Claude Opus 5 ist Anthropics Modell für komplexe agentische Codierung und Enterprise-Arbeit, und sein Migrationsleitfaden bezeichnet es als sprunghafte Verbesserung gegenüber Claude Opus 4.8 bei tiefem Reasoning, bei agentischen und langfristigen Aufgaben sowie bei der Skalierung von Test-Time-Compute.
- Eingabe
- Text Bild $5/M
- Ausgabe
- Text $25/M
- Cache-Read
- $0.5/M
- Kontext
- 1M
- Knowledge Cutoff
- 2026-05
Benchmarks
Herstellerangaben: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Preisposition unter 65 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Es sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibvorgänge stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (Herstellerangabe) | 1.000.000 |
|---|---|
| Max. Output (Anbieter-Spezifikation) | 128.000 |
| Knowledge Cutoff | 2026-05 |
Prompt Caching
| Modus | explizit (Opt-in) |
|---|---|
| Min. Präfix | 512 Anbieter-Standard: 1.024 |
| Lebensdauer | Standard 5 Min., optional 1 Std. |
| Schreibkosten | 1.25x (5m) / 2x (1h) |
Thinking
| Anbieter-Parameter | thinking.type + output_config.effort |
|---|---|
| Zulässige Werte | thinking.type adaptive · disabled; effort low · medium · high · xhigh · max |
| Standardwert | Thinking an; effort high (Claude API und Claude Code) gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Ja |
| Thinking-Verhalten | Das Abschalten von Thinking wird nur bei effort high oder darunter akzeptiert; thinking {"type": "disabled"} mit xhigh oder max gibt einen 400-Fehler zurück. display steht standardmäßig auf „omitted“, sodass Thinking-Blöcke mit leerem thinking-Feld zurückkommen, solange display nicht auf „summarized“ gesetzt wird. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high die Parameteroberfläche des Gateways - das Anbieter-Mapping oben gilt |
Modell
| Modalitäten | Text + Bild → Text |
|---|
- 1M Kontext ist zugleich Standard und Maximum, eine kleinere Kontextvariante gibt es nicht
- minimal cachebarer Prompt auf 512 Token gesenkt
- hochauflösende Bildeingabe bis 2576 px an der langen Kante
- bis zu 300k Output-Token über die Message Batches API mit dem Beta-Header output-300k-2026-03-24
- Tool-Änderungen mitten im Gespräch in der Beta-Phase
- Fast Mode ist eine Research Preview, ausschließlich auf der Claude API
Ein Prompt, gemessen über das Gateway
Claude Opus 5 bestanden · 3 sentences
When reasoning is enabled, the model generates a hidden chain of "thinking" tokens before it writes the visible answer, and those internal tokens are billed at the output rate even though no one ever sees them — commonly 3–10x more tokens than the response itself. Because output tokens are priced several times higher than input tokens, that added volume hits us at our most expensive rate, which is why the bill roughly doubled while our request count stayed flat. The spend is controllable: we can cap the reasoning budget per call, route only genuinely hard requests to reasoning mode and cheaper models for the rest, and track cost per successfully completed task rather than cost per token, since a single correct answer usually beats three cheap retries plus human cleanup.
Ausgabe 529 tok Latenz 9.0 s
Befolgen der Anweisung (genau drei Sätze - abzählbar), Zuschnitt auf das Publikum (CFO-Register), und die Abrechnungslücke durch verstecktes Denken, die die Token-Zähler unten offenlegen.
Claude Opus 5 bestanden · 8/8 cases
## Fixed version ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 if cur > best: best = cur return best ``` ## The bug The counters were tracking the wrong quantity: `cur` counted *matching adjacent pairs* rather than *elements in the current run*, and both counters started at `0` instead of `1`. Since a run of length *n* contains only *n − 1* adjacent equal pairs, every result came back one too small — `[1, 1]` returned 1, `[3, 3, 3]` returned 2 — and a single-element list returned 0 because the loop body never executed and `best` kept its initial value of `0`. […]
Ausgabe 1094 tok Latenz 16.1 s
Ob der Fix tatsächlich korrekt ist (ausführbar), die Dichte der Erklärung, und die Token-Effizienz bei einer klar begrenzten Aufgabe.
Claude Opus 5 bestanden · 5/5 fields, guidance "Withheld pending Q4 close"
```json { "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Withheld pending Q4 close" } ``` Notes on judgment calls: - **quarter**: "September quarter" is labeled Q3 because the text refers to an upcoming "Q4 close," implying a calendar-aligned fiscal year. No fiscal year is given. - **revenue_usd_m**: 412 is stated as constant-currency and hedged ("call it"), so it's approximate; the currency is not explicitly stated as USD. - **growth_pct**: "up eleven and change" means slightly more than 11, so 11 is a floor rather than an exact figure.
Ausgabe 539 tok Latenz 7.6 s
Schema-Treue (keine erfundenen Felder), Halluzinationsdruck (guidance wird ausdrücklich zurückgehalten), und Unterschiede im Pfad für strukturierte Ausgabe.
Claude Opus 5 bestanden · 123 words, 0 banned, 1 question
**Cross-Provider Prompt Caching** We're introducing Cross-Provider Prompt Caching in the API Gateway. Repeated system prompts, long documents, and few-shot examples are stored once at the gateway layer and reused across OpenAI, Anthropic, Google, and self-hosted models. Instead of paying full input token costs on every request, your application sends a cache reference, and the gateway rehydrates the context before forwarding it downstream. Why does that matter? Teams running high-volume agents and retrieval pipelines typically see input token spend fall 40 to 70 percent, with median latency dropping by several hundred milliseconds. Caches are scoped per project, encrypted at rest, and invalidated automatically when a prompt template changes. Enable it with a single header, and see the docs for TTL tuning and per-route controls.
Ausgabe 1593 tok Latenz 19.1 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, die eine Frage), Stil-Fingerabdruck, und Längensteuerung.
Claude Opus 5 in 30 Sekunden nutzen
OpenAI-kompatibel: Tauschen Sie die base_url, behalten Sie Ihr SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="claude-opus-5",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "claude-opus-5",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-5",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "claude-opus-5",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("claude-opus-5")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Claude Opus 5
- Anthropics eigene Auswahlempfehlung lautet, hier zu beginnen und Claude Fable 5 für Workloads zu reservieren, die die höchste verfügbare Fähigkeit benötigen.
- Es ist ein nahtloses Upgrade zu den Preisen von Opus 4.8 von $5 und $25 pro Million Input- und Output-Token und behält das Kontextfenster von 1M Token als Standard ohne Beta-Header, dazu 128K maximalen Output, adaptives Thinking, Prompt-Caching, Batch-Verarbeitung, die Files API, PDF-Unterstützung und Vision, bei zwei dokumentierten Lücken: Das Web-Fetch-Tool ist nicht verfügbar und Priority Tier wird nicht unterstützt.
- Zwei Änderungen fallen bei Migrationen auf.
- Thinking ist standardmäßig aktiv, sodass eine Anfrage, die das thinking-Feld auslässt, jetzt Reasoning ausführt, wo sie es zuvor nicht tat, und max_tokens begrenzt Thinking und Antwort weiterhin gemeinsam.
- Und Thinking lässt sich nur bei effort high oder darunter abschalten, denn die Kombination aus deaktiviertem Thinking mit xhigh oder max gibt einen 400 zurück.
- Effort reicht von low bis max und steht standardmäßig auf high, Prompt-Caching beginnt bei einem Präfix von 512 Token statt 1.024, Fast Mode wird als Research Preview angeboten, und der verlässliche Knowledge Cutoff liegt im Mai 2026.
- Sicherheitsklassifikatoren für Cybersicherheit können eine Anfrage ablehnen, und Anthropic merkt an, dass das Modell seine eigene Arbeit unaufgefordert überprüft, sodass aus älteren Prompts übernommene Prüfanweisungen nun zu übermäßiger Überprüfung führen.
- Synthorai stellt Claude Opus 5 über seinen OpenAI-kompatiblen Chat-Endpoint bereit.
FAQ
Lässt sich die Claude Opus 5 API kostenlos testen?
Ja, neue Konten erhalten 10 Test-Calls und bis zu $1 kostenloses Guthaben, keine Kreditkarte erforderlich. Bei $5/M Input-Tokens deckt allein dieses Guthaben rund 24 Requests mit je ~8K Tokens gegen Claude Opus 5 ab.
Worin ist Claude Opus 5 am besten?
Für komplexe agentische Codierung und Enterprise-Arbeit gebaut; sprunghafter Fortschritt gegenüber Opus 4.8 bei tiefem Reasoning und langfristigen Aufgaben; Thinking standardmäßig an, abschaltbar nur bei effort high oder darunter. Das vollständige Bild finden Sie im Über-Abschnitt, direkt aus den offiziellen Release Notes des Anbieters.
Was kostet Claude Opus 5?
Claude Opus 5 kostet auf Synthorai $5 pro Million Input-Tokens und $25 pro Million Output-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattform-Aufschlag. Gecachte Input-Tokens werden mit $0.5/M abgerechnet.
Unterstützt Claude Opus 5 Prompt-Caching?
Ja, per Opt-in: Markieren Sie stabile Präfixe mit cache_control-Breakpoints. Gecachte Input-Tokens werden mit $0.5/M statt $5/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 512 Tokens, um gecacht zu werden (TTL Standard 5 Min., optional 1 Std.). Prompt-Caching-Guide →
Wie erhalte ich Zugang zu Claude Opus 5?
Richten Sie Ihr vorhandenes OpenAI SDK auf base_url="https://synthorai.io/v1", setzen Sie model="claude-opus-5", fertig. Ein API-Key deckt jedes Modell auf dem Gateway ab.
Wo liegt der Knowledge Cutoff von Claude Opus 5?
Der Knowledge Cutoff von Claude Opus 5 liegt bei 2026-05, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-28).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite ist aus der Dokumentation des Anbieters übernommen, oben verlinkt, und trägt das Datum der Prüfung. Preise werden über den gesamten Katalog verglichen; Spezifikationswerte, die Anbieter unterschiedlich definieren, werden mit benanntem Unterschied gezeigt statt grafisch verglichen. Nichts hier wird von uns gemessen, und nichts wird bewertet.