Claude Opus 5

Claude Opus 5 erreicht einen Gesamtscore von 78.83% und trägt im Leaderboard das Speed-Profil Batch Doc Writer. Das passt erstaunlich gut zum Charakter dieses Modells: kein nervöser Sprinter, sondern ein schweres, teures Arbeitstier für lange, strukturierte Wissensarbeit in der Anthropic-API. Als Frontier-Modell mit dense Architektur, agentischem Fokus, 1-Million-Token-Kontext und multimodaler Anlage darf man hier sehr viel erwarten. Meistens liefert es auch. Nur eben nicht billig, nicht immer knapp und nicht immer pünktlich. Sovereign Risk: HIGH — Anthropic unterliegt als US-Anbieter dem CLOUD Act; die Verarbeitung erfolgt laut Provider-Angaben in den USA.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Erwartungshaltung

Die vorab vergebene Einordnung trifft den Kern ziemlich präzise. Claude Opus 5 ist kein bloßer Chat-Allrounder, sondern ein agentisches Orchestrierungsmodell in der Frontier-Klasse, proprietär über die Anthropic-API betrieben und als dense Modell zu lesen. Dazu kommt die Einstufung als Thinking-Modell. Der konkrete Testlauf lief im Modus n/a, also ohne separaten Thinking-Schalter, weil es sich hier um ein kommerzielles Cloud-Modell handelt. Was man misst, ist folglich das Standardverhalten des Dienstes, nicht ein künstlich aktivierter Sondermodus.

Diese Architektur erklärt viel. Claude Opus 5 plant sichtbar, gliedert Aufgaben sauber und arbeitet gern mit Sicherheitsabständen. Es will nicht nur antworten, es will eine Aufgabe als Workflow behandeln. Genau das macht es bei Analyse, Dokumentation und komplexen Schreibaufgaben stark. Es erklärt aber auch zwei Schwächen. Erstens neigt das Modell zu langen Antworten, selbst wenn die Aufgabe eher ein Messer als ein Schweizer Taschenmesser verlangt. Zweitens ist es bei exakter, knapp gehaltener Formatausführung weniger elegant als bei strategischer Durchdringung. Für ein Agenten-Gehirn ist das verzeihlich. Für Nutzer, die nur den perfekten Einzeiler wollen, ist es trotzdem relevant.

Der Tag Vision-Capable sollte man ebenfalls nicht ignorieren. Claude Opus 5 ist multimodal ausgelegt. Ein reiner Text-Benchmark bildet also nur einen Ausschnitt seines Könnens ab. Das relativiert schwächere Text-only-Werte nicht weg, aber es erinnert daran, dass dieses Modell für komplexere Wissens- und Interface-Aufgaben gebaut wurde als ein klassischer Schreibknecht.

Performance-Profil: teuer, gründlich, nicht interaktiv

Der Speed-Profile-Badge Batch Doc Writer ist mehr als Deko. Er beschreibt ziemlich exakt, wofür Claude Opus 5 taugt: längere Dokumente, tiefere Ausarbeitung, strukturierte Übergaben, asynchrone Wissensarbeit. Nicht Chat mit Wimpernschlag-Gefühl, sondern eher das Modell, dem man einen dicken Stapel Aufgaben gibt und später wiederkommt.

Diese Einordnung ist wichtig, weil nackte Geschwindigkeitswerte bei Cloud-Modellen wenig über den Nutzeralltag sagen, solange Preis, Tail-Latenz und API-Stabilität nicht mitgedacht werden. Und genau dort wird Claude Opus 5 ambivalent. Einerseits produziert es substanziell gute Ergebnisse. Andererseits kostet jede ausschweifende Antwort über die Anthropic-API echtes Geld, und die langen Ausreißer bei der Antwortzeit machen es für zeitkritische Automatisierung unerquicklich. Wer einen Agenten bauen will, der mehrere Schritte plant, Dokumente verarbeitet und mit großem Kontext arbeitet, kann das in Kauf nehmen. Wer ein Modell für schnelle Schleifen im Editor oder für zackige Tool-Ketten sucht, merkt bald: Dieses System denkt in Aktenordnern, nicht in Reflexen.

Reasoning und Logik: stark, aber nicht ohne Reibung

Im Reasoning-Modul zeigt Claude Opus 5 die Klasse, die man von einem Thinking-Modell erwartet. Wenn es eine Logikaufgabe sauber löst, dann nicht mit einer hastigen Pointe, sondern mit methodischer Abklärung. Ein Judge-Protokoll zum klassischen Wächter-Rätsel beschreibt eine Antwort, die mehrere Ansätze prüft, deren Grenzen benennt und das Kernprinzip hinter der Lösung explizit macht. Das ist kein Show-off. Das ist gedankliche Hygiene.

Gerade hier wirkt die Einstufung als Agentic-Orchestrator plausibel. Das Modell arbeitet nicht nur auf das Resultat hin, sondern strukturiert den Lösungsraum. Es erläutert, warum ein Ansatz scheitert, warum ein anderer trägt und welches allgemeinere Prinzip darunter liegt. Für Lernmaterial, Wissensarbeit, Forschungshilfen oder sicherheitsrelevante Analyse ist das wertvoll. Es ist der Unterschied zwischen einem Taschenrechner und jemandem, der die Herleitung an die Tafel schreibt.

Allerdings gibt es einen ernsten Praxishinweis: Im Reasoning-Bereich hat Claude Opus 5 in zwei Aufgaben zwar Erfolg gemeldet, aber keinen sichtbaren Antworttext produziert. Das heißt in der Praxis: stille Verweigerung, API-Silent-Failure oder rein interner Denkpfad ohne ausgegebenes Resultat. Für den Judge war nichts bewertbar. Für einen produktiven Agenten ist das noch unangenehmer als eine falsche Antwort, weil der Fehler wie Erfolg aussieht.

Der Modulwert für Logik bleibt daher hinter dem intellektuellen Eindruck zurück. Nicht weil das Modell nicht denken kann, sondern weil es seine Stärke nicht immer zuverlässig in sichtbaren, verwertbaren Output übersetzt. Ein Modell, das innerlich brillant ist, aber gelegentlich vergisst zu sprechen, ist für den Alltag nur halb so nützlich.

Code Quality und Security: scharfes Auge, zu viel Text

Im Bereich Code Quality liefert Claude Opus 5 eines seiner überzeugendsten Signale. Der Score liegt hoch, und die qualitativen Protokolle bestätigen das Bild. In einer Sicherheitsanalyse identifiziert das Modell nicht nur alle erwartbaren Schwachstellen, sondern legt in den impliziten Lücken mit erstaunlicher Sorgfalt nach. Angriffsketten, Folgen, technische Fixes: Das sitzt. Man hat hier nicht das Gefühl eines Modells, das Schlagwörter abfeuert. Man hat das Gefühl, dass jemand den Exploit-Pfad gedanklich tatsächlich abgeht.

Gerade für Security-Aufgaben ist das viel wert. Claude Opus 5 erkennt nicht nur offensichtliche Klassiker wie SQL-Injection oder XSS, sondern kann auch subtilere Zusammenhänge erklären, etwa Header-Injection, IDOR oder Typvergleiche mit gefährlichen Nebeneffekten. Das ist die gute Nachricht. Die schlechte lautet: Es redet dabei zu gern.

In der geprüften Sicherheitsaufgabe war die inhaltliche Qualität hoch, aber die Formatdisziplin litt. Die Tabelle wurde zwar korrekt als Markdown ausgegeben, doch viele Zellen überschritten die explizit geforderte Kürze deutlich. Statt eines präzisen Referenzblatts entstand stellenweise eine Mini-Beratung pro Tabellenzeile. Das ist auf den ersten Blick luxuriös, auf den zweiten Blick aber ein klassischer Alltagsfehler von Frontier-Modellen: Sie liefern mehr, als verlangt war, und treffen damit die Aufgabe schlechter. Wer knapp bestellt und episch serviert, hat den Auftrag nicht ganz verstanden.

Für Security-Reviews bleibt Claude Opus 5 dennoch stark. Es ist eines dieser Modelle, bei denen man den Befund ernst nimmt, die Form aber bei Bedarf nachschärfen muss. Anders gesagt: Das Gehirn ist besser als die Etikette.

CLI und Tool-Nähe: ordentlich, aber nicht sein Lieblingszimmer

Der CLI-Bereich fällt solide aus, aber nicht überragend. Das passt zur Architektur. Ein Agentic-Orchestrator ist dafür gebaut, Schritte zu planen und gegebenenfalls an spezialisierte Werkzeuge oder Sub-Agenten zu übergeben. Man sollte ihn daher nicht überhart dafür abstrafen, wenn er nicht jeden Kommandozeilenwunsch mit chirurgischer Knappheit bedient.

Trotzdem bleibt festzuhalten: In einem Frontier-Modell dieser Preisklasse wünscht man sich etwas mehr Direktheit. Claude Opus 5 wirkt bei Tool-nahen Aufgaben gelegentlich wie ein sehr kluger Projektleiter, der einem vor dem eigentlichen Befehl noch den Kontext, die Risiken und zwei Alternativen mitgibt. Das kann hilfreich sein. Es kann aber auch den Flow zerstören, wenn man schlicht die richtige Kommandozeile braucht. Für interaktive DevOps-Schleifen ist das eine Temperamentsfrage. Für Batch-Workflows und geplante Agentenketten ist es weniger problematisch.

Dokumentation und Schreibarbeit: hier lebt das Modell auf

Im Bereich Documentation Quality zeigt Claude Opus 5, warum der Badge „Batch Doc Writer“ nicht zufällig vergeben wurde. Struktur, Vollständigkeit und redaktionelle Ausarbeitung gehören klar zu seinen besten Disziplinen. Das Modell schreibt nicht bloß lesbar, es schreibt mit Plan. Gliederung, Erklärlogik und Nutzwert greifen meist gut ineinander.

Gleichzeitig ist genau hier ein relevanter Schnitzer dokumentiert. In einer Dokumentationsaufgabe ignorierte Claude Opus 5 die explizite Sprachanweisung und antwortete auf Englisch, obwohl Deutsch gefordert war. Das ist kein technischer Defekt, sondern eine Schwäche im Instruction-Following. In Umgebungen mit fester Zielsprache kann so etwas unmittelbar unbrauchbar sein.

Hinzu kommt der automatische Regelbefund: In dieser Aufgabe verhängte das System wegen Language Mismatch einen harten Abzug. Die inhaltliche Qualität der Antwort wird dadurch zweitrangig. Wenn die geforderte Sprache verfehlt wird, ist der Text im professionellen Einsatz oft schon durchgefallen, bevor jemand den ersten Absatz würdigt. Genau deshalb sind solche Regelstrafen richtig. Sie messen nicht Geschmack, sondern Verlässlichkeit.

Trotz dieses Fehlers bleibt der Dokumentationsbereich insgesamt eine Stärke des Modells. Man sollte ihn nur nicht mit blindem Vertrauen auf Sprachvorgaben alleinlassen. Claude Opus 5 schreibt oft exzellent. Aber manchmal eben in der falschen Sprache. Das ist ein peinlicher Fehler für ein Modell, das ansonsten gern den Erwachsenen im Raum spielt.

Content Transformation und UX Writing: kreativ, produktionsnah, aber zu lang

Wo Claude Opus 5 Inhalte umformen, zuspitzen oder auf ein neues Medium übertragen soll, wird es interessant. Die qualitativen Protokolle zu einer Video-Skript-Aufgabe lesen sich fast wie ein Lob aus einer Redaktionskonferenz. Das Modell liefert natürliche gesprochene Sprache, visuelle Produktionshinweise, Retention-Mechaniken, Timestamps, B-Roll-Ideen und sogar ein funktionierendes Easter Egg. Vor allem aber denkt es die Aufgabe als fertigen Produktionsablauf, nicht als bloßen Textblock. Das ist die Handschrift eines Orchestrators.

Man merkt hier, wie gut Claude Opus 5 aus Analyse in Ausführung umschalten kann. Es erkennt nicht nur, was gefordert ist, sondern baut daraus einen Ablauf, mit dem ein echtes Produktionsteam arbeiten könnte. Für Content-Teams, Dokumentationsredaktionen oder Schulungsmaterial ist das eine echte Stärke. Das Modell hat ein Gefühl für Dramaturgie, Reibungspunkte und handwerkliche Anschlussfähigkeit. Es schreibt nicht nur hübsch. Es schreibt anschlussfähig.

Aber auch hier taucht die alte Schwäche wieder auf: Längen- und Formatdisziplin. In einer Aufgabe im Content-Transformation-Modul überschritt das Modell die explizite Wortvorgabe von 900 Wörtern auf 1104 Wörter, also 123% des Limits. Das System verhängte dafür einen automatischen Abzug von 20% beziehungsweise 17.52 Punkten auf den betroffenen Task-Score. Die inhaltliche Qualität der Antwort ist damit irrelevant. Die Strafe greift unabhängig davon.

Das Längenproblem ist kein isolierter Unfall. Über mehrere schreibintensive Aufgaben hinweg zeigt Claude Opus 5 ein erkennbares Muster: Wenn Sprache, Struktur, Stil und Umfang gleichzeitig gefordert sind, opfert es zuerst die Knappheit. Das ist die noble Form von Nicht-Gehorsam. Der Text wird oft besser, aber die Aufgabe schlechter erfüllt. Für Redaktionen mit Nachbearbeitung ist das verkraftbar. Für automatisierte Produktionspipelines ist es eine offene Flanke.

Cultural Intelligence: ordentlich, aber kein Leitfach

Die Werte in Cultural Intelligence sind respektabel, aber nicht das, was diesem Modell seine Aura verleiht. Claude Opus 5 wirkt hier kompetent genug, ohne denselben Glanz zu entfalten wie in strukturierter Wissensarbeit oder tiefen Analyseaufgaben. Das ist kein Makel. Es zeigt eher, wo Anthropic den Schwerpunkt gelegt hat: Denken, Planen, Schreiben, Koordinieren. Nicht jede soziale Feinmotorik ist deshalb automatisch State of the Art.

API-Kostenprofil

Bei einem kommerziellen Cloud-Modell mit 5 Dollar pro 1 Million Input-Tokens und 25 Dollar pro 1 Million Output-Tokens ist Verbosity kein Stilproblem, sondern eine Rechnung. Und Claude Opus 5 schreibt oft, als zahle jemand anders.

Besonders auffällig ist der Dokumentationsbereich: 9785 Tokens im Schnitt bei einem Fleet-Median von 3003 entsprechen dem 3.26-fachen des Modellfelds. Im UX-Writing produziert Claude Opus 5 4489 Tokens bei einem Median von 1577, also 2.85-mal so viel Text wie der Benchmark-Schnitt. Im Code-Quality-Modul liegen 7326 Tokens gegenüber 2921 an, also beim 2.51-fachen. Auch Content Transformation fällt mit 4438 zu 1861 Tokens und einem Faktor von 2.38 deutlich aus dem Rahmen.

Das muss man klar sagen: Diese Mehrmenge ist nicht automatisch ein Qualitätsgewinn. Teilweise sind die Ergebnisse stark, aber sie kosten eben auch proportional mehr. Bei API-Einsatz bedeutet das höhere Rechnung bei identischem oder nur leicht besserem Nutzwert. Claude Opus 5 ist damit kein Modell für Leute, die Tokenpreise nur theoretisch interessant finden. Wer es großflächig einsetzt, sollte Budgetkontrolle und Prompt-Disziplin fest einplanen.

Datenschutz und Datenhoheit

Claude Opus 5 läuft als kommerzielles Cloud-Modell ausschließlich über die Anthropic-API. Juristisch gilt US-Recht unter dem CLOUD Act. Für Nutzer in Deutschland und Europa heißt das: Selbst wenn Datenschutzdokumente sauber aufgesetzt sind, bleibt ein Souveränitätsproblem bestehen, weil US-Behörden unter bestimmten Voraussetzungen Zugriff verlangen können. Das ist kein hypothetischer Kulturkampf, sondern geltende Rechtslage.

Die Provider-Daten sind hier immerhin konkret. Datenstandort: USA. Datenspeicherung: 30 Tage. GDPR DPA: verfügbar. Für Unternehmen mit DSGVO-Pflichten ist das DPA ein wichtiger Pluspunkt, weil es den Einsatz überhaupt erst organisatorisch handhabbar macht. Es hebt aber das Grundproblem der US-Jurisdiktion nicht auf. Entsprechend steht das berechnete Sovereign Risk bei HIGH. Das Weights-Provenienz-Risiko liegt bei MEDIUM. Nicht wegen verteilter Gewichte, sondern wegen der proprietären, US-basierten Deployment-Situation.

Fazit

Claude Opus 5 ist ein starkes Frontier-Modell mit klarem Charakter. Es denkt tief, strukturiert sauber, schreibt hervorragend in langen Formen und wirkt besonders dann überzeugend, wenn eine Aufgabe nicht nur beantwortet, sondern organisiert werden muss. Für Research, Sicherheitsanalyse, Dokumentation, Transformationsarbeit und große agentische Workflows ist das eine ernstzunehmende Option. Für hektische, latenzkritische Interaktion eher nicht.

Seine Schwächen sind keine Ausrutscher, sondern Temperament. Es ist zu lang, wenn Kürze verlangt wird. Es ist zu teuer, um Verbosity zu ignorieren. Es ist nicht stabil genug, um API-Aussetzer achselzuckend hinzunehmen. Und es hat mit dem Sprach- und Constraint-Following gelegentlich genau dort Probleme, wo professionelle Workflows keine Gnade kennen. Über alle Tests hinweg keine nennenswerten Halluzinationen. Das Modell erfindet lieber nichts, als sich billig aus der Affäre zu schreiben.

Unterm Strich ist Claude Opus 5 kein Modell für jeden Prompt und erst recht keines für jeden Etat. Aber wenn man ein schweres Cloud-Werkzeug für lange Kontexte, tiefe Analyse und planende Agentik sucht, dann spielt es mit ruhiger Autorität. Man muss nur bereit sein, seine Rechnung und seine Geduld gleich mit einzuplanen.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.