Claude Opus 4.5 gestartet: 66 % Preissenkung für Unternehmens-KI
Anthropic hat am 24. November 2025 Claude Opus 4.5 veröffentlicht und präsentiert sein leistungsfähigstes KI-Modell mit einer Preissenkung von 66 % für API-Nutzer. Das neue Spitzenmodell wurde entwickelt, um Softwareentwicklung, autonome Agenten und tiefgehende Analysen bei deutlich geringeren Betriebskosten zu bewältigen. Für Softwareteams in Unternehmen und Online-Dienste senkt die Veröffentlichung die Token-Kosten für automatisierte Code-Überarbeitungen, komplexe Recherchen und umfangreiche Hintergrundaufgaben erheblich.
Was sich für Softwareteams in Unternehmen ändert
Das Modell senkt die API-Kosten im Vergleich zu früheren Generationen um mehr als 66 % und verringert gleichzeitig den Token-Verbrauch bei komplexen Entwicklungsaufgaben. Der Preis sinkt auf 5 $ pro Million Input-Token und 25 $ pro Million Output-Token, verglichen mit 15 $ und 75 $ bei den vorherigen Spitzenmodellen. Unternehmen, die autonome Programmieragenten und komplexe Recherche-Workflows nutzen, können produktive Abläufe mit hohem Volumen nun zu einem Bruchteil des bisherigen Budgets ausführen. Tester berichten, dass sich der Token-Verbrauch bei mehrstufigen Code-Refactorings und Migrationen halbierte, während Fehler beim Aufrufen von Werkzeugen um 50 % bis 75 % zurückgingen. Bei der Finanzmodellierung und der Automatisierung in Excel verbesserte sich die Genauigkeit der Aufgaben um 20 %, während die Ausführungszeit von zwei Stunden auf dreißig Minuten sank.
Veröffentlichungsdatum und Cloud-Infrastruktur
Anthropic hat den offiziellen Veröffentlichungstermin für Claude Opus 4.5 auf den 24. November 2025 festgelegt und das Modell auf wichtigen Cloud-Plattformen bereitgestellt. Das Modell ist ab sofort über die Entwickler-API, Claude.ai, Amazon Web Services, Google Cloud und Microsoft Azure über Microsoft Foundry verfügbar. Im Rahmen einer strategischen Infrastrukturerweiterung sagten Microsoft bis zu 5 Milliarden Dollar und NVIDIA bis zu 10 Milliarden Dollar an Kapitalinvestitionen zu. Anthropic wird Azure-Rechenkapazität im Wert von 30 Milliarden Dollar sowie NVIDIA-Hardware nutzen, um KI-Systeme der nächsten Generation zu trainieren und zu betreiben.
Zugriff auf die API und Entwickler-Tools
Entwickler können über die API mit der Modellkennung claude-opus-4-5-20251101 auf das System zugreifen. Das Modell steht zudem als Public Preview in GitHub Copilot für VS-Code-Nutzer zur Verfügung. Zu den erweiterten Arbeitsplatz-Tools gehören Integrationen mit Claude für Chrome, Claude für Excel und Desktop-Anwendungen sowie erweiterte Kontextlimits für Enterprise-Konto-Stufen. Ein neuer Effort-Parameter gibt Entwicklungsteams die direkte Kontrolle über die Denk-Tiefe, sodass sie die Verarbeitungslatenz für einfache Anfragen verringern oder die Suchtiefe für mehrschichtige Datenbank- und Softwareaufgaben erhöhen können.
Benchmark-Ergebnisse und Evaluierung beim Programmieren
In internen und externen Tests erzielte das System Spitzenwerte bei der Evaluierung von Softwareentwicklung und autonomen Aufgaben. Bei der Evaluierung SWE-bench Multilingual führt das Modell in 7 von 8 Programmiersprachen. Bei den Aider Polyglot Coding-Tests verzeichnete es ein Plus von 10,6 % gegenüber Sonnet 4.5 und erzielte 29 % höhere Ergebnisse bei Vending-Bench. In einem internen Praxistest für Bewerber im Bereich Performance Engineering erreichte das Modell innerhalb der vorgegebenen zweistündigen Zeitspanne eine höhere Punktzahl als jeder menschliche Bewerber in der Unternehmensgeschichte.
"Claude Opus 4.5 bewältigt langfristige Programmieraufgaben effizienter als jedes andere von uns getestete Modell." — Sean Ward, CEO & Mitgründer
Leistung im Vergleich zu Sonnet 4.5
Das Flaggschiff-System übertrifft Sonnet 4.5 bei langfristiger Planung, Multi-Agenten-Koordination und komplexem Code-Refactoring. Auf Terminal Bench erzielte das Modell mit dem Planning Mode von Warp eine Leistungssteigerung von 15 % gegenüber Sonnet 4.5. Autonome Büro-Agenten auf Basis des Systems erreichten nach vier Iterationen die höchste Aufgabenqualität, während konkurrierende Systeme diese Qualität selbst nach zehn Iterationen nicht erreichten. Erste Rückmeldungen von Unternehmen zeigen, dass das Modell in 30-minütigen autonomen Programmiersitzungen Sackgassen vermeidet und bei der Erzählung langer Kontexte sowie dem systemübergreifenden Debugging konsistent bleibt.
Fragen und Antworten
Wie viel kostet das Modell pro Million Token?
Der Preis liegt bei 5 $ pro Million Input-Token und 25 $ pro Million Output-Token. Dies entspricht einer Preissenkung um 66 % gegenüber früheren Spitzenmodellen, die 15 $ pro Million Input-Token und 75 $ pro Million Output-Token kosteten.
Was sind die wichtigsten Funktionen für Unternehmensprozesse?
Das System führt einen Effort-Parameter zur Steuerung der Argumentationszeit, eine verbesserte mehrstufige Aufgabenplanung und ein starkes Code-Refactoring über mehrere Codebasen hinweg ein. Es reduziert Build-, Lint- und Tool-Calling-Fehler um 50 % bis 75 % und bietet gleichzeitig erweiterte Integrationen in GitHub Copilot, Microsoft Azure und Bürosoftware.
Wie schneidet Claude Opus 4.5 im Vergleich zu Sonnet 4.5 ab?
Das Spitzenmodell erzielt eine Verbesserung von 10,6 % bei Aider Polyglot und ein Plus von 15 % auf Terminal Bench im Vergleich zu Sonnet 4.5. Es benötigt bis zu 65 % weniger Token zur Lösung komplexer Programmierprobleme, schließt mehrstufige Workflows in weniger Iterationen ab und behebt komplexe systemübergreifende Fehler, die vorherige Modelle nicht zuverlässig verarbeiten konnten.
Die Sicht von MOZGII
Wie wir es bauen würden
Wir würden komplexe Software-Refactorings und systemübergreifende Fehleranalysen über API-Aufrufe mit dynamischen Aufwandsparametern leiten. Für einfaches Linting oder einfache Datenbankabfragen würden wir den Denkaufwand niedrig ansetzen, um die Antwortzeiten zu begrenzen. Bei mehrstufigen Code-Migrationen würden wir die Suchtiefe erhöhen und den Repository-Kontext direkt in den Prompt übergeben. Eine Routing-Schicht würde Routineaufgaben an leichtere Modelle leiten und höhere Aufwandsstufen für lange autonome Sitzungen reservieren.
Wir würden menschliche Entwickler einbinden, um von Hintergrund-Agenten erstellte Pull-Requests zu prüfen. Das System bricht zusammen, wenn autonome Agenten in Sackgassen geraten oder implizite Geschäftslogik in alten Repositories falsch interpretieren. Um unerwartete Ausgaben während dreißigminütiger Sitzungen zu vermeiden, würden wir strikte Token-Budgets pro Ausführungslauf durchsetzen. Erfahrene Entwickler würden automatisierte Refactoring-Ergebnisse prüfen, bevor Code in Hauptzweige zusammengeführt wird.
Wir würden die Aufgabenerfüllungsrate pro ausgegebenem Dollar als primäre Kennzahl verfolgen, um Token-Kosten mit eingesparter Entwicklungszeit zu vergleichen. Sobald das automatisierte Code-Refactoring mit weniger Build-Fehlern zuverlässig läuft, würden wir den Aufbau erweitern, um Finanzmodellierungsaufgaben in Tabellenkalkulationen zu automatisieren.
Quellen
Woher die Fakten dieser Meldung stammen.