Claude Opus 5 vs. Opus 4.8: Was beim Wechsel wirklich kaputtgehen kann

Vier kleine Aufgaben für Coding und Reasoning, identische Prompts, je ein Durchlauf: Beide Modelle lösten alle vier korrekt. Opus 5 verbrauchte dabei 81, 94, 407 und 600 Output-Token, Opus 4.8 nur 36, 35, 103 und 206 – bei identischen $25 pro Million Token. Genau darin liegt die eigentliche Migration von Claude Opus 4.8 zu Opus 5: Die Modell-ID ist mit einer Zeile ausgetauscht, Verhalten und Rechnung sind es nicht.

Der Grund ist laut Dokumentation keine unterschiedliche Leistungsfähigkeit. Bei Opus 5 läuft Thinking standardmäßig, bei 4.8 war es standardmäßig deaktiviert. Dieselbe Anfrage zahlt damit jetzt für Schlussfolgerungsschritte, die zuvor nicht abgerechnet wurden. Entscheidend für die Kosten ist vor allem effort, nicht die Modellwahl. Für Teams, die claude-opus-4-8 bereits produktiv einsetzen, gilt kurz zusammengefasst:

• Es gibt einen harten API-Bruch. Die Kombination aus thinking: {"type": "disabled"} und dem Effort-Level xhigh oder max liefert bei Opus 5 einen 400-Fehler. Opus 4.8 akzeptiert diese Kombination noch.
• Der Preis bleibt gleich. Beide Modelle kosten $5 Input und $25 Output pro Million Token. Mehrkosten entstehen also ausschließlich durch ein höheres Tokenvolumen.
• Thinking ist standardmäßig aktiv. max_tokens begrenzt weiterhin Thinking und sichtbare Antwort gemeinsam. Auf 4.8 abgestimmte Limits können Antworten daher nun abschneiden.
• Ihre Prompts sind riskanter als der Code. Anweisungen, mit denen 4.8 seine Arbeit noch einmal prüfen sollte, können Opus 5 zu unnötiger Überprüfung verleiten.
• Keines der Modelle ist abgekündigt. Beide stehen als Active gelistet da. Opus 4.8 bis zum nächsten Release-Zyklus beizubehalten, ist daher gut vertretbar.

Was beim bloßen Austausch der Modell-ID nicht passt

Anthropic bezeichnet Opus 5 im Migrationsleitfaden als „Drop-in-Upgrade für Claude Opus 4.8 zum gleichen Preis“. Auch die API verändert sich kaum: claude-opus-5 ist eine feste Modell-ID ohne Datumszusatz und folgt damit demselben Muster wie claude-opus-4-8. Bevor Sie Produktions-Traffic umstellen, sollten Sie dennoch fünf Punkte prüfen.

1. thinking: {"type": "disabled"} mit Effort xhigh oder max führt zu 400. Die offiziellen Verhaltensänderungen führen dies als Breaking Change gegenüber 4.8 auf, wo Thinking unabhängig vom Effort deaktiviert werden konnte. Die Validierung erfolgt pro Request. Wer den Effort mitten in einer Unterhaltung erhöht, erhält also eine Ablehnung – auch wenn frühere Turns durchliefen. 2. max_tokens muss jetzt auch Thinking abdecken. Der Wert bleibt ein hartes Limit für den gesamten Output, also Thinking plus Antwort. Ein Job, der mit deaktiviertem Thinking unter 4.8 bei max_tokens: 4096 lief, behält diese Obergrenze, während die Reasoning-Token davon abgehen. Anthropic empfiehlt für xhigh oder max zunächst 64k. 3. Prüfanweisungen können kontraproduktiv sein. Opus 5 kontrolliert seine Ergebnisse bereits eigenständig. Laut Prompting-Leitfaden führen Aufforderungen wie „include a final verification step“ zu Überprüfungsschleifen; ihre Entfernung „reduces wasted tokens with no loss in quality“. Die Early-Access-Nutzerin Allie K. Miller stieß von der Effort-Seite darauf: „I often default to 'high' reasoning effort... I had to switch it down to medium.“ 4. Skills und Agent-Scaffolding können sich still verändern. Anthropic schreibt, Opus 5 funktioniere „out of the box“ mit bestehenden Opus-4.8-Prompts. Ein Team berichtet anderes: Dan Shipper von Every schrieb am Launch-Tag, es breche die Abwärtskompatibilität, „It will often stop early or otherwise miss your instructions“, und sein Team habe Skills von Grund auf neu gebaut. Das ist nur die Erfahrung eines Teams – aber ein guter Grund, die eigenen Evals erneut laufen zu lassen. Ein Log-Eintrag warnt hier nicht. 5. Anthropic nennt für Opus 5 einen Knowledge Cutoff im Mai 2026, gegenüber Januar 2026 bei 4.8. System-Prompts mit der Vorgabe „your knowledge ends January 2026, defer to retrieved context“ beschreiben damit das falsche Modell. Auch Datumslogik, die sich auf diese Formulierung stützt, verschiebt sich.

Hinter dem ersten Punkt steckt noch eine Falle: Ist Thinking deaktiviert, kann Opus 5 gelegentlich einen Tool-Aufruf als sichtbaren Text ausgeben, statt einen tool_use-Block zu senden. Auch interne XML-Tags können sichtbar werden. In agentischen Schleifen bleibt dieser Text im Verlauf und verfälscht spätere Turns. Anthropic empfiehlt deshalb, Thinking aktiviert zu lassen und die Kosten über einen niedrigeren Effort zu steuern.

Diese Anfrage erzeugt einen 400-Fehler – und so lösen Sie ihn

Die fehlerhafte Kombination als Diff, das Sie direkt mit Ihrem Request-Body vergleichen können:

# Rejected on claude-opus-5 with HTTP 400. Accepted on claude-opus-4-8.
  {
    "model": "claude-opus-5",
    "max_tokens": 16000,
    "thinking": { "type": "disabled" },
    "output_config": { "effort": "xhigh" }
  }

# Fix A - keep xhigh effort, let thinking run. Raise max_tokens, thinking counts against it.
  {
    "model": "claude-opus-5",
-   "max_tokens": 16000,
+   "max_tokens": 65536,
-   "thinking": { "type": "disabled" },
    "output_config": { "effort": "xhigh" }
  }

# Fix B - keep thinking off, cap effort at high or below.
  {
    "model": "claude-opus-5",
    "max_tokens": 16000,
    "thinking": { "type": "disabled" },
-   "output_config": { "effort": "xhigh" }
+   "output_config": { "effort": "high" }
  }

Wählen Sie Fix A für agentische Aufgaben, Arbeiten über mehrere Dateien oder Tool-lastige Abläufe – dort sind sichtbare Tool-Aufrufe der teure Fehler. Fix B passt besser zu latenzkritischen Endpunkten und Extraktion mit strikten Formaten, bei denen der Wechsel von xhigh auf high kaum Qualität kostet.

Was Opus 5 zusätzlich bringt

Opus 5 erschien am 2026-07-24 und behielt in den zwei Werten, die bei einem Vergleich Claude Opus 5 vs. Opus 4.8 zuerst zählen, alles bei: $5/$25 und ein Kontextfenster von 1M Token. Die vollständigen Details zu Release und Preisen von Claude Opus 5 behandeln den Start; für die Migration sind die Unterschiede überschaubarer.

Stand der Spezifikationen: 25. Juli 2026:

Über die Tabelle hinaus ändern sich zwei Dinge; nur eines davon ist ein Benchmark:

• Kürzere Prompts sind jetzt cachebar. Das Minimum sinkt von 1.024 auf 512 Token. Ein System-Präfix mit 600 Token, das unter 4.8 nicht cachebar war, kostet bei Cache-Hits nun $0.50 pro Million statt $5 für Standard-Input. Berücksichtigen Sie aber auch das Schreiben: Ein 5-Minuten-Cache-Eintrag kostet $6.25 pro Million. Das Präfix muss also wiederverwendet werden, bevor es sich rechnet.
• Die Leistungsdaten stammen ausschließlich vom Anbieter. In seiner Ankündigung nennt Anthropic relative Werte ohne unabhängige Reproduktion: Bei Frontier-Bench v0.1 liege Opus 5 bei geringeren Kosten pro Aufgabe bei „more than double“ von Opus 4.8, bei CursorBench 3.2 innerhalb von 0,5 % von Fable 5s Spitzenwert und bei halben Kosten. Aufschlussreicher sind die offengelegten Schwächen: In Cybersecurity und Biologie liegt es hinter Mythos 5.

Unsere vier Aufgaben sagen über diese Leistungsgrenze nichts aus, denn beide Modelle bestanden alle vier. Bei so kleinen Aufgaben ist das Capability-Upgrade unsichtbar, der Tokenanstieg dagegen nicht.

Die Kostenrechnung: Der Preis ist gleich, die Menge entscheidet

Beide Modelle berechnen $25 pro Million Output-Token. Bei einem Zugang zum Listenpreis reduziert sich die Kostenfrage Claude Opus 5 vs. Opus 4.8 also darauf, wie viele Token beide für dieselbe Aufgabe erzeugen. Über unsere vier Aufgaben waren das 1.182 Token für Opus 5 gegenüber 380 für Opus 4.8 – ein Faktor von 3,1 beziehungsweise rund 3,0 Cent gegenüber 0,95 Cent.

Drei wichtige Einschränkungen zu diesem Wert:

• Pro Aufgabe und Modell gab es am 2026-07-24 nur einen Durchlauf. Das ist ein Smoke-Test, kein Benchmark.
• Beide Seiten liefen mit Standardwerten: ohne effort-Angabe, ohne thinking-Feld und ohne System-Prompt.
• Gemessen wurden ausschließlich Output-Token, weil das Gateway bei einigen Modellfamilien stark inkonsistente Prompt-Token-Zahlen lieferte. Die absoluten Beträge sind gering; skalierbar ist nur das Verhältnis.

Auch die Richtung ist nicht einheitlich. Zwei Aufgaben wurden zusätzlich über den First-Party-Kanal von Claude Code statt über das Gateway ausgeführt:

In einem dieser drei Fälle lag Opus 5 niedriger. Anthropic verweist am oberen Ende der Effort-Skala dagegen auf einen Partner aus der Rechtsbranche, der bei maximalem Reasoning im Schnitt 26 % weniger Token verbraucht habe – ohne veröffentlichte Methodik.

Beide Muster können gleichzeitig zutreffen. Thinking läuft standardmäßig, und Opus 5 antwortet oft länger. Das erhöht den Output dort, wo Reasoning reiner Overhead ist. Bei Aufgaben über mehrere Dateien kann dasselbe Reasoning jedoch Retry-Schleifen ersetzen. Dann sinken Token pro abgeschlossener Aufgabe, obwohl Token pro Call steigen. Keines der beiden Datensets misst das direkt. Planen Sie daher mit Ihren eigenen Kosten pro akzeptierter Aufgabe und behandeln Sie Effort – nicht das Modell – als zentralen Hebel:

• Senken Sie zuerst den Effort. Anthropic empfiehlt low und medium auf Opus 5: Diese Stufen sollen frühere Opus-Modelle bei denselben Einstellungen mit einem Bruchteil der Token übertreffen. Für Coding und agentische Arbeit bleibt xhigh der empfohlene Startpunkt.
• Prüfen Sie übernommene Defaults. Ein mitgeschlepptes xhigh an einem Klassifizierungs-Endpunkt kann ohne Qualitätsgewinn zur teuersten Position auf der Rechnung werden.
• Bei weiter hohen Kosten: Modellklasse hinterfragen. Opus 5 gegen Sonnet 5 bei gleichem Budget ist die günstigere Alternative.

Wann Opus 4.8 die bessere Entscheidung bleibt

In vier Situationen gewinnt 4.8 in diesem Quartal:

• Sie haben eine Priority-Tier-Verpflichtung. Laut Migrationsleitfaden wird Priority Tier von Claude Opus 5 nicht unterstützt, bei Opus 4.8 jedoch weiterhin. Wer reservierte Kapazität für Latenzgarantien gekauft hat, gibt diese beim Wechsel auf. Das ist eher eine Beschaffungs- als eine Engineering-Entscheidung.
• Eine Integration muss Thinking über Effort high hinaus deaktiviert lassen. Wenn Ihre Evals xhigh-Reasoning und thinking-freien Output verlangen, ist 4.8 derzeit das einzige Modell, das beides bietet.
• Sie haben stark optimierte Skills, die Sie in diesem Zyklus nicht erneut testen können. Eine eingefrorene 4.8-Route ist besser als eine halb migrierte Opus-5-Route mit Prompts, die für ein anderes Modell geschrieben wurden.
• Kostendruck bei Nutzung eines Relays. Drittanbieter-Gateways mit OpenAI-Kompatibilität rabattieren ältere Modelle deutlich: Die Anthropic-Modellliste von AIReiter führt Opus 4.8 mit $1.56/$7.76 pro Million Token, rund 69 % unter Listenpreis, hat claude-opus-5 aber noch nicht aufgenommen. Über verschiedene Zugangskanäle gilt die Preisparität nicht mehr. Wo 4.8 bereits genügt, gewinnt das günstigste korrekte Modell. Die Analyse zum besten Claude-Modell fürs Coding vergleicht die gesamte Reihe Aufgabe für Aufgabe.

Die Sorge vor einer baldigen Abschaltung gehört nicht zu diesen Gründen. Auf Anthropics Seite zu Modellabkündigungen waren beide Modelle am 25. Juli 2026 als Active statt Deprecated geführt. Für keines ist also eine Abschaltung geplant. Die vorläufig frühesten Termine liegen bei 4.8 am 28. Mai 2027 und bei Opus 5 am 24. Juli 2027.

Ein Rollout mit einfacher Rückfalloption

1. Zuerst eine 4.8-Baseline einfrieren. Protokollieren Sie für 20 bis 50 reale Requests Output-Token, Latenz und Erfolgsquote als Untergrenze; bei stark schwankender agentischer Arbeit mehr. Nehmen Sie auch Fälle auf, an denen 4.8 derzeit scheitert. Ohne Vergleichsdaten sieht eine Regression aus wie bloße Varianz. 2. Vor dem Deployment suchen. Suchen Sie nach "disabled" in der Nähe von effort, nach max_tokens-Werten unter 16k sowie in System-Prompts nach „verify“, „double-check“ und „January 2026“. Diese vier Suchen decken den Breaking Change und drei stille Änderungen ab. 3. Nur eine Route umstellen, nicht global wechseln. Leiten Sie einen Teil des Traffics an claude-opus-5 und hinterlegen Sie die Modell-ID zentral in der Konfiguration statt verteilt im Code. Der Rollback wird dann zur Konfigurationsänderung statt zu einem Deployment. 4. Numerische Freigabekriterien vor dem Go-live festlegen. Erfolgsquote mindestens auf 4.8-Niveau, ebenso Schema-Validität und Tool-Call-Compliance; Kosten pro akzeptierter Aufgabe unter einer vorab festgelegten Grenze, p95-Latenz innerhalb Ihres SLO und eine 400-Fehlerrate von null. Verfehlt ein Wert das Ziel, schaltet die Konfiguration auf claude-opus-4-8 zurück. 5. Angefordertes und tatsächlich geliefertes Modell getrennt loggen. Nach dem Opt-in für serverseitigen Fallback können die Cybersecurity-Klassifizierer von Opus 5 abgelehnte Anfragen an Opus 4.8 zurückleiten. Ein Dashboard-Lauf, der nach Opus 5 aussieht, kann somit tatsächlich von 4.8 beantwortet worden sein.

Für die meisten Teams lautet die Entscheidung bei Claude Opus 5 vs. Opus 4.8: migrieren – in dieser Reihenfolge, innerhalb eines Release-Zyklus und nur für Routen, die die Kriterien aus Schritt 4 gegen die eigene 4.8-Baseline erfüllen. Entfernen Sie übernommene Prüfanweisungen bereits am ersten Tag, wie es auch Anthropics Leitfaden empfiehlt. Dort wird der Tokenanstieg zur Rechnung.

FAQ

Ist Claude Opus 5 ein Drop-in-Ersatz für Opus 4.8?

Anthropics Migrationsleitfaden nennt es ein Drop-in-Upgrade zum gleichen Preis. Auf API-Ebene stimmt das: gleiches Kontextfenster, gleiches Output-Limit von 128k und eine Breaking Change, die geprüft werden muss. Auf Prompt-Ebene nicht. Prüfanweisungen, Effort-Defaults, max_tokens-Limits und für 4.8 optimierte Skill-Definitionen benötigen eine Überprüfung – und keine davon kündigt sich mit einem Fehler an.

Warum liefert meine Opus-5-Anfrage einen 400-Fehler?

Wahrscheinlich senden Sie thinking: {"type": "disabled"} zusammen mit Effort xhigh oder max. Opus 5 lehnt dies bei jeder Anfrage ab. Entfernen Sie entweder das thinking-Feld und behalten Sie den Effort-Level bei, oder lassen Sie Thinking deaktiviert und senken Sie Effort auf high oder darunter. Auch nicht standardmäßige Werte für temperature, top_p oder top_k führen bei allen Claude-Modellen ab 4.7 bei jeder Anfrage zu 400.

Wird Claude Opus 4.8 eingestellt?

Nein. Anthropics Abkündigungsseite führt claude-opus-4-8 als Active, mit einem vorläufig frühesten Abschalttermin am 28. Mai 2027 und einer Richtlinie von mindestens 60 Tagen Vorlauf für öffentlich veröffentlichte Modelle. Zudem bleibt es das Fallback-Ziel für Cybersecurity-bedingte Ablehnungen von Opus 5 und unterstützt weiterhin Priority Tier, das Opus 5 fehlt.

Welches Claude-Opus-Modell ist aktuell das beste?

Claude Opus 5 – nach den vom Anbieter gemeldeten Kennzahlen und frühen Entwicklerberichten, besonders bei agentischem Coding und Aufgaben mit langem Planungshorizont. Opus 4.8 ist weiterhin die bessere Wahl für Priority-Tier-Workloads, Integrationen mit deaktiviertem Thinking, die Effort über high benötigen, sowie Prompt-Stacks, für die noch keine neue Baseline möglich ist.

Wie wechsle ich in Claude Code und den Claude-Apps zu Opus 5?

Opus 5 ist der neue Standard bei Claude Max und das stärkste Modell in Claude Pro. Es ist in Claude Code, Claude Cowork, claude.ai, Amazon Bedrock als anthropic.claude-opus-5, Google Cloud und Microsoft Foundry auswählbar.

In Claude Code ist high der Standard-Effort. Die Reasoning-Tiefe wird nun über Effort eingestellt, nicht mehr über einen manuellen Extended-Thinking-Schalter. Opus 4.8 bleibt auf diesen Oberflächen auswählbar – so gelingt der Rollback ohne Änderungen am API-Code.

Kostet Claude Opus 5 mehr als Opus 4.8?

Nicht pro Token: Beide kosten $5 Input und $25 Output pro Million, über die Batch API $2.50/$12.50 und bei Cache-Hits $0.50 pro Million. In unserem Test mit jeweils einem Durchlauf erzeugte Opus 5 etwa dreimal so viele Output-Token. Trotz identischer Listenpreise kann die Rechnung pro Aufgabe deshalb höher ausfallen. Der Fast Mode für $10/$50 bei etwa 2,5-facher Geschwindigkeit ist nur über die Claude API verfügbar.