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.com25. Juli 2026 · Q011030

Claude Opus 5’s Highest Setting Scores Lower Than the One Below It

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der verfügbare Auszug behauptet, Claude Opus 5 erreiche bei „xhigh“ höhere Benchmarkwerte als bei der höchsten Einstellung „max“, obwohl die Kosten pro Aufgabe bei „max“ weiter steigen. Der Text endet an der Medium-Mitgliedersperre; Erklärungen zu den fünf Einstellungen und weitere Belege fehlen im Auszug.

Mittel

Der verfügbare Auszug berichtet, dass Claude Opus 5 laut einer von Anthropic veröffentlichten Kurve bei „xhigh“ seine beste Leistung auf Frontier-Bench v0.1 erreicht und bei „max“ leicht nachlässt. Der Autor sagt, ein ähnlicher Rückgang zeige sich im Artificial Analysis Coding Agent Index, während die Kosten pro Aufgabe bei „max“ weiter stiegen. Daraus folgert er, die höchste Aufwandseinstellung sei nicht automatisch die beste Wahl. Außerdem nennt der Artikel Preise von fünf US-Dollar je Million Eingabetoken und 25 US-Dollar je Million Ausgabetoken, unverändert gegenüber Opus 4.8, sowie Anthropics Positionierung des Modells im Vergleich zu „Fable 5“.

Der Artikel ist nur auszugsweise zugänglich: Direkt nach der Überschrift zur Funktion der fünf Einstellungen beginnt eine Medium-Mitgliedersperre. Erklärungen zu den Einstellungen, vollständige Daten, die Methodik und eine abschließende Empfehlung sind deshalb im vorliegenden Text nicht enthalten. Die Angaben sind als Aussagen des Autors beziehungsweise Anthropics gekennzeichnet und hier nicht unabhängig überprüft.

Ausführlich lesen

Der verfügbare Berichtsauszug handelt davon, wie Claude Opus 5 auf unterschiedlichen Einstellungen für den Rechenaufwand abschneidet. Der Autor hebt hervor, dass Anthropic selbst eine Leistungskurve veröffentlicht habe, auf der das Modell beim Terminal-Coding-Benchmark Frontier-Bench v0.1 mit der Einstellung „xhigh“ seinen Höchstwert erreicht. Bei „max“, der höchsten Einstellung, falle die Leistung demnach leicht ab. Die im Bericht genannte Kennzahl von Anthropic beträgt 43,3 Prozent; der Spitzenwert der Kurve liege laut Autor geringfügig darüber.

Der Autor beschreibt ein ähnliches Muster im Artificial Analysis Coding Agent Index: Auch dort sinke der Wert bei „max“, während zugleich die Kosten pro Aufgabe weiter stiegen. Er bewertet diese Kombination als besonders aufschlussreich für die praktische Konfiguration des Modells. Seiner Darstellung nach sei daher die höchste verfügbare Aufwandseinstellung nicht automatisch die leistungsstärkste oder kosteneffizienteste Wahl.

Daneben erwähnt der Auszug die Preispositionierung: Opus 5 koste laut Artikel fünf US-Dollar pro Million Eingabetoken und 25 US-Dollar pro Million Ausgabetoken, unverändert gegenüber Opus 4.8. Anthropic positioniere es demnach mit einer Intelligenz vergleichbar mit „Fable 5“ zu ungefähr der Hälfte von dessen Preisen. Der Autor meint, die Berichterstattung konzentriere sich zu stark auf den Preis und zu wenig auf den Aufwandparameter.

Der Text bricht nach der Zwischenüberschrift „What the five settings actually control“ ab. Der restliche Artikel ist für Nichtmitglieder gesperrt; daher enthält der vorliegende Auszug weder eine Erklärung der fünf Einstellungen noch weitere Details zu Messverfahren, Zahlen oder Empfehlungen. Die Aussagen zu Benchmarks, Preisen und Vergleichen werden hier als Behauptungen des Artikels wiedergegeben, nicht unabhängig überprüft.

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

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 7 von 7
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 57 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 25 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 62 %einzelne zitierbare Belege
    • JEV 43 %beantwortet teilweise oder widerspricht
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %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 3 · 31 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
Modelle teilen und schützen
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 100 %kein Bezug
    • JEV 34 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
Wirtschaft und Haftung

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 →