Zum Hauptinhalt springen

Claude Opus 5: Der Field Guide

Fortgeschritten

Am 24. Juli 2026 veröffentlichte Anthropic Claude Opus 5 (claude-opus-5) — das vierte Modell in zwei Monaten, nach Sonnet 5 (30. Juni) und Fable 5 / Mythos 5 (9. Juni). Die Schlagzeile ist absichtlich langweilig: gleicher Preis von 5 $ Input / 25 $ Output pro MTok wie Opus 4.8, gleicher 1M-Kontext, gleiches 128k-Output-Limit. Interessant ist, was diese unveränderten Zahlen jetzt bringen: 44,4 % auf Frontier-Bench v0.1 gegenüber 18,7 % bei Opus 4.8 (mehr als das Doppelte), 96,0 % auf SWE-bench Verified und 30,16 % auf ARC-AGI-3 — ungefähr das Dreifache von GPT-5.6 Sols 7,78 % und das Zwanzigfache von Opus 4.8s 1,52 %. Opus 5 ist nun das Standardmodell für Claude Max und das leistungsstärkste auf Claude Pro verfügbare Modell.

Diese Seite ist der praktische Field Guide: was die Zahlen für deinen Stack tatsächlich bedeuten, die zwei API-Vertragsänderungen, die eine naive Migration mit einem 400-Error abbrechen, wann Opus 5 legitim Fable 5 ersetzt (und wann nicht) und das neue xhigh / max Effort-Tier.

What you'll learn
  • Wisse, was Opus 5 ist: 1M Kontext, 128k Output, 5 $ Input / 25 $ Output pro MTok — gleiche Form wie Opus 4.8, materiell bessere Zahlen
  • Verstehe die zwei API-Constraints, die naive Migrationen brechen: Einschränkungen bei deaktiviertem Thinking bei hohem Effort und standardmäßig aktiviertes Thinking, das dein max_tokens-Budget auffrisst
  • Lies die Benchmarks so, wie Agent-Team-Leads sie lesen — Frontier-Bench, ARC-AGI-3, SWE-bench Pro, OSWorld 2.0 — und wisse, welche für deinen Workload aussagekräftig sind
  • Rechne die ehrliche Preis-Mathematik durch: wann Opus 5 bei max Effort bei den Kosten pro gelöster Aufgabe Fable 5 schlägt und wann nicht
  • Wähle das richtige Effort-Tier — die neuen xhigh und max Tiers rechtfertigen sich bei Frontier-Bench und ARC-AGI-3, verschwenden andernorts Tokens
  • Plane die Opus 4.1 → Opus 5 Deprecation vor dem Retirement-Datum am 5. August 2026

Die Ein-Absatz-Version​

Opus 5 ist eine preisneutrale Capability-Erhöhung, keine Neupreisgestaltung. Gleiche 5 $ / 25 $ pro MTok wie Opus 4.8, gleicher 1M-Token-Kontext, gleiches 128k-Max-Output auf der synchronen Messages API, gleicher zuverlässiger Knowledge Cutoff, verschoben auf Mai 2026. Was sich geändert hat, ist, was diese Tokens leisten: Auf Frontier-Bench v0.1 (Anthropics eigenem härtestem Coding-Agent-Eval) erreicht Opus 5 44,4 % bei xhigh Effort gegenüber 18,7 % bei Opus 4.8 — mehr als das Doppelte zum gleichen Listenpreis. Bei ARC-AGI-3 springt die Lösung neuartiger Probleme von 1,52 % auf 30,16 %. Zwei Vertragsänderungen werden naive Migrationen brechen: Adaptive Thinking ist standardmäßig aktiv und teilt sich dein max_tokens-Budget mit der Response, und thinking: {"type": "disabled"} gibt jetzt 400 bei den neuen xhigh oder max Effort-Tiers zurück. Opus 5 ist das neue Standardmodell auf Claude Max, das leistungsstärkste auf Claude Pro verfügbare Modell und verfügbar via Claude API, Bedrock (anthropic.claude-opus-5), Google Cloud (claude-opus-5), Microsoft Foundry und Claude Platform auf AWS.

Was sich tatsächlich gegenüber Opus 4.8 geändert hat​

Opus 4.8 wurde im April 2026 als erstes Opus mit 1M-Kontextfenster und standardmäßig aktiviertem Adaptive Thinking veröffentlicht. Opus 5 behält jeden dieser Defaults bei, sodass die Request-/Response-Form auf dem Wire nahezu identisch ist. Vier Dinge haben sich bewegt:

  • Die Zahlen. Frontier-Bench v0.1 stieg von 18,7 % auf 44,4 % (xhigh) / 43,3 % (max). SWE-bench Multimodal von 38,4 % auf 59,4 %. OSWorld 2.0 von 55,7 % auf 70,57 %. Zapier AutomationBench von 17,0 % auf 26,0 %. ARC-AGI-3 von 1,52 % auf 30,16 % bei high Effort.
  • Ein neues max Effort-Tier liegt über xhigh, und thinking: {"type": "disabled"} funktioniert bei xhigh oder max nicht mehr (400-Fehler). Die Absicht ist, dass du bei diesen Tiers explizit für Reasoning bezahlst, sodass das stillschweigende Deaktivieren nun ein Bug statt einer Präferenz ist.
  • Self-Verification ist jetzt Standardverhalten, keine geprompte Gewohnheit mehr. Anthropics Migration Guide warnt explizit, die manuellen "check your work"-Anweisungen zu entfernen — sonst gibt es doppelte Verifikation und verbrannte Tokens. Das ist die häufigste Überraschung am ersten Tag beim Ausführen von Opus 5-Code, der früher auf Opus 4.8 lief.
  • Prompt Caching invalidiert nicht mehr bei Tool-Änderungen mitten in der Konversation (Beta). Wenn dein Agent-Loop seine Tool-Liste pro Schritt austauscht, überlebt das Cache-Prefix jetzt; auf Opus 4.8 hast du jedes Mal einen frischen Write bezahlt.

Die zwei 400-Errors, die die Migration brechen werden​

Guided walkthrough1 of 4
  1. Opus 4.8 erlaubte, Thinking auf jeder Effort-Stufe zu deaktivieren. Opus 5 erlaubt thinking: {"type": "disabled"} nur bei high Effort oder darunter. Die Kombination mit xhigh oder max ist ein harter Fehler. Wenn du einen Wrapper hast, der Thinking immer deaktiviert (manche Teams tun das, um Responses knapp zu halten), reduziere entweder den Effort auf high oder lösche das thinking-Feld und lass Adaptive Thinking laufen.

Minimale sichere Migration — Opus 4.8 zu Opus 5

# Before (Opus 4.8) — worked
response = client.messages.create(
  model="claude-opus-4-8",
  max_tokens=4096,
  extra_body={"effort": "max"},
  thinking={"type": "disabled"},           # allowed on 4.8 at any effort
  system="After answering, verify your work step by step.",
  messages=[...],
)

# After (Opus 5) — three edits
response = client.messages.create(
  model="claude-opus-5",
  max_tokens=16384,                        # thinking now shares this budget
  extra_body={"effort": "max"},
  # thinking={"type": "disabled"}          # 400 at xhigh/max — remove it
  system="Answer the question.",           # drop the verify instruction — Opus 5 self-verifies
  messages=[...],
)

Die Benchmarks, die wirklich zählen​

Anthropic hat am Launch-Tag viele Zahlen veröffentlicht. Drei sind für reale Workloads tragend, eine ist eine Marketing-Trophäe, und zwei sind es wert, sorgfältig gelesen zu werden, weil sie zeigen, wo Opus 5 nicht die Top-Wahl ist.

  • Frontier-Bench v0.1 — 44,4 % (xhigh) gegenüber 18,7 % bei Opus 4.8. Das ist Anthropics härtestes agentisches Coding-Eval — langfristige Aufgaben, bei denen das Modell Tools ausführen, iterieren und sich selbst korrigieren muss. Der 2,4-fache Sprung zum gleichen Preis ist der stärkste Grund zur Migration.
  • SWE-bench Verified — 96,0 %. Nahe der Decke. Wenn du Opus 4.8 oder Fable 5 für SWE-bench-artige Bug-Fixes verwendet hast, ist Opus 5 ein direktes Upgrade. Aber SWE-bench Verified ist inzwischen ein gesättigter Benchmark — kleine Unterschiede unterscheiden Modelle nicht mehr so wie früher.
  • OSWorld 2.0 — 70,57 % gegenüber 55,7 % bei Opus 4.8. Computer-Use-Benchmark. Wenn du Claude for Chrome, Claude Coworks Browser-Modus oder irgendetwas anderes betreibst, das in einer echten UI herumklickt, ist das die Zahl, die du beobachten musst.
  • ARC-AGI-3 — 30,16 % (high Effort) gegenüber 7,78 % bei GPT-5.6 Sol und 1,52 % bei Opus 4.8. Die Marketing-Trophäe. ARC-AGI-3 testet das Lösen neuartiger Probleme, das sich der Memorierung entzieht, und Opus 5 ist ungefähr das 3-fache des nächstbesten Modells. Aussagekräftiges Signal, wenn dein Workload echte Neuartigkeit hat; weniger aussagekräftig, wenn es Varianten von Dingen sind, die das Internet bereits gelöst hat.
  • SWE-bench Pro — 79,2 % gegenüber 80,0 % bei Fable 5. Fable 5 schlägt Opus 5 immer noch um 0,8 pp auf dem härteren SWE-bench Pro. Nicht genug, um für die meisten Teams den 2× Preis von Fable 5 zu rechtfertigen, aber wenn du im obersten Dezil der Code-Komplexität bist und jeder Punkt zählt, beachte das.
  • Cybersecurity Exploitation — Opus 5 liegt hinter Mythos 5. Anthropic sagt explizit, dass Opus 5 nicht das Top-Cyber-Modell ist. Wenn du defensive Cyber-Arbeit über Project Glasswing machst, bleibt Mythos die Wahl.

Wann Opus 5 Fable 5 ersetzt (und wann nicht)​

Die interessante Frage, die dieser Launch erzwingt: Wann brauchst du tatsächlich Fable 5s 10 $ / 50 $ Preisgestaltung? Anthropics eigene Behauptung ist, dass Opus 5 auf CursorBench 3.2 innerhalb von 0,5 % von Fable 5s Peak liegt, zu halben Kosten, und Fable 5s OSWorld 2.0-Ergebnis "zu etwas mehr als einem Drittel der Kosten" erreicht. Das ist die starke Version des Arguments. Die ehrliche Version:

  • Wähle Opus 5 für agentisches Coding, Computer Use, Business-Automatisierung, Life-Sciences-Reasoning und alles, wo Kosten pro gelöster Aufgabe wichtiger sind als die letzten 1-3 pp Qualität. Das sind >90 % der Produktions-Workloads.
  • Wähle Fable 5, wenn der Workload (a) langlaufende Agenten sind, bei denen der marginale Lauf wirklich vom letzten Prozent profitiert (Anthropic bewirbt Fable 5 als "next-generation intelligence for long-running agents"), (b) SWE-bench Pro-artige harte Code-Aufgaben, bei denen du eine echte Lücke gemessen hast, oder (c) irgendein Workload, bei dem du dich bereits innerhalb der Accuracy-vs-Cost-Kurve befindest, wo 2× Kosten echte Qualität kaufen.
  • Wähle Mythos 5 für Invitation-only defensive Cyber via Project Glasswing.

Ehrliche Cost-per-Solved-Task-Mathematik

# Fable 5 on a hard agentic task
#   ~500k input tokens, ~50k output tokens
#   500 * $10/M + 50 * $50/M = $5.00 + $2.50 = $7.50 per run
#   Fable 5 solve rate: ~46% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $7.50 / 0.46 = ~$16.30

# Opus 5 on the same task
#   Same token budget
#   500 * $5/M + 50 * $25/M = $2.50 + $1.25 = $3.75 per run
#   Opus 5 solve rate: ~44.4% (Frontier-Bench v0.1, xhigh)
#   Cost per solved task: $3.75 / 0.444 = ~$8.45

# Opus 5 wins on cost-per-solved-task by ~48% at near-parity quality.
# Break-even: Fable 5 would need to be 2x cheaper per successful run,
# i.e. Opus 5 would have to drop below ~23% solve rate for Fable 5 to win.

Das neue max Effort-Tier — wann es sich rechnet​

Opus 5 führt max als explizites Tier über xhigh ein. Adaptive Thinking umfasst jetzt low → medium → high → xhigh → max, und high ist der Default auf der Claude API und in Claude Code. Zwei Beobachtungen aus den Launch-Benchmarks:

  • Auf Frontier-Bench v0.1 erreicht xhigh tatsächlich 44,4 % gegenüber max mit 43,3 % — max ist nicht strikt besser. Es verbrennt mehr Tokens pro Versuch, aber das zusätzliche Reasoning zahlt sich bei diesem Eval nicht immer aus.
  • Bei Aufgaben, die lange Deliberation belohnen — ARC-AGI-3, neuartige Forschungsprobleme, hartes mathematisches Reasoning (IMO 2026 Goldmedaillen-Niveau, 42/42) — rechnen sich die höheren Tiers.

Die praktische Regel: Nutze standardmäßig high, wechsle zu xhigh, wenn dein Eval messbare Gewinne zeigt, verwende max nur für Workloads, bei denen du verifiziert hast, dass Reasoning-Tiefe wichtiger ist als Durchsatz. Setze nicht max und hoffe; miss es.

Life Sciences, Safety und Cyber-Posture​

Drei Zahlen, die es wert sind, festgehalten zu werden:

  • Life Sciences. Opus 5 ist +10,2 Prozentpunkte über Opus 4.8 in organischer Chemie und +7,7 pp bei Proteinvorhersage. Wenn du Agenten für strukturelle Biologie, Bioinformatik oder Synthese-Planung baust, ist das ein echter Sprung — keine Verbesserung im Rauschbereich.
  • Prompt-Injection-Widerstand. Auf dem Gray Swan Benchmark sinkt der Angreifer-Erfolg von 5,5 % bei Opus 4.8 auf 2,0 %. In Claude Cowork Browser-Umgebungen bringen Auto-Mode-Safeguards den Erfolg von Browser-Prompt-Injections auf 0 % in Anthropics Messungen. Bedeutsam für alle, die Claude-for-Chrome-artige Agenten ausliefern.
  • Cyber-Classifiers. Opus 5s Cyber-Safeguards greifen ca. 85 % seltener ein als bei Fable 5 — weil Opus 5 bewusst nicht das Top-Cyber-Modell ist, ist die Interventionsrate zurückgedreht. Wenn du bei legitimen Security-Research-Prompts auf Fable 5 spurious Safety-Refusals gesehen hast, wird sich Opus 5 spürbar weniger schnell auslösend anfühlen.

Deprecation-Timeline, um die du planen musst​

  • Opus 4.1 (claude-opus-4-1-20250805) wird am 5. August 2026 eingestellt — elf Tage nach dem Launch von Opus 5. Wenn irgendeine Produktionsoberfläche noch auf Opus 4.1 gepinnt ist, migriere diese Woche.
  • Opus 4.5 / 4.6 / 4.7 / 4.8 bleiben als "Legacy-Modelle" in der Plattform-Übersicht verfügbar, aber erwarte Standard-12-Monats-Deprecation-Zyklen. Behandle Opus 5 als Migrationsziel für alles Neue.
  • Opus 5s Modell-ID ist ein gepinnter Snapshot, kein Evergreen-Pointer. Ab der 4.6-Generation bedeutet das datumlose ID-Format immer noch "fixed snapshot". Ein zukünftiges claude-opus-5-1 wäre eine neue ID, kein stilles Upgrade von claude-opus-5.

Probier's aus — ein Befehl​

Opus 5 mit den empfohlenen Defaults ausführen

# Python — Claude SDK
from anthropic import Anthropic
client = Anthropic()

response = client.messages.create(
  model="claude-opus-5",
  max_tokens=8192,                    # room for adaptive thinking + response
  extra_body={"effort": "high"},      # default; move to xhigh only if evals justify
  system="You are a senior engineer. Answer directly and iterate until the task is complete.",
  messages=[{"role": "user", "content": "..."}],
)

# Claude Code
claude --model claude-opus-5

# For fast mode (2.5x speed, 2x cost)
# model="claude-opus-5-fast"  # separate model ID, $10/$50 per MTok

Cheat Sheet​

Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 8

Prüfe dein Verständnis​

Check yourself

0/5
  1. Du migrierst einen Wrapper, der `model="claude-opus-4-8"`, `effort: "max"` und `thinking: {"type": "disabled"}` gepinnt hatte, auf Opus 5. Was passiert?
  2. Dein Opus 4.8-Prompt endet mit 'Now verify your answer step by step.' Du wechselst zu Opus 5 und siehst bei schwierigen Prompts ungefähr die doppelten Thinking-Token-Kosten. Warum?
  3. Für einen produktiven agentischen Coding-Workload, bei dem die Solve-Rate zählt und Kosten ein echter Constraint sind, welches Modell unterstützen Opus 5s Launch-Daten am stärksten?
  4. Du setzt `effort: "max"` bei jedem Request und erwartest strikt bessere Qualität als `xhigh`. Was legen Anthropics Launch-Daten nahe?
  5. Welches der folgenden ist das Deprecation-Datum, um das du nach dem Launch von Opus 5 planen musst?

Wohin als Nächstes​

Quellen & weiterführende Literatur​