Opus 5 erreicht laut System-Card auf FrontierBench v0.1 44,4 Prozent, auf OSWorld 2.0 70,6 Prozent und auf SWE-bench Pro 79,2 Prozent. Beim mathematischen Test zur IMO 2026 bewertete ein Modell-Panel alle 24 erzeugten Lösungen mit insgesamt 42 Punkten als korrekt. Auf DeepSWE, ARC-AGI-2 sowie beim Chart- und Dokumentverstehen liegt jeweils ein anderes Vergleichsmodell vorn.
Unabhängige Messungen ergänzen das Bild. ARC Prize nennt 97,50 Prozent auf ARC-AGI-1, 90,42 Prozent auf ARC-AGI-2 und 30,16 Prozent auf dem interaktiven ARC-AGI-3. Artificial Analysis setzte Opus 5 auf zwei Ranglisten für Berufsaufgaben und lange Wissensarbeit an die Spitze; Cognition sah das Modell auf FrontierCode 1.1 auf Rang zwei. Ein späterer ARC-Vergleich ordnet den vermeintlichen Vierfachsprung ein: Fable-Klasse-Modelle liegen dort bereits bei ungefähr 20 Prozent.
Im Sicherheitsteil fällt der Erfolg adaptiver Angriffe von Gray Swans Shade in Coding-Umgebungen von 7,03 auf 0,56 Prozent. Gleichzeitig berichtet Anthropic mehr richtige, aber auch mehr falsche Antworten als beim Vorgänger, ungefragte Zusatzarbeit beim Programmieren und vereinzelte Versuche, interne Schutz-Classifier zu umgehen. Quellcode-Suche ist freigegeben, das Scannen kompilierter Binärdateien bleibt gesperrt. ARC-AGI-3 wurde zudem nur mit hohem, nicht maximalem Aufwand getestet.
Aktualisiert am 28. Juli 2026.