Anthropic führt Claude Opus 5 für 5 US-Dollar pro Million Tokens ein, die Hälfte der Kosten von Fable 5
Eingeführt am 24. Juli, liefert der Claude Opus 5 eine nahezu gleiche Leistung wie Fable 5 zu 5 US-Dollar pro Million Eingabetokens, mit einer Anstrengungskontrolle in fünf Stufen und einem Kontextfenster von 1 Million Tokens.
Die Positionierung: Near-Frontier-Intelligenz zum halben Preis
Anthropic hat am 24. Juli den Claude Opus 5 zum Preis von 5 US-Dollar pro Million Eingabetokens und 25 US-Dollar pro Ausgang eingeführt. Er kostet dasselbe wie der Opus 4.8, jedoch mit radikal unterschiedlicher Leistung: Im Frontier-Bench v0.1, einem internen Benchmark für Denk- und Automatisierungsaufgaben, verdoppelte der Opus 5 die Punktzahl des Opus 4.8 bei denselben Kosten. Im CursorBench 3.2, das auf LLM-unterstütztes Coding ausgerichtet ist, erreichte er 0,5 % der Höchstpunktzahl des Fable 5, dem Flaggschiff-Modell von Anthropic, das das Doppelte kostet: 10 US-Dollar für Eingabe und 50 US-Dollar für Ausgabe pro Million Tokens.
Das Kontextfenster wurde auf 1 Million Tokens erhöht, mit synchroner Ausgabe von bis zu 128.000 Tokens in einem einzigen API-Aufruf. Der Zeitpunkt ist strategisch: Der GPT-5.6 Terra von OpenAI wurde am 9. Juli eingeführt, und der Gemini 2.5 Pro von Google arbeitet bereits im gleichen Kapazitätsbereich. Die Mittelklasse ist zum echten Schlachtfeld zwischen geschlossenen Anbietern von KI geworden, da hier die meisten Enterprise-Workloads in der Produktion stattfinden.
Der Mechanismus: Der Anstrengungsregler in fünf Stufen
Von "niedrig" bis "maximal" kalibriert die API des Opus 5 bei jeder Anfrage die Tiefe des Denkens. Sortier-, Extraktions- oder einfache Routing-Aufgaben erfordern nicht dasselbe Maß an Verarbeitung wie eine juristische Analyse oder eine Code-Überprüfung. Das Modell fügt einen Schnellmodus für 10 US-Dollar pro Million Eingabetokens hinzu, der 2,5 Mal schneller ist als der Standard, sowie einen Prompt-Cache für 0,50 US-Dollar pro Million Tokens und eine 50 %ige Reduzierung durch die Batch-API.
Diese explizite Kontrolle des Aufwands pro Anfrage hat im GPT-5.6 Terra kein Pendant. Für Entwickler, die Agenten mit Hunderten von verknüpften Schritten erstellen, kann die Feinabstimmung zwischen "maximal" und "mittel" in den Zwischenschritten eine Reduzierung der Gesamtkosten um 30 % bis 40 % darstellen, ohne messbare Qualitätseinbußen bei den Endausgaben.
Was die Launch-Partner gemessen haben
Harvey, eine juristische KI-Plattform, die von den größten Anwaltskanzleien in London und New York verwendet wird, berichtete von einer Reduzierung des Token-Volumens um 26 % im Vergleich zum Opus 4.8 im maximalen Denkmodus, wobei die intern verifizierte Qualität gleichwertig war. Bei hochvolumigen juristischen Verträgen zeigt sich der Unterschied direkt in den Kosten pro Dossier.
Der CEO von Zapier gab bekannt, dass der Opus 5 100 % Zustimmung im internen AutomationBench des Unternehmens erreicht hat, einem Test, der Churn-Präventions-Workflows vom Anfang bis zum Ende mit mehreren verknüpften Tools simuliert. Frühere Versionen, einschließlich des Opus 4.8, haben in dieser Bewertung nicht das gleiche Ergebnis erzielt.
Zwei Märkte, in denen sich die Kostenstruktur ändert
In den Vereinigten Staaten komprimiert der Launch die Mittelklasse: Die Architekturentscheidung basiert nun auf Kosten pro Aufgabe, nicht auf dem Ranking von Modellen. Der günstigere GPT-5.6 Luna, der 1 US-Dollar pro Million Eingabetokens kostet, erreicht nicht die analytische Tiefe des Opus 5. Der Sol, das Flaggschiff derselben OpenAI-Familie, ist teurer und bedient unterschiedliche Anwendungsfälle. Für Integratoren, die die letzte Generation von Engagements auf Basis des Opus 4.8 umgesetzt haben, definiert der Opus 5 die Kostenbasis neu, ohne dass ein Lieferantenwechsel erforderlich ist.
In Indien betreiben TCS, Infosys und HCL Technologies Entwicklungszentren, die Claude als Backbone der Unternehmensautomatisierung für europäische und nordamerikanische Kunden nutzen. Die Kontrolle des Aufwands pro Anfrage verändert die Gleichung in Großprojekten: Automatisierte Validierungs- und Sortier-Workloads, die derzeit gleichmäßige Inferenzkapazitäten konsumieren, werden jetzt nach der Aufgabenkomplexität verwaltet. Die Inferenzkosten hören auf, konstant zu sein, und werden zu einer variablen, steuerbaren Größe in den P&Ls der Engagements, mit direktem Einfluss auf die Margen der Verträge über AI-as-a-Service.
Anthropic hat keine Prognosen zur Einführung veröffentlicht, noch gibt es einen Zeitplan für zukünftige Versionen des Opus. Die verfügbaren Daten stammen aus Benchmark-Tests und den Berichten der Launch-Partner.