Claude Opus 5.5: Anthropic schlägt GPT-6 Astra auf den wichtigsten Benchmarks und senkt die Preise

Am 22. September 2026 hat Anthropic Claude Opus 5.5 veröffentlicht, und die Reaktion im Feed war ungewöhnlich einhellig: TheAIGRID, All About AI, The AI Advantage, Nate Herk und weitere Kanäle haben binnen zwei Tagen getestet, und alle laufen auf dieselbe Frage hinaus. Ein Versionssprung von Opus 5 auf 5.5 klingt nach Routinepflege, die Zahlen erzählen aber eine andere Geschichte: Laut Anthropic übertrifft Opus 5.5 auf den zentralen Coding-Benchmarks das eigene Flaggschiff Fable 5.1 und OpenAIs GPT-6 Astra, während zur selben Zeit die Preise sinken. Genau diese Kombination aus mehr Leistung und weniger Kosten ist der Teil, den man sonst von Mittelklasse-Modellen kennt, nicht von einem Opus-Tier. Ich habe das Video als Ausgangspunkt genommen und die zentralen Zahlen gegen die Primärquellen geprüft, gegen die offizielle Mitteilung von Anthropic und gegen die Berichterstattung von TechCrunch, VentureBeat und Digital Applied. Was belegt ist, was die Kanäle behaupten und was für den Agenten-Betrieb daraus folgt, lege ich hier offen auf den Tisch.

TheAIGRID ordnet den Release mit einer Beobachtung ein, die ihn von der üblichen Modellpflege trennt: In neun von zehn Fällen sei ein Sprung innerhalb eines Tiers inkrementell, in den Benchmarks nur mit der Lupe erkennbar. Diesmal sei der Schritt so groß, dass er eher verwirre, denn das Modell sei über alle gemessenen Bereiche angeblich schneller als GPT-6 Astra, das OpenAI-Modell, das zuletzt mit Fortschritten bei Millenniums-Problemen wie den Navier-Stokes-Gleichungen aufgefallen war. Dazu kommt eine strukturelle Merkwürdigkeit: Die Fable-Klasse hat mehr Rechenpower hinter sich, also hätte man die Zuwächse eher bei Fable erwartet, nicht beim Opus-Tier. Das Video zieht daraus den Schluss, dass hinter den Kulissen irgendein Durchbruch stecken muss, und hält Opus 5.5 für möglicherweise das schlaueste derzeit verfügbare Modell, räumt aber selbst ein, dass OpenAI bei Mathematik vorn bleibt und Anthropic einige Benchmark-Bereiche gar nicht erst aufgeführt hat, in denen Astra stärker ist. Ein zweiter Punkt, den die meisten übersehen, betrifft den Schreibstil: Die Vorgänger der Claude-Reihe produzierten teils schwer lesbare Antworten, und die Theorie im Video lautet, dass Reasoning-Token aus dem Agenten-Training in die finale Antwort gelangt seien, weshalb manche Nutzer Opus 5 eher als Modell für KI-zu-KI-Gespräche verstanden haben, als Untermodell für Fable. Opus 5.5 antwortet spürbar lesbarer, und das verbessert den Alltag in Chats und Reviews direkt.

Die Preisliste ist der Teil, der sich am saubersten gegen die offizielle Mitteilung prüfen lässt. Opus 5.5 kostet 4 Dollar pro Million Input-Token statt 5 Dollar und 20 Dollar pro Million Output-Token statt 25 Dollar, ein Schnitt von 20 Prozent. Cache-Writes sinken von 6,25 auf 5 Dollar. Der eigentliche Hebel liegt aber bei den Cache-Lesezugriffen: von 0,50 auf 0,20 Dollar pro Million Token, ein Schnitt um 60 Prozent, und laut Anthropic machen Cache-Lesezugriffe die Mehrheit der Kosten in Agenten- und Coding-Workloads aus, weil dieselben langen Kontexte tausendfach gelesen werden. Über die Batch-API verdoppelt der dokumentierte Rabatt die Ersparnis auf 2 und 10 Dollar pro Million Token. Die beworbenen 40 Prozent Gesamtersparnis bei typischen Workloads setzen sich laut Mitteilung aus billigeren Token und weniger Token pro Task zusammen, und der zweite Teil hängt am Default-Effort: Opus 5.5 läuft ab Werk auf medium, Opus 5 hat Anthropic bei high gemessen. Digital Applied rechnet vor, dass die Preisänderung allein je nach Cache-Anteil etwa 20 bis 29 Prozent bringt und der Rest nur einlöst, wer tatsächlich weniger Token verbraucht. Dazu kommen rund 30 Prozent schnellere Ausgabe, die fünf-Stunden-Limits auf Pro, Max, Team und Enterprise steigen um 20 Prozent, innerhalb dieser Limits kommt Opus 5.5 laut Anthropic etwa 25 Prozent weiter, es gibt einen einmaligen Limit-Reset für Abonnenten, und die Ansage steht im Raum, dass Sonnet 5.5 und Haiku 5.5 in den kommenden Wochen folgen. Der Schnellmodus als Forschungs-Vorschau beschleunigt die Ausgabe um bis zum 2,5-Fachen zum doppelten Preis, ist aber auf die Claude-API beschränkt, nicht auf Bedrock oder die Cloud-Plattformen.

Die Kernzahlen aus der Mitteilung: Auf Terminal-Bench 4.0, dem Benchmark für echte Terminal-Aufgaben im Agenten-Betrieb, erreicht Opus 5.5 66,4 Prozent, gegenüber 57,9 Prozent für GPT-6 Astra, 55,8 Prozent für Fable 5.1 und 52,3 Prozent für Opus 5. Auf FrontierCode v1.1 im Hauptset steht es bei 54,4 Prozent gegenüber 50,3 Prozent für Fable 5.1 und 48,0 Prozent für Opus 5, auf Default-Effort medium bei 52,5 Prozent gegenüber 51,8 Prozent für Fable 5.1 auf max und 46,6 Prozent für Opus 5 auf max. Auf CursorBench 4.0 erreicht es 57,8 Prozent gegenüber 51,8 Prozent. Bei der Wissensarbeit schlägt die Uhr am lautesten: Auf GDPval-AA v2.1, einem Benchmark über 44 Berufe mit echten Aufgaben, steht Opus 5.5 bei 1846 Elo, vor Fable 5.1 mit 1735 und Opus 5 mit 1708, und die Astra-Variante liegt laut MindStudio-Auswertung mit 1542 mehr als 300 Punkte dahinter. Die Kostenrechnung pro Task trägt Anthropic konsequent mit: Auf Terminal-Bench 4.0 matcht Opus 5.5 auf Default GPT-6 Astra bei etwa 40 Prozent der Kosten, auf FrontierCode schlägt es Astra bei rund 20 Prozent der Kosten pro Task, bei GDPval bei etwa einem Fünftel, und gegen GPT-5.6 Sol liegt es auf CursorBench 11 Punkte vorn bei etwa einem Drittel der Kosten pro Task. Nicht alles fällt an Anthropic: Auf AutomationBench liegt Astra mit 41,4 gegenüber 40,0 Prozent vorn, auf Terminal-Bench-Science ebenfalls, und die Auswertung von Digital Applied zeigt, dass auf den meisten Benchmark-Zeilen max-Effort gemessen wurde, während die 40-Prozent-Rechnung auf Default-Effort läuft. Ein Partnerdatum rundet das Bild ab: Deloittes CIO berichtet in der Mitteilung, dass Opus 5.5 schon auf der niedrigsten Effort-Stufe 72 Prozent bekannter Bugs im Code-Review fand, gegenüber 56 Prozent für Opus 5 auf high.

Der Showcase-Teil des Videos zeigt, warum die Kanäle so laut reagieren. TheAIGRID spielt einen im Browser laufenden Minecraft-Klon mit realistischen Shadern nach, der über einen Claude-Artifacts-Link teilbar war, dazu ein Spider-Man-artiges Spiel mit kompletter Stadtlandschaft und Animationen, ausdrücklich ohne importierte 3D-Modelle, ein Dark Souls-artiges Fantasy-Spiel, das als rein vibe-coded beschrieben wird, und einen NBA-2K-Versuch mit 3js, den der Ersteller als AI-made markiert hat. Ein früherer Spider-Man-Versuch aus dem Kimi-Release sei deutlich schlichter gewesen. Das Video hält die Grenze selbst fest: Es ist kein AAA-Spiel, die Modelle sehen teils seltsam aus, und vor ein bis zwei Jahren hätte derselbe Prompt ein paar Würfel mit gelben Autos produziert. Anthropic liefert mit seinem eigenen Test die systematischere Version desselben Befunds: Ein Tester liess mehrere Claude-Modelle aus einem einzigen Prompt ein Spiel bauen, und Opus 5.5 schnitt bei Grafik und Polierung besser ab als jedes andere getestete Modell. Dazu passt die Demo namens AGI Roulette, in der die Modelle nativ 3js-Spiele mit komplexen 3D-Objekten bauen, wofür die Library eigentlich nicht gedacht ist. Showcases sind Demos und keine Benchmarks, und genau so sollten sie gelesen werden: Der eigentliche Befund ist nicht die Grafikqualität, sondern die Route über reine Prompts ohne Engine, ohne Modelle und ohne Nacharbeit.

Drei Stimmen zeichnen das Bild der ersten Tage. Jimmy Apples, der nach eigener Aussage forschungslastig arbeitet, bleibt bei Astra und 5.6 als Hauptmodellen, sagt aber, Opus 5.5 sei das erste Mal seit 4.7, dass er einen Claude intensiv fahren wolle, das Modell habe großartigen Geschmack. Ethan Mollick urteilt in frühen Tests nüchterner: Opus 5.5 sei das erste Nicht-Fable-Astra-Modell, das sich wie ein Fable-Modell anfühlt, das Problem der dichten Sprache der letzten Claude-Generationen sei damit aber noch nicht vollständig gelöst. Beide Urteile zusammen ergeben den kommerziellen Punkt: Opus 5.5 spielt in der Fable-Liga, ist aber kein Fable, und Fable 5.1 kostet über die API 150 Prozent mehr als Opus 5.5, das Opus-Tier listet bei 40 Prozent des Fable-Preises pro Token. Die Prüffirma Vals AI hat am Launch-Tag eine eigene Suite gefahren und findet ein zweigeteiltes Bild: große Zuwächse bei langen, iterativen Agenten-Workloads, kleinere Rückgänge bei retrieval-lastigen Profi-Aufgaben in Recht, medizinischer Kodierung und Steuern, die Vals auf Retrieval-Treue und Rubrik-Following schiebt. Digital Applied zählt vier dokumentierte Breaking Changes, dazu einen, der still fehlschlägt, und stellt klar, dass keine der Launch-Zahlen unabhängig repliziert ist, alle stammen von Anthropic oder den von Anthropic zitierten Partnern. Für Migrationspläne heisst das konkret: Fable-Nutzer haben das größte Einsparpotenzial, aber Thinking-Blocks lassen sich nicht aus Fable-Konversationen in Opus 5.5 hinübertragen, und wer auf xhigh gepinnt hat, sieht die beworbenen Zahlen nicht.

Die wichtigste Verschiebung ist nicht der Benchmark-Vorsprung, sondern die Kostenlogik dahinter. Erstens zählt der Preis pro abgeschlossenem Task, nicht der Listenpreis pro Token: Anthropic argumentiert genau so, OpenAI zieht mit Sol für 2 und 10 Dollar pro Million Token an einer anderen Stelle der Kurve mit, und Luna stellt mit 0,10 und 0,50 Dollar die Billigtür dar, ohne Flaggschiff-Level zu versprechen. Zweitens ist der Effort-Level zur Stellschraube geworden: Auf Coding-Workloads sind laut Mitteilung medium und high oft besser als max, das teils schlechter abschneidet, und die billigste Strategie bei prüfbaren Aufgaben ist niedrig starten und nur Fehlschläge höher wiederholen. Deloittes Zahlen zeigen, dass genau das funktioniert, 72 Prozent Bug-Findung auf der niedrigsten Stufe. Drittens dominieren Cache-Lesezugriffe die Rechnung im Agenten-Betrieb, und genau dort sitzt der größte Schnitt, 60 Prozent weniger auf dem größten Posten der Rechnung. Viertens zeigt der Wissensarbeit-Vergleich, was das Modell im Alltag wert sein kann: Eine Finanzrecherche erledigte Opus 5.5 in 63 statt 93 Minuten und kostete 50 Prozent weniger als mit Opus 5, in einem Finanz-Workflow mit Experten-Rubriken erreichte es 86,6 Prozent Abdeckung gegenüber 60,3 Prozent für Opus 5, und auf einer Trading-Support-Suite erzielte es die höchste Bewertung, die Anthropic dort je gemessen hat, mit Aufgaben, an denen frühere Claude-Modelle gescheitert waren. Auf einem realen Kommandozeilen-Benchmark löste es mehr Aufgaben als Opus 5 bei rund 40 Prozent weniger Aufrufen und halbem Token-Verbrauch. Das ist die Sprache, in der Betreiber rechnen sollten: Aufrufe, Tokens, Minuten und Kosten pro erledigter Aufgabe.

Die Vorbehalte gehören in den Bericht, nicht in die Fußnoten. Erstens ist keine der Launch-Zahlen unabhängig repliziert, alle stammen von Anthropic oder den von Anthropic zitierten Partnern, ein neutraler Rerun der Benchmark-Tabelle steht aus. Zweitens fehlt der saubere Vergleich: Zwischen Opus 5.5 und OpenAIs Sol gibt es laut VentureBeat bislang keinen öffentlichen Same-Harness-Lauf über die großen Agenten-Benchmarks, die Vergleiche zwischen den Labs bleiben ein Nebeneinander von Eigenmessungen. Drittens ist die 40-Prozent-Aussage an Bedingungen geknüpft, die Digital Applied sauber auseinandernimmt: Der Vergleich läuft Default gegen Default, medium gegen high, und wer auf high oder xhigh gepinnt bleibt, sieht die Headline-Zahl nicht, sondern eher die 20 bis 29 Prozent aus der Preisänderung allein. Viertens sind die Vibe-Coding-Showcases Impulsgeber, kein Beleg für Produktionstauglichkeit, die Rückgänge bei Retrieval-Aufgaben bei Vals AI zeigen die andere Seite. Fünftens gehört der politische Kontext in die Bilanz: Es ist Anthropics erstes Modell, seitdem der eigene CEO argumentiert hat, die Frontier solle mit Tempo-Regeln geführt werden, und mit METR und Frontier Design haben zwei externe Prüfstellen vor dem Launch Zugang zum Modell gehabt. Diese Punkte nehmen dem Release nicht die Substanz, aber sie markieren die Grenze, innerhalb derer die Zahlen gelten, und die Grenze heisst: eigene Messung auf dem eigenen Workload vor jeder Migration. Technisch gehört dazu der Wissensstand Juni 2026, ein Kontext von 1 Million Token, maximal 128.000 Token Ausgabe, adaptive Thinking immer aktiv, und die früheste Rückzugsangabe liegt bei mindestens 22.09.2027.

In meinem Betrieb auf dem Cyberdeck läuft die Rechnung über Token-Bilanzen, und nach dieser Bilanz ändert Opus 5.5 zwei Zeilen gleichzeitig: Die Zeile Modellqualität, weil es Fable 5.1 auf den meisten Benchmarks überholt und GPT-6 Astra auf den Coding-Schienen schlägt, und die Zeile Kosten, weil 4 und 20 Dollar pro Million Token plus 0,20 Dollar für Cache-Lesezugriffe die Opus-Klasse billiger machen als je zuvor. Was ich daraus für die nächsten Wochen ableite: Erstens eine eigene Messung auf dem eigenen Workload, Opus 5.5 auf medium gegen Opus 5 auf high, protokolliert in der Token-Bilanz, denn nur die eigene Rechnung pro Task entscheidet über die Migration. Zweitens ist der 60-Prozent-Cut bei Cache-Lesezugriffen für Agenten-Workloads der wichtigste einzelne Punkt dieses Releases, größer als jeder Benchmark-Vorsprung, weil er genau auf dem Posten sitzt, der die Betriebsrechnung dominiert. Drittens warte ich bei Volume-Workloads auf Sonnet 5.5, bevor irgendetwas migriert wird, denn Sol kostet halbe Opus-Listenpreise und Luna 0,10 und 0,50 Dollar, die Preiskurve fällt weiter. Was ich nicht übernehme, ist die Rhetorik des Videotitels: Die Showcases sind beeindruckend, die Benchmarks sind stark, aber beides mischt Eigenmessung von Anthropic mit Demos von Kanälen, die von Aufmerksamkeit leben. Der ehrliche Befund lautet: Opus ist wieder konkurrenzfähig und billiger als je zuvor, die Frage, ob es das schlaueste verfügbare Modell ist, beantwortet am Ende der eigene Workload, nicht das Feed.

Über den Autor: Marcel betreibt das HUNTER-Cyberdeck auf einem gebrauchten Google Pixel 6a und dokumentiert den Agenten-Betrieb täglich, inklusive wöchentlicher Token-Bilanz. Dieser Beitrag beruht auf dem Video von TheAIGRID sowie auf der offiziellen Mitteilung von Anthropic, TechCrunch, VentureBeat und Digital Applied, Abrufdatum 25.09.2026. Letzter Fakten-Check: 25. September 2026.