Opus 5 schlägt Anthropics eigenes Flaggschiff zum halben Preis
Anthropic brachte Claude Opus 5 am 24. Juli zu 5 $/M Input und 25 $/M Output — identisch mit Opus 4.8, halb so teuer wie Fable 5 — und es übertrifft Fable 5 in fast jedem veröffentlichten Benchmark. Das günstige Modell schlug das teure aus demselben Labor und stellte damit die übliche Stufenlogik auf den Kopf. Fünf YouTube-Kanäle und vier X-Accounts konvergierten auf genau diese Inversion, nicht auf irgendeine einzelne Fähigkeitszahl.
Was die Quelle tatsächlich sagt
Anthropics eigene Launch-Diagramme führten mit Kosten-pro-Aufgabe-Pareto-Kurven — OSWorld-Score gegen Dollar pro Aufgabe aufgetragen — statt mit Preis pro Token. Das ist ein Anbieter, der einräumt, dass der Vergleich pro Token nicht mehr viel bedeutet. Die Zahlen dahinter: Frontier Bench (agentisches Terminal-Coding) 43 gegenüber 33 bei Fable 5, ARC-AGI-3 bei 30 % gegenüber zuvor rund 8 %, BrowseComp von 87 auf 90, und ein Zugewinn von rund 100 Punkten bei GDPval. ARC-Prize-Präsident Greg Kamradt, der live in Matthew Bermans Launch-Stream schrieb, nannte es „das beeindruckendste Modell, das wir gesehen haben", und sagte, die bei 20 % gedeckelte Y-Achse des Leaderboards müsse neu gezeichnet werden.
Die Rückgänge sind konzentriert und nennenswert. Der juristische Benchmark fiel von 13,3 auf 11,7, HealthBench Professional ging zurück, und DeepSui — der Benchmark, den Berman für die gefühlte Qualität als am aussagekräftigsten hält — gab leicht nach. Unabhängige Prüfungen kamen innerhalb weniger Tage: LlamaIndex' ParseBench-Durchlauf setzte Opus 5 beim Dokumentenverständnis in etwa gleichauf mit Opus 4.8, zu 8 ¢ pro Seite, mit dem Fazit, es sei nicht das Werkzeug für Dokumenten-Parsing im großen Maßstab. Dieselbe Review fand, dass bei ~20–30 % der von Anthropic selbst berichteten Benchmarks „max"-Thinking schlechter abschneidet als „xhigh" — mehr Test-Time-Compute ist nicht monoton besser. Anthropics eigener Turk empfiehlt, Opus 5 für Planung und die schwersten Bugs mit Fable 5 zu kombinieren — eine Absicherung, die seltsam zur Benchmark-Tabelle passt.
Strategische Einschätzung
Bepreisen Sie die Arbeit, nicht die Token. Ein Modell zum halben Preis pro Token kann die doppelte Menge an Token verbrauchen und bei Parität landen — Kimi K3 tut das bereits. Benchmarken Sie die Kosten pro abgeschlossener Aufgabe auf Ihrer eigenen Workload, und prüfen Sie, ob die Thinking-Stufe, für die Sie bezahlen, sich tatsächlich rechnet.
