Claude Opus 4.8 veröffentlicht — Funktionen, Benchmarks und Preise erklärt

Am 28. Mai 2026 veröffentlichte Anthropic Claude Opus 4.8 — kaum zwei Monate nach Opus 4.7. Die Aktualisierungsfrequenz beschleunigt sich offensichtlich. Doch die Schlagzeile ist diesmal nicht ein paar Prozentpunkte auf einem Benchmark. Die offizielle Ankündigung von Anthropic berichtet, frühe Tester hätten das Modell „bei agentischen Aufgaben als zuverlässiger und mit schärferem Urteilsvermögen“ erlebt, und hält fest: „Eine der auffälligsten Verbesserungen von Opus 4.8 ist seine Ehrlichkeit.“ Ein Release, der „es wurde ehrlicher“ gleichrangig neben seine Benchmark-Zuwächse stellt, ist ungewöhnlich.

Das Fazit vorweg: Coding wird solide besser (SWE-bench Pro 64.3% → 69.2%), die Arbeit im Terminal macht einen Sprung (Terminal-Bench 2.1 66.1% → 74.6%), und auch der Wert für Wissensarbeit steigt (GDPval-AA 1753 → 1890). Dazu ist der Fast-Modus rund 2.5x schneller und kostet faktisch ein Drittel, und drei Funktionen für Entwickler kommen auf einmal: der effort-Parameter, dynamische Workflows und system-Einträge in der Messages API. Zugleich liegt das Modell nicht überall vorn — bei der Arbeit im Terminal bleibt es hinter GPT-5.5. Dieser Artikel schlüsselt Zahlen, neue Funktionen und Vorbehalte auf, gestützt auf Anthropics offizielle Ankündigung und seinen Transparency Hub.

* Die Zahlen in diesem Artikel basieren auf Anthropics offizieller Ankündigung, der Modellseite und dem System Card sowie auf Berichten mehrerer Tech-Medien (Stand 28. Mai 2026). Sie können aktualisiert werden, sobald weitere Verifizierungen vorliegen.

1. Opus 4.8 im Überblick: Leistung, Preis, Philosophie

Für eilige Leser zuerst das Wesentliche.

• Leistung: Coding (SWE-bench Pro) wird stetig stärker; die Arbeit im Terminal (Terminal-Bench 2.1) und Wissensarbeit (GDPval-AA) legen deutlich zu. Dagegen liegt GPT-5.5 bei Terminal-Bench 2.1 vorn, und Computer Use (OSWorld-Verified) bewegt sich kaum.
• Preise: Der Standard bleibt gleich wie bei 4.7. Die größte wirtschaftliche Auswirkung ist, dass der Fast-Modus ~2.5x schneller und faktisch ein Drittel des Preises ist.
• Philosophie: „ehrlicher“ vor „klüger“. Es lässt Fehler in selbst geschriebenem Code etwa viermal seltener unkommentiert durchgehen als 4.7 und verschweigt wichtige Fehlschläge seiner Arbeit nur in 3.7% der Fälle. Die neuen dynamischen Workflows und der effort-Parameter unterstützen längere autonome Arbeit.

2. Kernspezifikationen und Verfügbarkeit

Beginnen wir mit den unverrückbaren Fakten: den Spezifikationen von Opus 4.8 und wo man es nutzen kann.

Der entscheidende Punkt ist, dass Preis und Kontext gleich bleiben und nur die Substanz stärker wurde. Wenn Sie 4.7 nutzen, erhalten Sie durch den bloßen Austausch der Modell-ID gegen claude-opus-4-8 die Leistungsgewinne ohne Mehrkosten (Migrationshinweise finden sich in Abschnitt 9). Beachten Sie nur, dass Inferenz ausschließlich in den USA einen Preismultiplikator von 1.1x trägt.

3. Benchmarks im direkten Vergleich (4.8 vs. 4.7)

Wir haben die Spezifikationen gesehen. Wie stark ist also die tatsächliche Leistungsfähigkeit gewachsen? Hier sind die wichtigsten veröffentlichten Benchmarks im Vergleich zu 4.7 aufgereiht. Fett markiert die größten Zuwächse.

Quelle: die Tabelle (als Bild) in Anthropics Ankündigung von Opus 4.8. Bei Terminal-Bench 2.1 laufen alle Modelle mit dem Terminus-2-Harness; mit der Codex CLI erreicht GPT-5.5 83.4% (Fußnote in derselben Ankündigung). Zu OSWorld-Verified sagt die Fußnote derselben Ankündigung, der Wert von Opus 4.7 sei nach einer Änderung der Ausführung auf 82.3% aktualisiert worden – das passt nicht zu den 82.8% in der Tabelle.

Ein Hinweis zum Lesen der Tabelle. Die +4.9 Punkte bei SWE-bench Pro wirken bescheiden, zählen aber: Pro sammelt realistischere, schwierigere Coding-Aufgaben, daher übersetzt sich ein Zuwachs dort direkt in „weniger Momente, in denen man bei echter Arbeit hängen bleibt“. Die größten Zuwächse sind jedoch +8.5 Punkte bei Terminal-Bench 2.1 und +137 bei GDPval-AA.

Allerdings liegt es nicht überall vorn. Bei Terminal-Bench 2.1 liegt GPT-5.5 mit 78.2% vorn (83.4% mit der Codex CLI), und Computer Use bei OSWorld-Verified ist gegenüber 4.7 nahezu unverändert (+0.6 Punkte). Mehr dazu in Abschnitt 9.

4. Preise und Fast-Modus — 3x günstigere Geschwindigkeit

Wir haben uns bei der Leistung aufgehalten, aber was diesmal tatsächlich am stärksten den Geldbeutel trifft, ist die Preisänderung beim Fast-Modus. Der Standardpreis bleibt vollständig gleich wie bei 4.7, also stellen wir beide nebeneinander.

Das ist größer, als es aussieht. Das Dilemma „Ich will Geschwindigkeit, aber der Fast-Modus ist teuer“ traf genau die Anwendungsfälle — Chat-UI-Antworten, Massen-Code-Review in CI/CD, Agentenläufe mit vielen Schritten —, bei denen man jetzt Geschwindigkeit und Preis zugleich haben kann. Zusammen mit dem unveränderten Standardpreis lautet die wirtschaftliche Erkenntnis diesmal „dasselbe Budget, aber schneller und schlauer.“ Für das vollständige Preisbild siehe Preisvergleich Claude Opus / Sonnet / Haiku.

5. Neue Funktion #1: der effort-Parameter und adaptives Denken

Nach den Preisen die Funktionen, die Entwickler direkt anfassen. Zuerst der effort-Parameter. Das ist ein Regler, mit dem man explizit über vier Stufen angeben kann, „wie tief gedacht werden soll“.

Das Gegenstück zu effort ist das adaptive Denken: Das Modell passt die genutzte Rechenleistung automatisch an die Aufgabenkomplexität an. Bei einfachen Fragen schnell, bei schwierigen von sich aus tiefer. Mit effort legt man die Obergrenze und die Politik fest, und das adaptive Denken optimiert die tatsächliche Zuteilung — ein zweistufiges Design, das „keine verschwendeten Denk-Tokens, Tiefe nur dort, wo es zählt“ liefert.

6. Neue Funktion #2: dynamische Workflows (Research Preview)

Die ehrgeizigste Funktion ist diesmal diese. Dynamische Workflows ist eine Research-Preview-Funktion, nutzbar in Claude Code (CLI, Desktop, VS-Code-Erweiterung), ein Mechanismus, um Claude einen „großen Auftrag“ als Ganzes zu übergeben.

Konkret schreibt Claude seine eigenen Orchestrierungsskripte und startet Dutzende bis Hunderte parallele Subagenten, um ein Problem gleichzeitig anzugehen. Es setzt sogar adversariale Verifizierungsagenten ein, um die Ergebnisse kritisch zu prüfen, und iteriert bis zur Konvergenz. Es koordiniert außerhalb des Hauptgesprächsfadens, und sein Zustand ist fortsetzbar und hält über eine mehrtägige Ausführung hinweg.

In der Positionierung ist es ein Schritt dahin, dass das Modell selbst spontan entwirft und ausführt, was man zuvor mit dem Claude Agent SDK selbst aufbauen musste: die „parallele Orchestrierung vieler Agenten“. Für große Refactorings und übergreifende Untersuchungen erweitert sich der Bereich, den es ohne schrittweise menschliche Anleitung steuern kann.

7. Neue Funktion #3: system-Einträge in der Messages API

Eine subtile Änderung, aber eine willkommene für Entwickler: die Messages API akzeptiert jetzt system-Einträge innerhalb des messages-Arrays.

Bisher wurde der System-Prompt (die Systemanweisungen) einmalig am Anfang der Konversation platziert. Mit dieser Änderung kann man Systemanweisungen mitten in der Konversation einfügen — und das ohne den Prompt-Cache zu zerstören oder einen Nutzer-Turn zu erfordern.

// Beispiel: Aktualisierung von „Berechtigungen, Budget, Umgebung" mitten im Workflow
messages: [
  { role: "system",    content: "Du bist ein CI-Agent. Keine destruktiven Operationen." },
  { role: "user",      content: "Aktualisiere die Abhängigkeiten" },
  { role: "assistant", content: "..." },
  // Politik mitten im Lauf aktualisieren (ohne den Cache zu zerstören)
  { role: "system",    content: "Das Token-Budget ist knapp. Nutze effort=low, nur die Kernpunkte." },
  { role: "user",      content: "Fortsetzen" }
]

Das zahlt sich bei langen, mehrstufigen Agentenläufen aus. Das „dynamische Austauschen der Politik“ mitten in der Ausführung — Berechtigungen verschärfen, Token-Budget signalisieren, den Umgebungskontext aktualisieren (auf welchem Branch man ist usw.) — funktioniert nun unter Erhalt der Cache-Effizienz. Es ist ein Design, das gut mit langlaufenden autonomen Läufen wie dynamischen Workflows zusammenpasst.

8. Der größte Sprung ist Ehrlichkeit — Codefehler rutschen etwa viermal seltener durch

Das ist der Teil, den ich am meisten vermitteln möchte. Das wahre Unterscheidungsmerkmal von Opus 4.8 sind nicht die Benchmark-Zahlen — es ist „Ehrlichkeit über die eigene Arbeit.“ Was Anthropic und die Tester wiederholt betonten, ist, dass dieses Modell proaktiv die eigene Unsicherheit kennzeichnet und seltener unbelegte Behauptungen aufstellt.

Warum ist das wichtig? Das größte Risiko, eine KI-Agenten lange autonom laufen zu lassen, ist „einen Fehlschlag als Erfolg zu melden und dann weitere Arbeit auf diesem Fehler aufzustapeln.“ „Behoben“ zu sagen, während die Tests noch fehlschlagen; unsichere Vermutungen in einem zuversichtlichen Ton zu äußern — diese Art von „Selbstüberschätzung“ untergräbt die Verlässlichkeit der Automatisierung an der Wurzel. Dass Opus 4.8 nun seine Unsicherheit von sich aus kennzeichnet, ist in der Praxis wertvoller als ein paar Benchmark-Punkte. Persönlich halte ich diesen einen Punkt für das Lobenswerteste an diesem Update.

9. Vorbehalte (ehrlich gesagt)

Die Zugewinne haben wir gesehen. Aber da dieser Artikel „Ehrlichkeit“ lobt, bin ich auch ehrlich — hier, unverblümt, die Punkte, die sich bei 4.8 nicht verbessert haben oder Vorsicht verlangen.

Gerade bei Prompt-Injection macht der Wechsel auf 4.8 nicht sicherer. Laut Anthropics Transparency Hub liegt die Erfolgsquote der Angriffe bei 0.4% — genauso wie bei 4.7, über mehr als 15.000 Versuche — und ist damit die niedrigste unter den verglichenen führenden Modellen, allerdings gemessen ohne die zusätzlichen Abwehrmaßnahmen, die Anthropic in seine Produkte einbaut. Für Agenten, die externe Eingaben (Webseiten, E-Mails, Nutzerbeiträge) lesen und autonom handeln, bleibt die Grundlage ein Design mit eingeschränkten Rechten statt des Vertrauens auf die Robustheit des Modells.

10. Wer jetzt sofort umsteigen sollte

Sollte man also jetzt sofort auf claude-opus-4-8 umsteigen? Schlüsseln wir es nach Typ auf.

Da die Wechselkosten selbst nahezu null sind (nur die Modell-ID ändern; der Standardpreis bleibt gleich), ist der Königsweg, zunächst in einer unkritischen Umgebung auf claude-opus-4-8 umzustellen und auf den eigenen Aufgaben zu messen. Die konkreten Migrationsschritte von 4.7 übertragen sich direkt aus den Überlegungen im Opus-4.7-Migrationsleitfaden. Für den Vergleich mit GPT-5.5 und anderen siehe GPT-5.5 vs. Claude Opus Vergleich.

Fazit

Claude Opus 4.8 (veröffentlicht am 28. Mai 2026, claude-opus-4-8) ist ein Flaggschiff, das die Substanz gestärkt und Preis und Kontext beibehalten hat. Coding verbesserte sich stetig (SWE-bench Pro +4.9); die Arbeit im Terminal (Terminal-Bench 2.1 +8.5) und Wissensarbeit (GDPval-AA +137) legten deutlich zu. Der Fast-Modus wurde rund 2.5x schneller und kostet faktisch ein Drittel, und die praktischen Funktionen — der effort-Parameter, dynamische Workflows und system-Einträge in der Messages API — kamen gemeinsam.

Doch das Wesentliche sind nicht die Zahlen. Codefehler rutschen etwa viermal seltener durch, Fehlschläge bleiben nur in 3.7% der Fälle unerwähnt — diese Veröffentlichung, die „Ehrlichkeit“ vor „Klugheit“ stellt, weist in die richtige Richtung für eine Ära langlaufender autonomer KI. Zugleich liegt es bei Terminal-Bench 2.1 weiter hinter GPT-5.5, und seine Robustheit gegen Injection ist gegenüber 4.7 unverändert; es liegt nicht auf jeder Achse vorn. Deshalb ist — ganz im Sinne der Tugend dieses Modells — der klügste Umgang, nicht übermütig zu sein und vor der Entscheidung an den eigenen Aufgaben zu messen.

Weiterführende Lektüre: Claude Opus 4.7 Release-Analyse, Opus-4.7-Migrationsleitfaden, Preisvergleich Opus / Sonnet / Haiku, GPT-5.5 vs. Claude Opus Vergleich und Was ist das Claude Agent SDK.

FAQ

F. Ist die Migration von Opus 4.7 auf 4.8 schwierig?
A. Kaum etwas. Ändern Sie einfach die API-Modell-ID auf claude-opus-4-8; Standardpreis und Kontextfenster (1M Tokens) bleiben gleich. Das Standard-effort=HIGH verbraucht etwa so viele Tokens wie der Standard von 4.7, nur die Leistung steigt – Sie profitieren also ohne Konfigurationsänderung. Bei Agenten mit externen Eingaben beachten Sie aber, dass die Robustheit gegen Injection gegenüber 4.7 nicht besser geworden ist (siehe oben).

F. Was bedeutet „3x günstiger“ beim Fast-Modus?
A. Es bedeutet, dass der Preis des Fast-Modus ($10 Input / $50 Output pro 1M tokens) faktisch ein Drittel des Fast-Modus des vorherigen Modells beträgt. Die Geschwindigkeit ist etwa 2.5x des Standards. Das Dilemma „Ich will Geschwindigkeit, aber der Fast-Modus ist teuer“ wird stark gemildert, was den Einsatz für Chat-UIs und Massen-Batch-Verarbeitung erleichtert.

F. Kann jeder dynamische Workflows nutzen?
A. Es befindet sich in der Research Preview, nutzbar aus Claude Code (CLI, Desktop, VS-Code-Erweiterung). Die Verfügbarkeit besteht in den Max-, Team- und Enterprise-Plänen (vom Admin freigeschaltet) sowie über die API, Bedrock, Vertex und Foundry. Aus Sicherheitsgründen erfordert das erste Auslösen eine ausdrückliche Bestätigung. Das Verhalten kann sich ändern, daher ist es am sichersten, es zunächst an unkritischer Arbeit zu erproben.

F. Ist 4.8 in jeder Hinsicht besser als 4.7?
A. Nein. Selbst in Anthropics eigener Tabelle liegt GPT-5.5 (78.2%) bei Terminal-Bench 2.1 vor 4.8 (74.6%), Computer Use bei OSWorld-Verified ist gegenüber 4.7 nahezu unverändert (+0.6), und die Robustheit gegen Prompt-Injection liegt auf dem Niveau von 4.7. Bei Coding (SWE-bench Pro), Wissensarbeit (GDPval-AA) und Ehrlichkeit liegt es klar vorn, doch für manche Einsätze passen 4.7 oder andere Modelle besser.

F. Was ist der konkrete Nutzen höherer „Ehrlichkeit“?
A. Beim autonomen Betrieb von KI-Agenten ist das größte Risiko, „einen Fehlschlag als Erfolg zu melden und darauf weiterzubauen“. Weil 4.8 Fehler im eigenen Code etwa viermal seltener durchgehen lässt als 4.7 und wichtige Fehlschläge nur in 3.7% der Fälle nicht meldet, hört es auf, „so zu tun, als würde es funktionieren“, und sagt, wenn es unsicher ist. Bei langlaufender Automatisierung, CI und Code-Reviews steigt die Zuverlässigkeit auf praktischem Niveau.

Verwandt: Claude Fable 5 fürs Coding.