Claude Opus 4.5

Opus 4.5 ist das Release, bei dem Frontier-Tier Claude aufgehört hat, ein Luxus-Posten zu sein. Am 24. November 2025 hat Anthropic den Preis seines Top-Modells neu gesetzt und dabei gestrafft, wie viel es schreibt, um dieselbe Arbeit zu erledigen. Für alle, die Claude Code den ganzen Tag gegen echte Arbeit laufen lassen, hat sich die Rechnung über Nacht geändert.

Technische Daten

Was Opus 4.5 gebracht hat

Drei Dinge haben das Release bedeutsam gemacht: der Preisrückgang, straffere Ausgaben und Training, das auf Delegation ausgerichtet war.

Zwei Drittel Preissenkung. Opus 4 und Opus 4.1 liefen bei $15 Input und $75 Output pro Million Tokens. Opus 4.5 kam mit $5/$25. Für Teams, die API-Nutzung im Produktionsmaßstab abrechnen, war das eine Stufe nach unten, kein kleines Trimmen.

76% weniger Output-Tokens. Gleiche Qualitätsarbeit in einem Bruchteil der Ausgabe. Für eine Aufgabe, bei der Sonnet 4.5 vielleicht 500 Tokens verbraucht, kam Opus 4.5 oft mit etwa 120 aus. Straffere Prosa. Schärfere Edits.

50% weniger Tool-Calls. Jede Aufgabe wurde mit halb so vielen Tool-Roundtrips wie bei der Vorgängergeneration abgeschlossen. Weniger Trips, schnellere Completions, niedrigere kumulierte Rechnungen.

Tool Search multipliziert den Effekt. Mit Tool Search eingeschaltet, schob das kumulierende Ergebnis die Token-Reduktion auf rund 85%. Das Modell pickte die relevanten Tools vorab raus und übersprang sinnlose Calls an irrelevante.

Für Sub-Agent-Delegation trainiert

Anthropic hat Delegation absichtlich in Opus 4.5 hineintrainiert. Sub-Agent-Prompts schreiben, Aufgaben auf Worker aufteilen und parallele Ergebnisse wieder zusammenführen, das waren direkte Trainingsziele, kein Nebenprodukt allgemeiner Fähigkeiten.

In der Praxis bekommst du: sauberere Prompts für Sub-Agents, klügere Aufgabenverteilung und weniger Informationsverlust, wenn parallele Ausgaben zu einer Antwort zusammengeführt werden. Multi-Agent-Orchestrierung in Claude Code fühlte sich mit Opus 4.5 endlich zuverlässig an. Davor war das Muster fragil.

GitHub stellte fest, dass Opus 4.5 "interne Coding-Benchmarks übertrifft und dabei den Token-Verbrauch halbiert." Replit berichtete ähnliche Zahlen in eigenen Evaluierungen.

Neue Fähigkeiten

Effort-Parameter. Ein Per-Request-API-Regler für Denktiefe. Low Effort für schnelle Arbeit, High Effort für komplexes Reasoning. Das Budget bewegt sich ohne Modellwechsel.

Auto-Compaction. Bei 95% des Kontextfensters werden ältere Nachrichten zusammengefasst und komprimiert, während der Konversations-Thread intakt bleibt. Lange Engineering-Runs stießen damit nicht mehr an eine harte Grenze.

1M-Token-Kontextfenster. Über einen Beta-Header in der API verfügbar, dasselbe erweiterte Fenster, das Sonnet 4.5 früher eingeführt hatte.

Vergleich mit Sonnet 4.5

Opus 4.5 war das erste Opus-Release, bei dem die Kosten pro Aufgabe an Sonnet heranreichten. Die Token-Preise waren noch höher ($5/$25 gegen $3/$15), aber der 76% Rückgang im Output kippte oft die Gesamtrechnung zugunsten von Opus bei abgeschlossenen Aufgaben.

Bei tiefer Reasoning-Arbeit war die Entscheidung einfach: Opus 4.5 lieferte bessere Antworten zu ähnlichen oder niedrigeren Gesamtkosten. Am routinemäßigen Ende der Aufgabenliste blieben Sonnet 4.5 und Haiku 4.5 die günstigeren Optionen.

Der detaillierte Guide

Diese Seite ist das Modell-Profil mit den Spezifikationen. Für eine vollständige Anleitung zur Konfiguration und Nutzung von Opus 4.5 in Claude Code, einschließlich Effort-Parameter, Auto-Compaction und Multi-Agent-Patterns, schau dir den Claude Opus 4.5 Usage Guide an.

Aktueller Status

Opus 4.5 ist noch aktiv über die API. Opus 4.6 ist die aktuelle Wahl für neueste Features und Fähigkeitsgewinne, aber 4.5 funktioniert weiterhin zuverlässig als gut verstandene Option für Produktions-Workflows.

Verwandte Seiten

• All Claude Models für die vollständige Modell-Timeline
• Haiku 4.5 für die Budget-Option in derselben Familie
• Opus 4.6 für die nächste Generation
• Opus 4.5 Usage Guide für die praktische Konfiguration
• Model Selection Guide für strategisches Modell-Switching