Braucht man Fable 5 noch, nachdem Opus 5 den ersten Platz erreicht hat?

Die Modell-Szene im Juli ist sehr lebhaft.

In der frühen Morgenstunde des 25. Juli hat Anthropic offiziell das neue Modell Claude Opus 5 vorgestellt.

Diesmal hat Anthropic nicht das "stärkste Modell" hervorgehoben, sondern eine pragmatischere Positionierung vorgelegt: Opus 5 lässt bei komplexen Aufgaben weniger Schritte aus, neigt eher dazu, Zwischenergebnisse aktiv zu überprüfen, berücksichtigt bei mehreren Bewertungen sowohl Leistung als auch Kosten und eignet sich für den häufigen täglichen Einsatz.

Die Änderung der Positionierung zeigt sich direkt im Produkt: Derzeit ist Opus 5 das Standardmodell von Claude Max und das stärkste Modell, auf das persönliche Abonnenten (Max/Pro) zugreifen können; Das leistungsfähigere Fable 5 richtet sich hauptsächlich an API- und Unternehmenskunden. Persönliche Abonnenten können es zwar nutzen, aber das Kontingent ist sehr begrenzt.

Aus den von der Behörde veröffentlichten Ergebnissen geht hervor, dass Opus 5 vor allem die Effizienz bei Programmierarbeiten, Wissensarbeiten und Agentenaufgaben verbessert hat und bei mehreren Bewertungen im Bereich Software-Engineering, Geschäftsabläufe und Computernutzung an der Spitze liegt; Bei der höchsten Denkstufe nähern sich einige Ergebnisse bereits denen von Fable 5 an oder übertreffen sie sogar. In Hochrisikoszenarien wie offensive Netzwerkausnutzung und langfristige autonome biologische Forschung ist das eingeschränkte Mythos 5 jedoch immer noch leistungsfähiger.

Opus 5 bietet einen einstellbaren effort (Denkstufe), mit dem Benutzer den Einsatz von Inferenzressourcen entsprechend der Aufgabenschwierigkeit anpassen können. Je höher die Stufe, desto stärker die Fähigkeit zur Bearbeitung komplexer Probleme, aber desto langsamer die Geschwindigkeit und desto höher der Token-Verbrauch; Eine niedrigere Einstellung spart Zeit und Kosten.

Derzeit ist Opus 5 auf allen Plattformen verfügbar. Der API-Preis beträgt 5 US-Dollar pro Million Token für die Eingabe und 25 US-Dollar für die Ausgabe, was mit dem von Opus 4.8 übereinstimmt und etwa der Hälfte von Fable 5 entspricht. Für höhere Geschwindigkeit kann der Fast-Modus aktiviert werden, der die 2,5-fache Geschwindigkeit zu etwa dem doppelten Preis bietet.

Gleichzeitig hat Anthropic zwei Beta-Funktionen eingeführt: das dynamische Anpassungstool und die automatische Rücksetzung, die dazu dienen, das Risiko zu senken, dass Agentenaufgaben aufgrund von Cache-Fehlern teurer werden oder durch Sicherheitsblockierungen unterbrochen werden.

Die Leistung nähert sich der von Fable 5 an, der Preis ist halb so hoch – kann Opus 5 Fable 5 ersetzen?

01. An der Spitze stehend, aber nicht mit deutlichem Vorsprung

Sehen wir uns zuerst die von der Behörde vorgelegte Ergebnisliste an.

Um die Überlegenheit des Modells hervorzuheben, wurden die Vergleichsobjekte von Opus 5 aus mehreren aktuell leistungsstärksten Modellen ausgewählt: das Vorgängermodell Opus 4.8, das öffentliche Flaggschiff Fable 5 sowie das gerade von OpenAI veröffentlichte Flaggschiffmodell GPT-5.6 Sol.

Das Software-Engineering ist der auffälligste Bereich. Im Test Frontier-Bench v0.1 übertrifft Opus 5 alle teilnehmenden Modelle, sein Ergebnis hat sich im Vergleich zu Opus 4.8 mehr als verdoppelt, während die Kosten für einzelne Aufgaben sogar niedriger sind. Im Test CursorBench 3.2 beträgt der Unterschied zwischen den beiden Ergebnissen nach Aktivierung von max effort weniger als 0,5 %, und die Kosten für jede Aufgabe liegen bei etwa der Hälfte des letzteren.

Ähnliche Vorteile zeigen sich auch bei Aufgaben, die eine kontinuierliche Bedienung durch das Modell erfordern. Im Test Zapier AutomationBench beträgt die Durchlaufquote von Opus 5 bei gleichen Kosten für einzelne Aufgaben etwa das 1,5-fache des Zweitplatzierten (Fable 5). Im Test OSWorld 2.0 übertrifft es das beste Ergebnis von Fable 5 mit etwas mehr als einem Drittel der Kosten für einzelne Aufgaben von Fable 5.

Gemeinsamkeit dieser Projekte ist, dass nicht nur getestet wird, ob das Modell eine Frage richtig beantworten kann, sondern auch, ob es Tools aufrufen, mehrere Schritte durchlaufen, Fehler erkennen und die Aufgabe fortsetzen kann.

ARC-AGI 3 prüft hauptsächlich die Fähigkeit des Modells, mit unbekannten Regeln und neuen Problemen umzugehen. Opus 5 erreichte 30,2 %, während der vorherige Spitzenwert bei 7,8 % von GPT-5.6 Sol lag. Dieses Ergebnis stammt jedoch aus der high-Stufe und nicht aus der max-Stufe, das Ergebnis der max-Stufe wurde noch nicht veröffentlicht. Zumindest unter dieser Einstellung zeigt Opus 5 eine starke Fähigkeit zur Regelinduktion, Beobachtung und zum Versuch und Irrtum.

Allerdings liegt Opus 5 nicht bei allen Projekten an der Spitze. Bei mehr als zehn von Anthropic veröffentlichten Vergleichen liegt es in vier Punkten hinter anderen Modellen zurück.

Im Test Humanity’s Last Exam erreicht Opus 5 ohne Nutzung von Tools 56,3 %, was etwas unter 56,5 % von Fable 5 liegt; Nach der Freigabe von Tools steigt der Wert von Opus 5 auf 64,7 % und übertrifft 63,9 % von Fable 5. Dies verdeutlicht den Unterschied zwischen den beiden: Fable 5 verfügt immer noch über eine stärkere reine Modellfähigkeit, während Opus 5 besser darin ist, zu suchen, Tools aufzurufen, Ergebnisse zu prüfen und Aufgaben kontinuierlich voranzutreiben.

Die von Anthropic offengelegten Fälle stimmen ebenfalls mit diesem Merkmal überein. Ohne ein Tool zur Bildanzeige hat Opus 5 selbst ein Computer-Vision-Programm geschrieben, um Daten aus den ursprünglichen Pixeln mechanischer Zeichnungen zu extrahieren; Fehlen Echtzeit-Kursdaten, baut es aktiv eine Testumgebung auf, um zu überprüfen, ob die Datenschnittstelle der Börse korrekt ist.

Aus diesen Leistungen geht hervor, dass der Schwerpunkt dieses Upgrades von Opus 5 nicht so sehr ein Sprung in der reinen Modellfähigkeit ist, sondern eine ausgereiftere Fähigkeit zur Ausführung, Überprüfung und Fehlerkorrektur.

Natürlich müssen die offiziellen Benchmark-Ergebnisse mit Vorsicht betrachtet werden. Am Beispiel des Tests Frontier-Bench werden die Ergebnisse als Durchschnitt von fünf Tests unter einem bestimmten Agenten-Framework ermittelt. Wenn der Sicherheitsklassifikator ausgelöst wird, übernimmt Opus 4.8 die Ausführung, was darauf hindeutet, dass sich die Ergebnisse ändern können, wenn sich die Tool-Konfiguration, die Prompts und die Ausführungsumgebung ändern.

Sehen wir uns nun die Drittanbieter-Rangliste an.

Bis zum 25. Juli steht Opus 5 max mit 61 Punkten an erster Stelle auf dem Intelligent-Index-Rang von Artificial Analysis, nur einen Punkt vor dem Zweitplatzierten Fable 5. Diese Rangliste kombiniert 9 Bewertungen und spiegelt die Gesamtfähigkeit besser wider als die Betrachtung einzelner Vorteilsprojekte.

An dieser Stelle lassen sich zwei Schlussfolgerungen ziehen. Erstens gehört Opus 5 zur aktuellen ersten Reihe und steht bei der höchsten Denkstufe vorübergehend an der Spitze. Zweitens hat Opus 5 bei allen Tests keinen deutlichen Abstand zu anderen Modellen aufgebaut und keinen überlegenen Vorsprung erreicht.

Daher ist Opus 5 nur der derzeitige Spitzenreiter auf der Rangliste. Die Benchmark-Ergebnisse geben die Obergrenze der Fähigkeiten an. Die Stabilität im tatsächlichen Einsatz, der Token-Verbrauch und die endgültige Lieferqualität entscheiden darüber, ob das Preis-Leistungs-Verhältnis wirklich hoch ist.

02. Höhere Benchmark-Ergebnisse bedeuten nicht, dass die Arbeit besser erledigt wird

Nach der Veröffentlichung des Modells spalteten sich die Bewertungen schnell in zwei Richtungen.

Positive Bewertungen konzentrieren sich auf die Programmierung und die Generierung interaktiver Inhalte. Ein Netznutzer teilte auf X einen von Opus 5 generierten interaktiven 3D-Schwarzes-Loch-Visualisierer, der auch einen Abschnitt elektronischer Musik in Echtzeit synthetisieren kann. Code, visuelle Effekte und Ton sind in einem fertigen Produkt integriert, was zeigt, dass seine Fähigkeit zur schnellen Erstellung von Produktprototypen sehr stark ist.

Ein anderer Netznutzer verglich Opus 5 mit Fable 5, GPT-5.6 und Kimi K3 und meinte, dass es bei der Erstellung von 3D-Inhalten bessere Ergebnisse liefert.

Einige Entwickler sind jedoch der Meinung, dass Opus 5 bei einigen Aufgaben übermäßig nachdenkt, der Inferenzprozess sehr lang ist und es später sogar "eigenwillig" wird und vom ursprünglichen Ziel abweicht. Ein Netznutzer berichtete nach dem Test, dass das Modell eine große Menge an Token verbraucht und viel Kontextspeicher belegt, aber die Aufgabe nicht streng nach den Anforderungen ausführt. Ein höherer effort führt nicht unbedingt zu besseren Ergebnissen.

Eine systematischere Prüfung stammt von der Code-Überprüfungsplattform CodeRabbit. Ihre Schlussfolgerung lautet, dass Opus 5 besser zum Schreiben von Code geeignet ist, als die gesamte Code-Überprüfungsarbeit unabhängig zu übernehmen. Es erzielt bessere Ergebnisse bei offenen, designorientierten Aufgaben, kann aber bei Problemen wie logischen Fehlern, Wettlaufsbedingungen und missbräuchlicher Nutzung von API dennoch Fehler übersehen.

Der unabhängige Entwickler Li Mo beschrieb Opus 5 als einen "zuverlässigen, aber etwas eigenwilligen Kollegen". Bei der praktischen Nutzung ist seine Debugging-Fähigkeit sehr stark, insgesamt weitaus besser als die von Opus 4.8, und es ist ein geeigneter Ersatz, wenn das Kontingent von Fable 5 erschöpft ist. Die Arbeitsabläufe und Prompts, die in der Ära von Opus 4 entstanden sind, können jedoch nicht direkt auf Opus 5 übertragen werden. Um eine deutliche Verbesserung zu erzielen, muss man die Gewohnheiten des neuen Modells verstehen und die Aufgabenteilung, die effort-Stufe und die Überprüfungsmethode anpassen.

Li Mo erwähnte, dass die beiden Beta-Funktionen das Agenten-Entwicklungserlebnis praktisch verbessern: Früher wurde der gesamte Cache ungültig, wenn man die Werkzeugliste einmal änderte, jetzt funktioniert der Wechsel von Werkzeugen mitten im Gespräch weiterhin; Die API kann auch einen automatischen Abbau aktivieren, Anfragen, die vom Sicherheitsklassifikator blockiert werden, werden automatisch an andere Modelle weitergeleitet.

Zusammengefasst ist Opus 5 derzeit eher ein Kollege mit starker Ausführungsfähigkeit, der bereit ist, sich selbst zu prüfen, aber noch eingearbeitet werden muss. Es eignet sich zum Generieren von Code, Beheben von Problemen und Erledigen von Arbeiten mit klaren Grenzen, aber bei komplexen Planungen, langfristigen autonomen Aufgaben und einigen Formulierungen hat Fable 5 immer noch Vorteile.

03. Anthropic braucht ein alltäglicheres Flaggschiffmodell

Anthropic beschleunigt in letzter Zeit die Aktualisierungsgeschwindigkeit von Modellen.

Am 29. Mai wurde Opus 4.8 veröffentlicht; am 10. Juni folgten Fable 5 und Mythos 5; am 1. Juli wurde Sonnet 5 eingeführt; am 25. Juli erschien Opus 5. In weniger als zwei Monaten wurde die Hauptproduktlinie von Claude fast vollständig aktualisiert.

Bei der intensiven Veröffentlichung von Modellen vertieft sich auch die Meinungsverschiedenheit in der Branche darüber, wie Modelle zugänglich gemacht werden sollen. Am 16. Juli veröffentlichte Moonshot AI das gewichtsoffene Modell Kimi K3, dessen Leistung als nahe an der Spitze liegend gilt. Einige Tage später prognostizierte der Strategieleiter von OpenAI auf X, dass Washington "Regulierungsrisiken" um chinesische gewichtsoffene Modelle herum erzeugen wird. Diese Äußerung wurde weithin als Druck auf die Open-Source-Lager interpretiert.

Am Tag der Veröffentlichung von Opus 5 veröffentlichten 25 Unternehmen und Einrichtungen wie NVIDIA, Meta und Microsoft einen gemeinsamen offenen Brief, in dem sie die US-Reg