Claude Opus 5: mehr Leistung zum Preis des Vorgängers

Seit dem 24. Juli ist Claude Opus 5 verfügbar, und zwar zum selben Preis wie der Vorgänger Opus 4.8. Anthropic beschreibt es als Modell, das der Spitzenklasse von Fable 5 nahekommt — bei der Hälfte der Kosten. Auf Claude Max ist es das neue Standardmodell, auf Pro das stärkste verfügbare.

Die Bestwerte stammen aus Anthropics eigenen Messungen und sind entsprechend zu lesen. Genannt werden unter anderem eine mehr als verdoppelte Leistung gegenüber Opus 4.8 auf Frontier-Bench bei niedrigeren Kosten je Aufgabe, und auf CursorBench ein Ergebnis, das auf der höchsten Effort-Stufe bis auf einen halben Prozentpunkt an Fable 5 herankommt — zum halben Preis je Aufgabe. Unabhängige Bestätigung steht noch aus: Simon Willison hatte das Modell zum Zeitpunkt seiner Notiz noch nicht selbst geprüft.

Was das praktisch ändert

• Effort ist der eigentliche Hebel, nicht die Modellwahl. Nach den veröffentlichten Zahlen liegt Opus 5 auf jeder Kostenstufe vorn — und selbst auf der niedrigsten noch über den Vergleichsmodellen. Wer reflexhaft die höchste Stufe wählt, verschenkt Geld. Messen statt annehmen.
• Es prüft seine eigene Arbeit. In einem Testfall sollte es eine technische Zeichnung in ein CAD-Modell überführen, konnte die Zeichnung aber nicht direkt ansehen; es baute sich daraufhin eine eigene Bildauswertung. In einem anderen Fall fand es bei einem Paketmanager die eigentliche Ursache eines Fehlers, den ein bereits veröffentlichter Patch nur an der Oberfläche behoben hatte.
• Für Sicherheitsanalysen mit Vorbehalt. Beim Finden von Schwachstellen ist es stark, beim Ausnutzen bewusst zurückgehalten — Anthropic trainiert diese Seite nicht. Für Code-Prüfung nützlich, für mehr nicht gedacht.
• Wer Claude Max nutzt, arbeitet ohnehin schon damit.

Unsere Einordnung

Am Preis ändert sich nichts, also gibt es hier keine Kostenentscheidung zu treffen. Die interessante Nachricht steckt nicht in den Ranglisten, sondern im berichteten Verhalten: Ein Modell, das seine Ergebnisse selbst gegenprüft und bei einem schwachen Entwurf widerspricht, verändert nicht die Rechnung, sondern die Art zu prompten. Verifikations-Anweisungen, die man früher mühsam ins System-Prompt geschrieben hat, werden damit eher zum Ballast.

Was wir empfehlen: nicht die Benchmarks nachrechnen, sondern die eigene schwierigste Aufgabe einmal auf zwei Effort-Stufen laufen lassen und die Rechnung vergleichen. Die veröffentlichten Zahlen legen nahe, dass die günstigere Stufe öfter reicht, als man denkt.