", also ein Unentschieden und kein Sieg. Bei CritPt-Frontier-Physik zieht es mit Fable 5 gleich und liegt hinter drei OpenAI-Modellen. Terminal-Bench v2.1 gibt ihm 89%, was „grob auf einer Linie" mit dem Spitzenreiter liegt. Anthropic selbst sagt, dass Opus 5 bei biologischer Forschung hinter Mythos 5 zurückbleibt, und bei offensiver Cybersicherheit ebenfalls.

Dann gibt es das Leaderboard, das jetzt endlich Daten hat. Beim Launch hatte LMArena keinen Eintrag für Opus 5, niemand konnte also sagen, was Menschen davon halten. Seit 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 Antwort abstimmen, die ihnen besser gefällt, messen zwei verschiedene Dinge, und Opus 5 zeigt diese Lücke deutlich. Die Community hat es einfacher ausgedrückt:

„Ich habe den Schreibstil von Opus 5 mit Fable 5 verglichen, und Opus 5 führt viele der ‚Claude-ismen' seines 4.8-Vorgängers fort, von denen sich Fable gelöst hat."

deet, Hacker News

Wie man wirklich daran kommt

Sechs Wege dorthin, und sie liefern nicht alle das Gleiche.

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

Bei den Cloud-Plattformen werden Bedrock und Google Cloud von Partnern betrieben, sie stellen dir direkt eine Rechnung aus, und regionale Endpunkte kosten 10% mehr als globale. Claude Platform auf AWS rechnet in Claude Consumption Units zu $0.01 pro CCU ab, ebenso Microsoft Foundry. Zusätzlich zu den Token kommen bei Managed Agents $0.08 pro Sitzungsstunde aktiver Laufzeit hinzu.

Fast Mode ist der einzige Weg mit echten Bedingungen. Bis zu 2.5x höhere Output-Token pro Sekunde, zu genau dem doppelten Preis, $10 und $50, angewendet über das gesamte Kontextfenster. Die Bedingungen dafür: noch eine Research Preview, nur über die First-Party-Claude-API, hinter einer Warteliste oder einem Account Manager verborgen, und funktioniert nicht mit Batch. Pro Token landen diese Raten am gleichen Punkt wie Standard-Fable-5, du kaufst dort also Latenz und keine Fähigkeit. Meine Claude-Opus-5-Preisaufschlüsselung arbeitet durch, was das mit einer Monatsrechnung macht, während Claude-Code-Preise die CLI-Seite abdeckt.

Die Mauer zwischen Opus 5 und einem Live-Kunden

Bisher ging es darum, eine Einstellung zu wählen. In diesem Abschnitt geht es um die Stelle, an der keine Einstellung hilft.

Aktuell misst Artificial Analysis Opus 5 bei 55.7 Output-Token pro Sekunde, das ist Rang #111 von 184, und die Zeit bis zum ersten Token liegt bei 63.43 Sekunden. Den Effort herunterzustellen bringt kaum Geschwindigkeit zurück. Alle drei Top-Einstellungen bei AA-Briefcase liegen im Durchschnitt bei mehr als 25 Minuten pro Aufgabe. Der Einzeiler, den Artificial Analysis dafür geschrieben hat: Opus 5 ist „unter den führenden Modellen an Intelligenz, aber besonders teuer im Vergleich zu anderen Modellen ähnlichen Preises. Es ist außerdem merklich langsam und sehr redundant."

Die zweite Zahl ist die, die mir wichtiger ist, 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 öfter antwortet, wenn es unsicher ist. Anthropics eigener System Card sagt es unmissverständlich: „Das Modell halluziniert Sachbehauptungen etwas häufiger als Opus 4.8, obwohl es insgesamt genauer ist."

Für einen Coding-Agenten, der seine eigenen Tests wiederholt ausführt, ist dieser Tausch in Ordnung. Setz denselben Tausch jetzt auf eine Support-Antwort, die mit deinem Logo an einen zahlenden Kunden hinausgeht. Eine selbstbewusst falsche Antwort ist dort der Fehlerfall, der dich den Kunden kostet, und deshalb wird das Verhindern von Halluzinationen im Support letztlich zu einem Produktdesign-Problem statt einem Modellauswahl-Problem.

Ich habe das jetzt oft genug beobachtet, um direkt zu sein. Etwa 10% eines funktionierenden Support-Deployments ist das Modell. Die anderen 90% sind Wissens-Retrieval, das aktuell bleibt, plus eine Confidence-Schwelle, die entscheidet, was die KI überhaupt anfassen darf, ein Simulationslauf über historische Tickets, damit die Antwortrate bekannt ist, bevor sie ein Kunde sieht, und dann eine Übergabe, die den Kontext nicht einfach fallen lässt. Ein eesel-Kunde, der ein Krypto-Geldautomaten-Netzwerk betreibt, hat die Build-versus-Buy-Seite davon besser ausgedrückt, 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-Nahrungsergänzungsmittel-Marke beschrieb das Kontrollproblem dann in einem Satz, der mir seit Jahren 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 dir das. Das ist eine Routing-Entscheidung, und sie wird außerhalb des Modells getroffen.

Probier eesel aus

Wenn du hier gelandet bist, weil gerade ein Modell für eine Support-Warteschlange ausgewählt wird, lautet der ehrliche Rat: Opus 5 ist ein gutes Triebwerk, und das Triebwerk war nie dein Flaschenhals. eesel ist der Teil, der sich darum legt. Es klinkt sich in den Helpdesk ein, den du bereits nutzt, es trainiert auf deinen vergangenen Tickets und deinem Help Center statt auf einem eingefügten Prompt, und es simuliert gegen deine eigene Ticket-Historie, sodass die Lösungsrate vor dir liegt, bevor überhaupt ein Kunde den Agenten sieht. Das Setup dauert Minuten statt eines Quartals, und die Preisgestaltung zählt gelöste Tickets statt Token, sodass ein redundantes Modell die Rechnung nicht heimlich aufblasen kann.

Diese Reporting-Ansicht ist der Teil, den dir kein roher API-Key gibt: welche Tickets der Agent tatsächlich übernommen hat, was jeden Lauf ausgelöst hat, und die Punkte, an denen ein Mensch eingegriffen hat. Um zu sehen, wie deine eigenen Zahlen aussehen, kannst du eesel kostenlos ausprobieren, oder nachlesen, wie sich dieselbe Entscheidung über die Support-Tools dieses Jahres hinweg abspielt und was ein KI-Support-Agent kostet.

Für den Rest des Opus-5-Bilds: Das vollständige Review enthält das Urteil, 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 Einführungsraten von $2 und $10 am 31. August 2026 auslaufen.