Claude Sonnet 5 ist kein kleines Versionsupdate. Anthropic positioniert das neue Modell als den Sonnet-Sprung, der bisher eher Opus vorbehalten war: bessere Agenten, stärkeres Coding, längerer Kontext und ein anderes Kostenprofil. Die kurze Einschätzung: Sonnet 5 ist für viele produktive KI-Workflows der spannendere Release als ein reines Spitzenmodell, weil es näher an Opus rückt, aber in der Sonnet-Preisklasse bleibt.
Ganz ohne Haken ist das nicht. Sonnet 5 denkt standardmäßig adaptiv, erzeugt in manchen Tests deutlich mehr Tokens und akzeptiert bestimmte API-Parameter nicht mehr. Wer einfach nur model="claude-sonnet-5" einsetzt und alte Defaults beibehält, bekommt wahrscheinlich bessere Antworten — aber nicht zwingend planbare Kosten.
Kurzantwort
Claude Sonnet 5 ist seit dem 30. Juni 2026 verfügbar. Laut Anthropic ist es das bisher „agentischste“ Sonnet-Modell: Es soll planen, Browser und Terminals benutzen und autonome Aufgaben zuverlässiger über mehrere Schritte halten. Offiziell nennt Anthropic deutliche Verbesserungen gegenüber Sonnet 4.6 in Coding, Terminal-Bench, Computer Use, HLE mit Tools und Knowledge Work. Externe Messungen von Artificial Analysis bestätigen eine klare Steigerung, warnen aber vor höheren Kosten pro Aufgabe, weil Sonnet 5 bei hohem Effort deutlich mehr Tokens und Agenten-Turns verbraucht.
Inhaltsverzeichnis
- Was Anthropic mit Sonnet 5 eigentlich verspricht
- Die wichtigsten Benchmarks: Sonnet 5 gegen Sonnet 4.6 und Opus 4.8
- Agenten, Browser, Terminal: Warum Sonnet 5 praktischer werden soll
- API-Änderungen: 1M Kontext, adaptive Thinking und weniger Sampling-Freiheit
- Preise: billiger als Opus, aber nicht automatisch billig pro Aufgabe
- Externe Vergleiche: Artificial Analysis, SWE-Bench und Aider
- Sicherheit und Cybersecurity: besser ausgerichtet, bewusst weniger Exploit-Fähigkeit
- Für wen lohnt sich Claude Sonnet 5?
- FAQ
- Fazit
Was Anthropic mit Sonnet 5 eigentlich verspricht
Anthropic beschreibt Claude Sonnet 5 als „most agentic Sonnet yet“: ein Modell, das Pläne machen, Tools wie Browser und Terminals nutzen und autonom auf einem Niveau arbeiten kann, das laut Anthropic wenige Monate vorher größeren und teureren Modellen vorbehalten war. Das ist die Kernbotschaft der offiziellen Ankündigung.
Wichtig ist die Einordnung innerhalb der Claude-Familie. Sonnet war bisher die Arbeitsklasse: stark genug für Coding und Textarbeit, günstiger und schneller als Opus, aber nicht immer so belastbar bei langen Agentenketten. Opus war die Wahl für die schwierigen Fälle. Mit Sonnet 5 will Anthropic genau diese Lücke verkleinern.
Die offizielle Linie lautet:
- Coding: bessere Ergebnisse bei agentischem Coding und Terminal-Aufgaben.
- Agenten: stärkere Tool-Nutzung, längere Planverfolgung, weniger Korrekturrunden.
- Knowledge Work: bessere Ergebnisse bei realitätsnahen Büro- und Rechercheaufgaben.
- Computer Use: bessere Steuerung von Benutzeroberflächen und Betriebssystem-Aufgaben.
- Kosten: Sonnet-Preisniveau, teils Opus-nahe Leistung.
Das ist mehr als Marketing, weil Anthropic nicht nur einen einzelnen Benchmark zeigt. Die Zahlen decken mehrere Aufgabentypen ab: SWE-bench Pro, Terminal-Bench 2.1, Humanity’s Last Exam, OSWorld-Verified und GDPval-AA v2. Trotzdem gilt: Benchmarks sind keine Garantie für deinen konkreten Workflow. Gerade Agenten hängen stark an Prompting, Tool-Schnittstellen, Retry-Logik, Kontext-Management und Kostenlimits.
Quelle: Anthropic, Vergleichsgrafik aus der Sonnet-5-Ankündigung. Die Grafik zeigt offizielle Benchmarkwerte für Coding, Terminal-Bench, HLE, OSWorld und GDPval-AA.
Die wichtigsten Benchmarks: Sonnet 5 gegen Sonnet 4.6 und Opus 4.8
Die offizielle Benchmark-Tabelle ist der schnellste Einstieg. Anthropic vergleicht Sonnet 5 mit Sonnet 4.6 und Opus 4.8. Die Werte aus der Ankündigung:
| Bereich | Benchmark | Sonnet 5 | Sonnet 4.6 | Opus 4.8 |
|---|---|---|---|---|
| Agentic Coding | SWE-bench Pro | 63,2 % | 58,1 % | 69,2 % |
| Agentic Coding | Terminal-Bench 2.1 | 80,4 % | 67,0 % | 82,7 % |
| Multidisciplinary Reasoning | HLE ohne Tools | 43,2 % | 34,6 % | 49,8 % |
| Multidisciplinary Reasoning | HLE mit Tools | 57,4 % | 46,8 % | 57,9 % |
| Computer Use | OSWorld-Verified | 81,2 % | 78,5 % | 83,4 % |
| Knowledge Work | GDPval-AA v2 | 1618 | 1395 | 1615 |
Das Muster ist klar: Sonnet 5 schlägt Sonnet 4.6 überall. Besonders deutlich ist der Sprung bei Terminal-Bench 2.1: 80,4 % statt 67,0 %. Das ist relevant, weil Terminal-Bench näher an echten Entwickler- und Operator-Aufgaben liegt als reine Multiple-Choice-Tests. Ein Modell muss hier nicht nur wissen, sondern ausführen.
Gegen Opus 4.8 ist das Bild differenzierter. Opus bleibt bei SWE-bench Pro und OSWorld vorne. Bei HLE mit Tools liegt Sonnet 5 aber fast gleichauf: 57,4 % gegen 57,9 %. Bei GDPval-AA v2 liegt Sonnet 5 laut Tabelle sogar minimal vor Opus 4.8. Das ist bemerkenswert, aber kein Freifahrtschein: Ein Unterschied von 1618 zu 1615 ist praktisch kein Abstand, eher ein Hinweis, dass Sonnet 5 in bestimmten Knowledge-Work-Szenarien auf Opus-Niveau kommen kann.
Die ehrlichere Lesart lautet: Sonnet 5 ersetzt Opus nicht in jeder Spitzenaufgabe. Aber es verschiebt die Grenze. Viele Aufgaben, für die man bisher aus Vorsicht Opus gewählt hätte, werden mit Sonnet 5 plausibel günstiger lösbar.
Agenten, Browser, Terminal: Warum Sonnet 5 praktischer werden soll
Anthropics Fokus liegt auffällig stark auf Agenten. Nicht auf Chat. Das ist wichtig.
Ein Chat-Modell beantwortet eine Frage. Ein Agent muss eine Aufgabe über mehrere Schritte verfolgen: recherchieren, Dateien lesen, Tests ausführen, Fehler korrigieren, den eigenen Zwischenstand prüfen und am Ende ein Ergebnis abliefern. Genau in diesen Schleifen entstehen die echten Kosten — und die echten Produktivitätsgewinne.
Die offizielle Ankündigung zeigt zwei Kosten-Leistungs-Kurven: BrowseComp für agentische Suche und OSWorld-Verified für Computer Use. Beide Kurven vergleichen Sonnet 5, Sonnet 4.6 und Opus 4.8 bei verschiedenen Effort-Stufen. Anthropic schreibt dazu, dass Sonnet 5 über einen größeren Bereich an Kosten-Performance-Optionen verfügt und bei höherem Effort in einigen Aufgaben Opus-4.8-Niveau erreicht.
Quelle: Anthropic. Die BrowseComp-Kurve zeigt: Sonnet 5 skaliert mit Effort deutlich besser als Sonnet 4.6 und nähert sich bei höheren Kosten Opus 4.8 an.
Für die Praxis heißt das:
- Niedriger Effort: sinnvoll für schnelle Recherche, einfache Code-Änderungen, Klassifikation, Zusammenfassungen.
- Mittlerer Effort: spannend für produktive Standard-Agenten, weil Sonnet 5 hier laut Anthropic deutlich effizienter wird.
- Hoher Effort: relevant für schwierige Bugfixes, Multi-Step-Research, Migrationen und Tool-Ketten.
- Max Effort: nur sinnvoll, wenn der Mehrwert die Kosten rechtfertigt. Sonst frisst das Modell Budget durch zusätzliche Turns.
Gerade bei Browser- und Terminal-Agenten ist das der Punkt: Nicht der einzelne Tokenpreis entscheidet, sondern der Preis pro gelöster Aufgabe. Wenn ein Modell einen Bug in zwei Agentenrunden löst statt in sechs, darf es pro Token teurer sein. Wenn es aber durch adaptive Thinking und längere Tool-Schleifen sehr viel mehr Tokens verbraucht, kann der scheinbar günstige Sonnet-Preis kippen.
Quelle: Anthropic. OSWorld-Verified misst Computer-Use-Aufgaben; Sonnet 5 liegt klar über Sonnet 4.6, Opus 4.8 bleibt in der Spitze vorn.
API-Änderungen: 1M Kontext, adaptive Thinking und weniger Sampling-Freiheit
Für Entwickler ist die Sonnet-5-Migrationsseite in der Claude-Dokumentation fast wichtiger als die Marketingseite. Dort stehen die Änderungen, die bestehende Anwendungen brechen können.
Die wichtigsten Punkte:
| Punkt | Sonnet 5 |
|---|---|
| API-Modell-ID | claude-sonnet-5 |
| Kontextfenster | 1 Million Tokens standardmäßig und maximal |
| Max Output | 128k Tokens |
| Thinking | Adaptive Thinking standardmäßig aktiv |
| Manuelles Extended Thinking | entfernt; entsprechende Requests liefern 400 |
| Sampling-Parameter | nicht-default temperature, top_p, top_k liefern 400 |
| Priority Tier | nicht verfügbar |
Der 1M-Kontext ist praktisch: große Codebases, lange Logs, mehrere Dokumente, vollständige Spezifikationen und Retrieval-Ergebnisse passen leichter in einen Request. Aber mehr Kontext ist nicht automatisch besser. Ein 1M-Fenster lädt dazu ein, zu viel Rohmaterial einzuschieben. Das macht Antworten langsamer, teurer und manchmal schlechter, weil irrelevantes Material die Aufgabe verwässert.
Die größere Umstellung ist Adaptive Thinking. Bei Sonnet 4.6 liefen Requests ohne thinking-Feld ohne Thinking. Bei Sonnet 5 läuft derselbe Request laut Anthropic mit Adaptive Thinking. Wer Thinking deaktivieren will, muss explizit thinking: {"type": "disabled"} setzen. Außerdem zählt max_tokens als hartes Limit für Thinking plus Antworttext. Alte max_tokens-Werte können also plötzlich zu knapp sein.
Das Sampling-Thema ist ebenfalls relevant. Viele bestehende LLM-Wrapper setzen temperature, top_p oder top_k automatisch. Sonnet 5 akzeptiert nicht-default Werte dafür nicht. Wer über Frameworks wie LangChain, LiteLLM, eigene OpenAI-kompatible Adapter oder CI-Agenten geht, sollte diese Defaults prüfen.
Kurz: Sonnet 5 ist zwar als Drop-in-Upgrade gedacht, aber kein blindes Drop-in-Upgrade für jede API-Schicht.
Preise: billiger als Opus, aber nicht automatisch billig pro Aufgabe
Anthropic startet Sonnet 5 mit Einführungspreisen: bis zum 31. August 2026 kostet es auf der Claude Platform 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens. Danach gelten laut Anthropic 3 US-Dollar pro Million Input-Tokens und 15 US-Dollar pro Million Output-Tokens. Opus 4.8 wird in der Ankündigung als Referenz mit 5 US-Dollar Input und 25 US-Dollar Output pro Million Tokens genannt.
Das klingt simpel: Sonnet 5 ist günstiger als Opus. Stimmt pro Token. Aber pro Aufgabe kann es komplizierter werden.
Artificial Analysis hat Sonnet 5 vor dem Release ausgewertet und kommt in der Analyse „strong agentic performance at a higher cost per task“ zu einer wichtigen Einschränkung: Mit Max Effort erreicht Sonnet 5 einen Intelligence-Index-Wert von 53, verbessert sich damit um 6 Punkte gegenüber Sonnet 4.6 und liegt auf dem Niveau von GPT-5.5 mit High Reasoning. Gleichzeitig kostet Sonnet 5 ohne Promo-Preis laut Artificial Analysis 2,29 US-Dollar pro Intelligence-Index-Task — etwa doppelt so viel wie Sonnet 4.6 und rund 15 % mehr als Opus 4.8. Grund ist nicht der Tokenpreis, sondern der höhere Tokenverbrauch.
Das ist die zentrale Kostenlektion:
Sonnet 5 kann günstiger als Opus sein, wenn du den Effort steuerst. Sonnet 5 kann teurer als erwartet werden, wenn du Max Effort überall aktivierst.
Für produktive Systeme sollte Sonnet 5 deshalb nicht nur mit „beste Qualität“ getestet werden. Sinnvoller ist ein Router:
- Standardfragen und einfache Transformationen: Thinking aus oder niedriger Effort.
- Coding mit Tests: mittlerer Effort.
- Autonome Agenten mit Tool-Ketten: hoher Effort, aber Budget-Cap.
- Kritische Analyse oder schwerer Architekturentscheid: Opus oder Sonnet 5 Max Effort im direkten A/B-Test.
Externe Vergleiche: Artificial Analysis, SWE-Bench und Aider
Externe Benchmarks sind nützlich, weil sie die Herstellerzahlen erden. Sie sind aber nicht automatisch neutraler: Jede Plattform hat eigene Methodik, Modellparameter, Prompting und Aktualisierungsstand. Trotzdem ergeben die verfügbaren Daten ein konsistentes Bild.
Artificial Analysis listet Claude Sonnet 5 mit Adaptive Reasoning und Max Effort mit einem Intelligence Index von 53, Platz 5 von 161 Modellen, 78,9 Output-Tokens pro Sekunde, 1M Kontextfenster und den Standardpreisen 3/15 US-Dollar pro Million Tokens. Die Plattform merkt zugleich an, dass Sonnet 5 im Test sehr ausführlich war: 300 Millionen Output-Tokens im Intelligence-Index-Lauf gegenüber einem Durchschnitt von 87 Millionen bei vergleichbaren Modellen.
Das ist kein kleines Detail. Viel Output kann bessere Lösungen bedeuten. Es kann aber auch Latenz und Kosten aufblasen. Für Agenten ist Verbosität doppelt teuer, weil Zwischenschritte, Tool-Calls und Reflexionen schnell wachsen.
Ein zweiter externer Datenpunkt: Die SWE-Bench-Verified-Übersicht von llm-stats.com führt Claude Sonnet 5 mit 0,852, hinter Claude Opus 4.8 mit 0,886 und vor Sonnet 4.6 mit 0,796. In derselben Liste liegt Kimi K2.6 bei 0,802 und GPT-5.2 bei 0,800. Solche Leaderboards muss man vorsichtig lesen, weil sie teils aggregierte oder selbst gemeldete Ergebnisse enthalten. Als Richtungssignal passt der Wert aber zur offiziellen Anthropic-Erzählung: Sonnet 5 ist ein deutlicher Coding-Sprung, aber nicht das absolute Topmodell.
Aider ist aktuell vor allem als Vergleichsrahmen interessant. Die Aider LLM Leaderboards messen Code-Editing auf 225 Exercism-Aufgaben in mehreren Sprachen. Zum Zeitpunkt dieser Recherche war Sonnet 5 dort noch nicht als eigener Eintrag sichtbar. Das ist kein Minuspunkt für Sonnet 5, sondern ein Hinweis: Für echte Code-Editing-Workflows lohnt sich ein eigener Test mit deinem Repository, deinen Tests und deinem Edit-Format.
Praktischer Vergleich für Entwickler:
| Einsatz | Worauf achten? | Warum |
|---|---|---|
| Code-Editing | Passrate nach Tests, nicht nur Benchmarkscore | Agent muss echte Dateien ändern und Tests bestehen |
| Refactoring | Tool-Disziplin, Diff-Qualität, weniger Nachkorrektur | Teure Modelle sparen nur, wenn sie weniger Schleifen brauchen |
| Recherche-Agent | Quellenqualität, Browse-Kosten, Halluzinationsrate | Browser-Tasks können viele Tokens und Requests ziehen |
| CI-Automation | deterministische Limits, Retry-Kosten, Timeout-Verhalten | Max Effort kann Budgets sprengen |
| Wissensarbeit | lange Kontextfenster, Quellenbindung, Kürzbarkeit | 1M Kontext hilft nur mit sauberem Kontextmanagement |
Sicherheit und Cybersecurity: besser ausgerichtet, bewusst weniger Exploit-Fähigkeit
Anthropic betont in der Ankündigung, dass Sonnet 5 insgesamt weniger unerwünschtes Verhalten zeige als Sonnet 4.6 und in agentischen Kontexten sicherer sei. Gleichzeitig schreibt Anthropic, Sonnet 5 habe eine deutlich geringere Fähigkeit für Cybersecurity-Aufgaben als aktuelle Opus-Modelle.
Das klingt zuerst widersprüchlich, ist aber produktstrategisch logisch: Ein Sonnet-Modell soll massenhaft in Coding-Agents, Unternehmensprozessen und Alltagstools laufen. Dort ist es nützlich, wenn es Bugs findet, Code erklärt und sichere Muster vorschlägt. Es ist weniger wünschenswert, wenn es Exploit-Entwicklung so gut beherrscht wie ein spezialisiertes Spitzenmodell.
Quelle: Anthropic. Die Grafik vergleicht Scores für „Misaligned behavior“; niedriger ist in dieser Darstellung besser.
Die aus dem System-Card-Kontext stammenden Sicherheitsgrafiken zeigen genau diese Gewichtung. Bei „Misaligned behavior“ liegt Sonnet 5 unter Sonnet 4.6, aber nicht unter allen Claude-Modellen. In einer Firefox-147-Exploit-Development-Grafik erreicht Sonnet 5 0,0 % bei vollständigen Working Exploits und 13,2 % bei Register-Control-only, während Mythos 5 in dieser Grafik sehr viel höher liegt. Für normale Entwickler ist das kein Nachteil. Für Security-Forschung heißt es: Sonnet 5 ist eher ein Assistenzmodell für sichere Analyse und Codearbeit, nicht das stärkste Modell für offensive Spezialaufgaben.
Quelle: Anthropic. Die Grafik zeigt bewusst begrenzte Exploit-Fähigkeiten von Sonnet 5 im Vergleich zu spezialisierten bzw. stärkeren Modellen.
Für wen lohnt sich Claude Sonnet 5?
Sonnet 5 lohnt sich vor allem für Teams und Einzelanwender, die Sonnet bisher schon produktiv genutzt haben, aber bei bestimmten Aufgaben zu oft auf Opus wechseln mussten.
Gute Kandidaten:
- Entwickler, die Claude Code oder eigene Coding-Agenten nutzen.
- Teams mit vielen mittleren Aufgaben: Bugfixes, Tests, Refactoring, Dokumentation, Migrationen.
- Wissensarbeiter, die große Dokumente, Logs oder Spezifikationen zusammenführen.
- Betreiber von Agenten-Workflows, die Cost-Performance fein steuern wollen.
- Unternehmen, die Bedrock oder Claude Platform auf AWS nutzen und Sonnet-Leistung skalieren wollen.
AWS bestätigt die Verfügbarkeit von Sonnet 5 auf Amazon Bedrock und Claude Platform on AWS und nennt als Zielgruppe ausdrücklich Agentensysteme und Produktions-Inferenz in bestehenden AWS-Umgebungen mit Security- und Abrechnungsintegration (AWS-Blog). Das macht Sonnet 5 für Enterprise-Setups relevanter als reine Chatbot-Modelle.
Weniger gute Kandidaten:
- Workflows, die extrem preisempfindlich sind und keine Agentenqualität brauchen.
- Kurze Klassifikations- oder Extraktionsjobs, bei denen ein kleines Modell reicht.
- Apps, die hart auf Sampling-Parameter angewiesen sind.
- Systeme ohne Kostenlimits, die Max Effort blind einsetzen würden.
- Offensive Security-Spezialfälle, für die Anthropic selbst Opus- oder Mythos-Klassen stärker erscheinen lässt.
Mein pragmatischer Rat: Sonnet 5 nicht als „ein neues Default für alles“ einführen. Besser ist ein zweistufiger Rollout. Erst Sonnet 5 mit Adaptive Thinking auf schwierige Aufgaben setzen, bei denen Sonnet 4.6 oft scheitert. Dann messen: Kosten pro gelöster Aufgabe, nicht Kosten pro Token. Danach entscheiden, welche Effort-Stufe wirklich produktiv ist.
FAQ
Ist Claude Sonnet 5 besser als Sonnet 4.6?
Ja, nach den offiziellen Anthropic-Zahlen und den externen Artificial-Analysis-Daten deutlich. Besonders stark ist der Sprung bei Terminal-Bench 2.1, Knowledge Work und agentischen Aufgaben. Der Abstand ist nicht kosmetisch.
Ist Sonnet 5 besser als Opus 4.8?
Nicht generell. Opus 4.8 bleibt in mehreren Spitzenbenchmarks vorn. Sonnet 5 kommt aber in einigen Bereichen nahe heran und kann bei bestimmten Knowledge-Work-Messungen gleichziehen oder minimal darüber liegen. Der Vorteil von Sonnet 5 ist das Verhältnis aus Leistung, Geschwindigkeit und Preis — sofern der Effort sauber gesteuert wird.
Was kostet Claude Sonnet 5?
Bis 31. August 2026 gilt laut Anthropic ein Einführungspreis von 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens. Danach sind 3 US-Dollar Input und 15 US-Dollar Output pro Million Tokens vorgesehen. Prompt-Caching und Plattformaufschläge können je nach Anbieter abweichen.
Welche API-ID hat Claude Sonnet 5?
Die API-Modell-ID lautet claude-sonnet-5. In AWS Bedrock-Beispielen tauchen modell- und regionsspezifische IDs wie us.anthropic.claude-sonnet-5 auf.
Was ändert sich bei Thinking?
Adaptive Thinking ist bei Sonnet 5 standardmäßig aktiv. Wer Thinking deaktivieren will, muss es explizit tun. Manuelles Extended Thinking mit Budget-Tokens ist entfernt und führt zu einem 400-Fehler.
Warum funktionieren temperature oder top_p nicht mehr wie früher?
Sonnet 5 akzeptiert laut Anthropic keine nicht-default Sampling-Parameter für temperature, top_p und top_k. Bestehende Wrapper sollten diese Parameter entfernen oder auf Defaults setzen.
Ist das 1M-Kontextfenster automatisch ein Vorteil?
Nein. Es ist ein Werkzeug. Große Codebases, Logs und Dokumente passen leichter hinein, aber irrelevanter Kontext kann Qualität, Latenz und Kosten verschlechtern. Retrieval und Kontext-Schnitt bleiben wichtig.
Sollte ich Sonnet 5 für Coding-Agenten einsetzen?
Ja, wenn du Tests, Budgetlimits und Rollback hast. Die Zahlen sprechen klar dafür, Sonnet 5 gegen dein aktuelles Modell zu testen. Blindes Umschalten ohne Messung wäre trotzdem unklug.
Wie schlägt sich Sonnet 5 extern?
Artificial Analysis sieht Sonnet 5 mit Max Effort bei einem Intelligence Index von 53 und Platz 5 von 161. Die Analyse warnt aber vor höheren Kosten pro Aufgabe. LLM Stats listet Sonnet 5 bei SWE-Bench Verified mit 0,852, vor Sonnet 4.6 und hinter Opus 4.8.
Ist Sonnet 5 sicherer?
Anthropic berichtet niedrigere Raten unerwünschten Verhaltens als bei Sonnet 4.6 und geringere Cybersecurity-Fähigkeiten als bei aktuellen Opus-Modellen. Für produktive Agenten ist das positiv, ersetzt aber keine Sandbox, Rechtebegrenzung oder menschliche Freigabe bei riskanten Aktionen.
Fazit
Claude Sonnet 5 ist der seltene Modellrelease, bei dem die wichtigste Frage nicht „Wie schlau ist es?“ lautet, sondern: „Wie gut lässt sich Leistung dosieren?“
Die Antwort sieht gut aus. Sonnet 5 schlägt Sonnet 4.6 klar, kommt in mehreren agentischen Bereichen nahe an Opus 4.8 heran und bringt mit 1M Kontext sowie Adaptive Thinking starke Werkzeuge für produktive Agenten. Gleichzeitig zeigt Artificial Analysis, dass mehr Intelligenz nicht automatisch geringere Kosten bedeutet. Sonnet 5 arbeitet bei hohem Effort härter — und härter heißt oft: mehr Tokens, mehr Turns, mehr Geld.
Für Entwickler und Betreiber von KI-Workflows ist Sonnet 5 deshalb kein Hype-Knopf, sondern ein neues Routing-Modell. Standardaufgaben billig halten. Schwierige Aufgaben mit Sonnet 5 lösen. Opus für die wenigen Fälle reservieren, in denen maximale Qualität wichtiger ist als Kosten. Wer so denkt, bekommt aus Sonnet 5 wahrscheinlich sehr viel heraus.
Passende Produktrecherchen
Wenn du die praktische Seite vertiefen möchtest, findest du hier passende Suchpfade zum Vergleichen. Keine Kaufpflicht, keine Rangliste, sondern thematisch passende Produktrecherchen:
- Bücher zu KI-Agenten und Automatisierung recherchieren
- Prompt Engineering und LLM-Praxis vergleichen
- Python-Automatisierung für Entwickler ansehen
- Software-Testing und Clean Code vertiefen
- USB-C-Docks und Arbeitsplatz-Zubehör für Entwickler vergleichen
Hinweis: Als Amazon-Partner verdient kalika.de an qualifizierten Verkäufen. Für dich ändert sich der Preis nicht.
Quellen
- Anthropic: Introducing Claude Sonnet 5
- Claude Platform Docs: What’s new in Claude Sonnet 5
- Anthropic: Claude Sonnet 5 System Card PDF
- Artificial Analysis: Claude Sonnet 5 Model Analysis
- Artificial Analysis: Claude Sonnet 5 — strong agentic performance at a higher cost per task
- LLM Stats: SWE-Bench Verified Leaderboard
- Aider LLM Leaderboards
- AWS: Introducing Claude Sonnet 5 on AWS
- OpenRouter: Claude Sonnet 5