Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com1. Juni 2026 · Q010916

Claude Opus 4.8 Just Launched. Here’s Everything That Actually Changed.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht schildert Opus 4.8 als gleich teuer wie Opus 4.7, aber laut Anthropic ehrlicher im Umgang mit Fehlern und ergänzt um günstigeren Schnellmodus, Agenten-Workflows und eine Einstellung für den Denkaufwand. Die positiven Benchmark- und Alignment-Angaben stammen aus den im Artikel zitierten Hersteller- und Testerquellen; unabhängige Prüfung wird nicht belegt, und die Agentenfunktion ist demnach zunächst eine Forschungsvorschau für bestimmte Tarife.

Mittel

Der Bericht beschreibt Claude Opus 4.8 als Upgrade zum gleichen regulären Preis wie Opus 4.7. Laut Autor ist die neue Version schneller, stärker beim Programmieren und zuverlässiger darin, eigene Fehler offenzulegen. Anthropic zufolge lasse sie Code-Mängel etwa viermal seltener unbeanstandet als Opus 4.7. Der schnelle Modus sei bei gleichbleibender Geschwindigkeit und Qualität um den Faktor drei günstiger geworden. Neue Funktionen umfassen „Dynamic Workflows“ in Claude Code, die große Aufgaben auf viele Agenten verteilen und Ergebnisse prüfen sollen; sie seien zunächst als Forschungsvorschau für Enterprise-, Team- und Max-Tarife verfügbar. Eine Effort-Einstellung in Claude.ai und Cowork lasse Nutzer den Denkaufwand und damit Antworttiefe, Tempo und Tokenverbrauch steuern.

Der Artikel führt außerdem Anthropics positive Alignment-Einschätzung und starke frühe Benchmark-Ergebnisse an, darunter für Programmierung, Rechtsaufgaben und Browsernutzung. Diese Angaben beruhen laut Bericht auf Anthropic und den beteiligten Testunternehmen; unabhängige Überprüfung oder detaillierte Vergleichsbedingungen werden nicht dargestellt. Der Autor empfiehlt das Upgrade vor allem für Entwicklung, fehlerkritische Arbeit und hohe API-Nutzung. Für lockere Nutzung könne man warten. Die angekündigte breitere Verfügbarkeit von Mythos-Klassen-Modellen wird als Erwartung wiedergegeben.

Ausführlich lesen

Der Bericht stellt Claude Opus 4.8 als Upgrade gegenüber Opus 4.7 vor, das laut Autor zum gleichen Preis schneller, zuverlässiger, ehrlicher und besser beim Programmieren sei. Anthropic habe das Modell am 28. Mai veröffentlicht. Der Autor sagt, er habe dafür die Versionshinweise, die System Card und Rückmeldungen von Testern ausgewertet. Die Einschätzungen und Leistungsangaben im Bericht werden jedoch nicht unabhängig überprüft.

Als wichtigste Verbesserung hebt der Autor hervor, dass Opus 4.8 Fehler in eigenem Code eher kennzeichne, statt fehlerhafte Arbeit als erledigt darzustellen. Anthropics Auswertungen zufolge sei das Modell etwa viermal seltener als Opus 4.7 bereit, Mängel im Code unangesprochen passieren zu lassen. Ein Tester aus der Finanzforschung wird mit der Beobachtung zitiert, Opus 4.8 weise von sich aus auf Probleme bei Eingaben und Ergebnissen einer Analyse hin. Der Bericht verbindet das mit möglichen Vorteilen bei Aufgaben, in denen Fehler kostspielig sein können, etwa Finanzanalysen, Rechtsprüfung und komplexer Softwareentwicklung.

Ein weiterer Punkt betrifft den schnellen Modus: Dessen Preis sei laut Artikel um den Faktor drei gesunken, während Geschwindigkeit und Qualität gleich geblieben seien. Genannt werden für den regulären Modus fünf US-Dollar je Million Eingabetoken und 25 US-Dollar je Million Ausgabetoken; für den schnellen Modus zehn beziehungsweise 50 US-Dollar. Die Preise des regulären Modus seien gegenüber Opus 4.7 unverändert.

Als größere Neuerung beschreibt der Bericht „Dynamic Workflows“ in Claude Code. Damit könne Claude umfangreiche Aufgaben in viele parallel bearbeitete Teilaufgaben zerlegen, separate Agenten einsetzen und Ergebnisse prüfen. Anthropic habe als Beispiel eine Migration durch ein Codeprojekt mit Hunderttausenden Zeilen genannt. Zum Zeitpunkt des Berichts sei die Funktion eine Forschungsvorschau für Enterprise-, Team- und Max-Tarife. Ein Cursor-Tester lobt, Aufgaben damit mit weniger Zwischenschritten bis zum Ende führen zu können.

Für Claude.ai und Cowork gebe es außerdem eine Effort-Einstellung: Nutzer könnten zwischen geringem, hohem, zusätzlichem und maximalem Aufwand wählen. Laut Bericht beeinflusse das Antworttiefe, Geschwindigkeit und Tokenverbrauch; es entstünden keine zusätzlichen Kosten, aber unterschiedliche Auswirkungen auf Nutzungslimits. Diese Funktion sei für alle Tarife verfügbar.

Der Autor verweist auch auf Anthropics Einschätzung, Opus 4.8 erreiche neue Höchstwerte bei Merkmalen wie Unterstützung der Nutzerautonomie und Orientierung am Nutzerinteresse. Fehlangepasstes Verhalten sei demnach deutlich seltener als bei Opus 4.7. Zudem nennt der Bericht starke frühe Benchmark-Ergebnisse bei Programmierung, Rechtsaufgaben, Browser- und Computernutzung sowie Multi-Agenten-Aufgaben. Die Werte stammen laut Autor von den beteiligten testenden Unternehmen; nähere Informationen zu Vergleichsbedingungen oder unabhängiger Nachprüfung liefert der Text nicht.

Der Autor empfiehlt ein Upgrade besonders für anspruchsvolle Entwicklungsarbeit, fehlerempfindliche Aufgaben und umfangreiche API-Nutzung. Wer Claude vorwiegend zum Schreiben oder für lockere Gespräche nutze und mit Opus 4.7 zufrieden sei, könne warten. Abschließend gibt der Bericht die Ankündigung wieder, Mythos-Klassen-Modelle könnten in den kommenden Wochen breiter verfügbar werden. Das ist eine im Artikel wiedergegebene Erwartung, kein im Text bestätigtes späteres Ereignis.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung der Zusammenfassung bezieht sich auf die mittlere Fassung von Luna. Der Bericht ist ein Produktartikel zu Claude Opus 4.8 und behandelt die Werte-Fragen nur am Rande, daher sind die Einordnungen überwiegend niedrig.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Alignment-Aussagen werden nicht durch die Einschränkung ergänzt, dass Anthropic den Vergleichsmodell Claude Mythos Preview nur wenigen Cybersecurity-Organisationen zugänglich macht.
  • Die Einschätzung des Autors, Opus 4.8 sei eher ein Platzhalter für das nächste größere Modell, fehlt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. 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 65 %Hintergrund, keine Belege
    • JEV 43 %nur am Rande erwähnt
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht

    • SF-F1-T01 Welche Belege zu Cyberfähigkeiten soll ein Labor vor der Freigabe eines Modells veröffentlichen (Methoden, Aufgabenfamilien, Fehlerraten, getestete Version, reproduzierbare Cyber-Tests in abgeschirmter Umgebung für unabhängige Prüfer), damit jedes Ministerium sie nachstellen kann, statt ihnen vertrauen zu müssen? Und führt es für dieselbe Modellversion abgestimmte Cyber-Tests durch, die sowohl den durch Schutzmaßnahmen verhinderten Missbrauch als auch die legitimen Abwehraufgaben messen, die dieselben Schutzmaßnahmen blockieren, und weist es beide Ergebnisse aus? Luna: Stufe 3 · 25 % · Hintergrund, keine Belege
    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 32 %nur am Rande erwähnt
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 62 %einzelne zitierbare Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 26 %Hintergrund, keine Belege
    • d3-ultra 45 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-P3-T01 Welcher gemeinsame Rahmen für Labore macht Selbstüberwachung überprüfbar, ohne geschütztes geistiges Eigentum offenzulegen, und welche unabhängigen Verfahren Dritter, falls es sie gibt, bestätigen, dass die Selbstüberwachung riskantes Verhalten vor der Freigabe wirklich findet und nicht nur Schein ist? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 4 · 44 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 42 %einzelne zitierbare Belege
    • JEV 39 %gleiches Oberthema, hilft nicht
    • amos 35 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 76 %gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. 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 59 %einzelne zitierbare Belege
    • JEV 42 %umfangreiche Belege
    • amos 33 %einzelne zitierbare Belege
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 29 %einzelne zitierbare Belege
    • d3-ultra 37 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 50 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-V1-T11 Wie unterscheidet man bei sich selbst ehrliches von interessegeleitetem Denken, welche Belege für diesen Unterschied würde man von einem Modell akzeptieren, und welcher Test trennt tatsächlich vertretene von nur vorgeführten Werten? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 68 %einzelne zitierbare Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 32 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 31 %Hintergrund, keine Belege
    • d3-ultra 42 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
  3. 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 31 %gleiches Oberthema, hilft nicht
    • JEV 48 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 22 %Hintergrund, keine Belege
    • Luna 50 %einzelne zitierbare Belege
    • JEV 44 %umfangreiche Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %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? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege
Agenten und vernetzte Systeme
  1. 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 26 %nur am Rande erwähnt
    • JEV 56 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 38 %Hintergrund, keine Belege
    • JEV 35 %nur am Rande erwähnt
    • amos 35 %nur am Rande erwähnt
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 71 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht

Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 38 %gleiches Oberthema, hilft nicht
    • JEV 36 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  2. 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 43 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht

Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →