Claude Sonnet 5: Vollständige Übersicht über das Anthropic-Modell

TL;DR. Claude Sonnet 5 ist das leistungsfähigste Modell der Sonnet-Klasse von Anthropic, veröffentlicht am 30. Juni 2026. Seine Leistung liegt nahe an Opus 4.8, ist aber deutlich günstiger: 2 $/10 $ pro Million Eingabe-/Ausgabe-Token bis zum 31. August 2026 (danach 3 $/15 $). Das Kontextfenster beträgt 1 Million Token, die maximale Ausgabe 128.000 Token. Der Hauptvorteil ist ein besseres Preis-Leistungs-Verhältnis bei Agentenaufgaben (Codierung, Tool-Nutzung, Computer-Nutzung) im Vergleich zum Vorgänger Sonnet 4.6 und Konkurrenten wie GPT-5.5.

Inhalt

• Was ist neu bei Claude Sonnet 5
• Modellarchitektur
• Neue Programmiermöglichkeiten
• Agentenfähigkeiten
• Arbeit mit langem Kontext
• Generierungsgeschwindigkeit
• API-Kosten
• Programmiertests
• Dokumentenanalysetests
• Modelleinschränkungen
• Wann Sonnet 5 besser ist als GPT-5.5
• Wer wechseln sollte
• Häufig gestellte Fragen

Was ist neu bei Claude Sonnet 5

Am 30. Juni 2026 veröffentlichte Anthropic Claude Sonnet 5 – ein Modell, das das Unternehmen als das agentenfreundlichste in seiner Sonnet-Reihe bezeichnet. Diese Formulierung ist wichtig: Während frühere Generationen von Sonnet (3.5, 3.6, 3.7) die Ära des Agenten-Codings einleiteten und die bemerkenswertesten Agentenleistungen des letzten Jahres Modellen der Opus-Klasse vorbehalten waren, holt Sonnet 5 diese Führung in das mittlere Preissegment zurück.

Laut offiziellen Angaben von Anthropic verbessert Sonnet 5 die Leistung im Vergleich zu Sonnet 4.6 bei Schlussfolgerungen, Tool-Nutzung, Codierung und Wissensarbeit erheblich und nähert sich der Leistung von Opus 4.8 an – und das bei deutlich geringeren Kosten. Das Modell ist sofort zum Standard für die Free- und Pro-Pläne von Claude.ai geworden und ist in Max, Team, Enterprise, Claude Code und über die Claude API unter der Kennung claude-sonnet-5 verfügbar.

Eine weitere wesentliche Änderung ist der aktualisierte Tokenizer (ähnlich dem, der in Opus 4.7 eingeführt wurde): Derselbe Text kann nun in eine größere Anzahl von Token umgewandelt werden, je nach Inhaltstyp etwa 1,0- bis 1,35-mal so viele. Anthropic gibt an, dass der Startpreis so gewählt wurde, dass der Übergang ungefähr kostenneutral ist.

Modellarchitektur

Sonnet 5 basiert auf demselben konzeptionellen Fundament wie frühere Generationen von Claude – der adaptiven Denkarchitektur (adaptive thinking), bei der das Modell dynamisch ein „Denkbudget“ für die Komplexität einer bestimmten Anfrage zuweist, anstatt eine feste Denk-Tiefe für jede Aufgabe zu verwenden. Bei Sonnet 5 verfügt dieser Mechanismus über einen erweiterten Bereich von Anstrengungsstufen (effort levels): low, medium, high, max und die neue, höchste Stufe xhigh (extra high).

Technisch gesehen ist das Anstrengungsniveau ein Anfrageparameter, der steuert, wie viele Token das Modell für internes Denken (thinking tokens) vor der Generierung der endgültigen Antwort ausgeben darf und wie aggressiv es seine eigenen Zwischenschritte im Agentenzyklus überprüft. Auf niedrigeren Stufen (low, medium) ist das Modell auf Geschwindigkeit und Kosten optimiert – geeignet für Klassifizierung, kurze Antworten, einfache Tool-Aufrufe. Auf höheren Stufen (high, max, xhigh) gibt es mehr Token für schrittweise Analyse, erneute Überprüfung der Logik und Untersuchung des Kontexts vor der Aktion aus – dies wirkt sich direkt auf die Qualität bei komplexen Agentenszenarien aus, erhöht aber proportional auch die Kosten und die Latenz der Anfrage.

Es ist wichtig, die Wahl des Mechanismus zu verstehen: Das Anstrengungsniveau ist kein Schalter zwischen „verschiedenen Modellen“ innerhalb von Sonnet 5, sondern ein Parameter desselben Checkpoints, der das Rechenbudget während der Inferenz ändert. Dies ist ein grundlegend anderer Ansatz als bei der Wahl zwischen Sonnet und Opus als zwei separaten Modellen – jetzt kann derselbe Checkpoint sowohl kostengünstige High-Volume-Aufgaben als auch komplexe Aufgaben abdecken, die zuvor einen Wechsel zu einem teureren Modell erforderten. Eine detaillierte Beschreibung des Parameters finden Sie in der Claude API-Dokumentation zu den Anstrengungsstufen.

Anthropic illustriert den wirtschaftlichen Effekt dieses Ansatzes anhand von Kosten-Leistungs-Diagrammen für zwei Evaluierungen: die Agentensuche BrowseComp (das Modell muss autonom Informationen im Web suchen und eine Kette von Anfragen und Verfeinerungen erstellen) und die Computer-Nutzung OSWorld-Verified (das Modell steuert eine reale Desktop-Umgebung – öffnet Anwendungen, klickt, füllt Formulare aus). Bei beiden Benchmarks liegt die Kurve von Sonnet 5 bei jedem Kostenlevel deutlich über der Kurve von Sonnet 4.6 – es handelt sich also nicht nur um ein „neues, teureres, aber besseres Modell“, sondern um eine stringente Verbesserung der Kosten-Leistungs-Grenze. Auf dem höchsten Anstrengungsniveau (xhigh) nähert sich Sonnet 5 bei einzelnen Aufgaben den Leistungswerten von Opus 4.8 an, während es auf einem mittleren bis hohen Anstrengungsniveau arbeitet. Allerdings kann die Ausführung von Sonnet 5 auf xhigh teurer sein als Opus 4.8 auf einem vergleichbaren Niveau – daher bleibt Opus 4.8 für die schwierigsten Aufgaben mit einem niedrigeren Anstrengungsniveau oft die wirtschaftlich sinnvollere Wahl.

Praktischer Rat für Produktionssysteme: Legen Sie nicht ein Anstrengungsniveau global für die gesamte Anwendung fest. Es ist sinnvoller, Anfragen dynamisch zu routen – einfache Tool-Aufrufe und Klassifizierungen auf low/medium halten, während komplexe, mehrstufige Agentenketten (Refactoring, Computer-Nutzung, Forschungsaufgaben) nur dann auf high oder max angehoben werden, wenn die Komplexität der Aufgabe dies rechtfertigt.

Auf der Ebene der Modalitäten und Schnittstellen unterstützt Sonnet 5 Text-, Bild- (Vision) und Dateieingaben, strukturierte Ausgaben mit JSON-Schema, Prompt-Caching, integrierte Websuche und vollständige Computer-Nutzung – Steuerung von Browser und Terminal als Teil des Agentenzyklus, bei dem das Modell selbst entscheidet, wann ein Tool aufgerufen wird und wann es weiter nachdenkt. Für Szenarien, in denen ein Agent mit potenziell gefährlichen Aktionen arbeitet (Codeausführung, Interaktion mit externen Systemen), sind bei Sonnet 5 standardmäßig Echtzeit-Cybersicherheitsmaßnahmen (real-time cyber safeguards) aktiviert – ein separater Kreislauf, der explizit schädliche Nutzungsmuster während der Inferenz überwacht und blockiert, ohne dass ein zusätzlicher Filter auf Entwicklerseite erforderlich ist.

Neue Programmiermöglichkeiten

Die auffälligsten Änderungen für Entwickler betreffen nicht das „Wissen über Programmiersprachen“ – hier ist der Unterschied zwischen Modellgenerationen schon lange nicht mehr der Hauptfaktor – sondern das Verhalten des Modells bei langwieriger, mehrstufiger Arbeit an Code. Dies bestätigen sowohl Benchmarks als auch unabhängige Messungen in realen IDEs.

Laut veröffentlichten Zahlen erreicht Sonnet 5 auf SWE-bench Verified 85,2 % – ein deutlicher Sprung gegenüber Sonnet 4.6. Auf der komplexeren, kontaminationsresistenten Variante SWE-bench Pro (Aufgaben aus aktiv gepflegten Repositories ohne Lecks in Trainingsdaten) beträgt das Ergebnis 63,2 %, das sind fünf Punkte mehr als bei Sonnet 4.6 (58,1 %) und sechs Punkte weniger als bei Opus 4.8 (69,2 %). Es ist wichtig, diese beiden Varianten des Benchmarks nicht zu vermischen: Verified und Pro messen unterschiedliche Aufgabenschwierigkeiten, und der Vergleich einer Zahl aus der einen mit einer Zahl aus der anderen ist nicht korrekt.

Besonders hervorzuheben ist das Ergebnis auf Terminal-Bench 2.1 – einem Benchmark, der die Ausführung realistischer Befehlszeilenaufgaben in einer Containerumgebung testet: Installation von Abhängigkeiten, Ausführung von Testsuiten, Arbeit mit Konfigurationen. Sonnet 5 erzielt hier 80,4 %, was über dem Wert von Opus 4.8 selbst (74,6 %) liegt. Dies ist das erste dokumentierte Mal, dass ein Modell der Sonnet-Klasse ein älteres Opus-Modell auf demselben Harness derselben Generation übertrifft – und gerade die Terminalarbeit war historisch gesehen eine Stärke der Sonnet-Linie seit den Zeiten von 3.5 und 3.6.

Eine unabhängige Bestätigung der direkten Verbesserung liefert CursorBench – ein interner Benchmark des Cursor-Teams, gemessen in ihrem Produktions-Harness: Sonnet 5 zeigt 57 % gegenüber 49 % bei Sonnet 4.6 – der größte Zuwachs zwischen aufeinanderfolgenden Sonnet-Releases, den Cursor je verzeichnet hat.

Laut Rückmeldungen von frühen Partnern von Anthropic bringt Sonnet 5 komplexe Aufgaben häufiger zu Ende, wo frühere Sonnet-Versionen auf halbem Weg stoppten, und überprüft seine Ergebnisse selbstständig, ohne explizite Aufforderung. In einem der zitierten Beispiele schrieb das Modell bei der Untersuchung eines Fehlers ohne zusätzliche Anweisungen einen Test, der das Problem reproduzierte, implementierte eine Korrektur und legte die Änderung dann vorübergehend beiseite (stash), um zu bestätigen – ohne die Korrektur kehrt der Fehler tatsächlich zurück.

Dies stimmt mit den Beobachtungen von Ingenieuren überein, die das Modell auf „Brownfield“-Code getestet haben – Race Conditions, versteckte Tests, Codebereiche, an die niemand Hand anlegen möchte. Laut Domenic Elm, Gründungsingenieur eines frühen Zugangspartners, verfolgt das Modell die tatsächliche Ursache eines Fehlers in solchem Code besser, anstatt nur das Symptom zu beheben – und schlägt nicht nur die schnellste sichtbare Korrektur vor.

Praktische Konsequenz für Teams: Wenn die Hauptengpassstelle heute Agentenaufgaben im Terminal sind (CI-Skripte, DevOps-Automatisierung, Arbeit mit Docker), sollte Sonnet 5 als vollwertige Alternative zu Opus 4.8 in diesem speziellen Szenario getestet werden – laut offiziellen Zahlen holt es hier nicht nur zum Flaggschiff auf, sondern übertrifft es bei deutlich geringeren Token-Kosten.

Agentenfähigkeiten

Agentenfähigkeit ist die zentrale These der Veröffentlichung, und gerade hier ist der Unterschied zwischen Sonnet 5 und Sonnet 4.6 absolut am größten. Das Modell kann einen Aktionsplan erstellen, Tools wie Browser und Terminal nutzen und autonom auf einem Niveau arbeiten, das noch vor wenigen Monaten größere und teurere Modelle erforderte.

Auf OSWorld-Verified – einem Benchmark für Computer-Nutzung, bei dem das Modell eine reale Desktop-Umgebung steuert (öffnet Anwendungen, füllt Formulare aus, navigiert in Benutzeroberflächen, die es noch nie zuvor gesehen hat) – erreicht Sonnet 5 81,2 %, dicht gefolgt von Opus 4.8 (83,4 %). Bei der Agentensuche BrowseComp, die eine Kette von verfeinernden Webanfragen erfordert, um eine komplexe faktische Frage zu beantworten, beträgt das Ergebnis 84,7 %.

Das unerwartetste Ergebnis – auf GDPval-AA v2, einem Benchmark für wirtschaftlich bedeutsame Wissensarbeit (Analyseberichte, Fachdokumente, Geschäftsaufgaben): Sonnet 5 erzielt 1.618 Elo gegenüber 1.615 bei Opus 4.8. Der Unterschied von drei Punkten ist statistisch nicht signifikant und liegt im Messrauschen, aber die Tatsache allein, dass ein Modell der mittleren Preisklasse bei Wissensarbeitsaufgaben erstmals mit dem Flaggschiff der Generation gleichzieht, ist ein wichtiges Signal dafür, wie Anthropic die Positionierung von Sonnet 5 innerhalb der Produktlinie sieht.

Ein anschauliches Beispiel für autonome Agentenfähigkeit aus der offiziellen Ankündigung: Ein Team erhielt den Auftrag, einen zweistufigen Geschäftsprozess durchzuführen – die Aktualisierung der Tarifstufen von Kunden in Salesforce und den Versand einer Startankündigung an Unternehmenskontakte. Zuvor stoppten ähnliche Aufgaben auf halbem Weg; Sonnet 5 führte den Prozess selbstständig bis zum Ende durch, ohne menschliches Eingreifen zwischendurch. Ein ähnliches Muster beschreibt ein Vertreter des Anbieters von Versicherungsworkflows Pace: Das Modell wählt konsequent die richtige Aktion und führt sie schnell bei Aufgaben wie der Antragsannahme, der ersten Schadensmeldung und der Bearbeitung von Schadensläufen aus – genau die Art von mehrstufiger Arbeit mit Browser und internen Systemen, die OSWorld-Verified misst.

Auch auf der Ebene der Sicherheit von Agentenverhalten verzeichnet Anthropic Fortschritte: Das Modell lehnt schädliche Anfragen besser ab und ist widerstandsfähiger gegen Versuche, die Kontrolle durch Prompt Injection zu übernehmen – entscheidend gerade für Agentenszenarien, in denen das Modell externen, potenziell feindlichen Inhalt (Seiten, Dokumente, API-Antworten) im Rahmen seines Arbeitszyklus selbstständig liest und verarbeitet. Die Rate der Halluzinationen und des Sykophantismus (übermäßige Anpassung an den Benutzer) ist ebenfalls niedriger als bei Sonnet 4.6, und standardmäßig sind Echtzeit-Cybersicherheitsmaßnahmen (real-time cyber safeguards) aktiviert – ein Kreislauf, der explizit schädliche Nutzungsmuster während der Inferenz überwacht und blockiert.

Man sollte die Grenzen der Möglichkeiten berücksichtigen: Auf dem schwierigsten Korridor der Agentenaufgaben (SWE-bench Pro, die komplexesten xhigh-Szenarien) führt Opus 4.8 immer noch mit sechs Punkten Vorsprung. Sonnet 5 ersetzt Opus 4.8 nicht vollständig – es senkt die Schwelle für „gut genug“ autonome Agentenfähigkeit auf ein deutlich niedrigeres Preisniveau und überlässt das Flaggschiff den Fällen, in denen die Kosten eines Fehlers höher sind als der Unterschied in den Token-Kosten.

Arbeit mit langem Kontext

Claude Sonnet 5 arbeitet mit einem Kontextfenster von 1 Million Token – und dies ist kein optionaler Modus, sondern der Standardwert und gleichzeitig das Maximum: Es gibt keine separate „kleinere“ Modellvariante mit einem engeren Kontext, im Gegensatz zu einigen früheren Generationen, bei denen 1 Million Kontext über einen separaten Beta-Header aktiviert wurde. Die maximale Ausgabegröße beträgt 128.000 Token bei normalen Anfragen (bis zu 300.000 über den erweiterten Beta-Modus des Batch API).

Ein prinzipieller Unterschied zum Ansatz einiger Wettbewerber ist das Fehlen eines Aufschlags für die Anfrage-Länge: Eine Anfrage von 900.000 Token wird zum gleichen Preis pro Token abgerechnet wie eine Anfrage von 9.000. Das Kontextfenster umfasst alles, was in die Anfrage eingeht und in der Antwort generiert wird: System-Prompt, Nachrichtenverlauf, Ergebnisse von Tool-Aufrufen, Bilder und Dokumente sowie die vom Modell für internes Denken (extended thinking) verbrauchten Token – das heißt, es gibt kein „kostenloses“ Denken außerhalb des Kontextbudgets.

Für lange Agentensitzungen, bei denen der Dialogverlauf und die Zwischenergebnisse von Tools das Fenster allmählich füllen, unterstützt Sonnet 5 Kontextbewusstsein (context awareness) – das Modell verfolgt automatisch den verbleibenden Token-Budget während des Gesprächs und erhält nach jedem Tool-Aufruf ein Update (z. B. Token usage: 35000/1000000; 965000 remaining), was ihm ermöglicht, selbst zu planen, wie viel Kontext noch für die Untersuchung des Problems verwendet werden kann und wie viel für die endgültige Antwort übrig bleibt. Für Fälle, in denen sich das Gespräch der Fenstergrenze nähert, bietet die Plattform serverseitige Kontextkomprimierung (context compaction) als Hauptstrategie zur Verwaltung langer Agenten-Workflows an, ohne dass die Historie auf der Anwendungsseite manuell gekürzt werden muss.

Die Wirtschaftlichkeit des langen Kontexts wird durch Prompt-Caching erheblich verbessert: Die Wiederverwendung eines großen, stabilen Präfixes (Systemanweisungen, Dokumentenvorlage, Codebasis-Kontext) ist deutlich günstiger als ein normaler Eingabe-Token – das Lesen aus dem Cache wird zu einem deutlich niedrigeren Satz abgerechnet als ein Basis-Eingabe-Token, was in der Praxis bis zu 90 % Einsparungen bei wiederholtem Kontext erzielen kann. Für nicht dringende Massenaufgaben ist zusätzlich das Batch API mit 50 % Rabatt auf Eingabe- und Ausgabetoken verfügbar.

Für praktische Aufgaben bedeutet dies die Möglichkeit, eine große Codebasis, ein langes technisches Dokument oder ein ganzes Paket juristischer Materialien für die Analyse in einer einzigen Anfrage zu laden – ohne Aufteilung in Chunks und ohne Preissanktionen für die Anfragengröße. Eines der von Anthropic zitierten Anwendungsbeispiele ist juristische Forschungsarbeit, bei der gerade der lange Kontext und das Preis-Leistungs-Verhältnis die Migration auf das neue Modell zu einer offensichtlichen Lösung für das Team machten.

Ein technischer Hinweis, der bei der Planung berücksichtigt werden sollte: Aufgrund des neuen Tokenizers wird derselbe Text in etwa 30 % mehr Token umgewandelt als bei Sonnet 4.6. Dies verringert nicht die effektive Kapazität des Fensters in Token (sie bleibt 1 Million), verringert aber, wie viel Text tatsächlich in dasselbe Fenster passt – daher sollten die auf Sonnet 4.6 abgestimmten max_tokens-Limits neu berechnet und nicht direkt übernommen werden.

Generierungsgeschwindigkeit

Anthropic veröffentlicht in seiner Pressemitteilung keinen separaten „Token pro Sekunde“-Benchmark, sondern betont stattdessen einen anderen Aspekt der Geschwindigkeit – die Geschwindigkeit, mit der ein Ergebnis in einem Agentenzyklus erzielt wird: die gleiche Ausgabequalität in weniger Schritten. Laut dem Feedback eines Teams, das das Modell in analytischen Agenten für die Datenverarbeitung verwendet, „denkt“ Sonnet 5 in kompakteren Schritten, was die Zeit bis zum Erhalt von Erkenntnissen direkt verkürzt – ein Unterschied, den die Endnutzer des Produkts spüren.

Um die „rohe“ Generierungsgeschwindigkeit zu bewerten, sollten Sie sich an unabhängige Tracker halten, da diese Metriken von der Hosting-Infrastruktur abhängen und zwischen Anthropic API, AWS Bedrock und Google Vertex AI variieren können. Laut den Messungen von Artificial Analysis generiert das Modell für eine Konfiguration mit maximalem Aufwand (xhigh) etwa 73,7 Token pro Sekunde – das liegt unter dem Median (80,7 T/s) unter den Reasoning-Modellen vergleichbarer Preissegmente. Die Zeit bis zum ersten Token (TTFT) ist bei dieser Konfiguration deutlich höher als der Median – eine direkte Folge davon, dass das Modell bei maximalem Aufwand zunächst ein erhebliches Budget für interne Überlegungen aufwendet, bevor es mit der Generierung einer sichtbaren Antwort beginnt.

Praktische Schlussfolgerung für Entwickler: Diese Zahlen beziehen sich speziell auf die xhigh-Konfiguration und spiegeln nicht das typische Verhalten des Modells bei low- oder medium-Aufwandsebenen wider, wo sowohl TTFT als auch Durchsatz deutlich besser sind. Die Aufwandsebene beeinflusst die wahrgenommene Geschwindigkeit direkt – wenn die Latenz für das Produkt kritisch ist (z. B. ein Echtzeit-Chat-Interface), sollten Sie bewusst niedrigere Aufwandsebenen anstelle des standardmäßigen adaptiven Modus testen und sich nicht an Benchmarks orientieren, die bei maximalem Aufwand ermittelt wurden.

API-Kosten

Zum Vergleich: Opus 4.8 kostet 5 US-Dollar pro Million Eingabe- und 25 US-Dollar pro Million Ausgabetoken – das bedeutet, selbst zum Standardpreis bleibt Sonnet 5 bei nahezu gleicher Leistung für einen Teil der Aufgaben merklich günstiger. Anthropic hat außerdem die Ratenlimits in Chat, Cowork, Claude Code und Claude Platform erhöht, um den höheren Token-Verbrauch bei hohen Aufwandsebenen auszugleichen.

Es ist wichtig, den Nuancen des Tokenizers Rechnung zu tragen: Derselbe Text kann nach der Umstellung auf Sonnet 5 0–35 % mehr Token erfordern. Dies ist keine „versteckte“ Preiserhöhung – der Einführungspreis ist gerade so gewählt, dass dieser Effekt ausgeglichen wird –, aber bei der Budgetplanung ist es besser, diesen Unterschied in die Berechnungen einzubeziehen.

Programmier-Tests

Laut den unmittelbar nach dem Start veröffentlichten Daten zeigt Sonnet 5 eine deutliche Verbesserung bei der Agentenprogrammierung: Laut TechCrunch erreicht das Modell bei einem Benchmark 63,2 % im Vergleich zu 69,2 % bei Opus 4.8 und 58,1 % bei Sonnet 4.6 – der Abstand zum Flaggschiffmodell hat sich im Vergleich zur vorherigen Generation also erheblich verringert.

Der größte Sprung wurde bei Terminal-bench verzeichnet – einer Evaluierung, die die Ausführung von mehrstufigen Aufgaben in einem realen Terminal prüft: Berichten zufolge, die sich auf offizielle Startmaterialien stützen, stieg die Leistung um etwa 20 Punkte im Vergleich zu Sonnet 4.6. Dies korreliert direkt mit dem, was frühe Tester beschreiben – das Modell behält den Fokus bei komplexen Aufgaben länger und führt gründlichere Untersuchungen der Codebasis durch, bevor es Änderungen vornimmt.

Wichtige Einschränkung: Opus 4.8 bleibt die beste Wahl für Aufgaben, bei denen maximale Genauigkeit entscheidend ist, insbesondere bei hohen Aufwandsebenen. Sonnet 5 versucht nicht, Opus zu ersetzen – es erweitert das Spektrum der verfügbaren Kompromisse zwischen Preis und Qualität.

Dokumentenanalyse-Tests

Anthropic hat für Sonnet 5 keinen separaten öffentlichen Benchmark speziell für die „Dokumentenanalyse“ veröffentlicht – hier sind die aussagekräftigsten Daten eher qualitativ als quantitativ. Im Beispiel einer Anwaltskanzlei stellte das Team fest, dass Sonnet 5 gerade bei juristischen Recherchen und Analysen die besten Ergebnisse liefert, und gerade das Preis-Leistungs-Verhältnis machte den Übergang zum neuen Modell zu einer offensichtlichen Entscheidung.

Für Aufgaben mit langen Dokumenten (Verträge, technische Dokumentation, Archive) bleiben die Schlüsselfaktoren: ein Kontextfenster von 1 Million Token ohne Aufschlag für die Länge, Unterstützung für Datei- und Grafikeingaben und die Möglichkeit, die Aufwandsebene für komplexere Analysefälle zu erhöhen. Wenn reproduzierbare numerische Kennzahlen speziell für RAG- und Document-QA-Szenarien benötigt werden, ist es sinnvoll, einen eigenen Dokumentensatz über eine Evaluations-Pipeline laufen zu lassen, anstatt sich ausschließlich auf allgemeine Agenten-Benchmarks zu verlassen.

Genau aus diesem Grund verlasse ich mich nicht ausschließlich auf fremde Benchmarks, wenn ich ein neues Modell für Document QA bewerte – in meinem eigenen Projekt AskYourDocs, einer selbst gehosteten Plattform für die Arbeit mit Dokumenten auf Basis von Spring AI, Ollama und pgvector, wende ich regelmäßig neue Modelle auf reale RAG-Pipelines von Kunden an. Ein aussagekräftiger Fall, den ich bereits beschrieben habe: Für einen juristischen Mandanten mit einem Archiv gescannter Dokumente stieg die Qualität der Antwortextraktion von 17 % auf 50 % allein durch die Änderung des Ansatzes bei OCR und Embeddings – und gerade solche praktischen Experimente, nicht allgemeine Agenten-Benchmarks, liefern ein reales Bild davon, wie sich das Modell auf „schmutzigen“ gescannten Archiven verhält und nicht auf sauberen Textdatensätzen.

Sobald Claude Sonnet 5 in der Produktionspipeline von AskYourDocs verfügbar ist, planen wir, denselben Satz realer Dokumente zu verarbeiten und die Genauigkeit der Antworten mit früheren Modellen zu vergleichen – die Ergebnisse werde ich hier in einem separaten Update hinzufügen.

Modelleinschränkungen

• Übertrifft Opus 4.8 bei den schwierigsten Aufgaben nicht. Auf SWE-bench Pro – der schwierigsten und kontaminationsresistentesten Variante des Code-Benchmarks – beträgt der Abstand zum Flaggschiff sechs Punkte (63,2 % gegenüber 69,2 %). Dies ist ein systematischer, kein zufälliger Unterschied: Bei der höchsten Aufwandsebene (xhigh) kann Sonnet 5 bei vergleichbarem Aufwand sogar teurer sein als Opus 4.8, ohne dessen Qualität zu erreichen – das bedeutet, dass es für Aufgaben am Rande der Möglichkeiten des Modells nicht immer wirtschaftlich sinnvoll ist, Sonnet 5 mit maximalen Einstellungen zu optimieren.
• Schwächere Cybersicherheitsfähigkeiten – absichtlich. Anthropic gibt ausdrücklich an, dass das Modell eine deutlich geringere Fähigkeit zur Ausführung von Cybersicherheitsaufgaben hat als die aktuellen Opus-Modelle. In einem gemeinsamen Test mit Mozilla zur Entwicklung von Exploits für reale Schwachstellen in Firefox 147 hat Sonnet 5 keinen einzigen vollständig funktionsfähigen Exploit erstellt. Wichtiger Hinweis: Sonnet 5 ist Teil des Cyber Verification Program – eines Programms für verifizierten Zugriff für Organisationen mit legitimen Cybersicherheits-Testaufgaben –, aber selbst innerhalb dieses Programms empfiehlt Anthropic offiziell Opus 4.8 für Cybersicherheitsarbeiten, die reduzierte Guardrails erfordern. Das bedeutet, dass dies eine bewusste Aufteilung der Produktlinie nach Verwendungszweck ist und kein Trainingsfehler.
• Kostenänderung aufgrund eines neuen Tokenizers. Laut offiziellen Angaben von Anthropic werden dieselben Eingabetexte etwa 30 % mehr Token erzeugen als bei Sonnet 4.6 (Bereich 1,0–1,35× je nach Inhaltstyp – natürliche Sprache wird anders konvertiert als Code oder strukturierte Daten). Dies ist keine versteckte Änderung der Preispolitik: Der Einführungspreis von 2 $/10 $ ist so gewählt, dass der Übergang ungefähr kostenneutral ist – aber nach dem 31. August, wenn der Standardpreis von 3 $/15 $ gilt, wird der Effekt des Tokenizers mit der Erhöhung des Basispreises zusammenfallen, und die Gesamtkostensteigerung einer Anfrage kann spürbarer sein, als es auf den ersten Blick scheint.
• Fehlen separater Benchmarks für Document QA und Schreiben. Anthropic veröffentlicht keine standardisierten numerischen Kennzahlen speziell für die Dokumentenanalyse oder die Qualität redaktionellen Schreibens – diese Kategorien werden teilweise durch allgemeine Knowledge-Work-Benchmarks (z. B. GDPval-AA v2) abgedeckt, aber es gibt keine direkte Entsprechung von „Zahl aus der Pressemitteilung → Qualität bei meinen Dokumenten“. Für diese Szenarien müssen Sie sich auf eigene Tests mit realen Daten verlassen und nicht auf offizielle Zahlen.
• Zeitlich begrenzter Einführungspreis. Nach dem 31. August 2026 steigen die Token-Kosten um 50 % (von 2 $/10 $ auf 3 $/15 $ pro Million Ein- und Ausgabetoken). Für Teams, die ihr Budget für Ende 2026 planen, sollten diese Kosten im Voraus berücksichtigt werden und nicht als Überraschung auf der September-Rechnung.
• Kein Priority Tier. Im Gegensatz zu einigen anderen Modellen der Reihe ist für Sonnet 5 derzeit kein Priority Tier verfügbar – ein Servicelevel mit garantierter Bandbreite und vorrangiger Anfragebearbeitung zu Spitzenlastzeiten. Für Produktionssysteme mit strengen Latenzanforderungen zu Spitzenverkehrszeiten kann dies eine praktische Einschränkung sein, die vor der Umstellung geprüft werden sollte.

Fazit: Was bedeutet das in der Praxis?

Keine der aufgeführten Einschränkungen schmälert den Hauptwert der Veröffentlichung – eine bessere Wirtschaftlichkeit bei den meisten Agenten- und Code-Aufgaben. Aber insgesamt umreißen sie einen klaren Perimeter, wo Sonnet 5 kein universeller Ersatz für alles ist, was bisher verwendet wurde:

• Für Aufgaben am Rande der Komplexität (die schwierigsten Agentenszenarien, Cybersicherheits-Tests mit minimalen Einschränkungen) bleibt Opus 4.8 die richtige Wahl – sowohl nach ausdrücklicher Anweisung von Anthropic selbst als auch nach den Benchmark-Zahlen.
• Für die Budgetierung der Umstellung ist es wichtig, nicht die „Kosten pro Token“ zu berechnen, sondern die „Kosten pro Aufgabe“: Der Effekt des neuen Tokenizers (+30 % Token) und das Ende der Einführungsphase (+50 % zum Satz nach dem 31. August) summieren sich, und die Gesamtkostenänderung einer typischen Anfrage kann erheblich von dem abweichen, was eine nackte Preisliste zeigt.
• Für Szenarien ohne offizielle Benchmarks (Document QA, Schreiben) ist der einzige zuverlässige Weg, eine Entscheidung zu treffen, die Durchführung eines eigenen Satzes realer Aufgaben parallel mit beiden Modellen, anstatt sich auf allgemeine Agenten-Zahlen aus der Pressemitteilung zu verlassen.

Praktisches Fazit für Teams, die entscheiden, ob sie umsteigen sollen oder nicht: Sonnet 5 sollte als Standardmodell für neue Produktions-Workflows in Betracht gezogen werden, aber mit einem obligatorischen A/B-Test auf realen Aufgaben vor der vollständigen Migration – insbesondere dort, wo bisher Opus im Einsatz war und die Einsparungen gerade durch die Reduzierung der Modellkategorie erzielt werden sollen.

Wann Sonnet 5 besser ist als GPT-5.5

GPT-5.5 von OpenAI wurde früher, am 23. April 2026, veröffentlicht und wird ebenfalls als Agentenmodell für Codierung, Computerarbeit und Wissensarbeit positioniert. Einen direkten Benchmark-Vergleich von Sonnet 5 und GPT-5.5 „von Angesicht zu Angesicht“ hat kein Labor offiziell veröffentlicht – die Modelle wurden auf unterschiedlichen Benchmark-Sätzen und zu unterschiedlichen Zeiten bewertet, daher sollte jede direkte Gegenüberstellung von Zahlen mit Vorsicht betrachtet werden.

Wo der Vergleich korrekt und eindeutig ist, sind die Kosten. GPT-5.5 kostet 5 US-Dollar pro Million Eingabe- und 30 US-Dollar pro Million Ausgabetoken. Sonnet 5 ist selbst zum Standardpreis (3 $/15 $) 1,7–2 Mal günstiger und zum Einführungspreis (2 $/10 $) 2,5–3 Mal günstiger. Beide Modelle verfügen über ein Kontextfenster von 1 Million Token, sodass sie in diesem Punkt gleichauf liegen.

Praktische Schlussfolgerung: Wenn das Token-Budget eine reale Einschränkung darstellt (hochfrequente Agenten-Workflows, Massen-RAG-Anfragen, Produktionsautomatisierung), bietet Sonnet 5 eine deutlich bessere Wirtschaftlichkeit bei vergleichbaren Agentenfähigkeiten. Wenn jedoch die Priorität ausschließlich auf maximaler Genauigkeit bei den schwierigsten Aufgaben liegt, unabhängig von den Kosten, sollten beide Modelle (und Opus 4.8) auf dem eigenen Aufgabensatz getestet werden.

Ein detaillierter Benchmark-Vergleich mit konkreten Zahlen für Codierung, Agentensuche und Computernutzung – in einem separaten Artikel: Claude Sonnet 5 vs GPT-5.5: Detaillierter Vergleich

Für wen sich ein Wechsel lohnt

Hier spreche ich nicht nur aus der Perspektive der Analyse fremder Benchmarks, sondern auch aus meiner eigenen Erfahrung mit der Migration von Modellen in Produktionssystemen – ich habe dies in meinen RAG-Pipelines auf Spring AI nicht nur einmal durchgemacht, und die folgenden Kriterien sind genau die Fragen, die ich mir vor jedem Wechsel zu einem neuen Modell stelle.

• Teams auf Sonnet 4.6. Dies ist ein direktes und fast müheloses Update – der Zuwachs bei Agentenaufgaben ist signifikant, und der Startpreis für die Übergangszeit kompensiert den Effekt des neuen Tokenizers. Ich würde ohne langes Nachdenken wechseln, aber mit einem obligatorischen A/B-Test für ein Dutzend realer Aufgaben, bevor ich vollständig auf Produktion umstelle – so überprüfe ich jede Modelländerung in meinen eigenen Pipelines, und es war nie überflüssig.
• Teams auf Opus 4.8, bei denen das Budget eine Einschränkung darstellt. Wenn die aktuellen Aufgaben keine maximale Genauigkeit erfordern, würde ich Sonnet 5 mit hohem Aufwand testen – die Einsparungen können erheblich sein, bei einem akzeptablen Qualitätsverlust. In meiner eigenen Praxis sehe ich regelmäßig, dass für 60-70 % der realen Aufgaben das „teuerste verfügbare Modell“ ein Overkill ist und der Qualitätsunterschied für den Endbenutzer nicht wahrnehmbar ist.
• Produktionsagenten und Automatisierung. Mehrstufige Workflows (CRM-Updates, Ticketverarbeitung, Computernutzung) – das ist genau das Szenario, in dem Anthropic den spürbarsten Zuwachs zeigt, und genau dort erwarte ich persönlich den größten Nutzen in meinen Projekten, wo Agenten sequentielle Aktionen mit externen Systemen ausführen und nicht nur eine Frage beantworten.
• Teams auf GPT-5.5, die empfindlich auf Token-Kosten reagieren. Ich würde Sonnet 5 als kostengünstige Alternative für meine eigenen Aufgaben testen, insbesondere wenn das Kontextfenster von 1 Million Tokens eine kritische Anforderung ist. Der Preisunterschied ist hier nicht marginal, sondern um ein Vielfaches – für mich ist das immer das erste Signal, eine Alternative auszuprobieren, auch wenn die aktuelle Lösung formal zufriedenstellend ist.
• Für wen es noch zu früh ist, zu wechseln: Teams mit Aufgaben, die maximale Genauigkeit am Rande der Modellfähigkeiten erfordern (komplexe Mathematik, schwierigste Agentenszenarien) – hier ist Opus 4.8 meiner Meinung nach immer noch die bessere Wahl, und ich selbst würde eine zuverlässig funktionierende Opus-Pipeline nicht aus Gründen der Einsparung ändern, wo die Kosten eines Fehlers höher sind als der Unterschied in den Token-Kosten.

Meine allgemeine Regel für jede Modelländerung in der Produktion: zuerst ein paralleler Test mit realen Aufgaben und erst dann die vollständige Migration. Benchmarks aus Pressemitteilungen geben einen Anhaltspunkt, wohin man schauen soll, aber die endgültige Entscheidung treffe ich immer auf Basis meiner eigenen Daten, nicht auf Basis fremder Zahlen.

Häufig gestellte Fragen

Wie hoch sind die Kosten für Claude Sonnet 5 über die API?
2 US-Dollar pro Million Eingabetoken und 10 US-Dollar pro Million Ausgabetoken bis zum 31. August 2026, danach 3 US-Dollar/15 US-Dollar.

Welchen Modell-Identifier soll ich in der API verwenden?
claude-sonnet-5. Weitere Details finden Sie in der offiziellen Dokumentation der Claude-Modelle.

Ist Claude Sonnet 5 ein Ersatz für Claude Opus 4.8?
Nein. Sonnet 5 schließt die Lücke zu Opus 4.8 bei Agentenaufgaben zu deutlich geringeren Kosten erheblich, aber bei den schwierigsten Szenarien, die maximale Genauigkeit erfordern, bleibt Opus 4.8 die bessere Wahl.

Welches Kontextfenster hat Claude Sonnet 5?
1 Million Tokens für die Eingabe, bis zu 128.000 Tokens für die Ausgabe, ohne Aufpreis für langen Kontext.

Muss ich meine Prompts nach dem Wechsel von Sonnet 4.6 ändern?
Es gibt keine direkte Notwendigkeit, aber aufgrund des aktualisierten Tokenizers sollten Sie Ihr Token-Budget neu berechnen und kritische Workflows vor der vollständigen Umstellung auf die Produktion testen.

Lesen Sie auch:

• Claude Sonnet 5 vs GPT-5.5
• Claude Sonnet 5 vs Gemini 3
• Claude Sonnet 5 vs Kimi K2.5
• Claude Sonnet 5: Nachteile und Benutzerbewertungen