Opus 5.5 Quietly Ignores Your Effort Setting. I Checked What All 5 Levels Actually Cost.
Zusammenfassung
Kurz
Der Autor berichtet, dass Opus 5.5 eine alte persönliche Effort-Einstellung stillschweigend ignoriere, und stützt seine Empfehlungen auf veröffentlichte Anthropic-Benchmarks: Medium sei für gewöhnliche Codearbeit kostengünstig, während High bei langen Terminal-Aufgaben besser abschneide. Er betont, dass die Werte nicht aus eigenen Tests stammen und Effort-Stufen zwischen Modellen nicht gleichbedeutend seien.
Mittel
Der Bericht erläutert die Effort-Stufen von Opus 5.5 und warnt, dass eine ältere, global in persönlichen Benutzereinstellungen gespeicherte `effortLevel`-Option bei diesem Modell laut Autor ignoriert werde. Projekt-, lokale und verwaltete Einstellungen wirkten weiterhin. Die aktive Stufe sei in der Sitzungsanzeige zu sehen.
Als Belege wertet der Autor Anthropic veröffentlichte Benchmarkzahlen aus: Bei FrontierCode habe medium 54,6 Prozent für etwa 0,80 US-Dollar je Aufgabe erzielt, max 54,4 Prozent für 6,19 Dollar. Bei längeren Terminal-Bench-4.0-Aufgaben sei dagegen high mit 64,2 Prozent besser als medium mit 57,6 Prozent gewesen, bei rund 94 Cent Mehrkosten. Daraus empfiehlt er medium für routinemäßige Programmierung und Reviews, high für lange Agentenabläufe und höhere Stufen nur bei nachgewiesenem Bedarf. Eigene Benchmarkläufe habe er nicht durchgeführt. Auch den Verbrauch im Fünf-Stunden-Abonnementfenster habe er nicht präzise genug gemessen, um eine belastbare eigene Prozentzahl anzugeben. Effort-Namen seien laut Bericht zwischen Modellen nicht direkt vergleichbar; Konfigurationen sollten daher je Modell überprüft werden.
Ausführlich lesen
Der Bericht behandelt Claude Code und die fünf Effort-Stufen von Opus 5.5: low, medium, high, xhigh und max. Der Autor erklärt, Effort bestimme, wie intensiv das Modell vor und zwischen Arbeitsschritten nachdenke; mehr Effort koste meist mehr und solle bei schwierigen Aufgaben helfen. Seiner Darstellung nach startet Opus 5.5 mit medium. Eine ältere, global in den persönlichen Benutzereinstellungen gespeicherte Option namens `effortLevel` werde von Opus 5.5 ignoriert, ohne Warnung oder Fehlermeldung. Einstellungen auf Projekt-, lokaler oder verwalteter Ebene wirkten hingegen weiterhin modellübergreifend. Die aktive Stufe lasse sich in der Sitzungsanzeige neben dem Modellnamen ablesen. Der Autor empfiehlt deshalb, alte persönliche Konfigurationen zu prüfen und Effort für Opus 5.5 gezielt zu setzen.
Als wichtigste Leistungsdaten führt der Autor veröffentlichte Anthropic-Benchmarkwerte an. Beim Test FrontierCode, der bewertet, ob Änderungen eines Agenten in einen Pull Request münden würden, habe medium 54,6 Prozent bei ungefähr 0,80 US-Dollar je Aufgabe erreicht. Max habe 54,4 Prozent bei rund 6,19 Dollar erzielt; high liege bei 54,0 Prozent und 1,09 Dollar, xhigh bei 51,4 Prozent und 2,25 Dollar. Daraus folgert der Autor, dass höhere Effort-Stufen bei solchen Programmier- und Review-Aufgaben in diesen Ergebnissen keinen Leistungsvorteil gezeigt hätten, während max etwa 7,7-mal so teuer wie medium gewesen sei.
Bei Terminal-Bench 4.0, der längere, mehrstufige Terminal-Aufgaben prüfe, seien die Ergebnisse anders: Medium habe 57,6 Prozent bei rund 2,94 Dollar erreicht, high 64,2 Prozent bei etwa 3,88 Dollar. Der Autor empfiehlt daher high für längere Agentenabläufe mit vielen Werkzeugaufrufen. Er weist ausdrücklich darauf hin, dass dies Anthropic veröffentlichte Zahlen seien und keine eigenen Benchmarkläufe. Auch die Empfehlung, low auf kurze, einfache Aufgaben zu beschränken, stützt er auf einen dort genannten Wert von 38,5 Prozent bei Terminal-Bench, etwa 19 Prozentpunkte unter medium.
Weitere Hinweise betreffen Abonnements und Einstellungen. Laut Bericht sei Opus 5.5 seit Claude Code v2.1.280 das Standardmodell für Pro und Team Standard; zudem habe Anthropic die Fünf-Stunden-Limits zum Start um 20 Prozent angehoben und angegeben, das Limit reiche wegen geringerer Kosten von Opus 5.5 ungefähr 25 Prozent weiter. Der Autor sagt jedoch, seinen eigenen Verbrauch innerhalb dieses Zeitfensters nicht genau genug erfasst zu haben, um eine verlässliche Prozentzahl zu nennen. Für knappe Pro-Kontingente schlägt er vor, Opus schwierigen Aufgaben vorzubehalten und für Routineänderungen Sonnet zu wählen.
Der Bericht zufolge sei Effort modellabhängig kalibriert: Gleiche Stufennamen bedeuteten bei verschiedenen Modellen nicht dieselbe Denktiefe; Opus 5.5 denke auf derselben Stufe teils mehr als Opus 5, besonders bei xhigh und max. Als Bedienhinweise nennt der Autor `\/effort` mit einer Stufe zum Speichern der modellbezogenen Vorgabe, `\/effort auto` zum Löschen dieser Vorgabe und `ultrathink` für vertieftes Nachdenken bei einem einzelnen Prompt. Insgesamt empfiehlt er medium für gewöhnliche Codeänderungen und Reviews, high für lange Terminal-Aufgaben und xhigh oder max nur nach Prüfung des konkreten Nutzens. Die Aussagen beruhen auf den im Artikel wiedergegebenen Herstellerdaten und der Erfahrung des Autors; eine unabhängige Replikation der Benchmarks wird nicht berichtet.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die gestellten Fragen zu KI-Sicherheitsaufsicht passen nicht zum Bericht, der ausschließlich Effort-Einstellungen und Benchmarkkosten von Claude Code behandelt; deshalb fallen alle Einordnungen niedrig aus. Lunas beide Zusammenfassungen sind inhaltlich treu und erfinden nichts, lassen aber den Pro-Plan-Standardwechsel, das Fazit zu max und low sowie die Praxisschritte aus.
Im Bericht, aber nicht in der Zusammenfassung
- Opus 5.5 ist seit Claude Code v2.1.280 Standardmodell auf Pro und Team Standard statt Sonnet 5
- Medium erreichte nahezu die gleiche Merge-Quote wie max bei etwa 7,7-fach niedrigeren Kosten, und max wird als Ausnahmewerkzeug eingestuft
- Low erzielte auf Terminal-Bench nur 38,5 Prozent
- Praktische Schritte: Claude Code aktualisieren, die Stufe mit /effort setzen und pro Modell in den Benutzereinstellungen speichern
- ultrathink als Option für einen einzelnen Turn ohne Änderung der Sitzungsstufe
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 46 %gleiches Oberthema, hilft nicht
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 35 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 57 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 77 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 28 %gleiches Oberthema, hilft nicht
- amos 54 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 46 %umfangreiche Belege
- JEV 59 %beantwortet direkt und ausführlich
- amos 25 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 35 %gleiches Oberthema, hilft nicht
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 65 %gleiches Oberthema, hilft nicht
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 54 %gleiches Oberthema, hilft nicht
- drex 63 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 53 %gleiches Oberthema, hilft nicht
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 31 %einzelne zitierbare Belege
- amos 54 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv