Claudes Bürgerkrieg: Opus 5 entthront Fable

Das neue Opus 5 von Anthropic hat die KI-Landschaft dramatisch verändert und übertrifft unerwartet sein Flaggschiff-Modell Fable 5 bei fast jedem kritischen Benchmark. Dieser Nachfolger eines früheren Mittelklasse-Angebots setzt nun einen neuen Standard und stellt die etablierte Hierarchie innerhalb der Claude-Modellfamilie in Frage.

Die Leistungssteigerungen sind eklatant. Opus 5 erzielte einen Sprung von 10 Punkten beim Frontier Bench für agentisches Terminal-Coding und erreichte 43 Punkte im Vergleich zu den 33 von Fable 5. Beim GDP Val von OpenAI, einem Benchmark für praktische Aufgaben in der realen Welt, lieferte Opus 5 eine beeindruckende Verbesserung um 100 Punkte. Zudem verzeichnete es einen massiven Sprung bei Arc AGI 3 und erreichte 30 % gegenüber einem früheren Höchstwert von etwa 8 %.

Um seine Leistungsfähigkeit weiter zu untermauern, zeigte Opus 5 eine Verbesserung um 4 Punkte bei OS World für Computernutzung und einen Anstieg um 9 Punkte beim Automation Bench. Es übertraf auch Fable 5 beim Browse Comp (90 % gegenüber 87 %) und demonstrierte damit ein breites Spektrum an Fähigkeiten.

Opus 5 weist jedoch ein spezialisiertes Fähigkeitsprofil auf. Es verzeichnete einen leichten Rückgang beim Deep Swee-Benchmark und eine Abnahme beim Rechts-Benchmark (von 13,3 auf 11,7). Auch der Health Bench Professional zeigte einen Rückgang, was darauf hindeutet, dass Opus 5 zwar in vielen Bereichen hervorragt, seine Stärken aber nicht gleichmäßig über alle Domänen verteilt sind.

Der Preis pro Token, lange Zeit eine simplistische Metrik für den KI-Nutzen, bietet einen irreführenden Einblick in die tatsächlichen Betriebskosten. Der wahre Wertbestimmer sind die Kosten pro Aufgabe, ein ganzheitliches Maß, das sowohl den Token-Preis als auch die Modelleffizienz berücksichtigt. Ein Modell, das den halben Preis pro Token kostet, verbraucht möglicherweise doppelt so viele, was die tatsächlichen Kosten ausgleicht, wie die Leistung von Kimmy K3 im Vergleich zu Wettbewerbern zeigt.

Die Analyse von Leistungs-Kosten-Diagrammen, wie sie für OS World und Automation Bench vorliegen, verdeutlicht die Dominanz von Opus 5. Bei OS World, wo die Y-Achse den Gesamtscore und die X-Achse die Kosten pro Aufgabe misst, liegt Opus 5 durchweg höher und weiter links. Dies deutet sowohl auf eine überlegene Leistung als auch auf geringere Kosten im Vergleich zu Fable 5 und Opus 4.8 hin.

Selbst gegenüber GPT 5.6 Sol zeigt Opus 5 eine bemerkenswerte wirtschaftliche Effizienz; die Anpassung an die Leistung von Opus 5 kann GPT 5.6 Sol-Nutzer mehr als doppelt so viel kosten. Dies führt zu greifbaren Vorteilen: Nutzer erhalten ein leistungsfähigeres Modell, das Aufgaben zuverlässiger für das gleiche oder weniger Geld erledigt. Opus 5 stellt einen bedeutenden Sprung in der wirtschaftlichen Tragfähigkeit von KI dar und geht über bloße Benchmark-Ergebnisse hinaus, um einen nachweisbaren Mehrwert zu liefern.

Der bemerkenswerteste Fortschritt von Opus 5 liegt in seiner reinen logischen Denkfähigkeit, was durch einen beispiellosen Score von 30 % beim Arc AGI 3-Benchmark belegt wird. Dies stellt einen monumentalen Sprung gegenüber dem bisherigen Bestwert von etwa 8 % dar. Der Arc AGI 3-Test misst reines Zero-Shot-Problemlösen: Modelle erhalten nur eine Aufgabenumgebung, ohne Anweisungen oder Kontext, was sie dazu herausfordert, Regeln abzuleiten und Ziele autonom zu erreichen, ähnlich wie ein Mensch, der auf ein völlig neuartiges Rätsel stößt.

Dieser grundlegende Sprung im logischen Denken führt direkt zu erweiterten Fähigkeiten für komplexe Unternehmensanwendungen. Die internen Ergebnisse von Sponsor Box bestätigen die signifikanten Fortschritte von Opus 5 bei anspruchsvoller, mehrstufiger Wissensarbeit, bei der es frühere Modelle übertrifft. Das Modell zeigt eine überlegene Leistung bei kritischen analytischen Aufgaben wie:

• Due Diligence
• Datenanalyse
• Berichterstellung aus Daten

Diese umfassenden Analysen sind entscheidend für fundierte, praxisrelevante Geschäftsentscheidungen in verschiedenen Branchen.

Ein Modell, das in der Lage ist, neuartige Probleme zu lösen, ist ein grundlegender Schritt in Richtung autonomerer KI-Agenten. Die verbesserten Ergebnisse von Opus 5 bei Benchmarks wie OS World, das die Fähigkeit einer KI bewertet, einen Computer zu steuern und mit dessen Benutzeroberfläche zu interagieren – Elemente zu identifizieren, Schaltflächen zu klicken und Aufgaben auszuführen –, signalisieren seine Bereitschaft für anspruchsvolle agentic workflows. Diese Fähigkeit ermöglicht es der KI, Werkzeuge und Computer effektiv zu bedienen und über die einfache Aufgabenausführung hinaus echte Problemlösungen in dynamischen Umgebungen zu erreichen. Weitere Details zu den Fähigkeiten finden Sie unter Introducing Claude Opus 5 - Anthropic.

Die kontraintuitivste Designentscheidung bei Opus 5 war ein gezielter Nerf: Die allgemeine Intelligenz stieg trotz einer bewussten Reduzierung der Fähigkeiten für Cybersicherheits-Exploits. Während Opus 5 bei der Entwicklung von Exploits weiterhin „deutlich hinter Mythos 5 zurückbleibt“, übertrifft es paradoxerweise seinen Vorgänger, Opus 4.8, bei allgemeinen Cybersicherheitsaufgaben. Dies deutet auf eine strategische Bereinigung hin, bei der die Begrenzung potenziell schädlicher oder nebensächlicher Kapazitäten einen tieferen, verfeinerten Fokus auf das Kern-Denkvermögen ermöglichte.

Diese selektive Subtraktion stellt den lang gehegten Glauben infrage, dass das Hinzufügen von Sicherheitsvorkehrungen zwangsläufig die allgemeine Leistung eines Modells verschlechtert. Stattdessen deutet sie auf einen ausgefeilteren Ansatz zur AI alignment hin, bei dem gezielte Einschränkungen – ähnlich wie das Entfernen von Ablenkungen – tatsächlich einen Nettozuwachs an nützlicher Intelligenz fördern können, indem Ressourcen auf produktivere kognitive Pfade umgeleitet werden.

Anthropic hat diese „Safety-First“-Philosophie durch neue, auf Entwickler ausgerichtete Funktionen für den robusten Produktionseinsatz weiter ausgebaut. Dazu gehören automatische API-Fallbacks für sicherheitsrelevante Anfragen, die einen nahtlosen Betrieb auch bei der Erkennung sensibler Inhalte gewährleisten. Darüber hinaus verbessert die Möglichkeit, Werkzeugänderungen während eines Gesprächs zu implementieren, die Anpassungsfähigkeit und Zuverlässigkeit des Modells und bietet Entwicklern mehr Kontrolle und Stabilität in ihren Anwendungen.

Was ist Claude Opus 5?

Claude Opus 5 ist das neueste Top-Modell von Anthropic. Überraschenderweise übertrifft es das bisherige Flaggschiff-Modell Fable 5 in den meisten Benchmarks, während es den gleichen Preis wie sein Vorgänger, Opus 4.8, beibehält.

Inwiefern ist Opus 5 besser als Fable 5?

Opus 5 zeigt signifikante Fortschritte gegenüber Fable 5 in Bereichen wie agentic coding (Frontier Bench), Erledigung realer Aufgaben (GDP Val) und neuartige Problemlösung (Arc AGI 3). Zudem erreicht es dies bei geringeren Kosten pro Aufgabe, was es effizienter macht.

Was bedeuten 'Kosten pro Aufgabe' für KI-Modelle?

Die Kosten pro Aufgabe sind der tatsächliche Preis für die Erledigung einer Arbeit, wobei sowohl der Token-Preis als auch die Anzahl der benötigten Token berücksichtigt werden. Ein Modell kann zwar günstige Token haben, aber dennoch teuer sein, wenn es ineffizient arbeitet. Opus 5 zeichnet sich dadurch aus, dass es äußerst effektiv ist und somit die Gesamtkosten pro erfolgreicher Aufgabe senkt.

Ist Opus 5 in allem gut?

Nein. Obwohl Opus 5 insgesamt leistungsfähiger ist, zeigt es bei bestimmten spezialisierten Benchmarks leichte Leistungseinbußen, darunter im Rechtsbereich (Legal Bench) und im professionellen Gesundheitswesen (Health Bench Professional). Es wurde zudem bewusst so konzipiert, dass es bei der Entwicklung von Cybersecurity-Exploits weniger leistungsfähig ist.