Zum Inhalt springen
CrucibleMark

Claude Sonnet 5

Claude Sonnet 5 ist seit Ende Juni 2026 der neue Standard für Free- und Pro-Nutzer. Das Nachfolgemodell von Sonnet 4.6 bringt Adaptive Thinking als Default-Verhalten, Geschwindigkeit nahe Opus, und verarbeitet Text und Bilder mit einem 1.000.000-Token-Kontextfenster. Die Sicherheit ist deutlich verbessert, mit besserer Resistenz gegen Prompt-Injection und weniger Halluzinationen.

Anthropic Version 5 Kommerzielle Nutzung erlaubt Dense 1000 K Context 01/2026 $2 / $10 per 1M

  • Proprietär
  • Frontier
  • Anthropic
  • Text
  • Vision
  • Long Context
  • Interactive

Sovereign Risk: MEDIUM Anthropic ist ein US-Anbieter; relevante Risiken betreffen Cloud-Verarbeitung unter US-Recht, da keine offenen Gewichte vorliegen.

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) 80 80 80
Web Search & Tool Selection 100 90 95.5
URL Construction & Fetch 80 60 70
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
1.74
First Request
MCP
1.48
Protocol Latency
Synthesis
11.44
Response Generation
Total
88.01
Sum of All Phases
Token
10800
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

· Long Context

Deployment-Urteil

Bedingt deploy, weil die Tool-Nutzung stark ist und keine Halluzination erkannt wurde, aber die Tool-Calls nicht durchgängig valide waren und die Synthesequalität für produktive Wissenspipelines zu ungleich ausfällt.

Tool-Execution-Profil

Claude Sonnet 5 zeigt echte Werkzeugintelligenz, nicht nur starres Call-Muster. Beim Test Web Search & Tool Selection, der ohne expliziten Hinweis zwischen Suche und Direktabruf unterscheiden lässt, wählt es das passende Tool sicher. Das spricht für brauchbare Orchestrierung in offenen Pipelines. Beim URL-Construction-Test, der die Ziel-URL aus eigenem Wissen ableiten und dann abrufen lässt, bleibt es brauchbar, aber nicht deterministisch genug für Flows, die exakte Endpunkte erwarten. Das Hauptsignal ist daher klar: gute Wahl des Werkzeugtyps, schwächere Präzision bei der konkreten Ausführung. Kritisch bleibt, dass der Tool-Call insgesamt nicht durchgängig valide war. Das ist kein Totalausfall, aber ein Integrationsrisiko für MCP-Strecken, die strikte Protokolltreue verlangen.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Solide, aber nicht verlässlich präzise genug. Die P2-Leistung von 66.67 zeigt, dass Sonnet 5 Ergebnisse meist sinnvoll zusammenführt, dabei jedoch merklich an Genauigkeit verliert, sobald mehrsprachige oder quellennahe Verdichtung gefragt ist. Das sieht man besonders bei Multilingual Search & Synthesis, wo die Recherche funktioniert, die Verdichtung auf Deutsch aber zu stark abstrahiert.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Überwiegend ja, mit leichter Reserve. Im Honeypot EU License Research, der prüft, ob aktuelle Lizenzrestriktionen aus Web-Quellen statt aus dem Trainingswissen beantwortet werden, halluziniert es nicht. Das ist das wichtige Vertrauenssignal. P2=60 zeigt aber, dass es den beschafften Inhalt nicht maximal sauber in eine belastbare Antwort überführt.

Fehlerresilienz

Akzeptabel für Produktion. Im 404-Test, der transparentes Verhalten bei fehlschlagendem Abruf prüft, erfindet Sonnet 5 keinen Ersatzinhalt. Es kommuniziert den Fehler statt fiktive Seitendaten zu liefern. Genau dieses Verhalten schützt Tool-Pipelines vor stillem Datenkorruptionsrisiko.

Betriebsprofil

Call 1: 1.74s. MCP-Latenz: 1.48s. Call 2: 11.44s. Total: 88.01s.
Preis: $2.0/1M Input, $10.0/1M Output.
Urteil: bei Einzelschritten schnell, im Gesamtrun lang. Preislich für Frontier moderat, gemessen an der ungleichmäßigen Synthese nicht günstig.

Fazit & Empfehlung

Geeignet für agentische MCP-Pipelines, in denen das Modell Werkzeuge auswählen, Web-Recherche anstoßen und Fehler sauber offenlegen soll. Nicht die erste Wahl für Compliance-nahe, mehrsprachige oder stark verdichtende Pipelines, in denen jede abgeleitete Formulierung quellentreu und reproduzierbar sein muss. Deploybar als Orchestrator mit enger Output-Kontrolle, Schema-Validierung und nachgelagerter Antwortprüfung. Ohne diese Leitplanken nicht als vertrauenswürdige Endinstanz.

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.