Claude Sonnet 5: Agentik für die breite Masse

Was Anthropic heute gelauncht hat

Am 30. Juni 2026 hat Anthropic Claude Sonnet 5 veröffentlicht – das bislang agentischste Sonnet-Modell. Performance nah an Opus 4.8, Preis auf Sonnet-Niveau, sofort verfügbar in allen Plänen, Claude Code und über die API als claude-sonnet-5.

Warum das ein Wendepunkt ist

Die Sonnet-3.x-Generation war 2024/25 der Einstieg in agentisches Coding und Tool-Use. Danach passierten die wirklich großen agentischen Sprünge primär in der Opus-Klasse – mit entsprechenden Token-Preisen.

Sonnet 5 schließt diese Lücke. Anthropic schreibt selbst, die Performance liege „nah an Opus 4.8, zu deutlich niedrigeren Preisen". Übersetzt heißt das: Workloads, für die man bisher Opus brauchte (lange Coding-Sessions, Computer-Use, Multi-Step-Agents), laufen jetzt wirtschaftlich auf Sonnet.

Das ist nicht nur ein Preis-Update. Das ist ein Default-Shift: Sonnet ist ab heute der Standard in Free- und Pro-Plänen. Millionen Nutzer:innen bekommen Agentik ohne Opt-in.

Die Benchmarks (laut Anthropic)

Anthropic vergleicht Sonnet 5 gegen Sonnet 4.6 und Opus 4.8. Die Kurven aus dem Launch-Post:

• BrowseComp (agentische Suche): Sonnet 5 ist eine strikte Verbesserung gegenüber 4.6, bei höheren Effort-Levels nähert es sich Opus 4.8 an.
• OSWorld-Verified (Computer Use): gleiche Bewegung – Sonnet 4.6 lag deutlich unter Opus 4.8, Sonnet 5 und Opus 4.8 spielen jetzt in derselben Range, nur zu unterschiedlichen Preis-/Effort-Punkten.
• Humanity's Last Exam, SWE-bench, Tool-Use: laut System Card überall Sprünge gegenüber 4.6, plus reduzierte Halluzinations- und Sykophanzie-Raten.

Wer die Methodik gerne im Kontext sehen will: Wir haben die Funktionsweise und Grenzen von KI-Benchmarks separat aufgeschrieben – inkl. Goodhart's Law und Live-Arenas.

Was Early-Access-Partner berichten

Anthropic zitiert im Launch-Post u. a. Lovable, ClickHouse, Pace und Eve. Roter Faden:

• „Same output, fewer steps." Sonnet 5 erreicht vergleichbare Ergebnisse mit weniger Iterationen – relevant, weil Token-Verbrauch und nicht reine Modellqualität die echten Kosten treibt.
• „Stays on plan." Bei mehrstufigen Tasks (Salesforce-Update + Outreach, PR-Workflows, Insurance-FNOL) läuft Sonnet 5 öfter durch, ohne abzubrechen.
• „Checks its own output." Selbstverifikation ohne explizites Prompting – genau das Verhalten, das man bisher mit „Bitte überprüfe deine Antwort"-Reflection-Tricks erzwingen musste (siehe unsere Notizen zu Lovable Model Routing).

Was sich für Builder ändert

Drei konkrete Konsequenzen, wenn du heute mit Claude baust:

1. Default-Modell in Claude Code wechseln. Für die meisten Coding-Sessions reicht Sonnet 5. Opus 4.8 bleibt sinnvoll für die teuersten Brownfield-Tasks und alles, was den höchsten Accuracy-Punkt der Kurve braucht.
2. Effort-Level statt Modellwechsel. Sonnet 5 unterstützt unterschiedliche Effort-Stufen (bis xhigh). Statt zwischen Sonnet und Opus zu pingpongen, kann man bei einem Modell bleiben und den Effort dosieren.
3. Tokenizer-Hinweis ernst nehmen. Sonnet 5 nutzt einen neuen Tokenizer; derselbe Input kann auf 1,0–1,35× mehr Tokens mappen. Die Intro-Preise sind so gesetzt, dass der Wechsel ungefähr kostenneutral bleibt – ab September lohnt sich ein erneutes Kalkulieren der eigenen Pipelines.

Update 3. August 2026: Opus 5 setzt sich vier Wochen später darüber

Am 24. Juli 2026 hat Anthropic Claude Opus 5 veröffentlicht – knapp vier Wochen nach Sonnet 5. Damit ist die Aussage „Sonnet 5 ist nah an Opus 4.8" nicht falsch geworden, aber die Referenz hat sich verschoben. Opus 5 kostet dasselbe wie Opus 4.8 ($5 / $25 pro Mio. Token), liefert aber laut Anthropic „nahe an Fable-5-Intelligenz zum halben Preis" und ist neuer Default auf Claude Max.

Die Zahlen, die wirklich neu sind

Aus der System Card und der Auswertung von Artificial Analysis:

Zwei Dinge fallen auf. Erstens: Der Sprung ist ungleich verteilt. Auf SWE-bench Pro verliert Opus 5 gegen Fable 5, auf ARC-AGI-2 gegen GPT-5.6 Sol. Auf Frontier-Bench verdoppelt es Opus 4.8, auf ARC-AGI-3 verzwanzigfacht es den Vorgänger. Zweitens: Beim IMO 2026 (15.–16. Juli) erreichte Opus 5 laut System Card 42 von 42 Punkten – ohne Agent-Harness und ohne Tools. Gold-Cutoff war 29.

Der eigentliche Unterschied zu früheren Modellen: Urteilsvermögen statt Output

Wer die Generationen 4.5 → 4.6 → 4.7 → 4.8 mitgemacht hat, kennt das Muster: mehr Score, gleiches Verhalten. Opus 5 bricht damit. Der rote Faden durch Anthropics Early-Access-Zitate und die unabhängigen Reviews ist nicht „schreibt besseren Code", sondern „entscheidet besser, wann es aufhört":

• Selbstverifikation als Default. Ein Frontend-Team berichtet, Opus 5 habe seine eigenen Seiten im Browser bei Desktop- und Handy-Breite geöffnet, ein unter dem Mobile-Fold verstecktes Produkt und einen Checkout-Button außerhalb des Viewports gefunden – und beides gefixt, bevor es abgab. Sonnet 5 verifiziert; Opus 5 verifiziert mit eigenem Testaufbau.
• Widerspruch statt Sykophanzie. Ein Tester berichtet, Opus 5 habe in einer Rearchitecting-Session seinen Designvorschlag abgelehnt – und sei bei Nachdruck nicht eingeknickt, sondern habe den Einwand auf eine einzige Designfrage verengt und einen Kompromiss vorgeschlagen. Genau die Eigenschaft, deren Fehlen wir in Lovable Model Routing beschrieben haben.
• Weniger Turns für dasselbe Ergebnis. Ein Finanzmodellierungs-Team misst 9 Prozentpunkte mehr Genauigkeit bei einem Drittel weniger Turns und Tool-Calls sowie 60 % weniger Zeit. Ein Trading-Team nennt ein Siebtel der Reasoning-Tokens gegenüber Opus 4.8.
• Lovable selbst meldet +22 % gegenüber Opus 4.7 auf den härtesten agentischen Coding-Tasks – und betont vor allem die geringere Varianz zwischen Runs. Für ein Produkt, das Builds reproduzierbar liefern muss, ist Konsistenz wichtiger als Peak-Score.
• Prompt-Injection-Resistenz. Erfolgsquote indirekter Prompt Injections fällt von 5,5 % auf 2,0 % (GPT-5.6 Sol: 20,0 %), Browser-Use-Angriffe von 31,5 % auf 3,7 %. Für alles, was Agenten an echte Kundendaten lässt, ist das der relevanteste Wert des Releases.

Was Expert:innen kritisieren

Die Launch-Woche verlief bemerkenswert gespalten – nicht über die Qualität, sondern über die Ergonomie.

Claire Vo formulierte es so: „Opus 5 is here… and I hate working with it. And yet in a blind taste test, I ranked it above every other model." Dan Shipper (Every) kam nach einer Woche Pre-Release-Testing zum selben Schluss – „it's a hard model to love": Das Modell diskutiere mit Anweisungen und stoppe, bevor die Arbeit fertig sei. Kieran Klaassen berichtet, Opus 5 habe sein Compound-Engineering-Setup zerlegt, und gibt den pragmatischen Rat: große Mega-Prompts und Skill-Stacks loslassen, mit medium Effort arbeiten.

Dazu kommen drei harte Zahlen, die man kennen sollte:

1. Halluzinationsrate steigt. Auf AA-Omniscience verbessert Opus 5 die Accuracy um 7 Punkte gegenüber Opus 4.8 – die Halluzinationsrate steigt aber um 14 Punkte auf 50 %. Anthropics System Card bestätigt den Trade in kleinerem Maßstab (+11 % Accuracy, +6 % Halluzination). Das Modell antwortet häufiger, wenn es unsicher ist. Bei Coding mit Tests ist das billig – bei Kundenkommunikation ist es der Failure Mode.
2. Es ist langsam, und zwar an der falschen Stelle. 52,6 Output-Tokens/Sekunde (Rang 117 von 190, Klassenmedian 76) und – entscheidend – 68 Sekunden Time-to-First-Token bei max Effort gegenüber 2,81 Sekunden Klassenmedian. Für Realtime-UI disqualifiziert das Opus 5 auf max schlicht. Fast Mode bringt ~2,5× Speed zum doppelten Preis.
3. max ist selten die richtige Einstellung. Auf AA-Briefcase braucht Opus 5 bei max im Schnitt 36,2 Minuten und 103 Turns pro Task (Opus 4.8: 24,1 Minuten, 55 Turns) und kostet pro Index-Task $2,03 – mehr als Opus 4.8 ($1,80) und Sonnet 5 ($1,53). Anthropic hat die eigene Empfehlung inzwischen auf high als Startpunkt korrigiert.

Ein methodischer Hinweis, den die meiste Berichterstattung überspringt: Anthropic hat die Frontier-Bench-Zahlen mit Opus 4.8 als Fallback bei Safety-Classifier-Refusals gefahren – das betraf rund 5 % der Calls. Ein kleiner Teil jedes „Opus 5"-Scores stammt also von Opus 4.8. Wie solche Details Benchmarks verzerren, haben wir in Funktionsweise und Grenzen von KI-Benchmarks aufgeschrieben.

Migration: zwei Dinge brechen wirklich

Anthropic nennt Opus 5 einen Drop-in-Ersatz für Opus 4.8. Zwei Ausnahmen:

• Adaptive Thinking ist standardmäßig an. Thinking-Tokens zählen gegen max_tokens – Requests, die vorher keine hatten, laufen jetzt ins Limit.
• Thinking abschalten ist gedeckelt. thinking: {"type": "disabled"} liefert bei xhigh oder max Effort einen 400er. Opus 4.8 akzeptierte die Kombination noch.

Außerdem fehlen Web Fetch und Priority Tier auf Opus 5. Neu in Beta: Mid-Conversation Tool Changes (Tools tauschen ohne Prompt-Cache-Invalidierung – relevant für Subagent-Patterns) und automatische serverseitige Fallbacks.

Unsere Routing-Regel seit August

• Sonnet 5 – Volumen: Content, Klassifikation, Standard-Refactorings, PR-Reviews, alles mit Realtime-Anspruch.
• Opus 5 auf high – lange Agent-Runs, Architekturentscheidungen, mehrdeutige Aufgaben, alles, wo ein falsches Ergebnis teuer rückabzuwickeln ist.
• Opus 5 auf max – nur, wenn Laufzeit egal ist und die Aufgabe wirklich am Ceiling hängt.
• Fable 5 / Mythos 5 – Frontier-Reste: Cyber-Analyse, Bio-Research, Project Glasswing.

Der ehrlichere Satz zum Release lautet nicht „das beste Coding-Modell", sondern: Opus 5 ist das erste Modell, bei dem sich das Delta primär im Urteilsvermögen zeigt und nicht im Output. Das ist genau der Punkt, an dem Agenten von „macht Arbeit" zu „übernimmt Verantwortung" kippen – und der Grund, warum die Halluzinationszahl trotzdem ernst zu nehmen ist.

Einordnung in unser AI-Race-Bild

Sonnet 5 war der zweite große Anthropic-Move binnen drei Wochen – nach Claude Fable 5 & Mythos 5. Mit Opus 5 am 24. Juli ergibt das drei Releases in vier Wochen und eine sehr klare Produktlinie:

• Sonnet 5 – Default-Agent für die breite Masse.
• Opus 5 – Urteilsvermögen, lange Horizonte, agentische Verantwortung.
• Fable 5 / Mythos 5 – Frontier, Cyber und Project-Glasswing-Use-Cases.

In unserer Timeline-Übersicht haben wir beide Releases als Meilensteine eingetragen: Das AI-Rennen in 43+ Meilensteinen.

Was wir uns ansehen werden

• Reale Kostenkurven nach dem Tokenizer-Wechsel (gerade für lange Agent-Runs).
• Verhalten in Claude Code bei sehr langen Sessions: hält die Selbstverifikation über mehrere Stunden?
• Wie sich der Default-Shift in Free/Pro auf das Ökosystem auswirkt – inklusive Lovable, das Sonnet 5 bereits als Default-Modell für viele Flows einsetzen dürfte.

Quellen

• Anthropic – Introducing Claude Sonnet 5 (30. Juni 2026)
• Anthropic – Introducing Claude Opus 5 (24. Juli 2026)
• Claude Sonnet 5 System Card
• Claude Opus 5 System Card
• Artificial Analysis – Opus 5 Analyse
• eesel AI – Claude Opus 5 Review (27. Juli 2026)
• Claude Platform – What's new in Opus 5
• Claude Platform – Models Overview