Claude Opus 5 vs. Opus 4.8 im Praxistest: gleicher Preis, dreifache Kosten

Claude Opus 5 und Claude Opus 4.8 kosten beide $5 pro Million Input-Token und $25 pro Million Output-Token. Trotzdem war Opus 5 mit der Standardkonfiguration bei identischen Prompts 3.1x so teuer. Der Grund ist Adaptive Thinking: Opus 5 denkt standardmäßig, rechnet dieses Thinking als Output ab und zeigt den Inhalt nie an. Mit einer einzigen Request-Einstellung lässt sich die Kostendifferenz vollständig beseitigen. Das größere Fable 5 akzeptiert diese Einstellung nicht. Opus 5 wurde am 2026-07-24 allgemein verfügbar und verspricht Fable-5-Niveau zum halben Token-Preis. Ob sich die Rechnung tatsächlich halbiert, hängt fast ausschließlich von dieser einen Entscheidung ab.

TL;DR

• Opus 5 kostete mit den Standardeinstellungen in unserer Matrix aus fünf Aufgaben 3.1x so viel wie das gleich bepreiste Opus 4.8. 42-95% seiner Output-Token entfielen auf verborgenes Thinking.
• Mit thinking: {"type": "disabled"} lag Opus 5 exakt auf dem Niveau von 4.8 (384 gegenüber 384 Output-Token), ohne Genauigkeitsverlust. Fable 5 lehnt diesen Parameter ab.
• Bei Agent-Traffic sinkt der Aufschlag auf +33%; Tool- und Batch-Szenarien liegen fast gleichauf. In Tool-Loops springt Adaptive Thinking kaum an.
• Das Kontextfenster mit 1M Token ist real: Ein Needle-Test bei 969,950 Token war erfolgreich. Die Untergrenze für den Cache liegt bei 512 Token und damit halb so hoch wie bei 4.8 mit 1,024.

Wie unterscheiden sich Opus 5, Opus 4.8 und Fable 5 als Plattformen?

Vor der detaillierten Kostenanalyse folgt ein Überblick über die drei aktuellen Claude-Stufen. Sie unterscheiden sich vor allem bei Preisen und Request-Verhalten. Die gemessenen Werte sind entsprechend gekennzeichnet, alle übrigen Angaben stammen aus der Model-Dokumentation:

Drei Zeilen brauchen zusätzlichen Kontext. thinking: disabled kann bei der Migration zur Falle werden: Bei Opus 5 ist die Einstellung an Effort gekoppelt und laut Dokumentation nur mit high oder niedriger zulässig. Bei 4.8 waren beide Einstellungen unabhängig voneinander. Migrationsskripte sollten deshalb nach Version unterscheiden. Fast Mode ermöglicht einen später relevanten Vergleich: Opus 5 im Fast Mode kostet exakt so viel wie Fable 5. „Schnelles Opus 5 gegen Fable 5 im Standardmodus“ ist bei identischen Token-Preisen also ein reiner Trade-off zwischen Geschwindigkeit und Leistungsfähigkeit. Auch bei der Datenaufbewahrung hat Opus 5 einen Compliance-Vorteil: Fable-ähnliche Leistung ohne die für Fable 5 vorgeschriebene Aufbewahrung von 30 Tagen.

Zwei weitere Plattformdetails passen nicht sinnvoll in die Tabelle. Anthropic dokumentiert Sonderfälle bei deaktiviertem Thinking, darunter Tool Calls, die gelegentlich als sichtbarer Text ausgegeben werden, und durchgesickerte interne Tags. In den unten ausgewerteten Agent-Tests trat beides bei 84 Calls ohne Thinking nicht auf. Die Empfehlung für das Routing bleibt trotzdem sinnvoll: Auf Tool-lastigen Routen sollte Thinking aktiviert bleiben, zumal der Aufpreis dort ohnehin gering ist. Mit Tool-Änderungen mitten in einer Konversation, einer Beta-Funktion von Opus 5, lassen sich Tools außerdem zwischen Turns hinzufügen oder entfernen, ohne den Prompt Cache zu invalidieren. Das erhält bei langen Agent-Sessions die Kostenvorteile gecachter Präfixe, auf denen unser Leitfaden zum Prompt Caching aufbaut.

Was kostet Opus 5 standardmäßig im Vergleich zu Opus 4.8?

Für dieselbe Arbeit und bei identischen Listenpreisen waren es 3.1x so viel. Wir haben die drei aktuellen Claude-Stufen mit ihren Standardeinstellungen durch eine Matrix aus fünf Aufgaben geschickt (n=3 pro Zelle, Prompts mit Salt). Die Tests liefen über die native Messages API; Fable 5 diente als zusätzlicher Vergleich:

Die Antworten waren gleichwertig und die Preise entsprachen denen von 4.8, trotzdem war die Rechnung dreimal so hoch. Opus 4.8 denkt nur, wenn es ausdrücklich dazu aufgefordert wird. Bei Opus 5 ist Adaptive Thinking standardmäßig aktiv, und die Thinking-Token werden zum vollen Output-Preis von $25/M abgerechnet.

Die Spalte für Fable 5 liefert das unerwartete Ergebnis: Obwohl seine Preise mit $10/$50 doppelt so hoch sind, kostete es absolut 35% weniger als Opus 5 im Standardmodus. Fable 5 löste dieselben Aufgaben mit 383 Output-Token, Opus 5 benötigte 1,305. Alle drei Modelle verwenden laut Dokumentation standardmäßig denselben Effort-Wert (high). Die Differenz kommt daher nicht von der Konfiguration, sondern von der Kalibrierung des Thinking. Zwei Mechanismen passen zu den Messwerten. Erstens braucht ein leistungsfähigeres Modell weniger Abwägung, um bei einer einfachen Antwort sicher zu sein: Für die Textaufgabe verbrauchte Fable 5 52 Token, Opus 5 dagegen 152. Beim Absatz waren es 264 gegenüber 1,031. Zweitens beruht ein zentraler Leistungsvorteil von Opus 5 auf Test-Time Compute Scaling. Bei schwierigen Problemen wird zusätzliche Rechenzeit in bessere Ergebnisse umgesetzt. Die Standardkalibrierung bezahlt diese Absicherung jedoch bei jedem Request, auch wenn sie gar nicht nötig ist. Bei einfachem Traffic zahlt man also für eine Reserve, die nicht genutzt wird; Fable 5 verzichtet meist darauf.

Wohin fließen die Mehrkosten?

In Reasoning, das nicht einsehbar ist. Vergleicht man die abgerechneten Output-Token mit dem sichtbaren Antworttext, entfielen bei Opus 5 im Standardmodus 42-95% der Output-Kosten auf verborgenes Thinking. Es wird selbst bei Fragen aktiv, die keine Überlegung erfordern: Die Antwort auf 17*23 bestand aus 1 sichtbaren Token, hinter dem 11 Thinking-Token lagen. Bei der Schreibaufgabe mit 120 Wörtern wurden ungefähr 806 der insgesamt 1,031 Output-Token für Überlegungen verbraucht. Der Inhalt des Thinking wird in keiner Form zurückgegeben, weder als Zusammenfassung noch als Trace. Damit gehört Opus 5 neben Fable 5 zu den am wenigsten transparenten Modellen in unserer Analyse zur Anatomie der Token-Nutzung. Die Anzahl ist in den aufgeschlüsselten Usage-Daten sichtbar; wofür die Token verwendet wurden, bleibt verborgen.

Was bewirkt der Thinking-Schalter tatsächlich?

Er bringt die Kosten von Opus 5 auf das Niveau von Opus 4.8. Mit thinking: {"type": "disabled"} sank das Thinking bei jeder Aufgabe auf null. Die Summe lag danach exakt gleichauf mit 4.8: 384 gegenüber 384 Output-Token und $0.01130 gegenüber $0.01120 pro Durchlauf.

Zur Einordnung der Bezeichnungen: Laut Dokumentation verwenden alle Modelle hier standardmäßig den API-Wert Effort high. Anthropic zufolge verhält sich ein explizites high identisch dazu, den Parameter wegzulassen. Zwischen unseren Testvarianten mit implizitem Standardwert und explizitem high liegt trotzdem eine Differenz von 16%. Sie ist auf die Schwankung der Schreibaufgabe zurückzuführen, die in allen bisherigen Batches die unbeständigsten Ergebnisse lieferte, und stellt keinen echten Konfigurationsunterschied dar. Die beiden Zeilen sind daher als derselbe, zweimal gemessene Testarm zu lesen. Der Unterschied zwischen den drei Standardkonfigurationen liegt nicht im Effort-Wert, sondern im Verhalten des Thinking auf dieser Stufe: keines bei 4.8, sparsam und adaptiv bei Fable 5, aggressiv und adaptiv bei Opus 5.

Zwei Ergebnisse fallen auf. Erstens ist die Effort-Einstellung eine Qualitätsstufe, kein Kostenregler. Die Skala von low bis max ist nicht neu; 4.8 akzeptiert denselben Bereich. Bei derart einfachen Aufgaben kauft jede Stufe oberhalb von low aber nur mehr Überlegung bei identischer Genauigkeit. Mit xhigh lagen die Kosten maximal beim 3.8-Fachen von 4.8. Die oberen Stufen sind für Test-Time Compute Scaling bei tatsächlich schwierigen Problemen gedacht, die eine einfache Matrix aus fünf Aufgaben nicht abdeckt. Die Kostenseite lässt sich damit trotzdem messen: Keine Effort-Stufe bringt Opus 5 auf das Preisniveau von 4.8 zurück. Das schafft nur die vollständige Deaktivierung, die 67% unter dem Standardwert liegt. Zweitens gibt es diesen Schalter überhaupt nur bei Opus 5: Fable 5 lehnt thinking: {"type": "disabled"} mit einem 400-Fehler ab. Es handelt sich also um ein echtes Unterscheidungsmerkmal von Opus 5 und nicht um eine gemeinsame Eigenschaft der Modellfamilie. Dasselbe thinking-Objekt funktioniert auf beiden Gateway-Endpunkten, /v1/messages und dem OpenAI-kompatiblen /v1/chat/completions. Bei Letzterem melden Requests mit deaktiviertem Thinking unter completion_tokens_details null reasoning_tokens:

{"model": "claude-opus-5", "thinking": {"type": "disabled"}}

Die Einschränkung: Unsere prüfbaren Aufgaben bestehen hauptsächlich aus Wissensabruf und einzelnen Lösungsschritten. Die Genauigkeit blieb mit deaktiviertem Thinking bei 9/9, einschließlich der mehrstufigen Textaufgabe. Adaptive Thinking ist jedoch gerade für schwierigere agentische Aufgaben gedacht. Die Einstellung sollte daher pro Route gewählt werden. Das entspricht derselben Regel, die sich bereits bei Kimi K3 und Gemini 3.6 Flash bewährt hat: deaktivieren für Extraktion, Formatierung und Requests mit einem einzelnen Schritt; standardmäßig aktiv lassen, wenn die eigenen Evals zeigen, dass das Thinking seine Kosten rechtfertigt.

Gilt der dreifache Aufpreis auch für Agent-Workloads?

Nein, und genau dieser Unterschied ist entscheidend. In unserer Suite mit Agent-Szenarien, darunter Tool-Loops, RAG, Tooling, Batch-Verarbeitung und lange Chats, liefen 50 Episoden pro Testarm. Opus 5 kostete standardmäßig nur 33% mehr als Opus 4.8, nicht 210%. Tool-lastige Szenarien lagen mit 1.01-1.22x fast gleichauf. Dort verhält sich Adaptive Thinking tatsächlich adaptiv: In Agent-Loops waren es etwa 88 Thinking-Token pro Call, bei einem isolierten Schreib-Prompt dagegen 806. Der Ausreißer sind lange Chats mit 1.58x. Hier lohnt sich die Deaktivierung weiterhin; ohne Thinking sinkt der Faktor auf 1.22x. Bei Function Calling entstand überhaupt kein Aufpreis durch Thinking: Ein Tool-Call-Request benötigte mit den Standardeinstellungen 52 Output-Token, ohne Thinking-Anteil. Das entspricht dem Budget eines Modells ohne Thinking.

In der Praxis sollte die Entscheidung daher nach Traffic-Muster und nicht allein nach Modell fallen: Isolierte Completions und Chat-artige Calls verursachen standardmäßig den dreifachen Aufpreis und profitieren von der Deaktivierung. Bei Tool-lastigem Agent-Traffic ist sie meist nicht nötig.

Ist Opus 5 wirklich halb so teuer wie Fable 5?

Erst nach dem Umlegen des Schalters. Pro Token stimmt die Aussage: $5/$25 gegenüber $10/$50 bei Fable 5. In unserer Matrix mit isolierten Aufgaben kostete Opus 5 im Standardmodus praktisch jedoch $0.03427 pro Durchlauf, Fable 5 nur $0.02233. Opus 5 war damit absolut 53% teurer, weil Fable 5 dieselben Aufgaben mit 383 statt 1,305 Output-Token beantwortete. Mit deaktiviertem Thinking lagen die Kosten von Opus 5 bei $0.01130 und damit fast exakt bei der Hälfte von Fable 5. Erst ein Parameter, den Fable 5 selbst nicht akzeptiert, macht das Versprechen zum Launch also wahr.

Kontext, Cache und Tokenizer: Was haben wir noch geprüft?

Das Kontextfenster mit 1M Token ist real und schlägt bei Überschreitung mit einem klaren Fehler fehl. Ein Needle-Test am Anfang eines Prompts mit 969,950 Token wurde nach 39 Sekunden korrekt beantwortet. Ein Prompt mit 1,010,221 Token lieferte sauber prompt is too long: … > 1000000 maximum, statt den Input stillschweigend abzuschneiden.

Die Untergrenze für den Cache wurde halbiert. Anthropic dokumentiert für Opus 5 und Fable 5 einen cachebaren Präfix von mindestens 512 Token. Bei Opus 4.8 und Sonnet 5 sind es 1,024. Unsere Messreihe bestätigte das: Präfixe mit ungefähr 511 Token wurden nie gecacht, bei 547 Token funktionierte es zuverlässig. Cache Reads kosten $0.50/M (0.1x), Writes 1.25x; der TTL beträgt 5 Minuten. Damit lassen sich jetzt auch kürzere System-Prompts cachen, was sich bei Routen mit hohem QPS unauffällig, aber relevant auf die Kosten auswirkt.

Der Tokenizer ist bei Opus 5, Opus 4.8, Fable 5 und Sonnet 5 unverändert. In unseren mehrsprachigen Beispielen und Code-Samples waren die Token-Anzahlen identisch. Budgets pro Sprache und Schätzungen der Prompt-Größe können daher ohne neue Baseline übernommen werden.

FAQ

Lässt sich Thinking bei Claude Opus 5 deaktivieren?

Ja, mit Effort high oder niedriger. Laut Dokumentation führt die Kombination mit xhigh oder max zu einem 400-Fehler. In unseren Tests sanken die Thinking-Token auf null und die Kosten auf das Niveau von Opus 4.8: 384 gegenüber 384 Output-Token in unserer Matrix. Das gilt speziell für Opus 5. Fable 5 lehnt denselben Parameter unabhängig vom Effort-Wert mit einem 400-Fehler ab. Auch die Effort-Skala von low bis max funktioniert, erreicht aber nie die Kostenparität: In unserer Matrix lag sie gegenüber dem Standardwert zwischen -21% bei low und +24% bei xhigh.

Warum ist meine Rechnung für Opus 5 trotz identischer Listenpreise höher als für Opus 4.8?

Opus 5 denkt standardmäßig, und dieses Thinking wird als Output zu $25/M abgerechnet. Bei isolierten Prompts entfielen in unseren Messungen 42-95% des abgerechneten Outputs auf verborgenes Reasoning. Selbst eine Multiplikation zweier zweistelliger Zahlen verbrauchte 11 Thinking-Token für eine Antwort mit 1 Token. Den Anteil im eigenen Traffic zeigt reasoning_tokens in der Usage-Aufschlüsselung. Auf Routen, die das Thinking nicht benötigen, sollte es deaktiviert werden.

Sollte Thinking bei Agent-Workloads mit Opus 5 deaktiviert werden?

Meistens nicht. In unserer Agent-Suite lagen die Standardkosten nur +33% über Opus 4.8. Tool- und Batch-Szenarien waren nahezu gleichauf, weil Adaptive Thinking in Tool-Loops kaum aktiv wird. Eine Ausnahme bilden lange, Chat-artige Sessions mit 1.58x; dort lohnt sich die Deaktivierung weiterhin. Entscheidend ist der eigene Traffic-Mix: Der Aufpreis entsteht bei isolierten Completions, nicht bei Tool Calls.

Gemessen vom 2026-07-25 bis zum 2026-07-27 mit claude-opus-5, claude-opus-4-8 und claude-fable-5 über das Synthorai Gateway: Matrix aus fünf Aufgaben sowie Ablation von Effort und Thinking-Schalter aus einem kanonischen Batch (n=3 pro Zelle, Prompts mit Salt, native Messages API), Agent-Werte aus einer Suite mit 150 Szenarioepisoden, Kontext- und Cache-Tests über Needle-Recall und Präfix-Messreihen, API-Verhalten wie Prefill und Parameterakzeptanz über direkte Requests. Genauigkeitswerte berücksichtigen nur Aufgaben mit einer eindeutig prüfbaren Antwort. Preise und Verhalten können sich ändern; prüfen Sie die Angaben anhand Ihrer eigenen Usage-Daten.

← Zurück zum Blog