Opus 5 überholt Fable 5: Das Ende der Grenze um jeden Preis

Zwei Monate nach seiner Einführung macht das leistungsstärkste und teuerste Modell im gesamten Katalog von Anthropic knapp 11,4 % der Ausgaben aus, die Unternehmen für Produkte des Unternehmens tätigen, und nur 6 % der tatsächlich verbrauchten Token. Die Daten stammen von Ramp, der Plattform für Unternehmensausgabenverwaltung, die das Verhalten von 70.000 US-Unternehmen analysiert und mit der Financial Times geteilt hat: Claude Fable 5, das Anfang Juni als ultimativer Generationensprung vorgestellt wurde, hat sich in einer Nische eingependelt. Unterdessen hat Claude Opus 5, das am 24. Juli zum halben Preis im Vergleich zum größeren Bruder auf den Markt kam, diesen bei den Unternehmensausgaben bereits überholt.

Wer diese Branche schon eine Weile verfolgt, wird das Muster wiedererkennen. Im Mai, als ich über den Start von Opus 4.8 sprach, schrieb ich, dass sich der wahrgenommene Vorteil zwischen einem Flaggschiff-Modell und dem nächsten mit jeder Generation verringert, während die Kosten für den Zugriff darauf hoch bleiben: Die damals theoretische Frage war, ob es überhaupt noch Sinn ergebe, immer dem neuesten Modell hinterherzujagen, oder ob es rationaler wäre, das Werkzeug entsprechend der Aufgabe auszuwählen. Die Zahlen von Ramp liefern nun eine empirische Antwort auf diese Frage, und die Antwort scheint zu lauten: Die Mehrheit der Teams hat bereits begonnen auszuwählen.

Was diese Zahlen wirklich messen (und was nicht)

Bevor wir voreilige Schlüsse ziehen, lohnt es sich zu verstehen, wovon wir sprechen. Ramp veröffentlicht keinen von Experten begutachteten akademischen Bericht; die Plattform misst, was sie über ihre eigene Unternehmensausgaben-Infrastruktur laufen sieht: Den Anteil der ausgegebenen Dollar pro Modell und den Anteil der verbrauchten Token pro Modell bei einer Stichprobe, die natürlicherweise zu Technologieunternehmen und Entwicklerwerkzeugen neigt und nicht zum Endverbraucher, der mit der App auf dem Smartphone meint zu chatten.

Der Vergleich mit dem direkten Konkurrenten hilft bei der Kontextualisierung. GPT-5.6 Sol von OpenAI macht 23 % der Dollarausgaben und 25 % der Token auf der OpenAI-Plattform aus – Anteile, die deutlich über denen von Fable 5 liegen. Anthropic, das muss gesagt werden, behält dennoch den Vorsprung bei der Gesamtadoption: 43,5 % der von Ramp erfassten US-Unternehmen nutzen mindestens ein Anthropic-Produkt, verglichen mit 39,7 %, die OpenAI nutzen. Das Problem ist nicht das Unternehmen als Ganzes, das im Juli einen hochgerechneten Jahresumsatz von 65 Milliarden Dollar erreichte (im Mai waren es noch 47 Milliarden Dollar), sondern speziell das Spitzenmodell, das den Erfolg früherer Flaggschiffe nicht wiederholen konnte.

Warum sollte man diesem Signal trotz seiner methodischen Grenzen vertrauen? Weil es reale Ausgaben misst und nicht eine in einem Labor auf einem Benchmark erzielte Punktzahl, den niemand jemals für die reale Arbeit nutzen wird. Das sind echte Gelder, die Unternehmen anderswo einzusetzen beschlossen haben.

Preis, Datenaufbewahrung und Adoptionshürden

Die Gründe für die Stagnation von Fable 5 betreffen nicht nur die Intelligenz des Modells. Fable 5 kostet laut Daten von Better Stack 10 Dollar pro Million Input-Token und 50 Dollar pro Million Output-Token – genau das Doppelte von Opus 5, das bei 5 und 25 Dollar liegt, dem gleichen Tarif wie sein Vorgänger Opus 4.8. Hinzu kommt ein Detail, das für jeden, der mit sensiblen Daten arbeitet, schwer wiegt: Fable 5 bringt die Anforderung einer 30-tägigen Datenaufbewahrung mit sich, die Opus 5 wie die vorherigen Opus-Modelle für den allgemeinen Zugriff nicht verlangt.

Ara Kharazian, Chefökonom bei Ramp, brachte es im Gespräch mit der Financial Times recht direkt auf den Punkt, als er anmerkte, dass Fable 5 enttäuscht habe – sowohl bei der Adoption als auch in der praktischen Anwendung, bedingt durch den Preis und die Anforderungen an die Datenaufbewahrung, während GPT-5.6 Sol von OpenAI immer mehr zur bevorzugten Wahl der Entwickler werde. Für ein Unternehmen, das ein Modell in eine Produktionspipeline integrieren muss und dessen Rechtsabteilungen jede Klausel zur Datenverwaltung validieren müssen, sind diese Faktoren keine technischen Details; sie sind reale Kostenpositionen, die sich zum Preis pro Token addieren.

Die Benchmarks: Wo Opus 5 gleichzieht und wo es gewinnt

Hier wird die Geschichte noch interessanter, denn Opus 5 ist keineswegs einfach nur „die günstige Version“ von Fable 5 – in mehreren Bereichen zieht es gleich oder übertrifft es sogar. Auf dem Frontier-Bench v0.1, dem Benchmark, der die agentischen Coding-Fähigkeiten in einem Terminal misst, erzielt Opus 5 43,3 % gegenüber 33,7 % von Fable 5 – knapp zehn Prozentpunkte Vorsprung, mehr als das Doppelte des Ergebnisses von Opus 4.8. Auf ARC-AGI-3, dem Test, der die Fähigkeit bewertet, wirklich neue und nicht bloß während des Trainings auswendig gelernte Probleme zu lösen, erreicht Opus 5 30,2 % – ein von der ARC Prize Foundation unabhängig verifizierter Wert – gegenüber den 7,8 %, die GPT-5.6 Sol als bisherigen Rekord hielt.

Die unabhängigen Indizes von Artificial Analysis erzählen eine ähnliche Geschichte: Im Coding Index liegt Opus 5 an zweiter Stelle, knapp hinter GPT-5.6 Sol und immer noch vor Fable 5; im Agentic Index liegt es an erster Stelle und übertrifft beide Konkurrenten; im Intelligence Index führt es die Rangliste mit 61 Punkten gegenüber 60 Punkten von Fable 5 an. In praktischen Tests von Better Stack, bei denen die verschiedenen Modelle gebeten wurden, ein 3D-Rennspiel mit Three.js und ein vollständiges Finanz-Dashboard von Grund auf neu zu erstellen, lieferte Opus 5 in beiden Fällen ausgereiftere und besser strukturierte Ergebnisse als Fable 5, während GPT-5.6 Sol und Kimi K3 bei grundlegenden Elementen wie dem Vorhandensein einer echten Rennstrecke im Rennspiel zurückblieben.

Es gibt jedoch eine wichtige Präzisierung, die Better Stack ehrlicherweise betont: Opus 5 neigt bei komplexen Aufgaben dazu, ausführlicher zu sein als Fable 5. Wenn Sie die Kosten vergleichen, bedeutet das, dass sich der Vorteil des „halben Preises“, der auf den einzelnen Token berechnet wird, verringert, wenn man die Kosten pro abgeschlossener Aktivität betrachtet. Der Vorteil bleibt im Durchschnitt über das gesamte Ensemble der Benchmarks hinweg real, kann schrumpfen jedoch bei einer einzelnen spezifischen Aufgabe erheblich. Es ist eine nützliche Erinnerung: Preislisten erzählen nur die halbe Wahrheit. Screenshot des Artikels auf aiweekly.co

Wo Fable 5 unersetzlich bleibt

Es wäre falsch und auch ziemlich träge, diese Geschichte als ein Scheitern von Fable 5 darzustellen. Ein Modell, das immer noch Milliarden von Dollar an Unternehmensausgaben ausmacht, ist kein Flop; es ist ein Produkt, das eine engere Nische gefunden hat, als Anthropic wahrscheinlich erhofft hatte. Im Bereich der Cybersicherheit räumt Anthropic selbst ein, dass Opus 5 hinter Fable 5 zurückbleibt, wenn es darum geht, identifizierte Schwachstellen in funktionierende Exploits umzuwandeln, obwohl die beiden Modelle bei der einfachen Identifizierung von Problemen inzwischen nah beieinander liegen.

Der Fall der Biologie ist noch nuancierter. Anfragen zur biologischen Forschung, die bei Fable 5 blockiert wurden, werden jetzt automatisch an Opus 5 statt an das ältere Opus 4.8 weitergeleitet – ein Zeichen dafür, dass Anthropic Opus 5 für diesen Bereich als ausreichend fähig und sicher erachtet. Dianne Penn, Produktleiterin bei Anthropic, fasste die Positionierungslogik in einem von Implicator aufgegriffenen Interview zusammen: Kunden sollten Opus 5 für das tägliche Preis-Leistungs-Verhältnis wählen und Fable 5 für „sehr autonome Projekte, die ganze Tage dauern“, reservieren. Es ist, ohne große Umschweife gesagt, dieselbe Unterscheidung zwischen Allround- und Spezialwerkzeug, die die Gemeinschaft der offenen Modelle seit Langem mit ihrer eigenen Hierarchie von lokalen und Cloud-Modellen praktiziert.

Von der Theorie zur Praxis: Die Kosten pro abgeschlossener Aktivität, nicht pro Token

Die am wenigsten intuitive Tatsache der gesamten Angelegenheit liegt genau in der Diskrepanz zwischen den beiden Prozentzahlen von Ramp: Fable 5 macht 11,4 % der Ausgaben, aber nur 6 % der Token aus. Wenn Unternehmen sich dennoch für Fable 5 entscheiden, tun sie dies für Aufgaben, bei denen die Kosten pro Token weniger relevant sind als das erzielte Ergebnis, oder dass seine doppelt so teuren Token bei gleicher Arbeitsleistung proportional mehr kosten. Es ist genau die Logik der „Kosten pro abgeschlossener Aktivität“ statt der „Kosten pro Token“, die ich bei der Besprechung von Big Pickle zu skizzieren versucht hatte – dem kostenlosen und anspruchslosen Modell, mit dem ich einige statische Websites überarbeitet hatte, ohne das Bedürfnis zu verspüren, ein Abonnement für ein Flaggschiff abzuschließen: Ein günstigeres Modell gewinnt, wenn zusätzliche Versuche und Überarbeitungen immer noch weniger kosten, als jede einzelne Aufgabe dem Spitzenmodell anzuvertrauen.

Die von Vercel auf seinem Modell-Gateway gesammelten und von Implicator zitierten Daten bieten eine weitere Nuance: Sie ordnen Fable 5 bei 13,2 % der Gesamtausgaben ein – eine Zahl, die sich zwar von der von Ramp unterscheidet, aber im gleichen Bereich von 11–13 % liegt –, mit der Nachricht, dass neun von zehn Teams, die Fable 5 nutzen, dies zum ersten Mal tun. Es ist also kein Modell, das von den Bestandskunden verlassen wurde; es ist vielmehr ein Modell, dem es schwerfällt, zum täglichen Standard für diejenigen zu werden, die es bereits kennen.

Die breitere Ökonomie: Wer gewinnt und wer verliert

Blickt man über das einzelne Produkt hinaus, erzählt das Bild etwas über die gesamte Branche. Miles Clements, Partner beim Fonds Accel, sagte der Financial Times in der Rekonstruktion von Ramp, dass die Ära, in der Kunden automatisch das Spitzenmodell wählten, nicht nachhaltig gewesen sei. Das ist eine Aussage, die von jemandem stammt, der genau diese Unternehmen finanziert, und nicht von einem externen Kritiker; sie klingt wie das Eingeständnis, dass der Veröffentlichungszyklus mit Ankündigungseffekten, den ich mit dem Kalender von High-End-Smartphones verglichen hatte, endlich an eine reale ökonomische Grenze stößt, die von den Kunden selbst und nicht von den Laboren gezogen wird, die die Modelle herstellen.

Es bleibt abzuwarten, wie spezifisch dieses Muster für Anthropic ist und wie sehr es stattdessen eine allgemeinere Marktdynamik widerspiegelt. Die Tatsache, dass GPT-5.6 Sol die Ausgaben bei OpenAI so deutlich dominiert, deutet darauf hin, dass nicht alle Flaggschiffe vom Markt gleich behandelt werden: Es hängt vom Preis ab, sicher, aber auch davon, wie sehr sich dieses spezifische Modell wirklich von der unmittelbar darunter liegenden Stufe unterscheidet und wie schwer vertragliche Einschränkungen wie die Datenaufbewahrung wiegen.

Konkrete Anwendungsfälle: Wo die Lücke sichtbar ist und wo nicht

Im Bereich der Automatisierung von Unternehmens-Workflows belegte Opus 5 den ersten Platz im AutomationBench von Zapier und schloss den gesamten Prozess zur Verhinderung der Kundenabwanderung – von der Identifizierung gefährdeter Konten bis zur Zusammenfassung für das Retention-Team – mit einer Erfolgsquote von 100 % ab, wo frühere Modelle scheiterten, wie die offizielle Ankündigung von Anthropic berichtet. Auf OSWorld 2.0, dem Benchmark für die autonome Computernutzung, übertrifft Opus 5 das beste Ergebnis von Fable 5 zu etwas mehr als einem Drittel seiner Kosten.

Auf wissenschaftlicher Seite verbessert sich Opus 5 gegenüber Opus 4.8 bei jeder internen Bewertung der Lebenswissenschaften, mit besonders deutlichen Zuwächsen in der organischen Chemie: Zehn Prozentpunkte mehr bei der Ableitung molekularer Strukturen aus spektroskopischen Daten – einem Bereich, in dem technische Präzision weit mehr zählt als das rhetorische Geschick eines Modells. Im rechtlichen Bereich wiederum berichtet ein in der Startankündigung zitierter Kunde, dass Opus 5 eine mit Fable 5 vergleichbare Qualität beibehält, während es bei maximaler Schlußfolgerungsschwelle 26 % weniger Token generiert: Weniger Gerede, gleiches Ergebnis – was so ziemlich das KI-Äquivalent zum Prinzip ist, dass sich ein guter Schnitt in dem zeigt, was weggeschnitten wird, nicht in dem, was übrig bleibt. Bild aus ft.com

Sicherheit und Policy als Auswahlvariable

Es gibt einen weniger diskutierten, aber operational relevanten Aspekt: Die Cybersicherheits-Klassifizierer von Opus 5 greifen nach Schätzungen von Anthropic etwa 85 % seltener ein als die von Fable 5. Das bedeutet weniger fälschlicherweise blockierte legitime Anfragen zur Sicherheitsforschung – ein sehr konkretes Problem für diejenigen, die in autorisierten Penetrationstests arbeiten und sich gezwungen sahen, übermäßig vorsichtige Ablehnungen zu umgehen. Es bleibt jedoch eine klare Grenze: Opus 5 blockiert das Scannen von Schwachstellen auf Binärbasis und die Erstellung von Exploits – Bereiche, in denen das Spitzenmodell der Mythos-Familie einen Vorteil behält, den Anthropic als beabsichtigt ansieht und nicht als technische Einschränkung, die in der nächsten Version behoben werden müsste.

Was in den kommenden Monaten zu beobachten ist

Mehrere Variablen werden darüber entscheiden, ob es sich um eine vorübergehende Anpassung oder um eine strukturelle Änderung der Art und Weise handelt, wie Unternehmen künstliche Intelligenz kaufen. Der nächste Bericht von Ramp wird zeigen, ob sich der Anteil von Fable 5 weiterhin bei rund 11 % stabilisiert oder weiter sinkt, während sich Opus 5 als Standardoption auf Claude Max festigt. Es lohnt sich auch zu beobachten, ob Anthropic beschließt, beim Preis oder den Datenaufbewahrungsanforderungen von Fable 5 einzugreifen, um dessen Adoption wieder anzukurbeln, oder ob das Unternehmen akzeptiert, dass das Modell einem engeren Publikum vorbehalten bleibt, das bereit ist, für den letzten Rest an verfügbaren Fähigkeiten zu zahlen. Schließlich wird das Wachstum kostengünstiger offener Modelle, über das ich im Zusammenhang mit DeepSeek V4 und der von Salvatore Sanfilippo entwickelten lokalen Inferenz-Engine DS4 geschrieben hatte, voraussichtlich weiterhin einen Abwärtsdruck auf die Preise ausüben – auch für Modelle des mittleren Segments wie Opus 5 selbst.

Operative Hinweise, keine Urteile

Für diejenigen, die ein Entwicklerteam leiten, lautet der aus den Daten hervorgehende Rat: Gehen Sie von Opus 5 als Standardmodell aus und reservieren Sie Fable 5 für Aufgaben, die wirklich die letzte verbleibende Leistungsgrenze oder spezifische Sicherheitsanforderungen im Zusammenhang mit fortgeschrittener offensiver Forschung erfordern. Für diejenigen, die für Budget und Beschaffung zuständig sind, besteht die Lektion darin, eher auf die Kosten pro abgeschlossener Aktivität zu schauen als auf den einfachen Preis pro Token, und in die Berechnung auch die Datenaufbewahrungs- und Compliance-Anforderungen einzubeziehen, die selten in der Preisliste auftauchen, aber beim Gesamtergebnis schwer wiegen. Für diejenigen, die autonome Agenten bauen, erscheint das Entwerfen eines expliziten Routings zwischen Modellen basierend auf der Aufgabenklasse von Anfang an – mit Opus 5 als Standard und einer automatischen Weiterleitung an fähigere Modelle nur bei Bedarf – mittlerweile als die vernünftigste Praxis statt als eine auf später zu verschiebende Optimierung.

Wenn Sie die Situation betrachten, bleiben mehr Fragen offen, als dieser Vorfall Gewissheiten bietet. Wenn sich das Muster des aufgabenbezogenen Wechselns (Switching Task) tatsächlich als neue Normalität festigt, was bedeutet das für den ökonomischen Anreiz, immer größere und teurere Modelle zu bauen, wenn der Markt nachweislich diejenigen belohnt, die mit weniger Ausgaben mehr erreichen können? Und wenn Spitzenintelligenz immer mehr zu einem Nischenprodukt für wenige extreme Anwendungsfälle wird, wer wird dann die nächsten Generationensprünge finanzieren – diejenigen, die dann, Generation für Generation, zum Grundniveau werden, das jeder als selbstverständlich ansieht?

---

Technischer Hinweis: Die in diesem Artikel zitierten Ausgaben- und Adoptionsdaten stammen von Ramp über Berichte der Financial Times, die von AI Weekly aufgegriffen wurden, und beziehen sich auf eine Stichprobe von überwiegend US-amerikanischen Unternehmen mit einem Bias zum Technologiesektor; sie sind daher als richtungsweisende Indikatoren eines Trends und nicht als vollständige Erfassung des globalen Unternehmensmarktes zu verstehen.