Anthropic’s neues KI-Modell Claude Opus 5 hat sich an die Spitze des Artificial Analysis Intelligence Index gesetzt. Mit 61 Punkten übertrifft es Claude Fable 5 (60 Punkte) und GPT-5.6 Sol (59 Punkte). Das Modell zeigt besonders hohe Werte in analytischer Qualität und Codierungsaufgaben und kostet in niedrigeren Reasoning-Stufen bis zur Hälfte weniger als Fable 5.
Spitzenposition im Intelligence Index
Der Artificial Analysis Intelligence Index kombiniert neun Tests aus den Bereichen Wissensarbeit, Codierung, wissenschaftliches Denken und faktische Genauigkeit. Claude Opus 5 erreichte hier 61 Punkte und liegt damit knapp vor Claude Fable 5 und GPT-5.6 Sol. Auch Kimi K3 (57 Punkte) und Claude Opus 4.8 (56 Punkte) werden übertroffen. Artificial Analysis arbeitete vor der öffentlichen Veröffentlichung mit Anthropic zusammen, um das Modell zu testen.
Leistung in spezifischen Disziplinen
- Codierung: Im Artificial Analysis Coding Index, der die autonome Bewältigung von Programmieraufgaben inklusive Fehlerbehebung misst, teilt sich Claude Opus 5 in der Stufe „xhigh“ zusammen mit Claude Code den ersten Platz. Auf Terminal-Bench v2.1, einem Test für autonome Agenten in realen Terminal-Umgebungen, erreichte Opus 5 in der Stufe „max“ 89 Prozent und liegt damit gleichauf mit dem bisherigen Spitzenreiter GPT-5.6 Sol.
- Wissenschaftliches Denken: Bei „Humanity’s Last Exam“, einem anspruchsvollen Wissenstest über diverse akademische Felder, erzielte Opus 5 53 Prozent, womit es mit Fable 5 gleichzieht. Auch bei CritPt, einem Physik-Benchmark des Argonne National Laboratory und der UIUC, liegt es gleichauf mit Fable 5, bleibt aber hinter GPT-5.6 Sol, GPT-5.5 Pro und GPT-5.6 Terra zurück.
- Faktische Genauigkeit: Dieser Bereich bleibt eine Schwachstelle. Auf AA-Omniscience, das die Richtigkeit von Wissensbehauptungen prüft, verbesserte sich Opus 5 zwar um 7 Punkte gegenüber Opus 4.8, liegt aber weiterhin hinter Fable 5. Zudem antwortet Opus 5 häufiger, wenn es unsicher ist, was seine Halluzinationsrate um 14 Punkte auf 50 Prozent ansteigen lässt.
Konkurrenzkampf und Kostenaspekte
Das Forschungsinstitut Epoch AI bewertete Claude Opus 5 mit einem Gesamtscore von 159 im Epoch Capability Index, knapp hinter Fable 5 (161 Punkte). Im Bereich Software-Engineering-Benchmarks (SWE-ECI) liegt Opus 5 mit 161 Punkten gleichauf mit Fable 5, übertrifft jedoch GPT-5.6 Terra und Claude Opus 4.8. GPT-5.6 Sol führt in beiden Kategorien.
Insgesamt bestätigt sich, dass der Wettbewerb unter den führenden KI-Modellen eng ist. Kein einzelnes Modell kann sich deutlich absetzen. Dies stützt die These, dass KI-Modelle letztendlich zu einem Massengut werden könnten.
Die durchschnittlichen Kosten pro Intelligence Index-Aufgabe betragen mit Opus 5 2,03 US-Dollar, was unter den 2,75 US-Dollar von Claude Fable 5 liegt. Es ist teurer als Opus 4.8 (1,80 US-Dollar) und Sonnet 5 (1,53 US-Dollar). In den höheren Leistungsstufen „high“ und „xhigh“ übertrifft Opus 5 jedoch sowohl Opus 4.8 als auch Sonnet 5, während es gleichzeitig kostengünstiger ist.
Vals.ai testete Claude Opus 5 über alle fünf Reasoning-Stufen mittels Vibe Code Bench, einem Benchmark für Programmieraufgaben. Die Ergebnisse reichen von 76,7 Prozent in der Stufe „low“ über 82 Prozent in „medium“ bis zu 89,8 Prozent in „high“. Die Leistung sinkt in den beiden höchsten Stufen leicht ab, mit 88,3 Prozent in „xhigh“ und 88,4 Prozent in „max“, trotz deutlich höherer Kosten. Vals.ai stellte fest, dass die höchsten Stufen oft komplexere Lösungen produzieren, die häufiger Fehler enthalten. Die Stufe „high“ liefert einfachere Lösungen, die die Anforderungen zuverlässiger erfüllen. Ein ähnliches Muster zeigt sich bei Terminal-Bench 2.1, wo die Stufe „high“ „max“ übertrifft, da das Modell in der höchsten Stufe mehr Zeit pro Versuch benötigt, was zu weniger Versuchen innerhalb des Zeitlimits führt. Dies entspricht der Empfehlung von Anthropic, die Stufe „high“ als Standard in der API und in Claude Code festzulegen.
Die Token-Preise bleiben bei 5 US-Dollar pro Million Input-Tokens und 25 US-Dollar pro Million Output-Tokens. Cache-Schreibvorgänge kosten 6,25 US-Dollar pro Million Tokens bei einer Lebensdauer von fünf Minuten, während Cache-Treffer nur 0,50 US-Dollar pro Million Tokens kosten.
Stärken bei Büroaufgaben und Analyse
Opus 5 zeigt besonders gute Leistungen im AA-Briefcase-Benchmark, der die Fähigkeit von KI-Modellen zur Bewältigung typischer Büroaufgaben wie dem Verfassen von Forschungsberichten, der Erstellung von Präsentationen und der Analyse von Tabellen auf Basis Tausender Eingabedateien misst. Die Leistung wird nach Korrektheit, analytischer Qualität und Präsentationsqualität bewertet und in einem Elo-Rating zusammengefasst, ähnlich den Schachranglisten.
In der Stufe „max reasoning“ erreicht Opus 5 ein Elo-Rating von 1720, ganze 146 Punkte vor Claude Fable 5 (1574). Seine drei höchsten Stufen („max“, „xhigh“, „high“) belegen die ersten drei Plätze. Zusammen mit Fable 5, Sonnet 5 und Opus 4.8 hält Anthropic nun die Mehrheit der Top-10-Positionen.
Die Kosten pro AA-Briefcase-Aufgabe sanken um 20 Prozent auf 17,79 US-Dollar, verglichen mit 22,30 US-Dollar für Fable 5. Die „xhigh“-Variante kostet 14,26 US-Dollar, und „high“ liegt bei nur 10,41 US-Dollar, weniger als die Hälfte von Fable 5. Beide übertreffen Fable 5 im Elo-Ranking. Bei mittlerer Leistung erreicht Opus 5 ein Elo von 1470, knapp hinter GPT-5.6 Sol (max, 1505). Bei niedriger Leistung liegt es bei 1223 Elo, leicht unter GLM-5.2 (max, 1254).
Die größten Fortschritte von Opus 5 zeigen sich in der analytischen Qualität. In der Stufe „max“ erreicht es ein Analytical Quality Elo von 2016, fast 300 Punkte vor Fable 5. Seine Rubric Pass Rate, die erfasst, wie oft das Modell vordefinierte Qualitätsstandards erfüllt, liegt bei 58 Prozent („max“), 57,2 Prozent („xhigh“) und 56 Prozent („high“). Die Präsentationsqualität ist anders: Opus 5 erreicht ein Presentation Elo von 1628, etwa 40 Punkte hinter GPT-5.6 Sol in der Stufe „max“ (1666).
Mehr Leistung erfordert mehr Zeit: In der Stufe „max“ benötigt Opus 5 über 36 Minuten pro Aufgabe und durchschnittlich 103 Durchläufe, etwa 50 Prozent länger als Opus 4.8 mit 24 Minuten und 55 Durchläufen.
Thema: Anthropic. Quelle/Inspiration: The Decoder.