Bei jedem Modell-Launch klingt die offizielle Ankündigung grossartig. Interessant wird es erst, wenn Leute das Modell in die Hand nehmen, die kein Marketing-Interesse haben. Bei Claude Opus 5 ist genau das jetzt passiert — und das Urteil fällt bemerkenswert positiv aus.
Simon Willisons Ersteindruck
Simon Willison, einer der genauesten Beobachter der LLM-Szene, hat Opus 5 direkt getestet. Sein Fazit: der Hype ist berechtigt. Das Modell führt aktuell die Rangliste von Artificial Analysis an — vor Claude Fable 5, und das zum gleichen Preis wie Opus 4.8. Ein «fast mode» zum doppelten Tarif bleibt erhalten.
Besonders spannend ist ein Detail, das Willison hervorhebt: Opus 5 sei das am schwersten zu manipulierende Modell, das er kenne — über Prompt-Injection-Evals und Red-Teaming hinweg extrem robust. In einer Zeit, in der Agenten immer mehr echte Aktionen ausführen, ist das kein Nice-to-have, sondern Kern-Sicherheit.
Was die Benchmarks zeigen
Auch die unabhängigen Zahlen stützen das Bild. Opus 5 liefert 43,3 Prozent auf Frontier-Bench (agentisches Coding), 30,2 Prozent auf ARC-AGI-3 — rund das Dreifache des nächstbesten Modells — und einen GDPval-Elo von 1.861 für Wissensarbeit. Die Kernaussage: Opus 5 kommt der Frontier-Intelligenz von Fable 5 sehr nahe, kostet aber die Hälfte.
Ein wiederkehrendes Lob dreht sich um das Verhalten, nicht nur die Zahlen: Opus 5 prüft seine eigene Arbeit. Ein Tester berichtete, das Modell habe seine gebauten Seiten selbst im Browser geöffnet — in Desktop- und Handy-Breite — einen versteckten Button unter der mobilen Falz entdeckt und ihn korrigiert, bevor es die Arbeit zurückgab.
Meine Einordnung
Genau das ist der Unterschied, der im Alltag zählt. Nicht «wie schlau ist das Modell im Test», sondern «räumt es hinter sich selbst auf». Ein Modell, das seine eigenen Fehler fängt, spart mir mehr Zeit als eines, das zwei Benchmark-Punkte höher liegt. Dass Opus 5 obendrein besonders schwer zu manipulieren ist, macht es für echte Agenten-Workflows deutlich attraktiver. Der Launch war laut — das unabhängige Echo ist leiser, aber überzeugender.
Quellen: