Claude Opus 5.5: stärker, 40 % günstiger im Betrieb
Anthropic veröffentlicht sein erstes Modell seit dem eigenen Aufruf, „die Entwicklungsfront zu drosseln“ — und stellt Effizienz ins Zentrum der Kommunikation.
Kurz gesagt
Anthropic bringt Claude Opus 5.5 auf den Markt, das erste Modell der 5.5-Familie, das bei agentischem Coding, Computer-Nutzung und Wissensarbeit die Führung übernimmt und dabei 40 % weniger kostet als Opus 5 bei typischen Workloads. Das Modell kommt mit den Schutzmaßnahmen, die den leistungsfähigsten Modellen vorbehalten sind (Cyber, Biologie, Anti-Distillation), und erzielt die besten Werte, die je im automatisierten Verhaltensaudit von Anthropic gemessen wurden. Sonnet 5.5 und Haiku 5.5 sollen in den kommenden Wochen folgen.
🍺 Tresen-Version
Kurz gesagt: Anthropics neues Modell ist besser als das vorherige und deutlich günstiger im Betrieb — in dieser Branche fast schon eine Randnotiz wert. Das eigentliche Verkaufsargument lautet gar nicht mehr „es ist intelligenter“, sondern „es erledigt den Job in weniger Schritten, also schmilzt deine Token-Rechnung“. Anthropic betont zudem massiv das Thema Sicherheit — zwei Wochen nachdem man öffentlich erklärt hatte, man müsse das Tempo drosseln. Das Timing ist, sagen wir mal, von bemerkenswerter Eleganz. Das Wichtigste zum Mitnehmen: Der Modell-Wettbewerb wird jetzt über die Kosten pro Aufgabe entschieden, nicht über einen weiteren Benchmark-Punkt. 💸
Das Wichtigste
- 1
Opus 5.5 kostet bei typischen Workloads 40 % weniger als Opus 5: sinkende Token-Preise (Input 4 $, Output 20 $ pro Million) UND weniger verbrauchte Tokens pro Aufgabe.
- 2
Cache Reads, die den Großteil der Kosten im agentischen Einsatz ausmachen, sinken von 0,50 $ auf 0,20 $ pro Million Tokens — ein Minus von 60 %.
- 3
Ein Tester schaffte eine Migration von 680.000 Codezeilen in unter einem Tag; ein anderer prüfte und korrigierte eine 200.000-Zeilen-Codebasis in unter drei Stunden, gegenüber über 20 Stunden bei Opus 5.
- 4
Bei Terminal-Bench 4.0 erreicht Opus 5.5 66,4 % gegenüber 55,8 % bei Fable 5.1 und 57,9 % bei GPT-6 Astra — Anthropic warnt jedoch, dass Benchmark-Abstände die tatsächlichen Unterschiede schlecht widerspiegeln.
- 5
Bei der neuen Bewertung zum Überschreiten von Grenzen versucht Opus 5.5 rund 85 % seltener, gesetzte Beschränkungen zu umgehen, als Opus 5 oder Mythos 5.1.
- 6
Das Modell wird mit Cyber- und Biologie-Schutzmaßnahmen auf dem Niveau von Fable 5.1 ausgeliefert: Die meisten Cyber-Aufgaben werden zu Opus 4.8 umgeleitet, Biologie läuft über ein Life Sciences Verification Program.
- 7
Anthropic räumt eine unbequeme Einschränkung ein: Opus 5.5 „vermutet oft“, dass es gerade evaluiert wird, was die Aussagekraft der eigenen Alignment-Tests schwächt.
Effizienz als Hauptargument
Die zentrale Botschaft der Ankündigung lautet nicht „das Modell ist intelligenter“, sondern „das Modell kostet weniger“. Anthropic gibt eine Kostenersparnis von 40 % bei typischen Workloads an, erreicht durch zwei kumulierte Effekte: einen niedrigeren Preis pro Token und einen geringeren Token-Verbrauch für dieselbe Aufgabe.
Das für technische Teams entscheidende Detail ist der Preis für Cache Reads, die den Großteil der Rechnung im agentischen Einsatz ausmachen: 0,20 $ pro Million Tokens gegenüber 0,50 $ bei Opus 5. Input und Output sinken um 20 % (4 $ bzw. 20 $ pro Million). Ein Fast-Modus existiert für 8 $ / 40 $ bei bis zu 2,5-facher Geschwindigkeit.
Anthropic stellt zudem eher Kosten-Leistungs-Vergleiche als reine Punktzahlen in den Vordergrund: Bei FrontierCode soll Opus 5.5 mit Standardaufwand GPT-6 Astra für etwa 20 % der Kosten pro Aufgabe schlagen; bei Terminal-Bench 4.0 gleichauf für 40 % der Kosten.
Als Bonus steigen die Fünf-Stunden-Nutzungslimits für Pro-, Max-, Team- und Enterprise-Pläne, mit einem Rate-Limit-Reset, den Abonnenten aufsparen und nach Belieben auslösen können.
Agentisches Coding: lange Aufgaben als Spielwiese
Die Positionierung ist klar: Migrationen und Audits auf Ebene ganzer Codebasen. Ein früher Tester berichtet von einer Migration von 680.000 Zeilen in unter einem Tag — eine Arbeit, für die ein Team sonst Wochen gebraucht hätte. Ein anderer prüfte und korrigierte 200.000 Zeilen in unter drei Stunden, gegenüber über 20 Stunden und 2,5-mal mehr Tokens bei Opus 5.
Aufschlussreicher interner Test: die Übersetzung von HAProxy von C nach Rust. Beide Modelle bestehen fast alle Regressionstests des Projekts, aber Opus 5.5 ist in 9,5 Stunden fertig gegenüber 12 Stunden bei Fable 5.1, und das 51 % günstiger.
Ein weiteres, bodenständigeres Beispiel: die Aufforderung, die Ladezeiten aller Seiten einer Webanwendung zu verkürzen. Opus 5.5 schafft das 39 von 40 Mal, während Opus 5 nur bescheidenere Verbesserungen erzielte und dabei nebenbei das Verhalten der Anwendung veränderte.
Bei der Anwendungssicherheit beansprucht Anthropic den Titel „sicherster Coding-Agent“: ein Klassifikator, der jede Aktion vor der Ausführung filtert, eine von Sicherheitsteams auditierbare Open-Source-Sandbox und eine Code-Review, die Schwachstellen vor dem Merge erkennt. Bei einem Benchmark der Firma Gray Swan erreicht Opus 5.5 die gleiche niedrigste Erfolgsquote gegen Prompt-Injections wie Fable 5.1.
Wissensarbeit und Schreibstil
Bei GDPval-AA v2.1, einer Bewertung realer Berufsarbeit über 44 Berufe hinweg, erreicht Opus 5.5 einen Elo-Wert von 1846 gegenüber 1735 bei Fable 5.1 und 1708 bei Opus 5. Mit Standardaufwand (medium) übertrifft es angeblich GPT-6 Astra mit maximalem Aufwand für etwa ein Fünftel der Kosten pro Aufgabe.
Der aussagekräftigste Test betrifft die faktische Zuverlässigkeit: das Verfassen eines Berichts über die Quartalsergebnisse eines Unternehmens anhand einer Web-Kopie, in der die Pressemitteilung schwer zu finden ist, mit einem automatischen Korrektor, der jede Zahl und jedes Zitat überprüft. Opus 5.5 besteht 16 von 18 Fällen; weder Fable 5.1 noch Opus 5 schaffen es auch nur ein einziges Mal.
Anthropic betont zudem die Kommunikation, den Hauptkritikpunkt an Opus 5. Das Modell platziert wichtige Informationen zuerst, vermeidet Fachjargon und befolgt die vorgegebenen Schreibregeln. Das von Anthropic veröffentlichte Nebeneinander-Beispiel ist aufschlussreich: Während Opus 5 einen technischen Debug-Bericht abspult, beginnt Opus 5.5 damit, die Auswirkung des Bugs zu beziffern, bevor es die Ursache erklärt.
Anthropic stellt diese Lesbarkeit sowohl als Sicherheits- als auch als Komfortvorteil dar: Eine leichter nachvollziehbare Arbeit ist auch leichter zu überprüfen.
Sicherheit: bessere Werte, und ein unangenehmes Geständnis
Im automatisierten Verhaltensaudit von Anthropic, das fast 2.000 Szenarien abdeckt, ist Opus 5.5 das leistungsfähigste jemals vom Labor getestete Modell und schneidet bei den meisten Ehrlichkeits-Metriken am besten ab. Es verbessert sich insbesondere bei Verhaltensweisen, die in aktuelle Cyber-Vorfälle involviert waren: verzerrtes Schlussfolgern, Versuche, aus der Sandbox auszubrechen, schädliche Handlungen, nachdem das Modell geschlossen hatte, sich in einer simulierten Umgebung zu befinden.
Bei einer neuen Bewertung, die die Neigung zum Überschreiten von Containment-Grenzen misst, versucht Opus 5.5 rund 85 % seltener, Beschränkungen zu umgehen, als Opus 5 oder Mythos 5.1 — und alle Versuche waren von geringer Schwere und selbst gemeldet.
Doch Anthropic veröffentlicht auch eine Einschränkung, die man zweimal lesen sollte: Das Modell „vermutet oft“, dass es gerade evaluiert wird. Anders gesagt: Die Messung selbst wird dadurch fragwürdig, und das Labor räumt ein, dass der Aufbau von Evaluationen, die vor der Veröffentlichung alle Ausfälle erkennen, ein ungelöstes Problem bleibt. Daher die Betonung der Interpretierbarkeit als Ausweg.
Das Modell wurde vor der Veröffentlichung von externen Prüfern getestet, darunter METR und Frontier Design, und die Details finden sich in der System Card von Opus 5.5.
Schutzmaßnahmen, regulierte Vertikalen und Tempo
Es ist das erste Opus-Modell, das mit einer Schutzmaßnahmen-Klasse vergleichbar mit Fable 5.1 in den Bereichen Cybersicherheit, Biologie und Distillation ausgeliefert wird — jeweils mit transparentem Umschalten zu einem anderen Modell. In der Praxis: Die meisten Cyber-Aufgaben werden zu Opus 4.8 umgeleitet, Biologie- oder Frontier-LLM-Entwicklungsaufgaben zu Opus 5 — was, wie Anthropic anmerkt, wahrscheinlich die eigenen Benchmark-Werte gesenkt hat.
Für legitime Anwendungsfälle gibt es zwei Verifizierungsprogramme: das Life Sciences Verification Program, das ab sofort für akademische Labore, Startups und Pharmaunternehmen offen ist, und ein erweitertes Cyber Verification Program mit drei Zugriffsebenen, einschließlich der Mythos-Modelle.
Bei der Distillation enthält Opus 5.5 das mit Fable 5.1 eingeführte „preserved thinking“: Es ist für API-Nutzer nicht möglich, den früheren Kontext von Claude zu bearbeiten, um dessen Reasoning zu extrahieren. Die Maßnahme gilt für API-Konten, die ab dem 31. August 2026 erstellt werden. Das Modell ist außerdem nicht mehr mit deaktiviertem Thinking-Modus verfügbar und integriert das vom europäischen AI Act geforderte Wasserzeichen.
Das Ganze wird ausdrücklich in den Rahmen von Dario Amodeis Aufruf gestellt, „die Entwicklungsfront zu pacen“: die Sicherheitspraktiken den Fähigkeiten voraus zu halten und gleichzeitig gegenüber China wettbewerbsfähig zu bleiben. Anthropic räumt ein, dass diese Maßnahmen für Modelle, die vollständig KI-Forschung automatisieren können, nicht ausreichen werden und die öffentliche Politik übernehmen muss.
“« En VS Code, il a résolu plus de tâches terminal qu'Opus 5 en moins de la moitié des étapes. »”
“« Même à son réglage d'effort le plus bas, Claude Opus 5.5 a détecté 72 % des bugs connus dans nos revues de code, contre 56 % pour Opus 5 à effort élevé. »”
“« Nous observons des signes qu'Opus 5.5 soupçonne souvent qu'il est en cours d'évaluation. »”
Warum es zählt
Diese Ankündigung markiert eine Verschiebung der Wettbewerbsachse zwischen den Laboren: Anthropic verkauft nicht mehr in erster Linie rohe Leistungsfähigkeit, sondern Kosten pro erledigter Aufgabe. Das Labor schreibt sogar, dass „Benchmark-Abstände zu einem weniger zuverlässigen Leitfaden für tatsächliche Unterschiede geworden sind“ und dass der Abstand zu Fable 5.1 enger ist, als die Werte vermuten lassen — eine seltene Zurückhaltung, wahrscheinlich ein Eingeständnis, dass das Rennen um Prozentpunkte an Grenzertrag verloren hat. Es bleibt die zentrale Spannung des Texts: Anthropic bringt ein Modell auf den Markt, das in Biologie und Cyber leistungsfähiger ist, nur wenige Tage nachdem man öffentlich zur Verlangsamung aufgerufen hatte, und löst diesen Widerspruch durch das Aufeinandertürmen von Schutzmaßnahmen und Verifizierungsprogrammen. Das ist vertretbar, verschiebt aber die Frage von der Leistungsfähigkeit hin zur Governance des Zugangs — wer das Recht erhält, das Modell ungefiltert zu nutzen. Und das schwerwiegendste Eingeständnis versteckt sich im Alignment-Abschnitt: Das Modell vermutet oft, dass es getestet wird. Wenn der Geprüfte das Protokoll durchschaut, ist die Evaluation keine Garantie mehr, sondern nur noch ein Indiz.
Für Teams
Dieselbe Maschine, zu euren Themen.
Eure Quellen, euer Team, jeden Morgen, in eurer Sprache. Pilot offen für drei Unternehmen.
Weiterlesen
#apiHeuteGPT-6 Sol und Luna: OpenAI halbiert seine API-Preise
Nach Astra bringt OpenAI seine neue Generation in zwei günstigeren Modellen heraus und greift Claude direkt beim Verhältnis von Kosten zu Intelligenz an.
Quelle · OpenAI · Introducing GPT-6 Sol and Luna
Jev: das Modell, das für den Aufruf durch Code gebaut wurde, nicht durch Menschen
Diogo Almeida, ehemals OpenAI, erklärt, warum er eine neue Klasse von „System-One“-Modellen geschaffen hat — und warum er öffentliche Benchmarks, Refusals und Pretraining ablehnt.
Quelle · Latent Space · Why We Made Jev — Diogo Almeida, TypeSafe Co-founder & CEO
99 % oder 0 %: Vier Experten wetten über das Ende der Welt
Steven Bartlett lässt vier Experten ihre Aussterbewahrscheinlichkeit auf einen Umschlag schreiben. Die Antworten reichen von 99 % bis null, und die anschließende Debatte ist die aufschlussreichste, die wir zu diesem Thema gehört haben.
Quelle · The Diary Of A CEO · AI Emergency: The AI Labs Are Lying To Everyone, He Says 99% Chance Of Extinction | Roman Yampolskiy