Die aktuelle Claude-Produktreihe von Anthropic lässt einen einfachen Preisvergleich irreführend erscheinen. In diesem Test werden Claude Opus 5.5, Claude Opus 5 und Claude Fable 5.1 denselben fünf Eingabeaufforderungen unterzogen, und es werden das Aufgabenergebnis, die lokal gemessene Laufzeit, die von der Route gemeldete Token-Nutzung sowie die Grenzen der jeweiligen Beobachtung angegeben.
Der praktische Unterschied zeigt sich in den Aufgabenkarten. Opus 5.5 war bei dem getesteten Testdatensatz Fable 5.1 am schnellsten und kostengünstigsten, Fable 5.1 erzeugte die wenigsten Ausgabetoken und lieferte die sauberste Antwort im chinesischen Format, während Opus 5 am längsten brauchte und Opus 5.5 die meisten Ausgabetoken verwendete. Die Codierungskarte fügt eine wichtige Einschränkung hinzu: Eine kürzere Ausgabe war nicht automatisch eine bessere Ausgabe.
Wir haben die fünf Eingabeaufforderungen aus dem früheren Testbericht zu Claude Opus 5.5 übernommen und jede Eingabeaufforderung einmal für jedes Modell ausgeführt. Die Einstellungen für die Anfrage waren identisch: eine Obergrenze von 8.192 Tokens, hoher Aufwand, eine Benutzernachricht und keine Tools. Die Route gab einen HTTP-Status 200 zurück und end_turn für alle 15 Anfragen.
Kurze Antwort
- Der Schnellste in diesem Paket mit fünf Aufgaben: Claude Opus 5.5 benötigte für fünf aufeinanderfolgende Anfragen eine lokale End-to-End-Zeit von 47,725 Sekunden. Claude Fable 5.1 benötigte 53,290 Sekunden und Claude Opus 5 benötigte 61,470 Sekunden.
- Geschätzter niedrigster Listenpreis: Opus 5.5 ergab bei den fünf Anfragen zu den offiziellen Token-Kursen einen Wert von etwa $0,0818, gefolgt von Opus 5 mit $0,0962 und Fable 5.1 mit $0,1415. Hierbei handelt es sich um rechnerische Schätzwerte, nicht um Plattformgebühren.
- Qualitätsergebnis: Alle drei lieferten eine auf den Grund bezogene Extraktion von fünf Elementen, analysierbares JSON und die richtige mathematische Antwort. Die Programmierergebnisse unterschieden sich in der Behandlung von Randfällen, während Fable 5.1 die aus zwei Absätzen bestehende Anleitung im chinesischen Format am saubersten umsetzte.
- Hinweis zur API: Opus 5.5 lässt sich nicht einfach so in jede Opus-5-Integration einbinden. Laut Migrationsleitfaden lässt sich die „Thinking“-Funktion nicht deaktivieren, und einige ältere Tools bzw. Denkweisen müssen angepasst werden.
- Man sollte die Rangliste nicht überbewerten: Dies ist eine abgeglichene Fahrt pro Aufgabe auf einer Route. Dabei werden das konkrete Verhalten, die verstrichene Zeit und die gemeldete Nutzung gemessen, nicht eine allgemeine Modellbewertung.
Was die drei Modelle kosten und was sie bieten
Den drei APIs ist laut der aktuellen Modelldokumentation von Anthropic ein Kontextfenster von 1 Mio. Token sowie eine maximale Ausgabekapazität von 128.000 Token gemeinsam. Ihre Abrechnungseinheiten und ihr Status unterscheiden sich: Opus 5.5 ist die neueste Opus-Route, Opus 5 ist als veraltet gekennzeichnet und Fable 5.1 weist die höchste Standard-Ein-/Ausgaberate auf.
| Modell | Offizieller Status | API-Modell-ID | Eingabe / Ausgabe | Kontext / maximale Leistung | Standardaufwand | Cache-Lesezugriff |
|---|---|---|---|---|---|---|
| Claude Opus 5,5 | Neueste | claude-opus-5-5 | $4 / $20 pro MTok | 1 Mio. / 128 K | Mittel | $0.20 / MTok |
| Claude Opus 5 | Aktiv, veraltet | claude-opus-5 | $5 / $25 pro MTok | 1 Mio. / 128 K | Hoch | $0,50 / MTok |
| Claude Fable 5.1 | Neueste | claude-fable-5-1 | $10 / $50 pro MTok | 1 Mio. / 128 K | Hoch | $0,25 / MTok |
Ein einfaches Beispiel ohne Zwischenspeicherung: 100.000 Eingabetoken plus 20.000 Ausgabetoken kosten auf Opus 5.5 $0,80, $1,00 auf Opus 5 und $2,00 auf Fable 5.1 zu den angegebenen Tarifen. Fable 5.1 weist eine geringere Cache-Lese-Rate auf als Opus 5, daher müssen cacheintensive Agent-Workloads separat berechnet werden.
Was die offizielle Vergleichstabelle zeigt
Anthropic’s Claude Opus 5.5 – Ankündigung stellt alle drei Modelle in derselben Anbieter-Vergleichstabelle dar. Opus 5.5 führt die aufgelisteten Zeilen an, doch handelt es sich hierbei um von den Anbietern gemeldete Ergebnisse mit benchmark-spezifischen Testsuiten und Aufwands-Einstellungen. In der Ankündigung selbst wird darauf hingewiesen, dass enge Benchmark-Abstände auf diesem Leistungsniveau kein verlässlicher Anhaltspunkt für Unterschiede in der Praxis sind.
| Anbieter-Benchmark | Opus 5.5 | Fable 5.1 | Opus 5 | Was damit gemessen wird |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | Agentbasierte Programmierung über die Befehlszeile |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | Ob Änderungen am Agent-Code zusammengeführt würden |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | Mehrdeutige Kodierungsaufgaben mit mehreren Dateien |
| GDPval-AA v2.1 | 1846 | 1735 | 1708 | Fachliche Wissensarbeit in 44 Berufen |
| AutomationBench | 40.0% | 31.4% | 26.9% | End-to-End-Geschäftsabläufe |
| Die letzte Prüfung der Menschheit | 67.7% mit Werkzeugen | 65.6% mit Werkzeugen | 63,61 TP40T mit Werkzeugen | Interdisziplinäres Denken |
| OSWorld 2.0 | 81.8% teilweise | 80,71 TP40T teilweise | 74.0% teilweise | Aufgaben am Computer |
Die Tabelle dient dazu, die vom Anbieter angegebene Leistungsgrenze zu ermitteln. Sie ersetzt jedoch nicht die unten aufgeführten abgeglichenen Karten: Unser Test basiert auf kurzen, einreihenden Eingabeaufforderungen, hohem Aufwand, dem Verzicht auf Hilfsmittel und einer von Dritten gesteuerten Route.
Gleiche Eingabeaufforderungen, gleiche Anforderungseinstellungen
Wir haben die fünf Eingabeaufforderungen aus dem früheren Opus 5.5-Testpaket kopiert und jede davon einmal an jedes Modell gesendet. Der Kunde hat die Reihenfolge der Modelle je nach Aufgabe variiert, UTF-8-JSON verwendet und die Zeit vom Beginn der Anfrage bis zum vollständigen Einlesen des Antworttextes gemessen. Alle 15 Anfragen lieferten den HTTP-Status 200 und end_turn. Weitere Informationen zur allgemeinen Begründung und zum reproduzierbaren Arbeitsablauf finden Sie unter Wie GlobalGPT KI-Modelle testet.
Vergleich von Zeit und Token
| Route | 5 Läufe sind vorbei | Mittelwert / Aufgabe | Eingabetoken | Ausgabe-Token | Routenorientiertes Denken | Geschätzter Listenpreis* |
|---|---|---|---|---|---|---|
| Claude Opus 5,5 | 47,725 s | 9,545 s | 700 | 3,952 | 2,214 | $0.0818 |
| Claude Opus 5 | 61,470 s | 12,294 s | 690 | 3,709 | 1,859 | $0.0962 |
| Claude Fable 5.1 | 53,290 s | 10,658 s | 700 | 2,690 | 1,122 | $0.1415 |
*Schätzung auf Basis der von der Route gemeldeten Eingabe-/Ausgabe-Token und der von Anthropic angegebenen Standard-API-Tarife. Cache-Gebühren, Plattformgutschriften, Steuern und Aufschläge sind darin nicht enthalten. Die verstrichene Zeit ist die lokale End-to-End-Realtime nach dem Absenden der Anfrage, nicht die Latenz des Anbieters oder die Anzahl der Token pro Sekunde. “Thinking” ist ein vom Routenbetreiber gemeldetes Nutzungsfeld und keine unabhängig gemessene, verborgene Denkleistung.
Die Gesamtergebnisse weisen je nach Bewertungskriterium in unterschiedliche Richtungen. Opus 5.5 erzielte die schnellste Gesamtzeit und die niedrigsten geschätzten Kosten, Fable 5.1 lieferte die geringste Anzahl an Ausgabetoken, und Opus 5 war in dieser Gruppe am langsamsten. Eine kürzere Antwort ist nicht automatisch eine bessere Antwort: Die Programmierkarte zeigt, warum der Ausgabecontent und der Umgang mit Randfällen weiterhin berücksichtigt werden müssen.
Fünf passende Aufgabenkarten
Können die Modelle eine Deduplizierungsfunktion mit gemischten Typen reparieren?
Aufgabeneinstellung: Die Aufgabenstellung sah eine korrigierte Funktion sowie zwei prägnante Testfälle vor, einen Zeichenfolgenvergleich ohne Berücksichtigung der Groß-/Kleinschreibung, die Beibehaltung der ursprünglichen Schreibweise sowie keinen Absturz bei Werten, die keine Zeichenfolgen sind.
| Modell | Zeit / Nutzung | Beobachtetes Ergebnis |
|---|---|---|
| Claude Opus 5,5 | 15,844 s lokal · 145 rein / 1478 raus · 700 zum Nachdenken · end_turn | Verwendet „casefold“ sowie eine Ausweichliste; in der Docstring-Beschreibung ist von „Identität“ die Rede, während im Code die Gleichheit verwendet wird. |
| Claude Opus 5 | 16,845 s lokal · 143 rein / 1109 raus · 312 nachdenken · end_turn | Fügt typmarkierte Schlüssel und einen Fallback für die Gleichheitsprüfung hinzu und weist auf die ungültige einzeilige Python-Syntax hin. |
| Claude Fable 5.1 | 12,778 s lokal · 145 rein / 783 raus · 0 Nachdenken · Zugende | Verwendet „repr(item)“ für nicht-hashbare Werte; dies funktioniert zwar in den gezeigten Beispielen, kann jedoch zu Typkonflikten führen. |
Vergleichsergebnis: Der Randfall ist eine Beobachtung auf Aufgabenebene und keine Aussage über alle Programmieraufgaben.
Können die Modelle fünf vorgegebene Fakten beibehalten, ohne zusätzliche Behauptungen hinzuzufügen?
Aufgabeneinstellung: Ausgangsmaterial war eine kurze Notiz über einen zweiwöchigen Test mit drei Schreibassistenten. Es handelt sich um eine kurze Extraktionsaufgabe und nicht um einen Benchmark mit großem Kontext.
| Modell | Zeit / Nutzung | Beobachtetes Ergebnis |
|---|---|---|
| Claude Opus 5,5 | 4,374 s lokal · 210 rein / 312 raus · 101 Nachdenken · Zugende | Ich habe fünf nummerierte Aufzählungspunkte aufgeführt und mich an die vorgegebenen Fakten gehalten; die Bezeichnungen und die Reihenfolge wichen geringfügig ab. |
| Claude Opus 5 | 4,661 s lokal · 208 rein / 265 raus · 27 Nachdenken · Zugende | Ich habe fünf nummerierte Aufzählungspunkte aufgeführt und mich an die vorgegebenen Fakten gehalten; die Bezeichnungen und die Reihenfolge wichen geringfügig ab. |
| Claude Fable 5.1 | 6,305 s lokal · 210 rein / 223 raus · 0 Nachdenken · Zugende | Ich habe fünf nummerierte Aufzählungspunkte aufgeführt und mich an die vorgegebenen Fakten gehalten; die Bezeichnungen und die Reihenfolge wichen geringfügig ab. |
Vergleichsergebnis: Die Ausgangsstelle war kurz; hier wird die fundierte Extraktion und Formatierung überprüft, nicht die Verarbeitung von Kontexten mit Millionen von Tokens.
Können die Modelle genau die angeforderte Struktur zurückgeben?
Aufgabeneinstellung: Die Vorgabe sah ausschließlich gültiges JSON vor, fünf genau festgelegte Schlüssel, zwei Vorteile, zwei Nachteile sowie kurze Zeichenfolgen. Der fiktive Bewertungsinhalt stellt keinen Beweis für irgendein Modell dar.
| Modell | Zeit / Nutzung | Beobachtetes Ergebnis |
|---|---|---|
| Claude Opus 5,5 | 8,276 s lokal · 128 rein / 622 raus · 390 Nachdenken · end_turn | Es wurde ein auswertbares JSON-Objekt mit den angeforderten Schlüsseln sowie zwei Vor- und zwei Nachteilen zurückgegeben; die generierten Bewertungsangaben sind Testtext und keine Produktangaben. |
| Claude Opus 5 | 6,344 s lokal · 126 rein / 238 raus · 0 Nachdenken · Zugende | Es wurde ein auswertbares JSON-Objekt mit den angeforderten Schlüsseln sowie zwei Vor- und zwei Nachteilen zurückgegeben; die generierten Bewertungsangaben sind Testtext und keine Produktangaben. |
| Claude Fable 5.1 | 6,626 s lokal · 128 rein / 203 raus · 0 Nachdenken · end_turn | Es wurde ein auswertbares JSON-Objekt mit den angeforderten Schlüsseln sowie zwei Vor- und zwei Nachteilen zurückgegeben; die generierten Bewertungsangaben sind Testtext und keine Produktangaben. |
Vergleichsergebnis: Die JSON-Zeichenfolgen beschreiben ein fiktives Bewertungsszenario und dürfen nicht als Produktangaben veröffentlicht werden.
Können die Modelle die abgerundete Abfolge der Chargen bis zum Endergebnis weiterführen?
Aufgabeneinstellung: Die Abfolge lautete 12, dann 25% mehr mit Rundung nach unten, verteilt auf vier Chargen.
| Modell | Zeit / Nutzung | Beobachtetes Ergebnis |
|---|---|---|
| Claude Opus 5,5 | 3,830 s lokal · 89 rein / 257 raus · 74 nachdenken · end_turn | Berechnet wurden 12, 15, 18, 22 und insgesamt 67; alle drei endeten mit der gewünschten Einzelzahl 67. |
| Claude Opus 5 | 5,079 s lokal · 87 rein / 277 raus · 90 nachdenken · end_turn | Berechnet wurden 12, 15, 18, 22 und insgesamt 67; alle drei endeten mit der gewünschten Einzelzahl 67. |
| Claude Fable 5.1 | 5,347 s lokal · 89 rein / 127 raus · 0 Nachdenken · Zugende | Berechnet wurden 12, 15, 18, 22 und insgesamt 67; alle drei endeten mit der gewünschten Einzelzahl 67. |
Vergleichsergebnis: Alle drei haben diese Rechenaufgabe bestanden; eine einzige Aufgabe reicht nicht aus, um die Zuverlässigkeit des allgemeinen logischen Denkens einzuschätzen.
Kann die Route die gewünschte Gliederung in zwei Absätze beibehalten?
Aufgabeneinstellung: In der Aufgabenstellung wurden zwei Absätze in chinesischer Sprache mit jeweils 80–120 chinesischen Schriftzeichen verlangt: zunächst eine Antwort zum Thema „Werte“, gefolgt vom Testplan.
| Modell | Zeit / Nutzung | Beobachtetes Ergebnis |
|---|---|---|
| Claude Opus 5,5 | 15,401 s lokal · 128 eingehend / 1283 ausgehend · 949 Denkzeit · end_turn | Die beiden angeforderten Absätze wurden zurückgegeben, anschließend wurden Markdown-Markierungen und eine Anmerkung auf Englisch hinzugefügt. |
| Claude Opus 5 | 28,541 s lokal · 126 rein / 1820 raus · 1430 Nachdenken · end_turn | Die beiden angeforderten Absätze wurden eingefügt, anschließend wurde hinter einem Trennzeichen eine Anmerkung auf Englisch hinzugefügt. |
| Claude Fable 5.1 | 22,234 s lokal · 128 rein / 1354 raus · 1122 Nachdenken · end_turn | Es wurden zwei saubere chinesische Absätze ohne zusätzliche Anmerkungen oder Markdown-Formatierung zurückgegeben. |
Vergleichsergebnis: Hier werden die Anweisungen für die Durchfahrt auf der getesteten Strecke aufgezeichnet; es handelt sich nicht um einen Qualitätsmaßstab für die chinesische Sprache.
Hinweise zu APIs und Migration
Opus 5.5 lässt sich nicht einfach so in jede Opus-5-Integration einbinden. Anthropic’s Migrationsleitfaden Es heißt, dass „Thinking“ in Opus 5.5 nicht deaktiviert werden kann; Anfragen, die versuchen, den alten „Thinking“-Modus zu deaktivieren oder manuell zu aktivieren, geben einen 400-Fehler zurück. Die Migration ändert zudem die erzwungene Tool-Nutzung, verknüpft „Thinking“-Blöcke mit dem Modell und der Konversation und ersetzt das ältere Tool zur Computernutzung in der Claude-API und im Google Cloud-Pfad.
Der verwendete gemeinsame Test output_config.effort: hoch für alle drei Modelle, damit sich die Ergebnisse der Eingabeaufforderungen leichter vergleichen ließen. Das bedeutet, dass diese Durchläufe nicht die Standard-Aufwandeinstellung der jeweiligen Modelle wiedergeben. Für Fable 5.1 ist dokumentiert, dass „Adaptives Denken“ immer aktiviert ist und der Standardaufwand hoch ist; für Opus 5.5 ist dokumentiert, dass „Adaptives Denken“ immer aktiviert ist und der Standardaufwand mittel ist; Opus 5 verwendet „Adaptives Denken“ mit hohem Standardaufwand.
Was dieser Test tatsächlich belegt
Beurteilung auf Aufgabenebene
Opus 5.5: die schnellste und kostengünstigste Lösung (geschätzter Listenpreis) in diesem Paket mit fünf Aufgaben, bei der zudem die meisten Ausgabe-Token erzeugt werden. Fable 5.1: Insgesamt kürzeste Ausgabe und sauberste Einhaltung der chinesischen Zwei-Absatz-Beschränkung, doch aufgrund des höheren Token-Preises fiel die Schätzung für fünf Durchläufe am höchsten aus, und der Fallback bei der Codierung wies einen konkreten Randfall vom Typ „Cross“ auf. Opus 5: Korrekt bei den Aufgaben zu Extraktion, JSON und Mathematik, jedoch die langsamste in diesem Routenbeispiel und in der offiziellen Dokumentation als veraltet gekennzeichnet.
Das reicht aus, um auf dieser gemessenen Strecke eine praktische Bevorzugung von Opus 5.5 zu rechtfertigen, reicht aber nicht aus, um zu behaupten, dass es bei jeder Arbeitslast die Nase vorn hat. Wiederholen Sie den Test mit verschiedenen Tools, längeren Eingaben und mehreren Durchläufen, bevor Sie das Ergebnis als produktionsrelevanten Benchmark betrachten.
Wenn Sie den Vergleich nachstellen möchten, ohne drei separate Konten zu eröffnen, Probieren Sie den Workflow zum Modellvergleich in GlobalGPT aus. Die direkte Modellroute und die Zuordnung zum vorgelagerten Anbieter sollten bei jeder Entscheidung bezüglich der Produktionsumgebung weiterhin separat überprüft werden.
FAQ
Welches Modell war im Vergleichstest am schnellsten?
Claude Opus 5.5 wies die geringste lokale Gesamtlaufzeit auf: 47,725 Sekunden über fünf aufeinanderfolgende Anfragen. Hierbei handelt es sich um eine Routenbeobachtung, nicht um die Latenz auf Anbieterseite.
Welches Modell hat die wenigsten Ausgabe-Token verwendet?
Claude Fable 5.1 verwendete bei den fünf Aufgaben insgesamt 2.690 von der Route gemeldete Ausgabetoken, verglichen mit 3.709 bei Opus 5 und 3.952 bei Opus 5.5.
Welches Modell war im Test am günstigsten?
Unter Verwendung der offiziellen Standard-API-Tarife und der zurückgegebenen Anzahl an Eingabe- und Ausgabetoken ergab Opus 5.5 mit $0,0818 die niedrigste Schätzung für fünf Durchläufe. Dabei sind Cache, Gutschriften, Steuern und Plattformaufschläge nicht berücksichtigt.
Haben alle drei Modelle die gleichen Aufgaben bewältigt?
Alle drei lieferten ein auf der Basis von fünf Elementen erstelltes, auswertbares JSON-Format mit den angeforderten Schlüsseln und der korrekten Gesamtzahl von 67. Die Karten im Codierungs- und im chinesischen Format weisen deutliche Unterschiede in der Ausgabe auf.
Handelte es sich hierbei um einen Long-Context-Benchmark?
Nein. Die wiederverwendete Extraktionsaufforderung enthält einen kurzen Textabschnitt. Sie dient dazu, die Verankerung und die exakte Formatierung zu prüfen, sollte daher nicht als Beleg für die Leistung im Kontext von einer Million Token herangezogen werden.
Ist Claude Opus 5 noch aktuell?
In den Modelldokumenten von Anthropic wird Opus 5 als aktiv, aber veraltet bezeichnet, und es wird empfohlen, für eine verbesserte Leistung Opus 5.5 in Betracht zu ziehen. Bei bestehenden API-Integrationen sollte vor der Umstellung der Migrationsleitfaden durchgesehen werden.
Offizielle Spezifikationen: Opus 5.5 – Dokumentation, Opus 5-Dokumente, und Fable 5.1-Dokumente. Die Referenzwerte der Anbieter werden Anthropic zugeordnet; die praktischen Werte stammen aus dem oben beschriebenen, darauf abgestimmten Testpaket.
