Kaum war die Serie „42 KI-Modelle im Vergleich“ fertig, stand die nächste Claude-Generation bereit. Wir haben Opus 5, Opus 5 „Fast“ und Sonnet 5 durch denselben fairen Test geschickt — mit drei überraschenden Ergebnissen: Opus 5 überzeugt, die schnelle Variante gewinnt, und Sonnet 5 fällt hinter seinen eigenen Vorgänger zurück.
In unserer Serie „42 KI-Modelle im Vergleich“ haben wir Dutzende Sprachmodelle dieselbe Aufgabe lösen lassen: eine Motorrad-Routenfrage auf Basis echter Verkehrsdaten beantworten. Die Kernlektion aus fünf Teilen — von der Rangliste bis zur Methodik — war: Der Testaufbau entscheidet mit, nicht nur das Modell.
Wenige Tage später erschien die neue Generation: Claude Opus 5, eine schnellere Variante Opus 5 „Fast“ und Claude Sonnet 5. Grund genug, sie durch exakt denselben Test zu schicken — und gegen ihre direkten Vorgänger antreten zu lassen.
Fair testen statt Marketing glauben
Damit der Vergleich Äpfel mit Äpfeln bleibt, laufen alle sechs Modelle über denselben Zugang: die rohe API im Standardmodus, dieselben vier Fragen, dieselben Quelldaten. Kein Modell bekommt einen Sonderweg, keine besondere Effort-Stufe. Anschließend bewertet ein anonymisierender Judge (Claude Sonnet 4.6, wie in der ganzen Serie) alle Antworten auf fünf Dimensionen von je 1 bis 5 Punkten: Faktentreue, Empfehlungsqualität, Vollständigkeit, Klarheit und Ehrlichkeit. Die Namen der Modelle sieht der Judge nicht — er bewertet nur den Text.
Wichtig für das Verständnis der Zahlen: Ein solcher Judge bewertet relativ zum Vergleichsfeld. Die absoluten Punktwerte hier sind deshalb nur untereinander vergleichbar, nicht mit anderen Läufen. Die drei Vorgänger laufen als Anker mit, damit man die neue Generation einordnen kann.
Das Ranking
Sechs Modelle, vier Fragen, ein Judge-Durchgang — sortiert nach Gesamtnote (Σ von 25):
| # | Modell | Σ /25 | Fakt | Empf | Voll | Klar | Ehrl |
|---|---|---|---|---|---|---|---|
| 1 | Claude Fable 5 | 24,00 | |||||
| 2 | Claude Opus 5 · Fast | 23,75 | |||||
| 3 | Claude Opus 5 | 23,25 | |||||
| 4 | Claude Sonnet 4.6 Anker | 22,25 | |||||
| 5 | Claude Sonnet 5 | 21,25 | |||||
| 6 | Claude Opus 4.8 Anker | 21,25 |
Messlauf: 29.07.2026 · ein Judge-Durchgang · Judge Claude Sonnet 4.6 · sechs Modelle anonymisiert · alle über die OpenRouter-API im Standardmodus[1]. Der komplette Vergleich kostete unter 50 Cent[2].
Opus 5: der Sprung, den man erwartet
Der klarste Befund ist zugleich der unspektakulärste: Opus 5 überholt Opus 4.8 um zwei volle Punkte (23,25 gegen 21,25). Interessant ist, woher der Vorsprung kommt. In vier der fünf Dimensionen liegen beide fast gleichauf — der Unterschied entsteht bei der Vollständigkeit: 4,75 für Opus 5 gegen nur 3,25 für den Vorgänger. Die neue Generation zieht mehr der bereitgestellten Quellen in ihre Antwort, statt sich auf die naheliegenden zu beschränken. Wer strukturierte, quellengestützte Antworten braucht, bekommt hier einen echten Fortschritt.
Die Überraschung: die schnelle Variante gewinnt
Neben dem regulären Opus 5 gibt es eine als „Fast“ bezeichnete Variante. Die Erwartung wäre: schneller, dafür etwas schwächer. Das Gegenteil trat ein. Opus 5 „Fast“ antwortete mit durchschnittlich 4,3 Sekunden pro Frage mehr als doppelt so schnell wie das reguläre Opus 5 (10,0 Sekunden) — und landete trotzdem einen Platz darüber (23,75 gegen 23,25). Den Ausschlag gaben die Vollständigkeit (glatte 5,0) und die Ehrlichkeit.
Der Haken liegt beim Preis: Die schnelle Variante ist laut Anbieterkatalog[1] pro Token rund doppelt so teuer wie das reguläre Opus 5. Schneller und besser, aber nicht billiger — ein Echo der Anomalien, die schon Teil 4 unserer Serie gezeigt hat: Geschwindigkeit und Qualität hängen nicht so zusammen, wie die Intuition vermutet.
Sonnet 5: neuer heißt nicht besser
Der überraschendste Befund betrifft das mittlere Modell. Sonnet 5 landet unter seinem eigenen Vorgänger Sonnet 4.6 (21,25 gegen 22,25). Und das lässt sich diesmal nicht wegdiskutieren: Beide liefen über denselben API-Standardzugang, kein Modus-Nachteil als Ausrede. Sonnet 5 verliert vor allem bei der Empfehlungsqualität (3,75 gegen 4,25) und der Vollständigkeit — seine Antworten bleiben häufiger vage und lassen bereitgestellte Muster liegen.
Die Lehre ist unbequem, aber wichtig: Eine höhere Versionsnummer ist kein Qualitätsversprechen. Für die konkrete Aufgabe — strukturiertes Antworten auf Basis vorgegebener Daten — war hier das ältere Sonnet die bessere Wahl. Wer blind auf „das neueste Modell“ umstellt, kann sich verschlechtern, ohne es zu merken.
Was sich nicht ändert: die Fakten stimmen
Bei aller Bewegung im Ranking gibt es eine bemerkenswerte Konstante: Die Faktentreue liegt bei allen sechs Modellen bei glatten 5,0. Keines erfindet Verkehrsdaten, keines widerspricht den bereitgestellten Quellen. Das bestätigt den Kern jeder guten RAG-Anwendung (Retrieval-Augmented Generation, also KI-Antworten auf Basis eigener Daten): Wenn die Quelldaten sauber übergeben werden, halluzinieren auch neue Modellgenerationen kaum. Getrennt wird das Feld nicht über die Wahrheit, sondern über die Vollständigkeit der Wahrheit.
Was das für die Praxis heißt
Drei Dinge zum Mitnehmen. Erstens: Neue Modelle testen, nicht glauben — der Sonnet-5-Fall zeigt, dass ein Upgrade auch ein Downgrade sein kann. Zweitens: Die eigene Aufgabe entscheidet. Unser Test misst strukturiertes, quellengestütztes Antworten; für Programmierung oder freies Schreiben sagt er nichts aus. Drittens: Der günstigste Weg zur Sicherheit ist der eigene Test — der komplette Vergleich hier kostete unter 50 Cent. Wie man ihn selbst aufsetzt, beschreibt unsere Serie im Detail.
Quellenverzeichnis
- [1] Modell-Preise und Verfügbarkeit: OpenRouter-Modellkatalog, openrouter.ai/models (abgerufen 29.07.2026). Entnommen: Opus 5 rund halb so teuer je Token wie Opus 5 „Fast“; alle sechs Modelle über eine einheitliche Schnittstelle erreichbar.
- [2] Eigener Messlauf vom 29.07.2026: vier Fragen je Modell, ein anonymisierter Judge-Durchgang (Judge Claude Sonnet 4.6), fünf Bewertungsdimensionen. Punktwerte und Latenzen stammen direkt aus den protokollierten Rohdaten dieses Laufs. Methodik ausführlich in Teil 3 der Serie.