Claude Opus 5.5
Claude Opus 5.5 ist Anthropics neues Frontier-Modell: Seit dem 22. September 2026 ersetzt es Opus 5 und soll laut Hersteller Fable-5.1-Leistung bei 40 Prozent geringeren typischen Workload-Kosten erreichen. Adaptives Thinking ist standardmäßig aktiv und per Effort-Stufe steuerbar, das Kontextfenster fasst eine Million Tokens mit 128.000 Output-Tokens. Die Reasoning-Klassifikator-Fehler aus Opus 5 sind behoben, nur die Metacognition-Verweigerung bleibt.
- Proprietär
- Frontier
- Anthropic
- Text
- Vision
- Agentic Orchestrator
- Long Context
- Interactive
Sovereign Risk: TODO TODO
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Gold
- 81.05
- Routine
- 49.88
- Reasoning
- 31.17
- LLM Judge Avg
- 4.12 / 5
- 100 Coverage
- Avg Task Duration
- 28.61s
- Interactive
- Token Rate
- 0.46tok/s
- Output Rate
- P95 Latency
- 86.09s
- Top 5 %
- Total Tokens
- 54400
- Output Volume
- Cost per 1K
- $0.025
- USD / 1K Requests
- Benchmark Cost
- $1.36
- Total · 54400 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Claude Opus 5.5
Bestes Modell
Ø Alle Modelle
Code Quality
88.92
CLI Benchmark
86.67
Logical Reasoning
75.78
UX Writing
81.57
Documentation
85.67
Content Transform.
83
Cultural Intelligence
72.76
Synthesis Quality
62.5
Tool Execution
90
ToolUse Score
76.88
Benchmark Cost
$1.36
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze / Standard).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.