Claude Opus 5: was das neue Anthropic-Modell kann, kostet — und wo die Rekordwerte einen zweiten Blick verlangen

Am 24. Juli 2026 hat Anthropic Claude Opus 5 veröffentlicht — nach eigener Darstellung das fähigste und zugleich am besten ausgerichtete Modell, das das Unternehmen je gebaut hat. Das erste dieser beiden Versprechen ist ungewöhnlich gut belegt: Die Rekordwerte tauchen diesmal nicht nur im Marketing auf, sondern werden von unabhängigen Prüfern weitgehend bestätigt. Das zweite ist umstritten. Und ausgerechnet die für den Alltag wichtigste Kennzahl — die Verlässlichkeit — bewegt sich in die andere Richtung.

Für alle, die KI im Unternehmen einsetzen, ist das die eigentlich interessante Geschichte. Nicht „neues bestes Modell”, sondern: ein echter Leistungssprung zum gleichen Preis, begleitet von einem Muster, das man kennen sollte, bevor man sich darauf verlässt. Schauen wir nüchtern hin — auf das, was neu ist, was es kostet, und was die Zahlen wirklich sagen.

Auf einen Blick

• Was: Claude Opus 5, veröffentlicht am 24. Juli 2026 (Modell-ID claude-opus-5) — das vierte Modell der Claude-5-Familie in weniger als zwei Monaten.
• Neu: Nachdenken („Thinking”) ist standardmäßig an; volle Effort-Leiter von low bis max; 1-Mio.-Token-Kontext als Standard.
• Preis: 5 $/25 $ pro Mio. Tokens (In/Out) — exakt der Preis des Vorgängers Opus 4.8. Optionaler Fast Mode 10 $/50 $.
• Benchmarks: führend bis gleichauf mit dem teureren Fable 5 — und diesmal breit unabhängig bestätigt, nicht nur behauptet.
• Der Haken: Unabhängige Auswertungen berichten mehr Überkonfidenz und Halluzination; die teuersten Reasoning-Stufen liefern nicht automatisch die besten Ergebnisse.

Was neu ist: ein Flaggschiff, das standardmäßig nachdenkt

Opus 5 ist bereits das vierte Modell der Claude-5-Familie innerhalb von unter zwei Monaten — der Takt, in dem die großen Labore inzwischen ausliefern, ist selbst ein Datenpunkt. Technisch bleibt vieles bei der bewährten Architektur; die sichtbarste Verhaltensänderung: erweitertes Nachdenken ist jetzt standardmäßig aktiv. Über die volle Effort-Leiter (low, medium, high, xhigh, max) lässt sich einstellen, wie viel Rechenaufwand das Modell in eine Antwort steckt — vom schnellen Reflex bis zur langen Kette. Dazu kommen Detailverbesserungen für Entwickler: Werkzeug-Wechsel mitten im Gespräch (Beta), server-seitige Rückfall-Antworten bei Verweigerung und ein niedrigeres Minimum fürs Prompt-Caching.

Eckdaten	Claude Opus 5
Kontextfenster	1.000.000 Tokens (Standard und Maximum)
Max. Ausgabe	128.000 Tokens
Preis (API)	5 $ Input / 25 $ Output je Mio. Tokens
Fast Mode (Research Preview)	10 $ / 50 $ je Mio. Tokens
Verfügbarkeit	Claude API, Claude.ai (Pro/Max/Team/Enterprise), Amazon Bedrock, Google Vertex AI, Microsoft Foundry
Sicherheitsstufe	ASL-3 (ausgelöst durch chemisch-biologische Fähigkeiten)

Verfügbarkeit und Preis: gleicher Preis, mehr Modell

Hier liegt für die meisten Unternehmen die eigentliche Nachricht. Claude Opus 5 kostet über die API genauso viel wie sein Vorgänger — 5 US-Dollar pro Million Input-Tokens, 25 pro Million Output-Tokens. Der Leistungssprung ist also nicht mit einem Preissprung erkauft. Für besonders latenzkritische Fälle gibt es zusätzlich einen schnelleren Fast Mode als Research Preview zum doppelten Tokenpreis.

Modus	Input	Output
Standard	5,00 $	25,00 $
Fast Mode (Preview)	10,00 $	50,00 $

Der zweite, strategisch wichtigere Punkt: Anthropic positioniert Opus 5 ausdrücklich als das günstigere Arbeitspferd unterhalb seines teuersten Modells Fable 5 — „nahe an Fable-5-Intelligenz zum halben Preis”. Die unabhängige Kostenrechnung von Artificial Analysis stützt das: Über einen Aufgaben-Parcours kommt Opus 5 auf rund 2,03 US-Dollar je Aufgabe gegenüber 2,75 bei Fable 5 — etwa 26 Prozent günstiger bei praktisch gleichem Intelligenz-Index. Für viele produktive Workloads verschiebt das die wirtschaftlich richtige Wahl deutlich.

Benchmarks: stark — und diesmal breit bestätigt

Der bemerkenswerteste Unterschied zu manch anderem Release der letzten Wochen ist nicht die Höhe der Zahlen, sondern ihre Belastbarkeit. Wo einzelne Wettbewerber zum Start vor allem eigene, günstig gewählte Indizes zeigten, decken sich Anthropics Angaben hier weitgehend mit dem, was unabhängige Prüfer messen.

Wo Opus 5 überzeugt (unabhängig gemessen, Stand Ende Juli 2026):

Benchmark	Wert	Quelle/Bedingung
Intelligence Index (Aggregat)	61 (max) · 56 bei Opus 4.8	Artificial Analysis
SWE-bench Verified (Coding)	~97 %	vals.ai (unabhängig)
Terminal-Bench v2.1	~89 %	unabhängig
GPQA Diamond (Reasoning)	~93 %	Aggregatoren
OSWorld 2.0 (Computer-Use)	70,6 %	Anthropic, unabhängig gestützt
Humanity’s Last Exam	56,3 % / 64,7 % mit Werkzeugen	unabhängig

Anthropic selbst betont zusätzlich große Sprünge in Fachdomänen gegenüber Opus 4.8 — rund +10 Prozentpunkte in organischer Chemie, +9 in der Finanzmodellierung, +7,7 bei der Proteinvorhersage. Und beim hauseigenen neuen Agentik-Test Frontier-Bench verdoppelt Opus 5 den Vorgänger (43,3 gegenüber 21,1 Prozent) — dieser Wert stammt allerdings aus einem von Anthropic selbst eingeführten Benchmark und ist entsprechend als Anbieter-Angabe zu lesen. Bei dem noch jungen Abstraktionstest ARC-AGI-3 berichten frühe unabhängige Auswertungen 30,2 Prozent — weit über GPT-5.6 Sol (7,8) und dem Vorgänger (1,5); diese Zahl stützt sich bislang auf eine einzelne Quelle und ist mit Vorsicht zu behandeln.

Zwei Messungen derselben Klinge — und genau an der Spitze ein winziger Versatz. Der Abstand zwischen der beworbenen Zahl und der geprüften Wirklichkeit ist bei Opus 5 klein. Klein ist nicht null.

Wo die Zahlen einen zweiten Blick verlangen

So solide die Bestwerte sind — drei Befunde gehören in dieselbe Geschichte, und der erste ist für den Praxiseinsatz der wichtigste.

Erstens: Die Verlässlichkeit zeigt in die falsche Richtung. Eine unabhängige Auswertung (the-decoder, gestützt auf Tests von Vals.ai) berichtet, dass Opus 5 häufiger antwortet, wenn es eigentlich unsicher ist — auf der entsprechenden Messung stieg die Halluzinationsrate auf rund 50 Prozent, und das Modell formuliere Antworten mitunter als sicher, obwohl es das nicht war, um sie kurz darauf zurückzunehmen. Ein fähigeres Modell, das zugleich selbstbewusster falsch liegt, ist für automatisierte Abläufe kein reiner Fortschritt.

Zweitens: Mehr Reasoning ist nicht automatisch besser. Dieselbe Analyse fand, dass die höchsten Effort-Stufen (xhigh, max) komplexere Lösungen erzeugen, die häufiger Fehler enthalten, während die Stufe high bei geringeren Kosten die besseren Ergebnisse lieferte. Der Grenznutzen der teuersten Stufe sinkt — teurer ist auch hier nicht gleich besser.

Drittens: „Bestausgerichtet” ist eine Behauptung, kein Messwert. Anthropic nennt Opus 5 sein am besten ausgerichtetes Modell und stützt das auf Sicherheits-Benchmarks. Der unabhängige Kommentator Zvi Mowshowitz widerspricht scharf: Man dürfe einen guten Testwert nicht mit tatsächlichem Alignment verwechseln — „Optimization against metrics is practically unavoidable, but ontological confusion between benchmark scores and the North Star of alignment is not.” Der Punkt ist derselbe wie beim ersten Befund: Ein Score misst den Test, nicht die Wirklichkeit.

Zur Fairness gehört die andere Seite, und sie ist unabhängig bestätigt: Auf der Habenseite steht eine deutlich verbesserte Widerstandskraft gegen Prompt-Injection (Erfolgsrate der Angriffe von 5,5 auf 2,0 Prozent gesenkt) und drastisch weniger Fehlalarme der Sicherheits-Klassifikatoren (von 42 auf 5 Prozent) — beides echte Fortschritte für den Einsatz in Agenten-Systemen. Und Anthropic hat das Modell unter seiner Sicherheitsstufe ASL-3 veröffentlicht, ausgelöst durch Fähigkeiten im chemisch-biologischen Bereich — ein Signal, wie ernst die Fähigkeitszuwächse genommen werden.

Ein Wort zur Einordnung im Feld: Nach dem Index von Epoch AI liegt Opus 5 insgesamt sogar knapp hinter Fable 5 (159 zu 161 Punkten) — je nach Prüfer ein anderes Bild. Und weil die drei großen Anbieter inzwischen keine gemeinsame Benchmark-Suite mehr teilen, sind direkte Vergleichstabellen zwischen Opus 5, GPT-5.6 und Gemini 3 methodisch fragil. Genau deshalb betreiben wir auf der KI-Beratungsseite einen Live-Benchmark-Monitor, der seine Ranglisten aus unabhängigen Quellen (LMArena, Epoch AI) zieht. Opus 5 ist dort erst wenige Tage vertreten — seriöse Ranglisten brauchen ein bis zwei Wochen Stimmen, bis sie sich einpendeln.

Was das für Ihr Unternehmen heißt

Aus diesem Release lassen sich drei nüchterne Lehren ziehen — unabhängig davon, ob Opus 5 am Ende in Ihrem Stack landet.

Erstens: Benchmarks sind ein Anfang, kein Ersatz. Dass Anthropics Zahlen diesmal unabhängig halten, ist erfreulich — es ersetzt aber keinen Test auf Ihren eigenen Aufgaben, mit Ihren Daten. Kein veröffentlichter Score sagt Ihnen, wie das Modell auf genau Ihren Dokumenten, Prozessen und Grenzfällen arbeitet. Wie man Qualität belastbar misst, haben wir in Evaluierung von KI-Outputs beschrieben.

Zweitens: Wählen Sie die Stufe, nicht die Schlagzeile. Der interessanteste praktische Befund ist, dass hier die höchste Reasoning-Stufe nicht die beste war. Für die meisten Workloads ist high die klügere Wahl als max — günstiger und zugleich zuverlässiger. Und für viele Fälle reicht ein kleineres Modell ohnehin. Die passende Stufe zu treffen, ist der Hebel, nicht die teuerste zu buchen.

Drittens: Mehr Konfidenz braucht mehr Kontrolle, nicht weniger. Ein Modell, das häufiger selbstbewusst antwortet — auch wenn es unsicher ist —, gehört in produktiven Systemen hinter eine Kontrollschicht, die Ergebnisse unabhängig verifiziert, statt ihnen zu vertrauen. Genau das ist das Muster, gegen das eine Halluzinations-Kontrollschicht gebaut wird — und bei einem überzeugteren Modell wird sie wichtiger, nicht unwichtiger.

Welches Modell — und welche Stufe — zu welchem Ihrer Prozesse passt, ist selten eine reine Benchmark-Frage. Genau an dieser Schnittstelle aus Technik, Kosten und Absicherung arbeite ich als Entwickler und Wirtschaftsjurist in einer Person. Wenn Sie Claude Opus 5 oder ein Konkurrenzmodell auf Ihre konkreten Anwendungsfälle abklopfen wollen, sprechen wir darüber.

FAQ

Wann ist Claude Opus 5 erschienen und was kostet es?

Anthropic hat Claude Opus 5 am 24. Juli 2026 veröffentlicht (Modell-ID claude-opus-5). Die API-Preise liegen bei 5 US-Dollar pro Million Input-Tokens und 25 US-Dollar pro Million Output-Tokens — unverändert gegenüber dem Vorgänger Opus 4.8. Ein neuer, schnellerer Fast Mode (Research Preview) kostet 10 bzw. 50 US-Dollar. Das Kontextfenster beträgt eine Million Tokens, die maximale Ausgabe 128.000 Tokens. Verfügbar ist das Modell über die Claude API, Claude.ai (Pro, Max, Team, Enterprise) sowie Amazon Bedrock, Google Vertex AI und Microsoft Foundry.

Wie schneidet Claude Opus 5 in Benchmarks ab?

Stark — und diesmal breit unabhängig bestätigt. Im Intelligence Index von Artificial Analysis erreicht Opus 5 in der höchsten Stufe 61 Punkte (Vorgänger Opus 4.8: 56). Bei SWE-bench Verified messen unabhängige Prüfer rund 97 Prozent, bei Terminal-Bench v2.1 rund 89 Prozent und bei GPQA Diamond rund 93 Prozent. Anthropic selbst hebt große Sprünge in Fachdomänen hervor (organische Chemie, Finanzmodellierung, Proteinvorhersage). Anders als bei manchem Konkurrenz-Release decken sich die Anbieter-Angaben hier weitgehend mit den unabhängigen Messungen.

Ist Claude Opus 5 besser als Claude Fable 5 oder GPT-5.6?

Es kommt auf den Prüfer an. Nach Artificial Analysis liegt Opus 5 mit dem teureren Fable 5 praktisch gleichauf (Index 61 zu 60) — bei rund einem Viertel geringeren Kosten je Aufgabe. Nach dem Index von Epoch AI liegt es dagegen knapp hinter Fable 5. Gegenüber GPT-5.6 Sol führt Opus 5 in mehreren agentischen Tests, während GPT bei anderen vorn liegt. Ein einzelnes Modell setzt sich nicht klar ab — und weil die drei großen Anbieter keine gemeinsame Benchmark-Suite mehr teilen, sind direkte Vergleichstabellen mit Vorsicht zu lesen.

Was sollten Unternehmen bei Claude Opus 5 beachten?

Zwei Punkte. Erstens verlässt sich niemand mit einem veröffentlichten Score auf einen Test der eigenen Aufgaben — das bleibt Pflicht. Zweitens berichten unabhängige Auswertungen eine gestiegene Überkonfidenz: Opus 5 antwortet häufiger, auch wenn es unsicher ist, und die höchsten Reasoning-Stufen (xhigh, max) erzeugen mitunter komplexere, fehleranfälligere Lösungen als die Stufe high. Für produktive Systeme heißt das: die passende Stufe wählen — nicht die teuerste — und eine Kontrollschicht einziehen, die Ergebnisse unabhängig prüft.

---

Quellen — Stand 27.07.2026

• Anthropic (Primärquelle): Introducing Claude Opus 5 (2026-07-24) — https://www.anthropic.com/news/claude-opus-5
• Anthropic (technische Doku): What’s new in Claude Opus 5 — https://platform.claude.com/docs/en/about-claude/models/whats-new-opus-5
• Anthropic: Activating ASL-3 protections — https://www.anthropic.com/news/activating-asl3-protections
• Artificial Analysis (Intelligence Index, Kosten je Aufgabe, Vergleich Fable 5) — https://artificialanalysis.ai/models/claude-opus-5
• vals.ai (SWE-bench Verified, unabhängig) — https://www.vals.ai/benchmarks/swebench
• the-decoder (Kosten/Leistung, Halluzination/Überkonfidenz, Epoch-AI-Index) — https://the-decoder.com/anthropics-claude-opus-5-costs-well-below-fable-5-while-matching-or-beating-it-across-most-benchmarks/
• Zvi Mowshowitz (unabhängige System-Card-Analyse, Alignment-Kritik, Sicherheits-Fortschritte) — https://thezvi.substack.com/p/claude-opus-5-the-system-card
• Einordnung/Berichterstattung: Axios — https://www.axios.com/2026/07/24/anthropic-releases-new-model-opus-5 ; TechCrunch — https://techcrunch.com/2026/07/24/anthropic-launches-opus-5/ ; VentureBeat — https://venturebeat.com/orchestration/anthropic-launches-claude-opus-5-a-cheaper-ai-model-for-coding-agents-and-enterprise-workflows

Hinweis: Der vollständige Primärtext der System-Card-PDF war zum Rechercheschluss wegen der Dateigröße nicht direkt abrufbar; die daraus zitierten Inhalte stammen aus Sekundärquellen (v. a. der detaillierten Analyse von Zvi Mowshowitz). Der Wert zu ARC-AGI-3 stützt sich bislang auf eine einzelne Quelle. Einzelne kursierende Werte (u. a. zu IMO 2026 und MMLU-Pro) waren nur einfach belegt und wurden bewusst weggelassen. Ein direkter, aktueller Gegentest gegen Gemini 3 auf identischen Benchmarks war nicht belastbar verfügbar.

Dieser Beitrag ist allgemeine Information und keine Rechts- oder Anlageberatung. Er behandelt einen sich sehr schnell entwickelnden Markt; Stand 27. Juli 2026, vor Entscheidungen bitte den aktuellen Stand prüfen.