KI-Coup: Anthropics Opus 5 schlägt Fable zum halben Preis

Anthropics neues Flaggschiff Claude Opus 5 kostet nur halb so viel wie das hauseigene Topmodell Fable 5 und übertrifft es in den meisten Benchmarks. Bei Logik-Tests vervierfacht es den bisherigen Rekord. Doch es gibt einen Haken.

Anthropic dreht gerade am Preisrad der KI-Industrie. Das kalifornische Startup hat mit Claude Opus 5 ein Modell veröffentlicht, das die eigene Produktpalette auf den Kopf stellt: günstiger als das Flaggschiff Fable 5, aber in vielen Disziplinen sogar besser. Die Botschaft an OpenAI und Google ist klar: es geht nicht mehr darum, wer das mächtigste Modell hat, sondern wer die beste Performance pro Dollar liefert.

Die Zahlen sprechen eine deutliche Sprache: Opus 5 führt mit 61 Punkten den Artificial Analysis Intelligence Index an, knapp vor Fable 5 mit 60 Punkten und GPT-5.6 Sol mit 59 Punkten, wie Artificial Analysis berichtet. Der Clou: Es kostet nur 5 Dollar pro Million Input-Tokens statt 10 Dollar bei Fable 5. Bei analytischer Qualität liegt Opus 5 mit einem Elo-Score von 2016 fast 300 Punkte vor dem eigenen Topmodell.

Logik-Sprung mit Fragezeichen

Besonders spektakulär fällt der Vorsprung beim ARC-AGI-3-Benchmark aus, der neuartiges Problemlösen ohne auswendig gelernte Muster misst. Opus 5 erreicht hier 30,2 Prozent – viermal so viel wie der bisherige Bestwert von GPT-5.6 Sol mit 7,8 Prozent, so The Decoder. Das Modell formulierte dabei erstmals eigenständig Spiegelungsgleichungen und wandelte Aufgaben in algebraische Notation um. Doch Greg Kamradt, einer der ARC-AGI-3-Forscher, gibt zu bedenken: Tests auf dem Witness-Benchmark, einem privaten Rätsel-Test, zeigen deutlich geringere Fortschritte. Dort liegt Opus 5 mit 43,4 Punkten nur knapp über Kimi K3 und Fable 5 [The Decoder].

Der Verdacht: Anthropic könnte gezielt auf ARC-AGI-3 trainiert haben, nachdem Format und Aufgabentyp öffentlich bekannt wurden. Echte Reasoning-Fortschritte oder Benchmark-Optimierung? Die Frage bleibt offen.

Coding-König mit Halluzinations-Problem

Beim agentischen Coding teilt sich Opus 5 mit Claude Code die Spitzenposition im Artificial Analysis Coding Index. Auf Terminal-Bench v2.1 erreicht es 89 Prozent, gleichauf mit GPT-5.6 Sol, wie Artificial Analysis meldet.

Bei Frontier-Bench v0.1 kommt Opus 5 auf 43,3 Prozent und lässt damit Fable 5 (33,7 Prozent) und GPT-5.6 Sol (34,4 Prozent) hinter sich. Die Kehrseite: Bei Faktenwissen schwächelt das Modell. Die Halluzinationsrate klettert auf 50 Prozent,14 Prozentpunkte mehr als beim Vorgänger Opus 4.8. Wer auf verlässliche Wissensaussagen angewiesen ist, muss zweimal hinschauen.

Effort-Stufen als wirtschaftlicher Hebel

Anthropic bietet fünf Leistungsstufen von „low“ bis „max“. Der Output-Token-Verbrauch variiert dabei um Faktor acht, die Performance auf GDPval-AA v2 um 407 Elo-Punkte, so Artificial Analysis. Paradox: Auf manchen Benchmarks schneidet die Stufe „high“ besser ab als „max“ bei niedrigeren Kosten.

Grund laut FrontierCode-Entwickler Cheng-Yuan Lee: Auf maximaler Stufe verbessert Opus 5 gerne ungefragten Code rundherum, was manche Tests als Fehler werten, so The Decoder. Bei AA-Briefcase, einem Test für Wissensarbeit, erreicht Opus 5 auf maximaler Stufe 1720 Elo – 146 Punkte vor Fable 5. Die Kosten pro Aufgabe sinken dabei um 20 Prozent auf 17,79 Dollar gegenüber 22,30 Dollar bei Fable 5 [Artificial Analysis].

Business Punk Check

Der Move von Anthropic ist brutal simpel: Das Unternehmen kannibalisiert sein eigenes Flaggschiff. Wer braucht Fable 5 zum doppelten Preis, wenn Opus 5 in den meisten Disziplinen mithalten oder sogar vornliegen kann? Die Strategie zielt direkt auf OpenAI und die chinesische Konkurrenz und das in einem Markt, in dem KI-Modelle zunehmend zur Standardware werden. Doch die Halluzinationsrate von 50 Prozent ist Gift für jeden Unternehmenseinsatz, bei dem Verlässlichkeit zählt.

Wer juristische Gutachten oder medizinische Analysen erstellen lässt, kann sich keine Coin-Flip-Genauigkeit leisten. Und die Frage, ob Opus 5 echte Reasoning-Durchbrüche liefert oder nur geschickt auf bekannte Benchmarks optimiert wurde, wird sich erst in der Praxis zeigen. Für Entwickler und Unternehmen bleibt die Empfehlung: Die mittlere Effort-Stufe „high“ bietet das beste Preis-Leistungs-Verhältnis. Und kritische Faktenaussagen gehören immer gegengeprüft – egal, wie selbstbewusst das Modell antwortet.

Quellen: The Decoder, The Decoder, The Decoder, Trending Topics, Trending Topics, Artificial Analysis