Claude Opus 5 dominiert heute mit Benchmark-Führung, Prompt-Injection-Durchbruch und verschlanktem Systemprompt. Daneben: wie KI-Jobs-Rhetorik Aktionäre bestraft, und was Builder bei Kontext-Pipelines, Vektorsuche und lokaler Inferenz konkret umsetzen können.
Anthropic dominiert die Frontier-Debatte — und das gleich auf drei Ebenen. Claude Opus 5 führt den Artificial Analysis Intelligence Index mit einem Score von 61 Punkten, knapp vor Fable 5 (60) und GPT-5.6 Sol (59). Beim Coding Agent Index teilen sich Opus 5 mit Claude Code und GPT-5.6 Sol mit Codex den ersten Platz bei je 67 Punkten. Auf Terminal-Bench v2.1 erzielt Opus 5 89 Prozent auf dem "max"-Level — Gleichstand mit dem bisherigen Spitzenreiter. Der Preis-Leistungs-Vorteil ist real: Eine durchschnittliche Intelligence-Index-Aufgabe kostet mit Opus 5 2,03 Dollar, während Fable 5 mit Fallback auf 2,75 Dollar kommt. Allerdings bleibt eine strukturelle Schwäche: Die Halluzinationsrate stieg gegenüber Opus 4.8 um 14 Prozentpunkte auf 50 Prozent, weil das Modell auch bei Unsicherheit häufiger antwortet. Epoch AI bestätigt das enge Rennen — Opus 5 erreicht einen Epoch Capability Index von 159, minimal unter Fable 5 mit 161 — und unterstreicht damit das Argument einer sich anbahnenden Modell-Kommoditisierung.
Sicherheitstechnisch liefert Anthropic gleichzeitig einen bemerkenswerten Befund: Opus 5 mit aktiviertem Auto Mode erreicht eine Prompt-Injection-Rate von null Prozent über 129 Browser-Agenten-Szenarien — eine Lücke, die OpenAI im Dezember noch als möglicherweise unlösbar eingestuft hatte. Die Null gilt jedoch nur mit dem zweistufigen Auto-Mode-Schutz in Produkten wie Claude Cowork: Die erste Schicht scannt eingehende Daten auf versteckte Anweisungen, die zweite blockiert gefährliche Aktionen vor der Ausführung. Ohne Auto Mode liegt Opus 5 bei 3,7 Prozent — schlechter als Sonnet 5 mit 0,93 Prozent. Parallel dazu hat Anthropic über 80 Prozent des Claude-Code-Systemprompts für Claude-5-Modelle entfernt — ohne messbare Verschlechterung in Coding-Evaluierungen. Die Begründung: Ältere Constraints waren zum Großteil Absicherungen gegen Worst-Case-Szenarien, die das Modell inzwischen selbst durch Kontext und Urteilsvermögen bewältigt. Builder können mit dem neuen `/doctor`-Befehl in Claude Code veraltete Regeln in CLAUDE.md-Dateien und Skills automatisch identifizieren und entfernen.
Die Erkenntnis, dass Kontext mehr zählt als Modell-Reasoning, erhält inzwischen Rückhalt aus der Observability-Forschung. Eine Studie zu KI-gestützter Root Cause Analysis von Coroot zeigt: Wenn die Kontext-Pipeline stimmt — also Telemetriesignale korreliert und fokussiert dem Modell übergeben werden —, dann lösen selbst mittelgroße Modelle komplexe Diagnose-Szenarien zuverlässig. Alle getesteten Frontier-Modelle (darunter Claude Opus 4.8, GPT-5.5 und Gemini 3.1 Pro) identifizierten die Root Cause korrekt; unter den selbst hostbaren Modellen schaffte nur Gemma 4 31B den Test. Das ergänzt sich mit der Vektorsuche-Analyse zu HNSW, SPANN und DiskANN: Wer Kontext-Pipelines für agentic Memory oder RAG im Milliarden-Vektor-Bereich betreibt, muss RAM-Kosten aktiv managen — On-Disk-Ansätze wie DiskANN oder SPANN senken die Kosten signifikant, erkaufen sich das aber mit höherer Latenz. Wer lokale Inferenz bevorzugt, findet in Logue eine Open-Source-Referenzimplementierung: Die MIT-lizenzierte macOS-App läuft vollständig on-device via MLX auf Apple Silicon, kombiniert Apples SpeechTranscriber mit FluidAudio-Diari…
