Anthropic stellt Claude Opus 5 vor: Agentisches Coding und Computeraufgaben zum gleichen Opus-Preis

Anthropic hat Claude Opus 5 veröffentlicht, der Opus 4.8 als Flaggschiff-Modell der Opus-Klasse ablöst. Die Preise bleiben unverändert: 5 Dollar pro Million Eingabe-Token und 25 Dollar pro Million Ausgabe-Token. Das Modell nähert sich in seiner Intelligenz Claude Fable 5 an, kostet aber nur die Hälfte und ist nun das Standardmodell auf Claude Max und das leistungsfähigste auf Claude Pro. Auf API-Ebene gibt es drei wesentliche Änderungen: Das Denken ist standardmäßig aktiviert (der Parameter „effort“ steuert die Tiefe); das Deaktivieren des Denkens (Einstellung „type: disabled“) mit effort xhigh oder max führt nun zu einem 400-Fehler; Entwickler werden angewiesen, Aufforderungen wie „final check aktivieren“ zu entfernen, da das Modell bereits selbst prüft. Die Modell-ID lautet claude-opus-5, der Kontextfenster beträgt 1 Million Token (Maximum und Standard), die maximale Ausgabe beträgt 128.000 Token über die synchrone Messages-API und bis zu 300.000 Token über die Message-Batches-API. In Benchmarks zeigte das Modell ein deutliches Wachstum: bei FrontierBench v0.1 – 43,3% (Opus 4.8 – 18,7%), bei SWE-bench Verified – 96,0%, OSWorld 2.0 – 70,57%, Zapier AutomationBench – 26,0%. Besonders stark sind die agentischen Ergebnisse: Das Modell löste 42 von 42 IMO-2026-Aufgaben (Goldmedaille). Bei ARC-AGI-3 mit hoher Anstrengung – 30,16% (viermal besser als der bisherige Rekord). Bei multimodalen Aufgaben sind Werkzeuge (Container, Bildausschnitte) deutlich effektiver als „Denken“: bei Chartography mit Werkzeugen – 83,0% gegenüber 29,6%. Im Bereich Cybersicherheit stiegen die Fähigkeiten als Nebeneffekt: Bei ExploitBench erzielte das Modell 10,14 Flaggen und 99 vollständige Exploits (Mythos 5 – 132). Anthropic lockerte nur die Beschränkungen für die Jagd nach Schwachstellen im Quellcode; Binär-Scanning, Penetrationstests und die Erzeugung von Exploits bleiben blockiert. Die Klassifikatoren werden etwa 85% seltener ausgelöst als bei Fable 5. Bei den UK-AISI-Tests löste das Modell die Aufgabe „The Last Ones“ in 8 von 10 Versuchen. Gemäß dem RSP-Programm verfügt das Modell über CB-1-Fähigkeiten, jedoch nicht über CB-2. Herausragendes Ergebnis bei der Resistenz gegen Prompt-Injection: Browser-Angriffe sanken von 31,5% auf 3,70% ohne Schutz und auf 0% im Automatikmodus. Das Unternehmen veröffentlicht jedoch auch Nachteile, darunter eine leicht höhere Rate faktischer Halluzinationen im Vergleich zu Opus 4.8.