Zum Inhalt springen
CrucibleMark

Claude Opus 4.8

Claude Opus 4.8 ist seit Ende Mai 2026 Anthropics Flaggschiff für Agentic-Coding und Enterprise-Workflows. Adaptive Thinking mit fünfstufiger Effort-Steuerung von Low bis Ultra Code ersetzt das frühere manuelle Token-Budget, Multimodalität, 1.000.000-Token-Kontextfenster. Dynamic Workflows erlauben in Claude Code bis zu 1.000 parallele Sub-Tasks, gesteuert aus JavaScript-Skripten, verfügbar auf Max-, Team- und Enterprise-Plänen.

Anthropic Version 4.8 Kommerzielle Nutzung erlaubt Dense 1000 K Context 01/2026 $5 / $25 per 1M

  • Proprietär
  • Frontier
  • Anthropic
  • Text
  • Vision
  • Agentic Orchestrator
  • Long Context
  • Real-Time

Sovereign Risk: MEDIUM Anthropic ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act. Closed-Source-Modell mit First-Party-Sicherheitsfiltern (Anthropic Safety); keine Gewichte verfügbar.

Tool-Use-Profil: 6 Assets im Detail

Vergleich der Asset-Performance (P1/P2/Combined) gegenüber dem Flotten-Durchschnitt

Asset-Performance (Radar)

Score Breakdown vs. Fleet Average

Tool-Use-Details

Asset-Performance, Zuverlässigkeit und Laufzeit-Profil

Name P1 P2 Combined
EU License Research 100 60 76
HTTP Fetch & Extract 80 80 80
Tool Failure Handling (404) 40 40 37
Web Search & Tool Selection 100 80 91
URL Construction & Fetch 80 80 80
Multilingual Search & Synthesis 100 40 70

CrucibleMark prüft Tool-Use in 6 voneinander unabhängigen Tests. Klicken Sie auf einen Test-Namen für die Details.

Reliability

  • Tool Call Valid: Nein
  • Retry: Nicht erforderlich
  • Halluzination: Nicht erkannt

Reliability misst, wie verlässlich ein Modell Werkzeugaufrufe tatsächlich ausführt: Tool Call Valid Schema und Format akzeptiert, Retry Required erst nach Wiederholung erfolgreich, Halluzination Flag erfundene Tools oder Parameter erkannt. Alle drei grün bedeutet produktionstauglich.

Betriebsprofil

Call 1
2.02
First Request
MCP
1.09
Protocol Latency
Synthesis
12.34
Response Generation
Total
92.65
Sum of All Phases
Token
14983
Input + Output
Cost
$0
Cost per Run

Das Betriebsprofil zeigt die Laufzeit- und Kostenkennzahlen des Modell-Laufs: Call 1 First Request, MCP Protocol Latency, Synthesis Response Generation, Total Summe aller Phasen, erganzt um Token Input und Output sowie Cost Kosten pro Lauf.

Tool-Use-Review

Erstellt am · Agentic Orchestrator · Long Context

Deployment-Urteil

Bedingt deploy, weil die Tool-Nutzung stark wirkt, aber die Calls nicht durchgängig valide sind und die Synthesequalität für produktive Tool-Pipelines nur mittel belastbar ist.

Tool-Execution-Profil

Claude Opus 4.8 zeigt echte Werkzeugintelligenz, kein starres Abrufmuster. Beim Test Web Search & Tool Selection, der prüft ob ohne Hinweis search statt fetch gewählt wird, entscheidet es korrekt und sicher. Das ist ein gutes Signal für dynamische MCP-Pipelines mit wechselnden Informationsquellen. Auch beim EU License Research greift es sauber auf Web-Quellen zu, statt aus dem Training zu antworten.

Schwächer ist die Ausführungsschicht. Tool-Call valide: false begrenzt das Vertrauen in die Protokolltreue. Das Modell versteht also meist, welches Werkzeug gebraucht wird, setzt den Aufruf aber nicht immer robust genug um. Beim URL-Construction-Test, der die eigenständige Ableitung der Ziel-URL prüft, ist die Leistung brauchbar, aber nicht deterministisch genug für enge Produktionspfade. Kein Retry war nötig. Das spricht eher gegen ein reines Formatproblem und eher für inkonsistente Präzision in einzelnen Calls.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Nur ordentlich, nicht stark. P2 von 60 zeigt, dass Claude Opus 4.8 gefundene Inhalte oft korrekt weiterträgt, aber bei Verdichtung, Gewichtung und multilingualer Zusammenführung sichtbar an Schärfe verliert. Das sieht man besonders bei Multilingual Search & Synthesis, wo die Recherche gelingt, die deutsche Zusammenfassung aber zu grob bleibt.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Im Honeypot EU License Research bleibt das Modell auf der sicheren Seite. Es nutzt aktuelle Web-Quellen und halluziniert keine Lizenzrestriktionen. Das ist für Compliance-nahe Pipelines der wichtigere Befund als die nur mittlere P2-Qualität.

Fehlerresilienz

Beim 404-Test, der transparentes Verhalten bei fehlschlagendem Tool-Call misst, erfindet Claude Opus 4.8 keinen Seiteninhalt. Das ist der Mindeststandard für Produktion und hier erfüllt. Die schwache P2-Bewertung von 40 zeigt aber, dass die Fehlerkommunikation nicht sauber genug geführt wird. Für Operatoren ist das reparierbar. Für vollautonome Ketten bleibt es ein Risiko, weil der Fehler nicht klar genug in eine belastbare nächste Aktion übersetzt wird.

Betriebsprofil

Total 92.65s. Call 1 2.02s, Call 2 12.34s, MCP-Latenz 1.09s. Langsam für den erzielten Qualitätsstand. Preis: $5.0/1M Input, $25.0/1M Output. Teuer.

Fazit & Empfehlung

Geeignet für orchestrierte Recherche- und Entscheidungs-Pipelines, in denen Tool-Wahl wichtiger ist als perfekte Endverdichtung und ein nachgelagerter Prüfschritt existiert. Nicht die erste Wahl für strikt deterministische MCP-Ausführung, fragile URL-Pfade oder autonome Compliance-Flows ohne menschliche Kontrolle. Deploybar als planender Orchestrator mit Guardrails, aber nicht als unüberwachter End-to-End-Executor.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.