Die Messung: Artificial Analysis führt Opus 5 in fünf Anstrengungsstufen. Bei maximalem Effort erreicht das Modell einen Intelligenz-Index von 60,7 und einen Coding-Index von 78,0, dazu 89,1 Prozent auf Terminal-Bench v2.1, 93,2 Prozent auf GPQA Diamond und 52,6 Prozent auf Humanity's Last Exam. Die Vergleichsgruppe: Claude Fable 5 kommt auf 59,9 Intelligenz und 76,5 Coding, GPT-5.6 Sol bei max effort auf 58,9 und 77,4 (in der xhigh-Variante 57,7 und 78,3), Opus 4.8 auf 55,7 und 74,3, Kimi K3 auf 57,1 und 76,2. Damit führt Opus 5 den Intelligenz-Index an – zu 5 US-Dollar je Million Eingabe- und 25 je Million Ausgabe-Token, also der Hälfte des Fable-Preises (10/50). Die Effort-Staffel ist steil: low kommt auf 50,6 Intelligenz und 66,9 Coding, medium auf 56,3 und 74,3 (also exakt Opus-4.8-Niveau), high auf 58,9 und 76,5, xhigh auf 60,1 und 77,0.
Zwei Vorbehalte stehen im selben Datensatz. Erstens die Geschwindigkeit: Mit 43,9 Ausgabe-Token je Sekunde im Median ist Opus 5 das langsamste Modell der Gruppe – Fable 5 liefert 58,3, Opus 4.8 62,6, GPT-5.6 Sol 73,9. Zweitens fehlt der τ²-Verlässlichkeitswert für Opus 5 noch (Fable 5: 98,5 Prozent, Opus 4.8: 94,4), ebenso ein LMArena-Elo und der AA-Agentic-Index. Wir haben die Indizes in den Katalog übernommen (Intelligenz 61, Coding 78, Terminal-Bench 89) und das Modell auf diesen Stand geprüft gesetzt.
Die Praxis-Rezeption fällt deutlich verhaltener aus. Der Kanal Better Stack ließ Opus 5, Fable 5, GPT-5.6 Sol und Kimi K3 dieselben zwei Aufgaben bauen und kam bei der Qualität zum klaren Urteil für Opus 5 – bessere Oberfläche, sauberer Stack (React mit React Router, echte SQLite-Datenbank über Express, während Fable 5 sich einen eigenen Router baute). Beim Preis blieb der erwartete Vorteil aber aus: Das Full-Stack-Dashboard kostete 29,82 US-Dollar gegen 30,79 bei Fable 5, der Spiele-Prototyp verbrauchte nach Angabe des Testers „fünfmal mehr Token“ als erwartet. Der Tester relativiert selbst – n=1 je Aufgabe, möglicherweise ein Messproblem des genutzten Abrechnungs-Werkzeugs – und hofft ausdrücklich, die AA-Zahlen seien die belastbareren. Bemerkenswert an derselben Quelle: Die dort referierten AA-Ränge („0,3 Punkte hinter GPT-5.6 Sol Extra High, 1,5 vor Fable“) decken sich exakt mit unserer eigenen API-Abfrage.
Schärfer urteilt der Kanal AI Coding Daily, der jedes neue Coding-Modell durch feste Projekte mit je fünf Läufen und dem Modell unbekannten Eval-Tests schickt: Opus 5 medium schaffte als erstes Modell überhaupt 5 von 5 auf einer CSV-Härtungs-Aufgabe (bisheriger Bestwert 4,5), fiel auf einem zweiten Datensynchronisations-Projekt aber hinter Opus 4.8 zurück und lag beim Bug-Fix-Test nur unwesentlich vorn. Der Preis-Befund ist konkret: Fünf Prompts verbrauchten 60 Prozent des Fünf-Stunden-Kontingents im 20-Dollar-Abo; am selben Projekt kostete ein Prompt rund 1 US-Dollar gegen 14 Cent bei GPT-5.6 Luna auf hoher Stufe. Das Fazit lautet, für Implementierungs-Aufgaben sei Opus 5 „nicht wirklich besser als Opus 4.8, aber generell teurer, was den Token-Verbrauch angeht“. Dieselbe Quelle referiert ein Fremd-Urteil, das mehrere Tester teilen: Dan Shipper von Every nennt Opus 5 „a hard model to love“ – es brauche wie Fable weniger vorgegebene Skills, nach dem Löschen der bestehenden Skills sei es in den Fable-Modus gegangen und habe besser geliefert. Daraus die Kurzformel „poor man's Fable“: als reiner Ausführer wirkt es teuer, als Planer und Orchestrator spielt es seine Stärke aus.
Einordnung und offene Punkte: Es gibt auch die Gegenstimme, Opus 5 sei anders als Sonnet 5 gerade nicht token-ineffizient – sie wird allerdings ohne eigenen Test vorgetragen und von zwei Praxis-Messungen bestritten; wir führen den Punkt als offen. Als Leitmetrik setzt sich in der Rezeption durchgehend „Kosten pro Aufgabe“ statt „Preis pro Token“ durch, begründet am Gegenbeispiel Kimi K3: halber Token-Preis, aber doppelt so viele Token für dieselbe Aufgabe. Für Opus 5 gilt das in beide Richtungen – der halbe Listenpreis gegenüber Fable 5 trägt nur so weit, wie Verbrauch und Laufzeit nicht gegenlaufen. Was weiter fehlt, sind unabhängige Zahlen genau dazu: ein τ²-Wert, ein LMArena-Elo und eine Dritt-Messung der Kosten je erledigter Aufgabe.