Anthropic hat heute Claude Opus 5 veröffentlicht, und das ist einen Moment der Aufmerksamkeit wert — nicht weil es das bisher intelligenteste Modell ist (laut mehreren Benchmarks ist es das), sondern wegen der Kosten für den Einsatz.
Opus 5 verdoppelt die Punktzahl von Opus 4.8 auf Frontier-Bench und wird dabei günstiger im Betrieb. Bei Coding-Benchmarks (CursorBench 3.2) liegt es innerhalb von 0,5 % der Punktzahl von Fable 5 — zum halben Preis. Bei ARC-AGI 3 erzielt es die dreifache Punktzahl des nächstbesten Konkurrenten. Und bei OSWorld 2.0 — einem Benchmark für autonome Computernutzung — schlägt es Fable 5 klar, und das zu einem Drittel der Kosten. Und all das zum gleichen Preis von 5 $ / 25 $ pro Million Token wie beim Start von Opus 4.8.
Genau diese Kombination — Spitzenleistung zu nicht-Spitzen-Preisen — ist der Teil, der für alle zählt, die Produkte auf diesen Modellen aufbauen, nicht nur für alle, die sie zum Chatten nutzen.
Das Upgrade, das im Bericht am meisten heraussticht, ist keine Benchmark-Zahl, sondern ein Verhalten: Opus 5 ist deutlich besser darin, die eigene Arbeit zu überprüfen — es iteriert, bis etwas tatsächlich funktioniert, statt bei „sieht plausibel aus“ aufzuhören. Genau diese Lücke ist mir in meiner eigenen Arbeit an Multi-Agenten-Systemen und KI-Tools bei Whole Being Labs am häufigsten begegnet. Agenten, die ihre eigenen Fehler mitten in der Aufgabe erkennen können, sind eine völlig andere Kategorie von Nützlichkeit als solche, die nur eine erste Antwort abliefern.
Ein paar weitere Punkte für alle, die darauf aufbauen: stärkere Leistung bei wissenschaftlichem/technischem Reasoning (organische Chemie, Proteinanalyse), ein spürbarer Sprung bei der Qualität visueller/kreativer Ausgaben und ein „Fast Mode“ mit 2,5-facher Geschwindigkeit zum doppelten Preis, wenn Latenz wichtiger ist als Kosten.
Wir werden es in den nächsten Tagen an echten Agenten-Workflows testen — ein Follow-up folgt, sobald wir es über die Benchmark-Zahlen hinaus geprüft haben.