Der Rust-Entwickler Neel Chotai beschreibt einen einzelnen Durchlauf: Ein Agent liest einen Fehlerbericht, schreibt einen Test, der den Fehler reproduziert, ändert den Code und legt die Änderung danach wieder beiseite, um zu prüfen, ob der Fehler ohne sie zurückkommt. Im Auftrag stand davon nichts. Genau dieses Verhalten beschreiben die Frühzugangspartner von Anthropic immer wieder: Das Modell hört nicht an der Stelle auf, an der frühere Modelle stehen blieben.
Claude Sonnet 5 macht das zum Kern der Ankündigung. Das Modell soll das agentischste Sonnet sein, das der Hersteller bisher gebaut hat: Es kann Pläne machen, Werkzeuge wie Browser und Terminals benutzen und eigenständig arbeiten – auf einem Niveau, für das vor wenigen Monaten noch größere und teurere Modelle nötig waren. Ein Bild hilft bei der Einordnung: ein Handwerksbetrieb. Opus ist der Meister, Sonnet der erfahrene Geselle. Bisher musste für schwierige Aufträge fast immer der Meister auf die Baustelle; Sonnet 5 soll so weit sein, dass der Geselle die meisten davon allein zu Ende bringt.
Wie Sonnet 5 gegenüber Sonnet 4.6 und Opus 4.8 abschneidet
Laut Anthropic liegt Sonnet 5 in der Leistung nahe an Opus 4.8, kostet aber weniger. Gegenüber dem Vorgänger Sonnet 4.6 nennt das Unternehmen deutliche Verbesserungen in den Bereichen, auf die es bei agentischer KI ankommt: Reasoning, Tool-Nutzung, Coding und Wissensarbeit. Die Belege stehen in einer Benchmark-Tabelle im Beitrag und ausführlich im System Card des Modells. Die Zahlen sind herstellereigene Auswertungen; dieser Vorbehalt gilt bei jeder Modellvorstellung.
Anthropic zeichnet die Entwicklungslinie selbst nach. Die agentische Ära begann für viele Entwickler mit Sonnet-Modellen: Sonnet 3.5, 3.6 und 3.7 waren die ersten, die beim Coding und bei der Werkzeugnutzung überzeugten. Danach wanderten die sichtbarsten Fortschritte zu den teureren Opus-Modellen, und die Lücke zwischen den Klassen wurde für alle spürbar, die auf ein Budget achten müssen. Sonnet 5 ist der Versuch, diese Lücke wieder zu schließen. Im Bild des Handwerksbetriebs: Der Geselle hat dazugelernt, ohne dass der Stundensatz steigt.
Der Effort-Regler entscheidet mit über Preis und Leistung
Neben den Spitzenwerten zählt ein Regler. Auf zwei Auswertungen – BrowseComp für agentische Suche und OSWorld-Verified für Computer-Use – zeigt Anthropic, wie sich Sonnet 5 bei unterschiedlichen Effort-Stufen verhält. Die Kurve für Sonnet 5 liegt durchgehend über der von Sonnet 4.6 und deckt einen deutlich breiteren Bereich von Kosten-Leistungs-Kombinationen ab als Opus 4.8. Bei mittlerem Aufwand ist das Modell besonders effizient, bei hohem Aufwand erreicht es auf manchen Aufgaben das Niveau von Opus 4.8.
Praktisch bedeutet das: Wie lange ein Modell über eine Aufgabe nachdenken darf, wird zur Stellschraube fürs Budget. Wer einfache, klar umrissene Arbeit erledigen lässt, gibt dem Gesellen weniger Zeit und zahlt weniger. Wer eine vertrackte Migration begleiten lässt, gönnt ihm mehr Zeit und bekommt dafür mehr Sorgfalt. Zwischen Sonnet 5 und Opus 4.8 lässt sich so für fast jede Aufgabe eine passende Kombination aus Modell und Effort-Stufe finden – vorausgesetzt, du misst es am eigenen Code und nicht an der Tabelle im Ankündigungsbeitrag.
Was Partner aus dem Frühzugang berichten
Die Testpartner kommen aus sehr verschiedenen Feldern, ihre Rückmeldungen zeigen in dieselbe Richtung. Der Entwickler Zimu Li beschreibt Sonnet 5 als tragfähige Ausführungsschicht für mehrstufige Softwarearbeit: anhaltendes Coding, Werkzeugnutzung und Debugging in unordentlichen technischen Kontexten. Daniel Shepard schildert einen Auftrag in zwei Teilen – Salesforce-Kontostufen aktualisieren, dann eine Launch-Ankündigung an Enterprise-Kontakte schicken –, den das Modell Ende zu Ende abschloss, während frühere Versuche auf halber Strecke stehen blieben. Diese Art von Automatisierung hatte bisher den Ruf, im entscheidenden Moment abzubrechen.
Mehrere Tester betonen dieselbe Eigenschaft aus unterschiedlichen Richtungen. Yusuke Kaji ließ das Modell gegen Dutzende besonders schwieriger echter Pull Requests laufen und berichtet, jeder sei eigenständig zu einem getesteten, verifizierten Ergebnis geführt worden. Dominic Elm hebt Brownfield-Code hervor – Race Conditions, versteckte Tests, Stellen, an die niemand gern geht – und beschreibt, das Modell verfolge einen Fehler bis zur eigentlichen Ursache statt das Symptom zu flicken. Sualeh Asif nennt Planungstreue und die Einhaltung eigener Konventionen. Ryadh Dahimene verweist auf schnellere Auswertungen bei ClickHouse, Eric He auf Versicherungsworkflows mit Computer-Use-Agenten.
Die Zitate benennen auch Grenzen, wenn auch leise. Fabian Hedin von Lovable betont, ein Modell, das weiß, wann es Nein sagen muss, sei genauso wichtig wie eines, das baut – und beschreibt Sonnet 5 als sauber und konsistent beim Ablehnen unsicherer Anfragen. Ben Kus ordnet den Nutzen dort ein, wo er am meisten wiegt: bei hohem Volumen und komplexen Lasten in Unternehmen. Deepak Singh beschreibt eine stufenweise Verbesserung gegenüber Sonnet 4.6 und eine Genauigkeit, die an Opus-Klasse heranreicht.
Sicherheit: sauberer als der Vorgänger, schwächer bei Cyber-Aufgaben
Die Sicherheitsauswertungen vor der Veröffentlichung fallen gemischt aus, im Kern aber günstig. Sonnet 5 zeigt insgesamt weniger unerwünschte Verhaltensweisen als Sonnet 4.6, lehnt bösartige Anfragen besser ab und widersteht Versuchen, es per Prompt Injection zu kapern. Auch die Raten an Halluzination und Sycophancy – dem Nachplappern der Nutzermeinung – liegen niedriger als beim Vorgänger. In einem automatisierten Verhaltensaudit, das ein breites Spektrum an Fehlverhalten prüft, schneidet Sonnet 5 besser ab als Sonnet 4.6, aber schlechter als die leistungsfähigeren Modelle Opus 4.8 und Mythos Preview.
Bei Cyber-Fähigkeiten fällt der Unterschied deutlicher aus. Anthropic hat Sonnet 5 nicht gezielt auf Angriffsaufgaben trainiert. In einer gemeinsam mit Mozilla entwickelten Auswertung, die Modelle darin testet, Exploits für Lücken in Firefox 147 zu bauen, gelang keinem der Sonnet-Modelle ein voll funktionsfähiger Exploit; Sonnet 5 erreichte lediglich etwas häufiger einen Teilerfolg als 4.6, was das Unternehmen auf allgemeine Intelligenzgewinne und nicht auf spezielles Training zurückführt. Gegenüber Opus 4.8 und Mythos 5 sind die Cyber-Fähigkeiten substanziell schwächer. Weil das Modell trotzdem etwas stärker ist als sein Vorgänger, laufen die gleichen Echtzeit-Sicherungen wie bei Opus 4.7 und 4.8 standardmäßig mit – weniger streng als jene bei Fable 5, weil Anthropic das Risiko insgesamt als niedrig einschätzt.
Verfügbarkeit, API und Kosten pro Million Tokens
Sonnet 5 ist ab dem Tag der Ankündigung überall verfügbar. Es ist das Standardmodell für die kostenlosen und die Pro-Pläne und steht Nutzern von Max, Team und Enterprise zur Verfügung. Entwickler greifen es über die Claude API unter dem Modellnamen claude-sonnet-5 ab. Der Preis liegt bei 2 Dollar pro Million Input-Tokens und 10 Dollar pro Million Output-Tokens – für ein Modell dieser Klasse ein niedriger Satz. Agentische Workflows verbrauchen durch viele Zwischenschritte und Werkzeugaufrufe deutlich mehr Tokens als ein einzelner Chat, entsprechend verschiebt sich die Kalkulation.
Zwei Punkte aus dem Änderungsprotokoll des Beitrags sind für die Budgetplanung relevant. Anthropic hat die Einführungspreise von 2 und 10 Dollar nachträglich dauerhaft festgeschrieben; die ursprünglich für den 1. September geplanten Standardpreise von 3 und 15 Dollar gelten nicht mehr. Zusätzlich wurden die Rate Limits in Chat, Cowork, Claude Code und der Claude Platform erhöht, um den höheren Tokenverbrauch der oberen Effort-Stufen aufzufangen. Eine weitere Korrektur betrifft eine Kennzahl zur agentischen Suche, die zunächst mit einer einfacheren Methodik erhoben worden war und die Leistung des Modells unterschätzte. Solche Nachträge zeigen, wie jung das Feld ist.
Was das für Teams bedeutet, die Coding und Automatisierung planen
Für die Praxis verschiebt sich die Frage von „welches Modell ist das beste“ zu „welche Kombination aus Modell, Effort-Stufe und Aufgabe trägt die Kosten“. Wenn ein Modell der mittleren Klasse Aufgaben zu Ende bringt, für die bisher die teure Klasse nötig war, sinken die Kosten pro erledigtem Vorgang – nicht pro Token, sondern pro Ergebnis. Das ist der Unterschied, den die Tester beschreiben: weniger Nachfassen, weniger halbfertige Läufe, weniger manuelle Reparatur. Solche Einsparungen tauchen in keiner Preisliste auf, sind aber meist größer als der Unterschied zwischen zwei Tokenpreisen.
Zugleich bleibt Vorsicht angebracht. Herstellerbenchmarks sind ein Anfang, kein Beweis für den eigenen Bestand; die entscheidenden Tests sind deine eigenen Pull Requests, deine Datenmodelle, deine Randfälle. Auch das Sicherheitsprofil gehört in die Betriebsplanung und nicht ins Kleingedruckte: Standardschutz filtert gefährliche Cyber-Nutzung im Betrieb, ersetzt aber keine Rechtevergabe und keine Protokollierung. Und Preise bleiben beweglich, wie der Changelog des Beitrags selbst zeigt – wer agentische Workflows kalkuliert, sollte die Annahmen regelmäßig nachziehen. Sonnet 5 ist damit kein Meister, der den Betrieb überflüssig macht, sondern ein Geselle, dem man mehr allein überlassen kann als bisher.
Quelle: anthropic.com
