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.

Anthropic Version 5.5 Kommerzielle Nutzung erlaubt Dense 1000 K Context 06/2026 $5 / $25 per 1M

Proprietär
Frontier
Anthropic
Text
Vision
Agentic Orchestrator
Long Context
Interactive

Sovereign Risk: TODO TODO

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	60	70
Tool Failure Handling (404)	80	35	64.3
Web Search & Tool Selection	100	80	91
URL Construction & Fetch	80	80	80
Multilingual Search & Synthesis	100	60	80

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: 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: 2.85; First Request

MCP: 1.21; Protocol Latency

Synthesis: 14.03; Response Generation

Total: 108.54; Sum of All Phases

Token: 8443; 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-Profil

Claude Opus 5.5 erzielt im Tool-Use-Benchmark einen Combined-Score von 76.9 (Good): P1-Execution 90, P2-Synthese 62.5, Fleet-Durchschnitt 68.2.

Stärkster Test: Tool Failure Handling (404) (64.3). Schwächster Test: Web Search & Tool Selection (91). Die Streuung zwischen diesen beiden Tests beträgt -26.7 Punkte.

Reliability-Status: Tool Call Valid Nein, Retry Nicht erforderlich, Halluzination Erkannt.

Diese datengetriebene Auto-Review wird aus den vorhandenen Tool-Use-Benchmark-Daten zusammengestellt. Sobald eine ausführliche LLM-generierte Analyse (GPT-5.4) vorliegt, ersetzt sie diese Vorlage automatisch. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.