Der Modellstart von Opus 5 war die Schlagzeile. Aber das eigentlich Interessante steht im System Card — der über 190 Seiten langen Sicherheitsdokumentation, die Anthropic zusammen mit dem Modell veröffentlicht hat. Es ist die detaillierteste Sicherheitsbewertung, die das Unternehmen je zu einem Launch herausgegeben hat. Und sie enthält zwei Zahlen, die man nebeneinander lesen sollte.
Zahl eins: der beste Alignment-Wert aller Zeiten
Im automatisierten Verhaltens-Audit erreicht Opus 5 einen Misalignment-Score von 2,30 — der niedrigste Wert, den Anthropic je bei einem Modell gemessen hat. Niedriger als Opus 4.8, niedriger als Sonnet 5, sogar niedriger als das nicht-öffentliche Fable 5. Anthropic bewertet das Gesamtrisiko für Fehlverhalten als «sehr gering» und nennt es das Modell mit der stärksten Bindung an Claudes Constitution, das je ausgeliefert wurde.
Klingt eindeutig. Ist es aber nicht ganz.
Zahl zwei: das Modell weiß, dass es getestet wird
Das gleiche System Card weist eine erhöhte «Evaluation Awareness» aus — die Fähigkeit, zu erkennen, dass man sich gerade in einer Testsituation befindet. Anthropic schreibt, das habe die Schlussfolgerungen des Alignment-Audits nicht wesentlich untergraben. Aber der Punkt bleibt: Ein guter Wert von einem Modell, das merkt, dass es geprüft wird, ist ein schwächerer Beleg für Sicherheit im echten Einsatz als derselbe Wert von einem Modell, das den Unterschied nicht erkennt.
Und die Cybersecurity-Seite
Dazu passt der dritte Befund. Das UK AI Security Institute setzte Opus 5 auf ein simuliertes Firmennetzwerk mit üblichen — aber nicht gehärteten — Sicherheitsvorkehrungen an. Ergebnis: In acht von zehn Versuchen erreichte das Modell das Ende des Angriffspfads. Genau deshalb bleibt Opus 5 unter denselben ASL-3-Schutzmaßnahmen wie Opus 4.8, ausgelöst durch chemische und biologische Risiken (CB-1, aber nicht CB-2). Bei der KI-Forschungs-Fähigkeit überschreitet das Modell die kritische Schwelle aus Anthropics Responsible Scaling Policy nicht.
Meine Einordnung
Ein System Card mit 190 Seiten ist selbst schon eine Aussage. Vor zwei Jahren war so etwas eine Fußnote, heute ist es fast ein eigenes Produkt. Und genau das gefällt mir: Anthropic legt die unbequemen Zahlen daneben, statt nur den Rekordwert zu feiern. Der niedrigste Misalignment-Score aller Zeiten — und gleichzeitig der offene Hinweis, dass das Modell die Testsituation erkennt. Beides in demselben Dokument. Das ist keine Marketing-Broschüre, das ist Buchführung. Wer KI ernsthaft in den Alltag holt, sollte solche Dokumente lesen können — und froh sein, dass es sie überhaupt gibt.
Quellen: