Claude Opus 5: Benchmarks, Preis und Kosten-Paradox

Anthropic hat im Juli 2026 Claude Opus 5 veröffentlicht, und zum ersten Mal steht ein Anthropic-Modell an der Spitze des Intelligence Index von Artificial Analysis: 61 Punkte, Rang 1 von 191 gelisteten Modellen. Das ist eine unabhängige Messung und kein Anbieter-Claim, was den Wert dieser Zahl ausmacht.

Noch spannender finde ich den Preis. Opus 5 kostet 5 Dollar im Input und 25 Dollar im Output je Million Tokens, also exakt die Hälfte des eigenen Spitzenmodells Fable 5 und keinen Cent mehr als der Vorgänger Opus 4.8. In diesem Artikel trenne ich konsequent zwischen unabhängig erhobenen Zahlen von Artificial Analysis und Anthropics eigenen Messungen aus System Card und Blogpost, weil beides in der Berichterstattung gern vermischt wird. Welche Modelle wir in der Agentur tatsächlich einsetzen, halten wir offen auf der Seite KI in Zahlen fest.

Was Claude Opus 5 ist

Die auffälligste Produktentscheidung ist der Verzicht auf Modell-Varianten. Wo OpenAI die GPT-5.6-Reihe in Luna, Terra und Sol aufteilt, gibt es bei Opus 5 laut Anthropic-Dokumentation ein einziges Modell mit fünf Effort-Stufen: low, medium, high, xhigh und max. Standard ist high, sowohl in der Claude API als auch in Claude Code. Fortune beschreibt diesen Regler treffend als Stellschraube an der eigenen KI-Rechnung, weil Unternehmen damit Aufwand und Kosten pro Aufgabe selbst dosieren.

Verfügbar ist das Modell über die Claude API, Amazon Bedrock, Google Vertex AI, Microsoft Foundry sowie über claude.ai und Claude Code. Auf Claude Max ist Opus 5 laut the-decoder das Standardmodell, auf Claude Pro das stärkste verfügbare.

Der zweite wichtige Punkt betrifft den Kontext. Opus 5 hat ein Fenster von einer Million Tokens, und zwar als Standard und Maximum zugleich, ohne Opt-in und ohne Beta-Header. Vor allem gibt es keinen Long-Context-Aufpreis. Die Anthropic-Preisdokumentation formuliert das wörtlich so: „Claude 4.6 and later models include the full 1M token context window at standard pricing." Eine Anfrage über 900.000 Tokens wird also pro Token genauso abgerechnet wie eine über 9.000. Der maximale synchrone Output liegt bei 128.000 Tokens, der Wissensstand des Modells reicht bis Mai 2026.

Platz 1 im Intelligence Index, unabhängig gemessen

Der Intelligence Index von Artificial Analysis ist deshalb aussagekräftig, weil er nicht vom Anbieter kommt. Er bündelt mehrere Einzeltests, darunter GDPval-AA v2, Terminal-Bench, SciCode, Humanity's Last Exam, GPQA Diamond und AA-Omniscience.

In dieser Wertung erreicht Claude Opus 5 in der Effort-Stufe max 61 Punkte und damit Rang 1 von 191 gelisteten Modellen. Die Stufe xhigh kommt auf 60 Punkte und Rang 2. Dahinter folgen Claude Fable 5 mit 60, GPT-5.6 Sol mit 59 und das offene Modell Kimi K3 mit 57 Punkten. Bemerkenswert daran ist weniger der eine Punkt Vorsprung als die Konstellation: Anthropic schlägt mit dem günstigeren Modell das eigene, doppelt so teure Flaggschiff.

Eine Einordnung gehört dazu, und sie kommt von Anthropic selbst. In der System Card schreibt das Unternehmen, Opus 5 sei nicht insgesamt fähiger als Fable 5. Die saubere Formulierung lautet also nicht „bestes Modell der Welt", sondern: Opus 5 führt den Intelligence Index von Artificial Analysis an, Stand der hier ausgewerteten Zahlen im Juli 2026.

Der Preis: die Hälfte von Fable 5

Die Preisliste ist der eigentliche Kern der Geschichte. Pro Million Tokens kostet Opus 5 laut Anthropic 5 Dollar im Input und 25 Dollar im Output. Zum Vergleich: Claude Fable 5 liegt bei 10 und 50 Dollar, GPT-5.6 Sol bei 5 und 30 Dollar, Kimi K3 bei 3 und 15 Dollar. Der Vorgänger Claude Opus 4.8 kostete exakt dasselbe wie Opus 5, die komplette Verbesserung kommt also ohne Preiserhöhung.

Dazu kommen die üblichen Hebel: 50 Prozent Rabatt über die Batch API, 0,50 Dollar für einen Cache-Treffer, was zehn Prozent des Input-Preises entspricht. Ein Detail, das in der Praxis mehr bringt, als es klingt: Das Minimum für Prompt-Caching sinkt laut Anthropic-Dokumentation von 1.024 auf 512 Tokens. Prompts, die vorher zu kurz zum Cachen waren, lassen sich jetzt cachen.

Das Kosten-Paradox: billiger pro Token, nicht halb so teuer pro Aufgabe

Hier wird es unbequem, und das ist der Teil, den die Schlagzeilen meist weglassen. Ein halbierter Token-Preis heißt nicht automatisch halbierte Kosten, denn die Rechnung hat zwei Faktoren: Preis pro Token und Anzahl der Tokens.

Artificial Analysis hat den zweiten Faktor gemessen. Im Durchlauf des Intelligence Index erzeugte Opus 5 rund 100 Millionen Output-Tokens gegenüber einem Modell-Durchschnitt von 63 Millionen. Artificial Analysis bezeichnet das Modell entsprechend als „very verbose" und zusätzlich als „notably slow" sowie als „particularly expensive when comparing to other models of similar price". Die Kosten für einen kompletten Index-Durchlauf beziffert Artificial Analysis auf 3.835,51 Dollar in der Stufe max und 2.909,91 Dollar in der Stufe xhigh. Bei der Ausgabegeschwindigkeit liegt Opus 5 mit 59,8 Tokens pro Sekunde auf Rang 95 von 191, die Zeit bis zum ersten Token gibt Artificial Analysis mit 66,36 Sekunden an.

Was das für die reale Rechnung bedeutet, hat das Fachportal officechai überschlagen: Es beziffert die Ersparnis pro Aufgabe gegenüber Fable 5 mit rund 26 Prozent statt der 50 Prozent, die der Token-Preis suggeriert. Diese 26 Prozent sind eine officechai-Angabe, keine Originalzahl von Artificial Analysis, und ich zitiere sie deshalb ausdrücklich als solche.

Der Merksatz von officechai fasst die ganze Entwicklung gut zusammen: Nicht der Spitzenwert selbst, sondern die Kosten pro Punkt Intelligenz sind die Metrik, um die die Labore inzwischen konkurrieren. Aus meiner Praxis kann ich das nur unterstreichen: Wer Modelle vergleicht, sollte nicht Preislisten nebeneinanderlegen, sondern die Kosten eines echten, typischen Vorgangs messen.

Die Sprünge, die Anthropic selbst misst

Die folgenden Zahlen stammen aus Anthropics eigener System Card und dem Ankündigungs-Blogpost. Sie sind vendor-reported, also Anbieter-Angaben. Das entwertet sie nicht, aber es gehört dazugesagt.

Am deutlichsten ist der Sprung auf Frontier-Bench v0.1, einem Benchmark für agentische Aufgaben. Anthropic gibt dort 43,3 Prozent für Opus 5 an, gegenüber 21,1 Prozent für Opus 4.8, 33,7 Prozent für Fable 5 und 34,4 Prozent für GPT-5.6 Sol. Eine Verdopplung innerhalb einer Modellgeneration, bei gleichem Token-Preis, ist ungewöhnlich.

Noch auffälliger ist ARC-AGI-3, ein Test für neuartige Problemlösung ohne bekannte Muster. Opus 5 erreicht laut System Card 30,2 Prozent, GPT-5.6 Sol kommt dort auf 7,8 Prozent und Opus 4.8 auf 1,5 Prozent. Das ist knapp das Vierfache des nächstbesten Modells auf einem Benchmark, der bewusst schwer zu trainieren ist.

Zwei weitere Werte sind für den Arbeitsalltag relevanter als die Rekord-Benchmarks. Im GDPval-AA v2, der laut Artificial Analysis reale Wissensarbeit über 44 Berufe und 9 Branchen abbildet, meldet Anthropic 1.861 Elo für Opus 5, gegenüber 1.747 für Fable 5 und 1.736 für GPT-5.6 Sol. Wichtig: Der Benchmark stammt zwar von Artificial Analysis, die hier genannte Zahl aber aus Anthropics eigener Messung. Und bei der Computer-Bedienung, gemessen mit OSWorld 2.0, gibt Anthropic 70,6 Prozent an, gegenüber 66,1 Prozent für Fable 5 und 62,6 Prozent für GPT-5.6 Sol. Auf SWE-bench Verified nennt Anthropic 96,0 Prozent.

Coding Agent Index: geteilte Spitze bei 67 Punkten

Der AA Coding Agent Index ist wieder eine unabhängige Messung und bewertet nicht das Modell allein, sondern die Kombination aus Agent und Modell. Er besteht aus drei gleichgewichteten Teilen: DeepSWE, Terminal-Bench v2 und SWE-Atlas-QnA.

Dort erreicht Claude Code mit Opus 5 in der Stufe xhigh 67 Punkte und teilt sich die Spitze mit Codex und GPT-5.6 Sol in der Stufe max, ebenfalls 67 Punkte. Dahinter liegen Opus 5 in der Stufe max und Fable 5 mit Fallback bei jeweils 66 Punkten, Kimi K3 und Claude Opus 4.8 bei jeweils 61 Punkten.

Ein Detail daran verdient Aufmerksamkeit: Die höchste Effort-Stufe ist nicht die beste. Opus 5 mit xhigh liegt einen Punkt über Opus 5 mit max, obwohl max mehr Rechenaufwand kostet. Das Portal the-decoder beobachtet denselben Effekt auf Frontier-Bench v0.1. Mehr Aufwand ergibt dort also ein schlechteres Ergebnis bei höheren Kosten. Für die Praxis heißt das: Die teuerste Einstellung blind zu wählen, ist keine Strategie.

Die Schwäche: Faktenwissen und Halluzinationen

Kein Modell ist überall vorn, und bei Opus 5 ist die Schwachstelle klar benannt. Im AA-Omniscience-Ranking, das Faktenwissen und Halluzinationsneigung misst, landet Opus 5 mit 31 Punkten auf Platz 3, hinter Claude Fable 5 (40) und Gemini 3.1 Pro Preview (33).

Das Bemerkenswerte: Anthropic bestätigt die Richtung selbst. In der Executive Summary der System Card steht wörtlich: „We found a surprising number of cases in which Opus 5 confidently stated an answer about which it was in fact unsure. The model hallucinates factual claims slightly more than Opus 4.8, despite being more accurate overall." Übersetzt heißt das: Das Modell ist insgesamt genauer, stellt aber gleichzeitig etwas häufiger Faktenbehauptungen auf, die nicht stimmen, und tut das selbstbewusst.

Für die Praxis ist das der wichtigste Satz des ganzen Artikels. Ein Modell, das souverän klingt und dabei etwas häufiger danebenliegt, ist im Recherche-Einsatz gefährlicher als eines, das erkennbar zögert. Faktenbehauptungen aus Opus 5 gehören gegengeprüft, gerade wenn sie in Kundentexte, Angebote oder Reports wandern.

Was das für kleine und mittlere Unternehmen heißt

Jetzt die Einordnung, die im Alltag zählt. Das ist meine Einschätzung auf Basis der oben belegten Zahlen und meiner eigenen Arbeit mit diesen Werkzeugen, kein externer Fakt.

Für lange, mehrstufige Aufgaben und für Coding-Workflows spricht die Datenlage für Opus 5. Geteilte Spitze im Coding Agent Index, ein starker Wert bei der Computer-Bedienung und der beste Wert in der arbeitsnahen GDPval-Messung sind zusammengenommen ein klares Profil. Wer mit Agenten arbeitet, die über viele Schritte selbstständig laufen, bekommt hier viel Leistung pro Euro.

Für Faktenrecherche und wissensintensive Fragen würde ich Opus 5 nicht als alleinige Quelle verwenden. Der dritte Platz bei AA-Omniscience und Anthropics eigene Aussage zur Halluzinationsrate sind Grund genug, hier ein zweites Modell gegenlaufen zu lassen oder konsequent Quellen zu verlangen und zu prüfen.

Für Routineaufgaben wie Zusammenfassungen, Textvarianten oder das Aufbereiten von Daten ist die Spitzenklasse meist überdimensioniert. Hier zahlt sich der Effort-Regler aus: eine niedrige Stufe oder ein kleineres Modell erledigt das zu einem Bruchteil der Kosten. Und wer den Preis pro Aufgabe wirklich drücken will, schaut zuerst auf Prompt-Caching und Batch-Verarbeitung, nicht auf die Preisliste.

Ein letzter Punkt zur Fairness: Anthropic empfiehlt laut Fortune für fortgeschrittene autonome Projekte weiterhin Fable 5 und positioniert Opus 5 als kosteneffiziente Alternative für den Alltag. Ein Anbieter, der sein günstigeres Modell nicht als Allheilmittel verkauft, ist glaubwürdiger als einer, der es tut.

Meine Einschätzung

Claude Opus 5 ist für mich der bislang deutlichste Beleg dafür, dass sich der Wettbewerb verschoben hat. Es geht nicht mehr nur darum, wer den höchsten Wert in einer Tabelle hat, sondern was ein Punkt Intelligenz kostet. Gleicher Preis wie der Vorgänger, dabei Platz 1 in einer unabhängigen Wertung: Das ist die eigentliche Nachricht.

Gleichzeitig halte ich die Ausführlichkeit für den unterschätzten Haken. Wenn ein Modell im Schnitt deutlich mehr Tokens produziert als andere, frisst das einen Teil des Preisvorteils wieder auf. Aus meiner Praxis heraus vergleiche ich Modelle deshalb nur noch an echten Vorgängen, nie an Preislisten.

Und ich bleibe bei zwei Vorbehalten. Erstens die Halluzinationen: Ein selbstbewusst falsches Modell kostet in der Nachbearbeitung mehr, als es im Betrieb spart. Zweitens die kurze Beobachtungszeit, denn Zahlen aus den ersten Tagen sind kein Ersatz für Wochen echter Arbeit. Wenn du einordnen willst, welches Modell zu deinen Aufgaben, deinem Datenschutz-Rahmen und deinem Budget passt, ist genau das Thema unserer KI-Beratung. Wie sich solche Werkzeuge konkret in Google-Ads-Workflows nutzen lassen, habe ich im Beitrag zur KI-Automatisierung im Google-Ads-Alltag beschrieben. Zum Vergleich lohnt außerdem der Blick auf die Benchmark- und Cheating-Debatte um GPT-5.6 Sol und auf das Comeback von Fable 5.

Quellen

• Anthropic, Ankündigung Claude Opus 5: anthropic.com/news/claude-opus-5
• Anthropic, Claude Opus 5 System Card (PDF): www-cdn.anthropic.com
• Anthropic, Preisdokumentation: platform.claude.com/docs/en/about-claude/pricing
• Anthropic, Modellübersicht: platform.claude.com/docs/en/about-claude/models/overview
• Artificial Analysis, Modellseite Claude Opus 5: artificialanalysis.ai/models/claude-opus-5
• Artificial Analysis, Coding Agent Index: artificialanalysis.ai/agents/coding-agents
• Artificial Analysis, AA-Omniscience: artificialanalysis.ai/evaluations/omniscience
• the-decoder zur Effort-Anomalie: the-decoder.com
• officechai zur Index-Führung und zur Ersparnis pro Aufgabe: officechai.com
• Fortune zum Effort-Regler: fortune.com

Stand: Juli 2026

Häufige Fragen

Was ist Claude Opus 5?

Claude Opus 5 ist das im Juli 2026 veröffentlichte Modell von Anthropic. Statt getrennter Modell-Varianten gibt es laut Anthropic-Dokumentation fünf Effort-Stufen eines einzigen Modells: low, medium, high, xhigh und max, mit high als Standard in Claude API und Claude Code. Das Kontextfenster umfasst eine Million Tokens als Standard und Maximum, ohne Long-Context-Aufpreis, bei einem Wissensstand bis Mai 2026.

Wie schneidet Claude Opus 5 in den Benchmarks ab?

Im unabhängig erhobenen Intelligence Index von Artificial Analysis erreicht Opus 5 in der Stufe max 61 Punkte und damit Rang 1 von 191 Modellen, vor Fable 5 (60), GPT-5.6 Sol (59) und Kimi K3 (57). Im AA Coding Agent Index teilt sich Opus 5 in Claude Code mit 67 Punkten die Spitze mit Codex und GPT-5.6 Sol. Anthropics eigene Messungen nennen unter anderem 43,3 Prozent auf Frontier-Bench und 70,6 Prozent auf OSWorld 2.0.

Was kostet Claude Opus 5?

Laut Anthropic-Preisliste kostet Opus 5 pro Million Tokens 5 Dollar im Input und 25 Dollar im Output. Das ist exakt die Hälfte von Claude Fable 5 (10 und 50 Dollar) und identisch mit dem Vorgänger Opus 4.8. Das Kontextfenster von einer Million Tokens ist im Standardpreis enthalten, einen Long-Context-Aufschlag gibt es laut Dokumentation nicht.

Ist Claude Opus 5 wirklich halb so teuer wie Fable 5?

Pro Token ja, pro Aufgabe nicht. Artificial Analysis bezeichnet Opus 5 als sehr ausführlich und als auffällig langsam: 100 Millionen Output-Tokens im Index-Durchlauf gegenüber einem Schnitt von 63 Millionen. Das Fachportal officechai rechnet deshalb mit rund 26 Prozent Ersparnis pro Aufgabe gegenüber Fable 5 statt der 50 Prozent, die der Token-Preis nahelegt.

Wo hat Claude Opus 5 Schwächen?

Beim Faktenwissen. Im Halluzinations-Benchmark AA-Omniscience von Artificial Analysis liegt Opus 5 mit 31 Punkten auf Platz 3, hinter Fable 5 (40) und Gemini 3.1 Pro Preview (33). Anthropic bestätigt die Richtung in der eigenen System Card und schreibt, das Modell stelle überraschend oft selbstbewusst Antworten auf, bei denen es tatsächlich unsicher war. Faktenbehauptungen gehören also weiter gegengeprüft.