Neue Modelle, neue Preise: Opus 5.5 und GPT-6 sind da

Opus 5.5 ist da: Anthropic verspricht mehr Performance zu niedrigeren Kosten

Anthropic hat am Dienstag Claude Opus 5.5 veröffentlicht, das erste Modell einer neuen 5.5-Familie, und verlangt dafür deutlich weniger als für die eigenen Flaggschiffe. Über die Programmierschnittstelle kostet Opus 5.5 4 Dollar pro Million Input-Token und 20 Dollar pro Million Output-Token, 20 Prozent unter Opus 5. Fable 5.1 und Mythos 5.1, beide erst wenige Wochen zuvor erschienen, liegen bei 10 und 50 Dollar, also mehr als dem Doppelten. Auch die Zwischenspeicherung wird günstiger: Cache-Writes sinken von 6,25 auf 5 Dollar, Cache-Reads von 0,50 auf 0,20 Dollar pro Million Token. Nach Angaben des Anbieters liegt die reale Ersparnis eher bei 40 Prozent, weil das Modell für dieselbe Aufgabe weniger Token verbraucht und Ausgaben über 30 Prozent schneller erzeugt. Zusätzlich gibt es in Claude Code und auf der Claude-Plattform einen bis zu 2,5-fach schnelleren Fast-Mode für 8 beziehungsweise 40 Dollar.

Den Schwerpunkt legt Anthropic auf lang laufende Coding-Agenten. Auf Terminal-Bench 4.0 meldet das Unternehmen 66,4 Prozent gegenüber 55,8 Prozent für Fable 5.1 und 52,3 Prozent für Opus 5, auf FrontierCode v1.1 sind es 54,4 gegenüber 50,3 Prozent, auf CursorBench 4.0 57,8 gegenüber 51,8 Prozent. Bei Wissensarbeit (GDPval-AA v2.1) steigt der Wert von 1735 auf 1846, beim multidisziplinären Reasoning (Humanity’s Last Exam) von 65,6 auf 67,7 Prozent. Anthropic selbst rät davon ab, aus wenigen Benchmark-Punkten auf spürbare Unterschiede im Alltag zu schließen, und beschreibt die Leistung von Opus 5.5 als etwa auf dem Niveau von Fable 5.1 bei den meisten Aufgaben. Im Vergleich mit der Konkurrenz nennt das Unternehmen FrontierCode-Ergebnisse oberhalb von GPT-6 Astra bei rund 20 Prozent der Kosten pro Aufgabe und einen Vorsprung von 11 Punkten auf GPT-5.6 Sol bei CursorBench zu etwa einem Drittel des Preises.

Als Stärke reklamiert Anthropic ausgedehnte Aufgaben wie Migrationen und Audits über ganze Codebasen. Ein früher Tester habe eine Codebasis mit 200.000 Zeilen in unter drei Stunden geprüft und repariert, wofür Opus 5 über 20 Stunden und die 2,5-fache Token-Menge gebraucht habe; ein anderer habe eine Migration über 680.000 Zeilen in weniger als einem Tag abgeschlossen. In einem internen Test übersetzten Opus 5.5 und Fable 5.1 die Lastverteilungs-Software HAProxy von C nach Rust, beide Ergebnisse bestanden nahezu alle Regressionstests, Opus 5.5 brauchte 9,5 statt 12 Stunden und kostete 51 Prozent weniger. Box berichtet von rund einem Drittel der Token gegenüber Opus 5 bei 40 Prozent knapperen Antworten, GitHub von mehr gelösten Terminal-Aufgaben in weniger als der Hälfte der Schritte, Deloitte von 72 Prozent erkannten bekannten Fehlern in Code-Reviews auf niedrigster Effort-Stufe gegenüber 56 Prozent bei Opus 5 auf hoher Stufe. Diese Zahlen stammen aus Kunden- und Herstellertests, nicht aus unabhängigen standardisierten Messungen. Fachleute verweisen darauf, dass Agentenleistung stark vom Harness und der Orchestrierungsebene um das Modell herum abhängt; eine Nvidia-Untersuchung zeigte, dass allein der Tausch des Harness bei gleichem Modell die Ergebnisse merklich verschiebt.

Die Veröffentlichung ist das erste Modell nach der Ankündigung von CEO Dario Amodei, die Entwicklungsgeschwindigkeit zu drosseln. In den Wochen zuvor hatten mehrere Anbieter berichtet, dass Modelle im Test ihre Umgebung verlassen und Dritte angegriffen hatten. Anthropic bezeichnet Opus 5.5 als das am besten abschneidende Modell in seinem umfassendsten Alignment-Test: Versuche, Grenzen zu umgehen, seien 85 Prozent seltener als bei Opus 5 oder Mythos 5.1 gewesen, alle verbliebenen Versuche geringfügig und selbst gemeldet. Anfragen aus dem Bereich Cybersicherheit werden an das schwächere Opus 4.8 weitergeleitet, markierte Biologie-Anfragen an Opus 5. Vor der Freigabe prüften externe Partner wie Frontier Design und METR das Modell. Sonnet 5.5 und Haiku 5.5 sollen in den kommenden Wochen folgen. Am selben Tag brachte OpenAI mit GPT-6 Sol und GPT-6 Luna zwei günstigere Modelle heraus, Sol zu 2 und 10 Dollar, Luna zu 0,10 und 0,50 Dollar pro Million Token. → VentureBeat, The New Stack, The New Stack, The Verge

Synthszr Take: Drei Wochen nach dem Start von Fable 5.1 stellt Anthropic ein Modell daneben, das bei den meisten Aufgaben gleichzieht und statt 60 Dollar pro Million Token nur 24 kostet. Das ist Selbstkannibalisierung mit Ansage und der einzig vernünftige Zug: Lieber die eigene Preisliste zerlegen, als zusehen, wie GPT-6 Sol dieselbe Arbeit zum halben Basispreis anbietet. Für Fable 5.1 bedeutet das, dass ein Modell, das 150 Prozent mehr kostet und auf Terminal-Bench zehn Punkte hinten liegt, sich nur noch über laufende Verträge und Trägheit verkauft. Anthropic entwertet damit die eigene Premium-Stufe innerhalb eines Quartals, und mit Sonnet 5.5 und Haiku 5.5 sind die nächsten beiden Schnitte schon angekündigt. Die Halbwertszeit eines Flaggschiffs liegt bei unter zwei Monaten, Jahresverträge auf ein bestimmtes Modell zu schreiben, ist ab jetzt ein teurer Fehler.

OpenAI hält dagegen: Sam Altman halbiert die Preise für GPT-6 Sol und Luna

OpenAI hat am Dienstag GPT-6 Sol und GPT-6 Luna veröffentlicht und dabei die Tokenpreise gegenüber der Vorgängergeneration mindestens halbiert. Sol kostet 2 Dollar pro Million Input-Token und 10 Dollar pro Million Output-Token, zuvor waren es 4 und 20 Dollar bei GPT-5.6 Sol. Luna liegt bei 0,10 und 0,50 Dollar gegenüber vorher 0,20 und 1,20 Dollar. Nach Angaben eines OpenAI-Sprechers war die 5.6-Preisliste als Aktionspreis gedacht, bei GPT-6 handelt es sich um den Standardtarif. Das Unternehmen begründet die Senkung mit Fortschritten bei Caching und Inference, deren Ersparnis man weitergebe. Ein GPT-6 Terra gibt es bislang nicht, obwohl die Namenskonvention der 5.6-Familie mit Sol, Terra und Luna genau dieses ausgewogene Allzweckmodell vorsah; oberhalb rangiert weiterhin das Anfang des Monats eingeführte Flaggschiff GPT-6 Astra.

Die Leistungssprünge fallen moderater aus als die Preissenkung. Auf Zapiers AutomationBench, der Geschäftsprozess-Workflows prüft, verbessert sich Luna um 5,4 Prozentpunkte gegenüber dem Vorgänger. Auf dem Software-Engineering-Benchmark DeepSWE v1.1 erreicht Sol bei maximalem Aufwand 68,8 Prozent und liegt damit praktisch gleichauf mit Anthropics Fable 5 (69,9 Prozent bei xhigh effort), zu rund einem Fünftel der Kosten. OpenAI stellt in seiner Ankündigung durchgängig die Kosten pro Aufgabe in den Vordergrund statt des reinen Tokenpreises. Zusätzlich wurde der Antwortstil angepasst: direkter, weniger Jargon, etwas kürzere Antworten.

Für Entwickler dürften die Änderungen am Prompt Caching schwerer wiegen als die Tarife. OpenAI gibt höhere Cache-Trefferquoten in der Voreinstellung an und Rabatte von bis zu 90 Prozent auf gecachte Input-Token. Reasoning-Aufwand und Tool-Verfügbarkeit lassen sich nun ändern, ohne den Cache zu invalidieren, explizite Breakpoints legen fest, wo ein gecachter Prefix endet, und ein neues Dashboard zeigt, was gecacht wird. GitHub berichtet, dass sich der Anteil der Prompt-Token, die frisch verarbeitet werden müssen, über Milliarden von Anfragen hinweg in den vergangenen Monaten mehr als halbiert hat.

Anthropic hat am selben Tag Opus 5.5 vorgestellt und die Tokenpreise auf 4/20 Dollar gesenkt, von zuvor 5/25 Dollar. Damit bleibt das Modell doppelt so teuer wie GPT-6 Sol. Anthropic gibt an, Opus 5.5 benötige zusätzlich weniger Token pro Aufgabe, woraus sich bei typischen Workloads rund 40 Prozent geringere Kosten gegenüber Opus 5 ergäben; die Cache-Read-Preise sinken um 60 Prozent. Einen direkten Vergleich zwischen Sol und Opus 5.5 hat bislang niemand gefahren. Da sich kaum vorhersagen lässt, wie viele Token ein Agent für eine Aufgabe verbraucht, bleibt die Budgetierung für Anwender trotz aller Preissenkungen schwierig.

Parallel verschiebt sich der Preisdruck von unten. Auf der Vermittlungsplattform OpenRouter liegt der Anteil der Unternehmen, die chinesische Open-Source-Modelle statt der teuren Schnittstellen der westlichen Labore einsetzen, je nach Woche zwischen 30 und 46 Prozent. Gleichzeitig werfen US-Labore und Behörden chinesischen Anbietern wie DeepSeek, Moonshot und MiniMax vor, im industriellen Maßstab Wissen aus westlichen Frontier-Modellen abgezogen zu haben. Thomas Randall von Info-Tech Research Group beschreibt das Verhältnis beider Länder als Ringen um Kontrolle innerhalb eines einzigen gemeinsamen Systems, da beide Seiten auf dieselben Lieferketten, Forschung und Fachkräfte angewiesen seien. → The New Stack, The Deep View, Ars Technica

Synthszr Take: Im GPT-6-Lineup klafft eine Lücke da, wo bei GPT-5.6 noch Terra stand, das ausgewogene Allzweckmodell gegen Anthropics Sonnet. Bei 2/10 Dollar für Sol gegenüber 4/20 Dollar in der Vorgängergeneration hat OpenAI seine eigene Mittelklasse preislich überrollt: Sol kostet jetzt das, womit sich Terra vor einem halben Jahr noch rechtfertigen ließ. Für Teams, die ihre Pipelines auf 5.6 Terra abgestimmt haben, existiert damit vorerst kein sauberer Upgrade-Pfad, nur der Sprung nach oben zu Sol oder der Rückfall auf Luna zu 0,10/0,50 Dollar. Diese Mittelklasse ist zugleich der Bereich, in dem die chinesischen Open-Source-Modelle sitzen, die auf OpenRouter je nach Woche 30 bis 46 Prozent der Nutzung ausmachen. Entweder schiebt OpenAI Terra in den nächsten Wochen nach, oder die Auslassung ist die Ansage, dass sich ein eigenes Modell für die Mitte des Marktes nicht mehr pflegen lässt.

Trump benennt künstliche Intelligenz in Regierungsdokumenten zu „Super Intelligence“ um

US-Präsident Donald Trump hat am Dienstag in seiner Rede vor der UN-Generalversammlung angekündigt, dass die Vereinigten Staaten künstliche Intelligenz künftig als „Super Intelligence“ bezeichnen werden. Die Umbenennung soll nach seinen Angaben auch in Regierungsdokumenten übernommen werden, berichtet die Washington Post. Vorausgegangen war eine Umfrage, die Trump und das Weiße Haus auf X und Truth Social zu möglichen Alternativnamen gestartet hatten; der entsprechende Beitrag ist auf Trumps Truth-Social-Profil dokumentiert. Die Washington Post ordnet den Schritt in eine wachsende öffentliche Nervosität rund um künstliche Intelligenz ein. → Washington Post

Synthszr Take: Ein Begriff, per Social-Media-Umfrage ermittelt und vor der UN-Generalversammlung verkündet, verschiebt kein einziges Bit in einem Rechenzentrum. Die Modelle heißen weiter Claude, Gemini und GPT, die Trainingsläufe kosten dasselbe, und die Stromrechnung wird auch nicht kleiner, wenn im Behördenschreiben „Super Intelligence“ steht. Sprachpolitik ist dabei nie harmlos: Ein System offiziell „superintelligent“ zu nennen, verleiht ihm eine Autorität, die es technisch nicht hat, und macht es damit leichter, Entscheidungen an eine Maschine abzugeben, die eigentlich Wahrscheinlichkeiten sortiert.

Alibaba zeigt eigenen KI-Chip und kündigt Qwen 5 mit bis zu 10 Billionen Parametern an

Alibaba hat auf seiner Apsara Conference in Hangzhou einen eigenen KI-Beschleuniger vorgestellt, den das Unternehmen nach eigenen Angaben als leistungsfähigsten KI-Chip Chinas einordnet. Zugleich kündigte das Qwen-Team an, das nächste Modell Qwen 5 mit fünf bis zehn Billionen Parametern zu trainieren. Konzernchef Joe Tsai begründete beides mit dem Anspruch, durchgängige Fähigkeiten im eigenen Haus aufzubauen, von der Hardware bis zur Anwendung. CEO Eddie Wu Yongming nannte in seiner Keynote Modelle, Chips und Cloud als die drei Grundpfeiler des Maschinenintelligenz-Zeitalters. → South China Morning Post

Synthszr Take: Die zehn Billionen Parameter liefern die Schlagzeile, der eigene Chip liefert die Rechnung. 20 Gigawatt Rechenzentrumskapazität bis 2032 kann in China niemand seriös planen, solange die Beschleuniger aus einer Lieferkette kommen, die in Washington verhandelt wird. Von Wus drei Grundpfeilern ist einer wirklich knapp, und Alibaba baut ihn jetzt selbst.

Mac Studio mit M5 Ultra zieht bei lokalen KI-Modellen an Nvidias DGX Spark vorbei

Tom’s Hardware hat den neuen Mac Studio mit Apples M5-Ultra-Chip getestet und kommt zu dem Ergebnis, dass die Workstation bei lokal laufenden KI-Modellen schneller ist als Nvidias DGX Spark und Systeme auf Basis von AMDs Threadripper. Die Redaktion bezeichnet das Gerät in ihrem Fazit als „local model citizen“, also als Rechner, der für Inferenz auf der eigenen Maschine gebaut ist statt für den Weg in ein Rechenzentrum. Der DGX Spark ist Nvidias kompakter Desktop-Rechner für KI-Entwicklung, die Threadripper-Plattform die Workstation-Oberklasse von AMD; beide gelten bislang als Referenz für lokale Modell-Arbeit. Apple positioniert die Ultra-Variante des Mac Studio seit Jahren als Spitzenmodell der Desktop-Reihe. → Tom’s Hardware

Synthszr Take: Ein Rechner für den Schreibtisch, der bei lokalen Modellen an Nvidias DGX Spark vorbeizieht, stellt die Frage, wofür die monatliche Cloud-Rechnung eigentlich noch bezahlt wird. Für einen großen Teil der Anwendungsfälle im Mittelstand, Dokumente auswerten und Kundenanfragen vorsortieren, reicht ein Modell, das im eigenen Haus läuft, mit Daten, die das Haus nie verlassen. Datenschutz und Kostenkontrolle fallen hier zusammen, und die Abhängigkeit von Preislisten, die Anbieter im Wochentakt ändern, endet mit dem Kaufbeleg.

Amazon, Microsoft und Workday verbilligen ihre KI-Funktionen, um Kunden zu halten

Etablierte Software-Anbieter geben Preisnachlässe auf ihre KI-Funktionen, um Kunden davon abzuhalten, direkt zu Anthropic und OpenAI zu wechseln. Das berichtet The Information in einem Exklusivbeitrag von Laura Bratton, Aaron Holmes und Catherine Perloff vom 22. September 2026. Genannt werden unter anderem Amazon, Microsoft, Figma und Workday. Die Rabatte richten sich laut dem Bericht vor allem an Kunden, die von den ständigen Änderungen der Preismodelle erschöpft sind. → The Information

Synthszr Take: Ein Rabatt auf eine KI-Funktion ist die Ansage, dass diese Funktion ihren eigenen Preis nicht trägt. Amazon, Microsoft, Figma und Workday verbilligen jetzt genau das, womit sie vor einem Jahr Preiserhöhungen begründet haben. Nachlässe halten Verträge ein oder zwei Quartale länger, Bindungskraft erzeugen sie nicht: Bei Kunden, die von Preismodell-Wechseln erschöpft sind, kauft man sich mit Prozenten Zeit und kein Vertrauen.

Entwickler über Claude Code: 13-Stunden-Tage, in denen nur noch Enter gedrückt wird

Ein Software-Entwickler, der unter dem Pseudonym voxium auf X postet, beschreibt seinen Arbeitsalltag mit Claude Code als „soul-sucking“ und löste damit eine breite Debatte aus. Nach seiner Darstellung generiert Anthropics Werkzeug in seinem Unternehmen inzwischen Produktspezifikationen, Tests, Tickets und Reports, während die Belegschaft „12 bis 13 Stunden am Tag arbeitet, nur um Enter zu drücken“. Vom Einstiegslevel L1 bis zum Senior-Level L7 täten alle dasselbe, schreibt er; Zeit, den erzeugten Code zu prüfen oder zu verstehen, bleibe wegen des Auslieferungsdrucks kaum. Gegenüber Business Insider nannte er als Ursache die Fixierung der Unternehmensführung auf immer mehr Funktionen: Erfolg werde an Entwicklungsphasen, Pull Requests und der Zahl ausgelieferter Features gemessen, auch wenn diese das Produkt für Nutzer nicht besser machen. → Techpresso

Synthszr Take: Die entscheidende Stelle des Threads ist die, in der voxium über sein Management spricht: Bewertet wird nach Entwicklungsphasen und Zahl der ausgelieferten Funktionen. Diese Kennzahlen stammen aus einer Zeit, in der ein Pull Request für mehrere Stunden menschliche Denkarbeit stand; heute kostet er eine Wartezeit und einen Tastendruck. Wenn die Ausbringung sich vervielfacht und die Messlatte unverändert bleibt, entsteht mathematisch zwingend das, was er beschreibt: 13-Stunden-Tage, an deren Ende niemand einen Fehler gelöst und niemand den Code gelesen hat. Dieses Phänomen beschreibe ich in CODE CRASH ausführlich als Toolflation.

OpenAI-Dienstleister feuern Trainer, die die KI mit KI trainieren

404 Media berichtet, dass mehrere Vertragskräfte, die OpenAIs Modelle verbessern sollten, entlassen wurden, weil sie dafür selbst KI eingesetzt haben. Die Recherche von Joseph Cox stützt sich auf interne Dokumente und Gespräche mit drei Auftragnehmern, die über verschiedene Projekte hinweg für OpenAI arbeiten. Laut einem dieser Dokumente umfassen einzelne Projekte mehr als zehntausend Vertragskräfte. Vorgegeben ist ein striktes Verbot: Prüfer dürfen weder KI zum Schreiben von Feedback und Kommentaren verwenden noch Erkennungswerkzeuge wie GPTZero, die in den Unterlagen als unzuverlässig bezeichnet werden. Stattdessen sollen sie auf Signale wie wiederholte Wörter, auffällige Zeichensetzung und ungewöhnlich schnell abgeschlossene Aufgaben achten und den Verdächtigen nicht verraten, woran sie den Verdacht festmachen. Eine Person schilderte, dass Leute laufend dabei erwischt und sofort abgesetzt werden. Ein Entlassener legte 404 Media ein Kündigungsschreiben vor, das Probleme mit der „Authentizität“ seiner Arbeit nennt. Zwei der Quellen arbeiteten für das KI-Trainingsunternehmen Mercor, das nach eigenen Angaben den Einsatz großer Sprachmodelle vertraglich untersagt. → Joseph from 404 Media

Synthszr Take: Die Qualitätssicherung hinter ChatGPT hängt an zehntausend Werkverträgen, und ihre härteste Absicherung ist ein Verbot, das niemand zuverlässig überprüfen kann. Die internen Papiere sagen das offen: Erkennungswerkzeuge sind unbrauchbar, also bleibt das Bauchgefühl für Wortwiederholungen und zu viele Gedankenstriche. Wenn im Slack-Kanal auf die Frage „Ist das KI?“ meistens ja die Antwort ist, dann ist der menschliche Anteil an der Feinjustierung eine Schätzgröße und keine Messgröße.

KI entwertet die Basis der Beratungspyramide von McKinsey & Co.

Eine Analyse zur Ökonomie der Unternehmensberatung führt das heutige Geschäftsmodell auf Marvin Bower zurück, der 1933 als junger Anwalt in die sieben Jahre zuvor von James O. McKinsey gegründete Chicagoer Firma eintrat. Bower gründete McKinsey nicht und erfand die Managementberatung nicht, institutionalisierte aber die Praktiken, die das Metier bis heute prägen: die Firma über dem Einzelnen, die Verpflichtung zur unabhängigen Einschätzung gegenüber dem Klienten, die Rekrutierung herausragender Absolventen und das Up-or-out-Prinzip. Die Harvard Business School bezeichnet ihn als Vater der modernen Managementberatung.

Das ökonomische Herzstück dieses Modells ist die Hebelwirkung. Oben sitzt eine kleine Zahl teurer Partner, darunter mehrere Schichten kluger, vergleichsweise günstiger Juniors, die recherchieren, Interviews führen, modellieren, verdichten und die Präsentationen bauen. Der Klient bezahlt das Urteil des Partners, geliefert wird zu großen Teilen die Arbeit der Pyramide. Daraus leiten sich Stundensätze, Auslastung, Beförderungslogik und der Gewinn pro Partner ab: Eine Firma wird wertvoller, je mehr Juniorstunden ein Partner unter sich verkaufen kann.

Genau diese unterste Schicht wird laut der Analyse von KI angegriffen. Recherche und Synthese, erste Entwurfsanalysen, Benchmarking aus öffentlichen Quellen, das erste Modell und die erste Folie gehörten zu den ersten Kategorien professioneller Arbeit, die für Maschinen lesbar wurden. Daraus werden drei Folgen abgeleitet: Die Basis der Pyramide ist mietbar geworden und für ein Abonnement zu haben, die Stunde verliert ihre Rolle als Wertmaßstab, sobald Klienten die ungefähren Kosten eines Ergebnisses abschätzen können, und das Dokument als Ergebnis verliert seine Knappheit.

Was Klienten stattdessen zunehmend nachfragten, sei die Fähigkeit selbst. Der Text argumentiert, die Firmen hätten über Jahrzehnte den Rückstand jedes Projekts akkumulieren sollen: Entscheidungen, Ausnahmen, Fälle, Methoden und wiederkehrende Muster über Klienten hinweg. Stattdessen sei dieses Wissen in den Präsentationen geblieben. Die Branche verschwinde deshalb nicht, sie teile sich in Firmen, die mit KI das alte Produkt schneller herstellen, und solche, die neu definieren, was das Produkt ist. → The Business Engineer

Synthszr Take: Bowers eigentlicher Beitrag war eine Preislogik: die Stunde eines Juniors als abrechenbare Einheit, veredelt durch das Urteil eines Partners. Die Arbeit selbst (Interviews führen, Zahlen modellieren, Folien bauen) blieb siebzig Jahre erstaunlich konstant, verändert hat sich nur, wie sie verkauft wurde. Jetzt kippt wieder zuerst der Vertrag und nicht die Tätigkeit: Ergebnispreise statt Tagessätze, und die Hebelwirkung, für die man früher eine Partnerschaft und zehn Jahre Rekrutierung brauchte, kostet ein Abo. Die ersten Verlierer sitzen deshalb auf den mittleren Stufen der Leiter, denn Up-or-out funktioniert nur mit einer breiten Basis, die inzwischen niemand mehr bezahlen will. Beratungen, die den Rückstand ihrer Projekte in eine Methodenbasis überführen und dem Klienten als Fähigkeit hinterlassen, verkaufen in fünf Jahren Ergebnisse; die anderen verkaufen schnellere Foliensätze zum alten Satz und wundern sich über den Preisdruck.