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 80 100 90
Tool Failure Handling (404) 80 80 80
Web Search & Tool Selection 100 80 91
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
2.48
First Request
MCP
0.89
Protocol Latency
Synthesis
10.12
Response Generation
Total
80.95
Sum of All Phases
Token
16031
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 · Long Context

Deployment-Urteil

Bedingt deploy, weil die Tool-Ausführung stark ist, aber die Calls nicht durchgängig valide protokollkonform waren und die Synthesequalität für produktive Entscheidungsstrecken zu ungleich ausfällt.

Tool-Execution-Profil

Claude Sonnet 5 zeigt echte Werkzeugintelligenz statt starrem Musterverhalten. Beim Web-Search-&-Tool-Selection-Test, der prüft, ob ohne Hinweis web_search statt fetch gewählt wird, erkennt es den richtigen Zugriffspfad zuverlässig. Das spricht für brauchbare Orchestrierung in offenen MCP-Pipelines. Auch bei EU License Research und Multilingual Search & Synthesis setzt es die nötigen Schritte konsequent um.

Schwächer ist die Ausführung dort, wo das Modell eine Ziel-URL selbst herleiten muss. Beim URL-Construction-Test konstruiert es die Ziel-URL brauchbar, aber nicht präzise genug für deterministische Pipelines. Das ist kein Planungsfehler, sondern ein Präzisionsproblem im letzten Schritt. Kritischer ist, dass der Tool-Call insgesamt als nicht valide markiert wurde. Für Produktion heißt das: fachlich oft richtige Tool-Wahl, aber MCP-Integration nur mit strikter Schema-Validierung, Guardrails und gegebenenfalls einem Call-Sanitizer vor dem tatsächlichen Tool-Dispatch.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Ordentlich, aber nicht auf dem Niveau, das man für belastbare Executive-Summaries oder Compliance-Auszüge blind freigeben sollte. Die starken 100 Punkte bei HTTP Fetch & Extract zeigen, dass es strukturierte Web-Inhalte sauber herausziehen kann. Dagegen fallen EU License Research und URL Construction & Fetch in der Verdichtung sichtbar ab, und bei Multilingual Search & Synthesis ist die deutschsprachige Zusammenführung der schwächste Punkt. Das Muster ist klar: gute Extraktion, wechselhafte Verdichtung.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Im Honeypot EU License Research, der prüft, ob aktuelle Lizenzrestriktionen wirklich aus Web-Quellen geholt werden, bleibt das Modell innerhalb der abgefragten Ergebnisse. Keine Halluzination wurde erkannt. Das ist ein Vertrauenssignal. Der P2-Wert von 60 zeigt aber, dass korrektes Recherchieren nicht automatisch in eine präzise, belastbare Endzusammenfassung übersetzt wird.

Fehlerresilienz

Bei Tool-Fehlern ist das Modell produktionstauglich. Im 404-Test, der transparente Fehlerkommunikation gegen erfundenen Ersatzinhalt prüft, halluziniert es keinen Seiteninhalt und kommuniziert den Fehlschlag nachvollziehbar. Genau dieses Verhalten braucht eine Tool-Pipeline: sichtbarer Fehler statt erfundener Erfolg.

Betriebsprofil

Call 1: 2.48s. Call 2: 10.12s. MCP-Latenz: 0.89s. Total: 80.95s.
Kosten/Run: local.
Für die gezeigte Leistung: eher langsam im End-to-End-Run. Kosten hier nicht bewertbar.

Fazit & Empfehlung

Geeignet für agentische Recherche-, Routing- und Tool-Auswahl-Pipelines, in denen ein nachgelagerter Validator Strukturfehler abfängt und ein Mensch oder Regelwerk die Schlussverdichtung prüft. Nicht geeignet als unkontrollierte Endinstanz für Compliance-Synthesen, mehrsprachige Entscheidungsnotizen oder Workflows, in denen ein formal invalider Tool-Call bereits ein Incident ist. Wer Claude Sonnet 5 einsetzt, sollte ihm die Werkzeuge geben, aber nicht das letzte Wort ohne Absicherung.

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.