Anthropic hat Claude Opus 5 offiziell freigegeben. In den veröffentlichten Preis- und Vergleichsdaten liegt das Modell bei bestimmten Aufgaben nahe an Claude Fable 5, kostet pro Token aber weniger als das ältere Opus-Modell. Anthropic positioniert Opus 5 für langlaufende Agenten, Softwareentwicklung und komplexe Wissensarbeit. Preis, Geschwindigkeit und Leistung hängen vom jeweiligen Arbeitsablauf ab.
Für agentische Arbeitsabläufe hebt Anthropic hervor, dass das Modell in ausgewählten Tests Fehlerursachen analysiert und bei Bedarf eigene Prüfroutinen aufgebaut habe. Das ist eine Herstellerangabe aus dokumentierten Testfällen, keine Garantie für beliebige Softwareprojekte.
1. Das Zahlenwerk: Benchmarks, Multimodalität und Reasoning
In den von Anthropic veröffentlichten Evaluierungen schneidet Claude Opus 5 bei mehreren Agenten- und Softwareaufgaben deutlich besser ab als Opus 4.8. Auf Frontier-Bench v0.1 weist Anthropic einen erheblichen Leistungszuwachs gegenüber dem Vorgänger aus. Im CursorBench 3.2 erreicht Opus 5 nach den veröffentlichten Ergebnissen Werte nahe Fable 5 bei niedrigeren Tokenpreisen. Das sind Hersteller- und Partnerbenchmarks, keine allgemeine Garantie für jeden Einsatz.
Artificial Analysis ordnet Opus 5 in seinem Agenten-Index weit oben ein. Die dort verwendeten Tests liefern einen zusätzlichen Vergleichspunkt für Programmier- und Analyseaufgaben, erlauben aber keine pauschale Aussage über die höchste Effizienz in sämtlichen Anwendungen:
Auch bei multimodalen Sehaufgaben weist Anthropic Zuwächse aus. Der folgende Vergleich illustriert die Verarbeitung feingliedriger Diagramme, technischer Zeichnungen und räumlicher Anordnungen in einem einzelnen Test; eine fehlerfreie Verarbeitung lässt sich daraus nicht ableiten:
Auf ARC-AGI 3 weist das ARC-Prize-Team für den getesteten Aufbau einen rund dreimal so hohen Wert wie für den nächstbesten verglichenen Anbieter aus. Das Team bewertet das Ergebnis als wichtigen Fortschritt bei abstrakten Logikaufgaben; diese Einordnung stammt vom Betreiber des Benchmarks:
ARC-Prize-Mitgründer Mike Knoop führt das Ergebnis in seiner Analyse unter anderem auf mehr Rechenaufwand während der Antwort zurück. Diese Erklärung ist seine Interpretation des Testergebnisses und kein allgemeiner Nachweis für die Ursache der Modellleistung:
Ein Community-Test illustriert zudem die Bearbeitung eines komplexen physikalischen Beweises und mehrstufiger Gleichungen. Er ist ein Einzelfall, kein unabhängiger Benchmark:
Ein weiterer Vergleich berichtet über Ausführungsgeschwindigkeit und Antworttreue in seinem konkreten Testaufbau:
Für den Zapier AutomationBench wird in den dokumentierten Veröffentlichungen eine Erfolgsquote von 100 Prozent im getesteten Aufgabenpaket genannt. Der Wert gilt für diesen Benchmark und nicht für Unternehmensprozesse allgemein. Ein Video von Matthew Berman ordnet weitere veröffentlichte Testergebnisse ein:
2. Autonomie im Praxistest: Eigene Pipelines statt Symptombekämpfung
Anthropic hebt die Fehleranalyse von Opus 5 hervor. In einem veröffentlichten Testaufbau erhielt das Modell die Zeichnung eines Maschinenteils und sollte daraus 3D-CAD-Code generieren, ohne ein direktes Bildfenster zu nutzen. Nach Darstellung des Unternehmens baute Opus 5 dafür eine Computer-Vision-Pipeline zur Extraktion der Geometrie aus Rohpixeln auf und erzeugte eine brauchbare Rekonstruktion. Das Ergebnis stammt aus diesem einzelnen Herstellerexperiment und belegt keine allgemeine Fehlerfreiheit.
Die folgende Entwicklerdemonstration zeigt die Refaktorierung einer Codebasis in einem konkreten IDE-Workflow:
Auch Vertreter von Cognition, Cursor und Zapier äußerten sich positiv. Cognition-CEO Scott Wu habe Stärken bei der Ursachenanalyse schwieriger Softwarefehler im Entwickler-Agenten Devin hervorgehoben. Cursor-Mitgründer Sualeh Asif habe die Leistung mit Fable verglichen, während Zapier-CEO Wade Foster auf die volle Punktzahl im eigenen AutomationBench verwiesen habe. Das sind Aussagen beteiligter Unternehmen, keine unabhängigen Bewertungen.
3. Visuelle Kompetenz und 3D-Generierung
Ein weiterer Schwerpunkt der dokumentierten Demos ist visuell ausgegebener Code. Die Demos und 3D-Beispiele der vergangenen Tage zeigen einzelne WebGL-Grafiken und interaktive Prototypen, die aus Textvorgaben entstanden. Sie belegen keine allgemeine Qualität oder Produktionsreife.
Ein veröffentlichter Test zeigt eine interaktive 3D-Leinwand mit Beleuchtung und Partikeleffekten in HTML5 und WebGL:
Ein weiterer Test zeigt eine erzeugte Grafik-Pipeline mit Lichtreflexionen und prozeduralen Texturen. Ob der Code in anderen Projekten fehlerfrei oder performant arbeitet, wurde damit nicht allgemein geprüft:
Ein weiterer Clip zeigt eine 3D-Animation mit bewegter Kamera und Lichteffekten:
Echtzeit-Demonstrationen zum sogenannten Vibe Coding zeigen Web-Anwendungen und interaktive Prototypen, die in den jeweiligen gezeigten Prompt-Durchläufen entstanden:
Ein Anwendungstest zeigt eine dreidimensionale Benutzeroberfläche mit Daten-Widgets im Browser. Ob zusätzliche Bibliotheken oder Nachbearbeitung verwendet wurden, lässt sich aus dem Clip allein nicht allgemein ableiten:
Ein weiterer Test zeigt erzeugten Frontend-Code für eine dynamische Benutzeroberfläche. Funktionsumfang, Nachbearbeitung und Zuverlässigkeit außerhalb des gezeigten Falls sind nicht dokumentiert:
Eine Evaluation zeigt einen Einzelfall zur geometrischen Rekonstruktion verdeckter Objektkanten und dreidimensionaler Drehungen:
Ein ergänzender Test dokumentiert das Verhalten bei einer verschachtelten Prompt-Kette mit mehreren Instruktionen:
Eine Community-Demo zeigt einen agentischen Benutzeroberflächen-Workflow. Aussagen zu Antwortlatenz und Kontexttreue gelten nur für den beschriebenen Aufbau:
Ein direkter Vergleich veranschaulicht schließlich Unterschiede zur früheren Modellversion bei der visuellen Code-Generierung. Aus einem Clip folgt keine allgemeine Garantie für fehlerfreie Syntax:
4. Marktdynamik: Das Fable-Dilemma
Die Veröffentlichung wirft die Frage auf, wie Anthropic Opus 5 und das teurere Fable 5 künftig voneinander abgrenzt. Ein Beitrag von TechCos AI diskutiert mögliche Folgen für die Modellauswahl in Unternehmen. Dabei handelt es sich um eine externe Analyse, nicht um eine angekündigte Produktstrategie von Anthropic:
Der Entwickler und Tech-Autor Steve Yegge veröffentlicht dazu seine persönliche Einordnung agentischer Arbeitsabläufe und künftiger Modellhierarchien:
Auch die Konkurrenz schaltet sich in die Preis-Leistungs-Debatte ein: Elon Musk verwies auf X auf Groks eigene Token-Effizienz je US-Dollar, was den Wettbewerb um das wirtschaftlichste Modell weiter anheizt:
In der Entwickler-Community wird deshalb über eine spätere Aktualisierung der Fable-Reihe spekuliert. Anthropic hat in den hier dokumentierten Quellen jedoch weder ein Modell namens Claude Fable 5.1 noch einen Veröffentlichungstermin angekündigt.
🎯 Was das für die Praxis bedeutet
1. Einsatz im eigenen Test vergleichen: Die niedrigeren Tokenpreise und die guten Agentenbenchmarks machen Opus 5 zu einem Kandidaten für Softwareprojekte. Ob es die beste Wahl ist, hängt von Aufgabe, Werkzeug und Qualitätskontrolle ab.
2. Agenten-Workflows kontrolliert testen: Die veröffentlichten Beispiele zeigen selbstständige Fehleranalyse und den Aufbau von Prüfroutinen. Langläufe brauchen trotzdem Protokollierung, Abbruchgrenzen und menschliche Kontrolle.
3. 3D-Prototypen erproben: Die Demos zeigen, dass sich interaktive 3D-Visualisierungen per Konversation prototypisch erzeugen lassen. Für belastbare Simulationen bleiben spezialisierte Engines und fachliche Validierung nötig.
