Opus 5 ist da, zum halben Preis von Fable 5. Die Benchmarks sind stark, aber die eigentliche Geschichte sind die API-Änderungen.

Opus 5 wurde am 24. Juli 2026 ausgeliefert. Opus 4.8, das Modell, das es ersetzt, benutze ich täglich, also habe ich das Release mit einer bestimmten Frage gelesen: nicht “ist es klüger” (ist es), sondern “was ändert sich in dem Loop, den ich schon habe”. Die Antwort war interessanter als die Benchmark-Tabelle, und das meiste davon steht nicht im Release-Blogpost.

Hier die Kurzfassung. Opus 5 kostet dasselbe wie Opus 4.8, fünf Dollar pro Million Input-Tokens und fünfundzwanzig pro Million Output. Das ist der halbe Preis von Fable 5, Anthropics Top-Modell, und Opus 5 kommt bei den meisten relevanten Zahlen in Rufweite an Fable heran. Es ist jetzt das Standardmodell in Claude Max und das stärkste Modell in Claude Pro. Wenn du auf 4.8 warst, ist das ein Modellnamen-Tausch, der dich für dasselbe Geld spürbar klüger macht.

Aber “String tauschen und los” verbirgt drei Änderungen, die dich leise beißen werden. Bringen wir zuerst die Benchmarks hinter uns, denn sie sind der am wenigsten überraschende Teil.

Die Benchmarks, ehrlich

Die Schlagzeile, die Anthropic verkauft, lautet “Frontier-Intelligenz von Fable 5 zum halben Preis”, und die Zahlen stützen das größtenteils. Auf Frontier-Bench v0.1 bei max effort erreicht Opus 5 43,3%. Opus 4.8 erreichte im selben Test 18,7%. Fable 5, das Modell, das doppelt so viel kostet, erreicht 33,7%. Opus 5 schließt die Lücke zu Fable nicht nur; bei diesem konkreten Benchmark überholt es Fable.

Der Rest der Tabelle hat dieselbe Form:

• SWE-bench Verified: 96,0%. Echte GitHub-Bugs, bewertet durch die versteckten Tests der Projekte selbst. Vor einem Jahr lag die Grenze hier in den Mittsechzigern.
• SWE-bench Pro: 79,2%, gegen Fable 5s 80,0%. Innerhalb eines Punkts, halbe Kosten. Dieser eine Vergleich ist der gesamte Pitch.
• OSWorld 2.0: 70,57%, hoch von 55,7% auf 4.8. Das ist der Computer-Use-Benchmark, ein echter Ubuntu-Desktop, gesteuert per Maus und Tastatur.
• ARC-AGI-3 bei high effort: 30,16%. Opus 4.8 erreichte hier 1,52%. Das ist der Benchmark fürs Lösen neuartiger Probleme, der so gebaut ist, dass man sich nicht durch Pattern-Matching mogeln kann, und der Sprung ist kein Tippfehler.
• IMO 2026: 42 von 42, Goldmedaillen-Niveau bei den diesjährigen Aufgaben der Internationalen Mathematik-Olympiade.

Ich zitiere diese Zahlen aus dem Release und der ersten Berichterstattungswelle, nicht aus einer System Card, die ich von vorne bis hinten gelesen habe, also behandle die Präzision auf der dritten Nachkommastelle mit der üblichen Vorsicht. Es kommt auf das Muster an, und das Muster ist klar: die agentischen und Reasoning-Zahlen sind der Ort, an dem Opus 5 vorbeigezogen ist, und es tat das, während es beim Opus-Preis blieb. Wenn du deinen Tag in einem Coding-Agenten verbringst, ist das die Zahl, die in deiner Arbeit auftaucht.

Das ist der Teil, den alle screenshotten werden. Jetzt der Teil, der wirklich ändert, wie du es benutzt.

Thinking ist jetzt standardmäßig an, und dein max_tokens ist eine Falle

Auf Opus 4.8 und 4.7 lief eine Anfrage, die das Feld thinking nicht setzte, ohne Thinking. Das war der Standard, und viel Code wurde darum herum geschrieben, meiner eingeschlossen. Auf Opus 5 denkt dieselbe Anfrage. Das Feld wegzulassen gibt dir jetzt adaptives Thinking; das alte “kein Thinking”-Verhalten ist thinking: {type: "disabled"}, das du jetzt aktiv anfordern musst.

Das ist nicht nur eine Verhaltensänderung, es ist eine Abrechnungs- und Abschneide-Änderung, und das ist der Teil, der Leute erwischt. max_tokens ist eine harte Obergrenze für Thinking plus Antworttext, zusammen. Ein Workload, der thinking nie gesetzt hat, auf 4.8 sauber lief und max_tokens eng um die Antwort herum dimensionierte, wird jetzt einen Teil dieses Budgets fürs Reasoning ausgeben und kann mitten in der Antwort abschneiden. Nichts wirft einen Fehler. Du bekommst einfach eine kürzere Antwort als angefragt, und wenn du strukturierten Output nachgelagert parst, taucht das als kaputter Parse auf statt als offensichtliche Ursache.

Also ist das Erste bei der Migration nicht, den Modell-String zu tauschen. Es ist, jede Aufrufstelle abzugehen, die thinking nie angefasst hat, und entweder max_tokens zu erhöhen, um Platz zu lassen, oder explizit thinking: {type: "disabled"} zu übergeben, falls du das alte Verhalten wirklich willst.

Und an demselben Hebel gibt es eine zweite Kante. Thinking abzuschalten ist nur bei effort high oder darunter erlaubt. Kombiniere thinking: {type: "disabled"} mit xhigh oder max effort und du bekommst einen 400. Die Prüfung läuft pro Anfrage, also wird eine Route, die den effort für einen harten Turn auf xhigh erhöht, während Thinking noch deaktiviert ist, an diesem Turn scheitern, obwohl jeder frühere Turn im selben Gespräch durchging. Wenn du auf 4.8 reflexartig xhigh mit abgeschaltetem Thinking gefahren bist, ist diese Kombination jetzt ungültig, und ehrlich gesagt bist du wahrscheinlich mit niedrigerem effort und angeschaltetem Thinking besser bedient. Opus 5 ist bei low und medium ungewöhnlich stark; die effort-Defaults, die du von einem früheren Modell übernommen hast, sind fast nie die richtige Einstellung.

Lösche dein Verifikations-Gerüst

Das ist die eine, die mich überrascht hat, weil sie einen Rat umkehrt, den ich ständig gebe.

“Bitte das Modell, seine Arbeit zu überprüfen” ist eine gängige, solide Prompting-Technik. Auf Opus 5 ist sie falsch. Das Modell verifiziert sich selbst, ohne dass man es darum bittet, also führt eine Anweisung, die es zum Verifizieren auffordert, oder ein Harness-Schritt, der einen Verifier-Durchlauf startet, jetzt zu Über-Verifikation: es macht die Arbeit, dann macht es sie nochmal, verbrennt Tokens und Latenz ohne Gewinn. Anthropics eigene Guidance ist da unmissverständlich. Lösche die Verifikations-Prompts. Das ist ein Löschen, kein Umschreiben, und das Entfernen des Gerüsts reduziert die Über-Verifikation ohne messbaren Fähigkeitsverlust.

Derselbe Instinkt zeigt sich bei Subagenten. Opus 4.8 griff zu selten zur Delegation und brauchte einen Anstoß, um auszufächern. Opus 5 greift bereitwillig zu Subagenten, manchmal zu bereitwillig, denn jeder von ihnen baut Kontext neu auf, exploriert neu, meldet zurück, und dann liest der Koordinator den Report erneut. Wenn dein Harness Subagenten unterstützt, sollte jede “delegiere mehr”-Guidance, die du für 4.8 hinzugefügt hast, wieder raus, und du willst wahrscheinlich eine explizite Obergrenze für die Spawn-Anzahl. Die Richtung hat sich zwischen den beiden Modellen umgekehrt, was eine wirklich ungewöhnliche Sache ist, die man bei einer Point-Release-Migration berücksichtigen muss.

Es redet auch einfach mehr. Der Standard-Antworttext ist länger, und Dateien, die es auf die Platte schreibt, sind länger. effort zu senken kürzt den sichtbaren Output nicht zuverlässig, also ist der Hebel hier eine schlichte Kürze-Anweisung im Prompt, kein Regler. Eine kurze Zeile “halte Antworten fokussiert und knapp” hat die sichtbare Länge in Anthropics Tests um etwa ein Fünftel gesenkt.

Die kleineren Änderungen, die trotzdem zählen

Ein paar Dinge, die leicht zu übersehen sind:

Das Prompt-Cache-Minimum ist auf 512 Tokens gesunken, herunter von 1024 auf 4.8. Prompts, die du als zu kurz zum Cachen abgeschrieben hattest, erzeugen jetzt ohne Codeänderung Cache-Einträge. Es lohnt sich, alles nochmal zu prüfen, was du für nicht cachebar gehalten hast.

Fast Mode läuft mit etwa 2,5-fachem Durchsatz für den doppelten Preis, und er ist nur über die Claude API verfügbar. Wenn Bedrock, Vertex oder Foundry im Spiel sind, ist dieser Hebel dort nicht verfügbar, also lass ihn auf diesen Routen weg.

Automatische Fallbacks sind einfacher geworden. Opus 5s Safety-Classifier können eine Anfrage rundheraus ablehnen: du bekommst einen normalen HTTP 200 mit stop_reason: "refusal", keine Exception. Wenn dein Code content[0] liest, ohne vorher stop_reason zu prüfen, bricht er bei einer Ablehnung. Der neue Modus fallbacks: "default" lässt eine abgelehnte Anfrage serverseitig auf einem Fallback-Modell neu laufen und routet nach Ablehnungskategorie, sodass du selbst keine Modell-Liste pflegst. Für einen sicherheitsnahen Workload, bei dem gutartige Anfragen gelegentlich einen Classifier auslösen, ist es die richtige Entscheidung, das standardmäßig zu aktivieren.

Rate Limits sind ein separater Topf. Opus 5 zieht nicht aus dem kombinierten Opus-4.x-Pool, also gibt das Verschieben von Traffic weder Luft im alten Topf frei noch erbt es dessen Kontingent. Prüfe die Opus-5-Limits deines Tiers, bevor du Volumen verschiebst.

Die Safety-Geschichte ist ein echter Umschwung für alle, die Security-Arbeit machen

Diese hier ist speziell für mich relevant, und wahrscheinlich für einen Teil der Leute, die das lesen. Anthropic hat das Alignment verschärft und gleichzeitig die Cybersecurity-Classifier deutlich gelockert. Opus 5s Cyber-Classifier werden als rund 85% weniger restriktiv als die von Fable 5 beschrieben. Auf Frontier-Bench markierten die Safety-Classifier etwa 5% der API-Aufrufe, gegen 42% bei Fable 5.

Konkret ist das Finden von Schwachstellen im Quellcode jetzt freigegeben, während Binär-Scanning, Penetration Testing und Exploit-Generierung eingeschränkt bleiben. Wenn du autorisierte defensive Arbeit machst, Code-Review auf Schwachstellen, CTF-artige Analyse, ist die False-Positive-Rate, die Fable 5 für diese Arbeit frustrierend machte, deutlich gesunken. Es ist kein Freifahrtschein, und die Exploit-Generierungs-Leitplanken sind noch da, aber die tägliche Reibung, eine legitime Security-Frage beantwortet zu bekommen, ist viel geringer.

Und es kommt zusammen mit den Alignment-Gewinnen, statt gegen sie einzutauschen. Die Prompt-Injection-Resistenz hat sich verbessert (2,0% Angreifer-Erfolg beim Gray-Swan-Benchmark, herunter von 5,5% auf Opus 4.8), und Anthropic nennt dies sein bisher am besten ausgerichtetes Modell. Weniger Ablehnungen bei legitimer Security-Arbeit und bessere Injection-Resistenz im selben Release ist eine gute Kombination.

Was ich tatsächlich damit mache

Nichts Dramatisches, und das ist der Punkt. Die Migration ist ein Modellnamen-Tausch plus einer kurzen Checkliste:

1. Den Modell-String auf claude-opus-5 ändern.
2. Jede Aufrufstelle abgehen, die thinking nie gesetzt hat. max_tokens erhöhen, oder thinking: {type: "disabled"} übergeben, falls ich das alte Kein-Thinking-Verhalten will. Das ist die eine, die sonst still Dinge abgeschnitten hätte.
3. Jede Route finden, die abgeschaltetes Thinking mit xhigh oder max effort kombiniert, und sie reparieren, denn sie wirft jetzt einen 400.
4. Verifikations-Prompts und alle Verifier-Durchläufe im Harness löschen.
5. effort neu durchtesten. Der xhigh-per-Reflex-Default, den ich von 4.8 mitgeschleppt habe, ist wahrscheinlich zu hoch; low und medium sind auf Opus 5 stärker, als sie sein dürften.
6. Eine Kürze-Zeile hinzufügen, wo die Ausgabelänge wichtig ist, da das Modell standardmäßig länger läuft.

Die Benchmarks sind die Schlagzeile und sie sind wirklich gut. Aber die Geschichte für alle, die auf diesem Modell aufbauen, ist, dass sich eine Handvoll Defaults verschoben hat, und zwar auf Arten, die keine Fehler werfen, sondern einfach still deinen Output oder deine Rechnung verändern. Das sind die, die einen Nachmittag wert sind, bevor du es ausrollst.

---

Quellen: Introducing Claude Opus 5 (Anthropic, 24. Juli 2026). Benchmark-Zahlen und API-Details abgeglichen mit Anthropics Entwicklerdokumentation und der Launch-Berichterstattung; behandle exakte Nachkommastellen als berichtet, nicht als unabhängig verifiziert.