Claude Opus 5: de beste Opus tot nu toe, dezelfde prijs als Opus 4.8, dicht bij Fable 5, aan de tand gevoeld

Op een vrijdag eind juli, op 24 juli 2026, lanceerde Anthropic Claude Opus 5, dezelfde dag nog beschikbaar op al zijn oppervlakken: Claude.ai, Claude Code, Claude Cowork, de API en het Claude Platform. Onder de motorkap is er maar één identifier om te onthouden: claude-opus-5. Het model wordt meteen ingesteld als de standaardoptie van Claude Max en wordt de krachtigste selecteerbare optie op Claude Pro. Met andere woorden: als u een Anthropic-abonnement betaalt, is de kans groot dat uw volgende gesprekken al via Opus 5 lopen zonder dat u er iets aan hebt aangeraakt.

De officiële pitch past in één zin, die we letterlijk citeren: Opus 5 benadert de frontier-intelligentie van Claude Fable 5 voor de helft van de prijs. De formulering is slim, en je moet ze aandachtig lezen. Anthropic beweert niet dat Opus 5 zijn slimste model is: die titel blijft expliciet bij Fable 5, het vlaggenschip. Opus 5 wordt gepresenteerd als daily driver, het dagelijkse werkpaard met de beste kosten-prestatieverhouding, het model dat je standaard inzet voor complexe agentische coding en enterprise-werk voordat je het zware geschut bovenhaalt. De boodschap heeft een marketinggeur, en het woord benadert doet al het werk: de frontier benaderen is ze niet bereiken, en "de helft van de prijs" verdient een nauwkeurige blik op wat je echt krijgt voor die besparing.

Dat is precies het soort bewering dat we niet voor waar aannemen. Om dit artikel op afstand te houden van het persbericht, plaatsen we elk stuk informatie in een van drie categorieën, zonder ooit de genres te mengen. Eén: de geverifieerde feiten, wat objectief vaststelbaar is (model-identifier, contextvenster, aangegeven prijs, beschikbaarheidsdatums). Twee: de door Anthropic gerapporteerde benchmarks, die indrukwekkende cijfers uit de aankondiging en de system card, die interessant zijn maar resultaten blijven die door de uitgever zelf worden gecommuniceerd, vaak op zijn eigen runs, dus met de gebruikelijke voorzichtigheid te nemen. Drie: onze analyse, wat wij er bij Go To Agency van vinden nadat we de externe bronnen hebben gekruist en met het model hebben gewerkt. Wanneer een cijfer van Anthropic komt, zeggen we dat; nooit zullen we het presenteren als een onafhankelijke waarheid.

Drie nieuwigheden geven deze lancering vorm, en we behandelen ze elk in hun eigen sectie. Eerst de prijs: Opus 5 kost precies hetzelfde als Opus 4.8, namelijk 5 $ per miljoen tokens invoer en 25 $ uitvoer. Anthropic heeft het tarief bevroren en de capaciteit verhoogd, wat in een prijzenoorlog tegen OpenAI en Google veel zegt over de strategie. Vervolgens de effort-knop (de niveaus high, xhigh, max), een schuifregelaar waarmee je expliciet kunt afwegen tussen kosten en capaciteit, verzoek per verzoek. Ten slotte de automatische fallback: wanneer het model een verzoek weigert om veiligheidsredenen, schakelt de API zelf over naar een ander model in plaats van je een foutmelding terug te sturen. Drie signalen die samen een model schetsen dat is bedacht voor productie en voor budgetten, niet alleen voor laboratoriumrecords.

Voordat we de motorkap over deze mechanismen openen, leggen we de fundamenten. De officiële documentatie van het Claude Platform geeft de exacte specificaties van het model: contextvenster, maximale uitvoer, invoermodaliteiten, kennisafkapdatum. Laten we beginnen met de geverifieerde technische fiche.

De geverifieerde technische fiche

Voor de analyse eerst de kale feiten. Dit zijn de officiele kenmerken van claude-opus-5, zoals Anthropic ze bij de lancering van 24 juli 2026 documenteert. Geen enkel cijfer in deze tabel is een benchmark of een commerciele projectie: het gaat om de verifieerbare technische specs, die u terugvindt in de officiele documentatie van het Claude-platform.

Twee regels uit deze tabel verdienen dat u er even bij stilstaat, omdat ze concreet veranderen wat u met het model kunt doen. De eerste: de knowledge cutoff in mei 2026. Dat is de verste kennis van het hele Claude 5-gamma, voor Sonnet 5, Opus 4.8 of Fable 5, die allemaal op januari 2026 zijn afgesteld. Vier maanden verschil lijken misschien anekdotisch, maar voor een model dat bedoeld is voor agentische coding en zakelijk werk tellen ze wel degelijk mee: softwarebibliotheken, frameworkversies, veranderende regelgeving, actualiteit binnen een sector. Een agent die moet redeneren over een recent technisch ecosysteem vertrekt met minder blinde vlekken, en dus minder hallucinaties om te corrigeren. Dat is geen cosmetisch detail, dat is het terugdringen van verificatieschuld.

De tweede: het contextvenster van een miljoen tokens. Ongeveer 555.000 woorden, dat staat gelijk aan meerdere grote coderepo's, een volledig klantdossier of honderden pagina's documentatie die in een enkele request worden verwerkt. Voor een agent die aan langlopende taken werkt (een monorepo doorlopen, een gesprek van meerdere uren vasthouden, een compleet lastenboek in het hoofd houden), is dat werkgeheugen de belangrijkste beperkende factor. De uitvoer zelf is bij standaardgebruik afgetopt op 128.000 tokens, wat ruim blijft voor code of een rapport, en loopt via de Batch API op tot 300.000 voor massale generaties.

Het trio adaptive thinking op Ja, extended thinking op Nee vertaalt een architectuurkeuze. Opus 5 redeneert standaard: zijn reflectiemechanisme is actief en instelbaar via de parameter effort (die we verderop uitwerken), zonder dat u een aparte modus voor uitgebreid redeneren hoeft in te schakelen zoals bij de vorige generaties. Redeneren is niet langer een optie die u aanzet, het is het native gedrag van het model. Voor de integrator vereenvoudigt dat de configuratie: u stelt de effort-schuifknop in, geen aparte reflectieschakelaar.

Een laatste punt, technisch maar doorslaggevend voor wie dit model in productie zet: de identifier claude-opus-5 is een bevroren snapshot, geen evergreen-alias die stilletjes zou doorschuiven naar een recentere versie. Sinds generatie 4.6 hanteert Anthropic dit identifierformaat zonder zichtbare datum, maar vastgepind op een precieze versie. Duidelijk gezegd: het model achter deze ID verandert niet onder uw voeten. Dat is wat de reproduceerbaarheid van uw evaluaties garandeert, de stabiliteit van uw prompts en de afwezigheid van verrassende regressies midden in een productiecampagne. Voor een agentschap als het onze, dat integraties aan klanten oplevert, is die stabiliteit geen comfort maar een voorwaarde voor betrouwbaarheid: we testen een versie, valideren die, deployen die, en ze blijft identiek totdat we zelf besluiten om te migreren.

De prijs: gelijk aan Opus 4.8, de helft van Fable 5

Laten we beginnen met het cijfer dat al het andere structureert. Claude Opus 5 kost 5 $ per miljoen tokens aan de invoerkant en 25 $ per miljoen tokens aan de uitvoerkant. Dat zijn exact dezelfde tarieven als Opus 4.8, de voorganger. Anthropic heeft niets aan de prijslijst veranderd: dezelfde prijs als voorheen, voor een duidelijk hogere capaciteit (de gedetailleerde benchmarks volgen verderop in dit artikel). In een sector waar elke nieuwe modelgeneratie doorgaans een prijsopslag met zich meebrengt, is het constant houden van de prijs terwijl je de kwaliteit opschroeft een keuze die het benoemen waard is.

Het andere nuttige ijkpunt: deze prijs bedraagt precies de helft van die van Claude Fable 5, het meest capabele model dat breed beschikbaar is bij Anthropic, met een tarief van 10 $ aan de invoerkant en 50 $ aan de uitvoerkant per miljoen tokens. Dat is de kern van de officiële pitch. Anthropic presenteert Opus 5 als een model dat, in de eigen bewoordingen, de frontier-intelligentie van Fable 5 benadert voor de helft van de prijs. Let op de voorzichtige formulering: de aanbieder beweert niet dat Opus 5 zijn slimste model is (die titel blijft bij Fable 5), maar dat het de prestaties ervan benadert tegen lagere kosten. Het is een positionering als daily driver, het model voor het dagelijkse werk in agentische taken en in de onderneming, met Fable 5 gereserveerd voor de gevallen die de maximale capaciteit vereisen.

De grafiek plaatst Opus 5 terug in de context van de volledige reeks. Helemaal onderaan blijft Haiku 4.5 het zuinige aanvullingsmodel (1 $ aan de invoerkant, 5 $ aan de uitvoerkant), gebouwd voor volume en eenvoudige deeltaken. Sonnet 5 bezet het midden met 3 $ / 15 $ (met een introductietarief van 2 $ / 10 $ tot en met 31 augustus 2026). Opus 5 en Opus 4.8 delen dezelfde trede op 5 $ / 25 $, en Fable 5 verdubbelt de inzet naar 10 $ / 50 $. De conclusie is glashelder: bij een capaciteit dicht bij de frontier halveert Opus 5 de uitvoerfactuur ten opzichte van Fable 5, en precies daar wordt de afweging beslecht voor de meeste reële workloads.

De Fast Mode: twee keer zo duur, twee en een half keer zo snel

Anthropic biedt een snelheidsoptie aan met de naam Fast Mode. In de praktijk levert die hetzelfde model op ongeveer 2,5 keer de standaardsnelheid, maar rekent 2 keer het basistarief aan, oftewel 10 $ aan de invoerkant en 50 $ aan de uitvoerkant per miljoen tokens (opvallend genoeg exact de standaardprijs van Fable 5). De rekensom is simpel op te stellen: je betaalt een latentietoeslag. Voor een interactieve gebruikerservaring (een live code-assistent, een chatbot waarbij elke seconde wachten telt) kan het uitgeven van het dubbele om het antwoord twee en een half keer sneller te leveren gerechtvaardigd zijn. Voor batchverwerking op de achtergrond, waar latentie geen enkel belang heeft, zou het weggegooid geld zijn. Fast Mode is een hefboom voor productervaring, niet voor besparing.

Minder effort, minder factuur

De echte besparingshefboom van Opus 5 ligt elders: dat is de effort-dial. We beschrijven de technische werking ervan verderop, maar de impact op de kosten verdient het om al bij de prijsvraag te worden aangestipt, omdat het de manier verandert waarop je over de uitgaven nadenkt. De parameter effort (niveaus low, medium, high, xhigh, max) regelt de hoeveelheid compute en redeneertokens die het model voor een bepaalde taak verbruikt. De economische logica is direct: de effort verlagen vermindert het tokenverbruik, dus de factuur, terwijl het grootste deel van de prestaties behouden blijft op taken die niet het diepste redeneren vereisen.

Concreet beweegt de prijs per miljoen tokens niet, maar het aantal tokens dat je aan het oplossen van een probleem uitgeeft, daalt wel wanneer je een trede lager gaat. Het sorteren van tickets, een herformulering, het classificeren van documenten hebben niet hetzelfde denkbudget nodig als een refactoring over meerdere bestanden. Waar Opus 4.8 overal een hoge effort afdwong, geeft Opus 5 je de afweging terug: standaard staat het op high op de API en in Claude Code, maar niets belet je om naar medium of low te zakken op taken met een lage inzet en xhigh of max te reserveren voor de problemen die het verdienen. De reële kosten van een workflow zijn niet langer alleen af te lezen in de prijslijst: je stuurt ze aan op het niveau van de request.

Waarom de prijs van Opus 4.8 aanhouden agressief is

Onze analyse. Het bevriezen van de prijs van de ene generatie naar de andere is allesbehalve onschuldig in juli 2026. Anthropic lanceert Opus 5 in een markt die middenin een prijzenoorlog zit, tegenover een GPT-5.6 "Sol" van OpenAI en een Gemini 3.1 Pro van Google die beide hun verhouding capaciteit/kosten opdrijven, en dat nog los van de Chinese laboratoria die de tarieven in het instapsegment onderuithalen. In die context betekent het handhaven van 5 $ / 25 $ terwijl je de capaciteit voelbaar optrekt dat je de kosten per eenheid nuttig werk verlaagt zonder aan het aangekondigde prijskaartje te raken. Het is een verkapte prijsverlaging, en een frontaal antwoord op de concurrentiedruk.

De kalender versterkt die lezing. Anthropic bereidt later dit jaar een beursgang voor, en een zuinig "daily driver"-model dat op grote schaal enterprise-workloads binnenhaalt, is precies het soort product dat een groeiverhaal spierballen geeft vóór een IPO. Zoals de productverantwoordelijke van Anthropic voor onderzoek het samenvat: wat ondernemingen willen, is waarde; een goedkoper model dat geen vergelijkbare kwaliteit haalt, is in werkelijkheid niet bruikbaar. De prijs van Opus 4.8 aanhouden met een hogere capaciteit, dat is op beide fronten tegelijk spelen.

Het voorbehoud om in gedachten te houden: de tokenizer

Onze analyse. Een aangekondigd tarief is geen factuur. De generatie Opus 4.7 en volgende (waaronder Opus 5) gebruikt een tokenizer die, bij gelijke tekst, ongeveer 30 % meer tokens produceert dan de modellen van vóór 4.7. Met andere woorden: eenzelfde prompt en eenzelfde antwoord tellen meer tokens dan bij een oudere generatie, wat de effectieve kosten bij gelijke inhoud mechanisch opdrijft. Dat is geen valstrik, gewoon een factureringsrealiteit om mee te rekenen: als je migreert vanaf een pre-4.7-model, vergelijk dan niet de prijzen per miljoen tokens in de veronderstelling dat het tokenvolume identiek is. De enige betrouwbare manier om je reële kosten te kennen, is te meten op je eigen workload, met je typische prompts en uitvoer, en vervolgens de facturen van begin tot eind te vergelijken in plaats van de prijslijsten. Dat is de nuance die een weloverwogen aankoopbeslissing scheidt van een onaangename verrassing aan het eind van de maand.

De echte kosten van een agent op Opus 5

Op papier houdt Opus 5 dezelfde prijslijst aan als Opus 4.8: 5 $ per miljoen tokens aan de invoer, 25 $ aan de uitvoer. Maar voor een bureau dat non-stop een code-agent laat draaien, zijn het de reele volumes die de rekening bepalen. Neem een concreet en realistisch geval: een agent die elke dag ongeveer 2 miljoen tokens aan de invoer verwerkt (context, bestanden, historiek) en 400.000 tokens aan de uitvoer (patches, uitleg, commando's).

Drie modellen, dezelfde werklast

De rekensom is eenvoudig. Aan de invoer: 2 x 5 $ = 10 $. Aan de uitvoer: 0,4 x 25 $ = 10 $. Dat komt neer op 20 $ per dag, ongeveer 600 $ per maand voor deze agent op Opus 5. Hier is de vergelijking over de drie modellen die relevant zijn voor dit type taak.

Voor dezelfde werklast kost Fable 5 het dubbele van Opus 5, en Sonnet 5 ongeveer 40 % minder. Het maandelijkse verschil tussen de uitersten loopt op tot meer dan 800 $ voor een enkele agent: vermenigvuldig dat met een team ontwikkelaars, en de modelkeuze wordt een budgetpost op zich.

De effort-dial verschuift de rekening

Opus 5 stelt een effort-dial beschikbaar (niveaus high, xhigh, max, met high als standaard op de API en in Claude Code). Het verlagen van de effort drukt vooral het aantal uitvoertokens, en dat is nu net de duurste post op 25 $ per miljoen. Concreet: overschakelen van een hoge naar een gematigde effort op eenvoudige taken kan een aanzienlijk deel van de dagelijkse 10 $ aan uitvoer wegsnijden, zonder aan de invoer te raken.

Omgekeerd dient de knop max voor de zware taken. Anthropic verklaart dat op zijn eigen CursorBench 3.2 (interne benchmark, geen onafhankelijke meting) Opus 5 in effort max op minder dan 0,5 % van Fable 5 zit, voor ongeveer de helft van de kosten per taak. Met andere woorden: met effort max vermijd je vaak dat je Fable 5 hoeft te betalen, terwijl je een nagenoeg identiek prestatieniveau behoudt.

Drie concrete optimalisatiehefbomen

• Meet de reele tokens. De generatie Opus 4.7 en later produceert ongeveer 30 % meer tokens dan de modellen van voor 4.7, door de tokenizer. Vertrouw niet op een theoretische schatting: instrumenteer je eigen workload voordat je budgetteert.
• Routeer het volume naar de kleine modellen. Stuur het gros van het verkeer (classificatie, samenvattingen, routinetaken) naar Sonnet 5 (3 $ / 15 $, introductietarief 2 $ / 10 $ tot 31 augustus 2026) of Haiku 4.5 (1 $ / 5 $), en houd Opus 5 of Fable 5 voor de echt moeilijke taken.
• Benut de Batch en de prompt cache. De Batch API (uitvoer tot 300k tokens via beta-header) is vaak duidelijk goedkoper voor niet-urgente verwerkingen, en de prompt cache verlaagt de invoerkosten wanneer eenzelfde context van de ene call op de andere wordt hergebruikt.

De effort-dial: dat is de echte vernieuwing

Als je maar een enkele productvernieuwing uit deze lancering moet onthouden, dan is het deze. Sinds Opus 5 kies je niet meer alleen welk model je aanroept, je kiest ook hoeveel je wilt dat het nadenkt. Die instelling heeft een naam in de API: de parameter effort, meegegeven via output_config.effort. Het is de centrale hefboom in de economie van het model, en meteen ook de verklaring waarom Anthropic een intelligentie dicht bij haar frontiermodel kan verkopen voor de helft van de prijs.

Concreet weegt effort twee middelen tegen elkaar af: de intelligentie die op een taak wordt ingezet en het aantal tokens (dus de kosten en de latency) dat het model verbruikt om er te komen. Hoe hoger de effort, hoe langer Opus 5 nadenkt, hoe meer sporen het verkent en hoe grondiger het zijn eigen werk controleert. Hoe lager, hoe sneller en goedkoper het antwoordt, terwijl het (en dat is het cruciale punt) een groot deel van zijn prestatie behoudt. Het is geen simpele kwaliteitsschuif die het resultaat lineair afzwakt: een tandje lager laten zakken doet de kosten veel sneller kelderen dan de prestatie.

Drie niveaus volgens de aanbieder, vijf in de docs

Let op een verwarring die in de pers rondgaat. Fortune beschrijft in zijn lanceringsartikel een simpele schakelaar tussen kosten en capaciteit en heeft het over drie niveaus (low, medium, high). De aankondiging van Anthropic zet drie trappen van opschaling in de kijker: high, xhigh en max. Maar de technische documentatie legt een volledige schaal met vijf tanden bloot: low, medium, high, xhigh, max. Bij twijfel zijn het de docs die de doorslag geven: het artikel van Fortune is een vereenvoudiging voor het grote publiek.

Twee gedragspunten om te kennen. Ten eerste is de standaardwaarde high, zowel op de API als in Claude Code: expliciet effort: "high" meegeven komt precies op hetzelfde neer als helemaal niets meegeven. Dat is een discrete maar reele wijziging ten opzichte van Opus 4.8, dat overal high forceerde, ook op claude.ai. Ten tweede stuurt de instelling op Opus 5 het volume aan denkwerk aan, niet de lengte van het zichtbare antwoord: wil je een kort antwoord, dan is het niet de effort die je moet verlagen, maar je prompt die daarom moet vragen.

Waarom deze hefboom alles verandert voor een agentisch budget

De effort-dial weegt niet even zwaar voor een eenmalige chatbot als voor een code-agent. Een agent die dertig minuten op een repository draait, bestanden leest, tests start, corrigeert en opnieuw begint, verbruikt tokens bij miljoenen. In dat tempo is een factor twee of drie op het verbruik geen boekhoudkundig detail: het is het verschil tussen een rendabele automatisering en een maandafrekening die ontploft. Dat is precies het probleem dat de dial komt aanpakken.

De sprekendste illustratie komt van CursorBench 3.2. In max effort zit Opus 5, een door Anthropic opgegeven cijfer, op minder dan 0,5 % van de topscore van Fable 5, maar voor de helft van de kosten per taak. Met andere woorden: de dial laat je een quasi-frontierprestatie opzoeken op de taken die het verdienen, zonder bij elke aanroep het tarief van een Fable 5 te betalen. Dezelfde redenering geldt in de omgekeerde richting: op simpele subtaken of agents met hoog volume maakt afzakken naar low of medium het gros van het budget vrij voor de momenten die er echt toe doen.

Wanneer opschalen, wanneer laag blijven

De praktische regel past in een paar gevallen. Ga naar max wanneer je alles op een enkele kaart zet: een echt lastige redenering, een kritieke one-shot migratie, een onderzoeksprobleem of een analyse die je niet opnieuw wilt laten genereren. Dat is de tand waarop het model zonder tokenlimiet uitgeeft om zijn kansen bij de eerste poging te maximaliseren. Schakel over naar xhigh voor agentisch werk van lange adem: taken van meer dan dertig minuten, budgetten in miljoenen tokens, autonome coding op uitgestrekte werven.

Blijf op high voor het gros van het dagelijkse werk: dat is al een serieus capaciteitsniveau, en het is niet voor niets de standaard. Zak naar medium of low voor subagents, massale sortering, stappen waar snelheid en kosten voorgaan op finesse. Een advies dat goud waard is en dat de documentatie erin hamert: recycle niet de instellingen die je van je oude modellen hebt geerfd. Herstart een effort-sweep op je eigen evaluaties, want het juiste evenwichtspunt hangt volledig af van je reele werklast.

Van model wisselen midden in een taak

De effort-dial heeft aan de productkant een neef: de mogelijkheid om kosten tegen capaciteit af te wegen, niet langer binnen een model, maar tussen modellen, in de loop van een en dezelfde taak. Het is die schakeling die Fortune samenvat met de formule van de toggle tussen kosten en capaciteit. In de praktijk laat een doordachte orchestratie een krachtig model draaien op de stappen van planning of zwaar redeneren, en geeft ze daarna het stokje door aan een goedkoper model (Opus 5 zelf tegenover Fable 5, of een tandje lager) voor de implementatie in volume of de review. Je betaalt het hoge tarief alleen daar waar het waarde oplevert.

De algemene les zit hem daar: met Opus 5 zijn de kosten niet langer een vaste eigenschap van het model dat je aanroept, maar een variabele die je aanroep per aanroep, tand per tand stuurt. Voor een agentschap of een productteam dat zijn AI-toepassingen industrialiseert, is dat wellicht de meest concrete verandering van de lancering: eenzelfde technische bouwsteen kan drie keer minder kosten naargelang hoe je ze instelt, zonder van model te veranderen.

Automatische fallback en tools die je onderweg kunt aanpassen

Naast de effort-dial komt Opus 5 met twee productvernieuwingen die vooral teams aanspreken die agents in productie draaien. Ze zijn minder spectaculair dan een benchmarkscore, maar ze veranderen concreet de betrouwbaarheid en de kosten van wat je uitrolt. Laten we ze een voor een bekijken, met de blik van de dev die de uptime moet garanderen.

Automatische fallback: een antwoord in plaats van een foutmelding

Opus 5 (net als Fable 5) heeft veiligheidsclassifiers aan boord die een verzoek kunnen weigeren. Belangrijk om te begrijpen zodat je je code niet verkeerd bouwt: een weigering is geen fout. Aan de API-kant is het een HTTP 200 met stop_reason: "refusal" en een stop_details-object dat de categorie en een uitleg geeft. Met andere woorden: je try/catch vangt dit niet op, je moet de stop_reason van de respons inspecteren.

Nieuw is het terugvalgedrag. Zoals Fortune beschrijft, kan de API bij een geweigerd verzoek automatisch overschakelen naar een ander model, zodat de gebruiker een antwoord krijgt in plaats van een foutmelding. Op Claude.ai, Claude Code en Claude Cowork gebeurt die terugval standaard naar claude-opus-4-8. Op de API moet je het expliciet inschakelen. De eenvoudigste modus heet "default": je zet fallbacks: "default", en voor elke weigeringscategorie (de categorieën zijn cyber, bio, frontier_llm, reasoning_extraction, general_harms) speelt de API het verzoek opnieuw af op het model dat Anthropic aanbeveelt. Je hoeft niet langer je eigen lijst met reservemodellen te onderhouden. Een concreet detail voor de biologie: verzoeken die op Fable 5 werden geblokkeerd, worden voortaan naar Opus 5 gerouteerd.

Technisch traceert de respons het estafettemoment netjes: het veld model op het hoogste niveau noemt het model dat het verzoek daadwerkelijk heeft bediend, een contentblok van het type fallback markeert de overschakeling (van welk model naar welk model), en usage.iterations bewaart het detail van elke poging met de bijbehorende facturering. Ook goed om te weten: na een terugval pint de API dit gespreksprefix ongeveer een uur lang vast op het model dat het verzoek heeft geaccepteerd, om niet bij elke beurt een voorspelbare weigering opnieuw uit te lokken.

De voordelen. In productie is dit pure robuustheid. Een generatiefunnel, een supportagent, een pijplijn voor documentverwerking: geen van deze flows mag abrupt stoppen omdat een classifier een fout-positief heeft opgeworpen op een volstrekt legitiem verzoek. De fallback zet een mogelijke breuk om in een gracieuze degradatie. De eindgebruiker ziet geen foutmelding, hij ziet een antwoord, geproduceerd door een iets minder capabel maar functioneel model.

De keerzijde. Dat comfort heeft een prijs die niet in geld wordt uitgedrukt: het determinisme. Je systeem kan, zonder dat de aanroeper vooraf wordt gewaarschuwd, een antwoord serveren dat van een ander model komt dan het model dat je hebt gevraagd. Als je het veld model van de respons en de inhoud van usage.iterations niet systematisch logt, verlies je het spoor van wie wat heeft geantwoord. Concreet is onze aanbeveling aan teams: log altijd het bedienende model, sla alarm bij een abnormaal fallback-percentage (dat is vaak het signaal dat een prompt een veiligheidsgrens raakt), en test je kritieke trajecten met het reservemodel voorop, niet alleen met Opus 5. Nog een extra aandachtspunt: de facturering. Elke poging wordt gefactureerd tegen het tarief van haar eigen model, wat de kosten van een geweigerd-en-vervolgens-teruggevallen verzoek minder voorspelbaar maakt dan een eenvoudige aanroep.

Van tools wisselen zonder de prompt cache te breken

De tweede vernieuwing is discreter, maar voor wie langlopende agents bouwt potentieel de meest rendabele van de twee. Op de Claude Platform kun je voortaan tools toevoegen of verwijderen midden in een gesprek zonder de prompt cache ongeldig te maken. Het is een functie in bèta, geactiveerd via een specifieke header.

Om het belang te vatten moet je onthouden hoe de cache werkt. De tooldefinities worden aan het begin van de prompt verstuurd. Tot nu toe veranderde de kleinste wijziging in die toolslijst het prefix van de prompt en maakte dus de cache ongeldig: het model moest de volledige context opnieuw inlezen tegen het volle tarief, in plaats van te profiteren van het verlaagde tarief van een cache-lezing. Voor een agent die dertig minuten of langer draait, met een context die aandikt en een toolpalet dat per fase evolueert (eerst research, dan bestanden schrijven, dan uitvoeren), was die permanente ongeldigmaking een bodemloze put aan tokens en latency.

Met het wisselen van tools tijdens de rit blijft het prefix stabiel en blijft de cache warm, zelfs als de gereedschapskist verandert. De winst is dubbel: minder gefactureerde tokens (een cache-lezing kost een fractie van een herschrijving) en minder latency bij elke beurt, aangezien het model niet opnieuw de kosten betaalt van het inlezen van de hele geschiedenis. Voor een dev die een agent met meerdere fasen orkestreert, is dat het verschil tussen meteen een enorme catalogus aan tools blootleggen (die de context vervuilt en het risico op aanroepfouten verhoogt) en in elke fase precies de relevante tools aanbieden, zonder cache-boete. Anthropic heeft bovendien het minimaal cachebare aantal verlaagd naar 512 tokens op Opus 5 (tegenover 1.024 op Opus 4.8), wat het veld van korte prompts die cachebaar worden nog verder verbreedt.

Onze lezing. Samen genomen vertellen deze twee functies hetzelfde verhaal: Anthropic optimaliseert Opus 5 voor het reële en duurzame agentische gebruik, niet alleen voor de benchmarkscore. De fallback mikt op veerkracht in productie, het wisselen van tools tijdens de rit mikt op de kosten en de latency van lange loops. Dat zijn precies de twee pijnpunten die elk team tegenkomt wanneer het van een agentdemo overstapt naar een agent die echt draait, bij echte klanten.

De door Anthropic gerapporteerde benchmarks

Let op, houd dit voorbehoud paraat bij het lezen van wat volgt: alle cijfers in dit hoofdstuk komen van Anthropic zelf. Ze zijn afkomstig uit de officiele aankondiging en de system card die op 24 juli 2026 zijn gepubliceerd. Het gaat om company-reported resultaten, dat wil zeggen gemeten en gecommuniceerd door de maker van het model, op configuraties en testsets die het bedrijf zelf heeft uitgekozen. Geen van deze runs is uitgevoerd door een onafhankelijke externe beoordelaar. Ze geven een richting aan, geen in steen gebeitelde waarheid. We rapporteren ze omdat ze de geclaimde positionering van claude-opus-5 in beeld brengen, maar we behandelen ze met dezelfde voorzichtigheid als een productfiche die door de fabrikant zelf is ondertekend.

De rode draad van de aankondiging is simpel: Opus 5 zou de intelligentie van Fable 5 willen benaderen voor ongeveer de helft van de kosten per taak. Vrijwel alle uitgelichte benchmarks zijn dus opgebouwd rond hetzelfde argument, prestatie afgezet tegen prijs, en niet ruwe prestatie. Dat is een veelzeggende redactionele keuze: Anthropic beweert niet dat Opus 5 zijn slimste model is (die titel blijft bij Fable 5), maar wel dat het het beste rendement biedt voor elke uitgegeven euro. Hier zijn de gerapporteerde resultaten, weergegeven zoals ze in de communicatie van de maker staan.

Samen gelezen vertellen deze benchmarks een samenhangend verhaal. Frontier-Bench v0.1 en CursorBench 3.2 meten agentische coding, oftewel het vermogen van het model om acties aan elkaar te rijgen binnen een codebase, meerdere bestanden te bewerken en een engineeringtaak over langere tijd tot een goed einde te brengen, en niet zomaar een stukje functie aan te vullen. Dat is het speelveld waarop Anthropic per se wil winnen, en de boodschap is tweeledig: Opus 5 zou het twee keer zo goed doen als de vorige generatie op Frontier-Bench, en op CursorBench dicht tegen Fable 5 aan zitten voor de helft van de prijs. Dat de beste CursorBench-score wordt behaald op effort max verdient een kanttekening: dat is de configuratie die het meest tokens verslindt, en dus in de praktijk het duurst in gebruik, ook al blijft de kostprijs per taak als voordelig gepresenteerd.

ARC-AGI 3 slaat een andere toon aan. Deze familie van tests richt zich op abstract redeneren en generalisatie, het vermogen om nieuwe problemen op te lossen die het model tijdens de training niet uit het hoofd heeft kunnen leren. Een aangekondigde score die drie keer hoger ligt dan de dichtstbijzijnde concurrent is op papier spectaculair, maar het is ook precies het soort cijfer dat om de meeste terughoudendheid vraagt: de ranglijst van ARC-AGI verschuift snel, versie 3 is recent, en een verschil van deze omvang moet eerst door derden worden bevestigd voordat je er een definitieve conclusie aan verbindt.

Zapier AutomationBench en OSWorld 2.0 volgen een andere logica, die van toegepaste agentiek en computer-use: het model complete zakelijke workflows laten uitvoeren of het een interface laten aansturen, klikken, invullen, navigeren zoals een mens dat achter zijn scherm zou doen. Het slagingspercentage van ongeveer 1,5 keer hoger bij gelijke kosten op AutomationBench, onderbouwd door de getuigenis van Zapier dat zegt de top van zijn ranglijst te hebben bereikt, en het overtreffen van Fable 5 voor een derde van de kosten op OSWorld 2.0, dienen hetzelfde commerciele argument: Opus 5 zou het model zijn dat je op echte automatiseringen aansluit zonder je tokenbudget te laten ontploffen.

Tot slot vallen de laatste twee regels volledig buiten coding om het wetenschappelijk onderzoek te raken. De winst van 10,2 procentpunt in organische chemie en van 7,7 procentpunt op eiwittaken, intern gemeten tegen de voorganger, voeden de claim van Anthropic dat Opus 5 zijn meest capabele algemeen beschikbare model voor de wetenschap is, met een bijzondere kracht in de biologie. De formulering telt: deze evals zijn intern, de vergelijkingsbasis is het vorige model van Anthropic en niet een rivaal, en het verschil wordt uitgedrukt in ruwe punten zonder dat de details van het protocol openbaar zijn.

De fundamentele beperking geldt voor de hele lijst: het zijn metrieken die door de maker zijn gekozen, op benchmarks waarvan hij zelf de selectie, de effort-configuratie en de meetwijze bepaalt. Op zich niets oneerlijks, dat is de norm bij een lancering, maar het blijft een oefening in zelfevaluatie. De echte scheidsrechter komt van onafhankelijke runs en feedback uit de praktijk, die we in de volgende hoofdstukken onder de loep nemen. Voor het volledige overzicht van de cijfers blijft de officiele aankondiging van Claude Opus 5 de referentiebron om rechtstreeks te raadplegen.

De externe benchmarks: wat de cijfers werkelijk waard zijn

Een leesvoorbehoud voordat we ook maar een cijfer noemen: de benchmarks die we hier aanhalen zijn inderdaad opgezet door organisaties buiten Anthropic (academische onderzoekers, gespecialiseerde beoordelaars, platforms voor code review), wat ze geloofwaardiger maakt dan tests van eigen makelij. Maar er is een realiteit die bij de lancering weinig aandacht kreeg en die om nuance vraagt: de runs die de scores van 24 juli 2026 opleverden zijn door Anthropic zelf op deze testsets uitgevoerd, niet door onafhankelijke derden in een blinde opzet. De benchmark is onafhankelijk, de afname ervan niet volledig. Dat is de norm bij een lancering (de aanbieder wil op dag een cijfers naar buiten brengen), maar het blijft een beperking: een score die drie maanden later door een neutraal lab wordt gereproduceerd, op het eigen testframe en met de eigen prompts, levert niet noodzakelijk hetzelfde resultaat op.

SWE-bench Verified: 96,0 %, het uithangbord-cijfer

Het meest geciteerde cijfer is dat van SWE-bench Verified, de facto de standaard om te meten hoe goed een model echte GitHub-tickets kan oplossen (reele issues die door mensen zijn opgelost, met validatietests). Op deze bank haalt claude-opus-5 96,0 %, een cijfer dat BenchLM rapporteert als het gemiddelde van vijf pogingen. Op dit niveau spreken we van verzadiging: de benchmark maakt nauwelijks nog onderscheid tussen de topmodellen, want er blijft maar een handvol tickets over waarop je nog kunt falen. Een score van 96 % maakt indruk, maar zegt vooral dat SWE-bench Verified als meetinstrument aan het einde van zijn levensduur komt. Precies daarom zijn de serieuze beoordelaars overgestapt naar hardere varianten.

SWE-bench Pro: 79,2 %, de derde trede van het podium

Hier wordt de lezing interessant. SWE-bench Pro hanteert hetzelfde principe van echte tickets, maar op duidelijk lastiger problemen die bestand horen te zijn tegen memoriseren en overfitting. Opus 5 pakt hier 79,2 %, een cijfer dat identiek wordt bevestigd door BenchLM en door Codersera. Wat je moet onthouden is niet de ruwe score, maar de rangschikking: Opus 5 eindigt derde in het totaalklassement, achter Mythos 5 (80,3 %) en Fable 5 (80,0 %), maar ruim boven Opus 4.8, dat op 69,2 % bleef steken.

Vertaald: de generatiesprong is reeel en fors (tien punten beter dan de directe voorganger op een moeilijke bank), maar er is geen wonderbaarlijke sprong die Opus 5 boven de topklasse van Anthropic zou plaatsen. De daily driver blijft op deze test op een haar van de frontier (acht tienden van een punt scheiden Opus 5 van Fable 5), maar in feite duidelijk erachter als je naar de trede kijkt. De marketingbelofte (frontier-prestaties voor de helft van de prijs) klopt op de verhouding kosten-capaciteit, niet op de absolute capaciteit. De onderstaande grafiek maakt dit klassement zichtbaar.

Senior SWE-bench: waar Opus 5 echt domineert

De meest onthullende bank voor professioneel gebruik is niet de bank die de meeste media haalt. Op Senior SWE-bench plaatst de analyse van Snorkel Opus 5 aan kop van alle geevalueerde modellen in de categorie bugonderzoek en performance. Dat is precies het soort taak dat een senior engineer dagelijks doet: begrijpen waarom een systeem zich verkeerd gedraagt, een keten van oorzaken terugvolgen, de echte hoofdoorzaak isoleren in plaats van het symptoom. Dat het model juist op dit register als eerste eindigt, is voor een agency of een productteam betekenisvoller dan een puntje meer op een verzadigde bank. Het is geen belofte van volledige autonomie, maar een signaal dat het model sterk is daar waar het werk duur is.

Snorkel: de fout zit in de gevolgtrekking, niet in de opmaak

Dezelfde analyse van Snorkel levert wat ruwe scores altijd verbergen: waarom het model faalt wanneer het faalt. Door de mislukte trajecten te ontleden en de hoofdoorzaken te bevestigen, stelt Snorkel vast dat foutieve gevolgtrekking (faulty inference) 35 % van de mislukkingen uitmaakt, veruit het belangrijkste mechanisme. Met andere woorden: als Opus 5 de mist ingaat, is dat vrijwel nooit omdat het zijn output verkeerd heeft opgemaakt of een tool verkeerd heeft gebruikt (die categorieen blijven marginaal), maar omdat het verkeerd heeft geredeneerd: het trok een foute conclusie uit elementen die nochtans beschikbaar waren. Dat is bruikbare informatie voor de productie. Het betekent dat een opmaak-vangnet of een robuustere parser weinig zal opvangen; wat wel beschermt, is menselijke controle van de redenering bij taken met een hoge inzet, en het opknippen van complexe problemen in stappen waar een verkeerde deductie makkelijker op te sporen wordt.

CodeRabbit: de afweging precisie / recall blootgelegd

De leerzaamste test komt van CodeRabbit, dat modellen beoordeelt op een concreet terrein: geautomatiseerde code review. Hun oordeel over Opus 5 in de x-high-configuratie snijdt aan twee kanten, en juist dat maakt het geloofwaardig. Aan de positieve kant produceert het model een stroom commentaren die preciezer is: 39,3 % van de opmerkingen is werkelijk bruikbaar en relevant, tegen 35,2 % voor de productiebaseline van CodeRabbit. Kort gezegd: als Opus 5 iets signaleert, zit het vaker raak.

De keerzijde is duidelijk: op diezelfde test vangt Opus 5 minder bekende problemen van de benchmark, met 55,2 % dekking tegen 61,1 % voor de baseline. Het is preciezer, maar laat meer echte gebreken passeren. Dat is de klassieke afweging precisie tegen recall: een reviewer die minder zegt maar vaker raak, versus een reviewer die breder uitkamt ten koste van meer ruis. Geen van beide houdingen is intrinsiek beter; alles hangt af van jouw keten. Op een repository waar elke false positive menselijke tijd kost, is de precisie van Opus 5 een troef. Bij een security-audit waar het missen van een gebrek duur is, telt de hogere dekking van de baseline zwaarder. De meta-les ligt elders: een enkele score zegt nooit of een model bij jou past, je moet naar het foutprofiel kijken.

Wat je hieruit moet meenemen

Drie eerlijke vaststellingen komen naar voren uit deze externe evaluaties. Ten eerste is de vooruitgang ten opzichte van Opus 4.8 onbetwistbaar en breed: tien punten op SWE-bench Pro, kop van het klassement op bugonderzoek, dat is geen marketing. Ten tweede is er geen sprong boven de frontier: op de harde banken blijft Opus 5 achter Fable 5 en Mythos 5, wat spoort met de positionering die Anthropic zelf aanhoudt (beste prijs-prestatie, niet het slimste model). Ten slotte herinnert het CodeRabbit-detail eraan dat een winst in precisie kan worden afgekocht in recall: het geaggregeerde cijfer vleit, het foutprofiel informeert. Voor wie een model voor productie moet kiezen, zijn het deze drie nuances, en niet de 96,0 % van het uithangbord, die de beslissing horen te sturen.

Opus 5, Fable 5, Mythos 5, Opus 4.8: wie doet wat

Met vier modellen die het cijfer 5 dragen en een Opus 4.8 die nog altijd door de documentatie zwerft, is het assortiment van Anthropic op het eerste gezicht lastig te lezen geworden. Het goede nieuws: de logica is eigenlijk eenvoudig zodra je ze plat op tafel legt. Elk model bezet een precies vakje tussen twee assen, kosten en capaciteit, en Opus 5 schudt de kaarten opnieuw niet bovenaan de stapel, maar in het midden. Zo ziet het assortiment eruit eind juli 2026.

De logica van het assortiment, van boven naar beneden gelezen

Anthropic verbergt zijn hiërarchie niet. Fable 5 blijft het slimste model van het huis, het model dat je erbij pakt voor maximale capaciteit, en Opus 5 maakt geen aanspraak op die titel. De officiële formulering van de uitgever is expliciet: Opus 5 is "a thoughtful and proactive model that comes close to the frontier intelligence of Claude Fable 5 at half the price", oftewel een model dat de frontier-intelligentie van Fable 5 benadert voor de helft van de prijs. Het sleutelwoord is benadert: het evenaart niet, het komt er dicht genoeg bij dat op de meeste echte taken het verschil niet langer de verdubbeling van de factuur rechtvaardigt.

Daaronder speelt Sonnet 5 de rol van evenwichtskunstenaar: goedkoper (3 $ / 15 $, met een introductietarief van 2 $ / 10 $ tot 31 augustus 2026), sneller, en het vangt het grootste deel van het applicatievolume op wanneer de moeilijkheidsgraad gematigd blijft. En helemaal onderaan de stapel speelt Haiku 4.5 de kaart van doorvoer en bodemprijs (1 $ / 5 $) uit voor eenvoudige taken, classificatie, subagents met hoog volume of alles wat vrijwel in realtime moet antwoorden. Het is het enige model van het assortiment dat op een context van 200k en een knowledge cutoff van februari 2025 blijft steken, wat zijn relatieve leeftijd verraadt.

Mythos 5 is het buitenbeentje. Dezelfde specs en dezelfde prijs als Fable 5 (10 $ / 50 $), maar het is niet algemeen beschikbaar: toegang uitsluitend op uitnodiging, via het Project Glasswing, een programma gericht op cyberdefensie en kritieke infrastructuur. Voor vrijwel alle lezers van deze blog is Mythos 5 geen optie die je kiest: het duikt in het assortiment alleen op als vergelijkingspunt qua capaciteit. We laten het detail van zijn beveiligingshouding voor een andere sectie van dit artikel, hier volstaat het te onthouden dat het een vakje bezet waartoe je, op uitzonderingen na, nooit toegang zult hebben.

De echte boodschap: Opus 5 vervangt Opus 4.8, niet Fable 5

Dit is het punt dat bij de lancering het slechtst begrepen wordt, en dat bij een architectuurbeslissing alles verandert. Opus 5 gaat geen trapje omhoog, het vervangt Opus 4.8 exact wat de factuur betreft. Dezelfde prijs (5 $ / 25 $), hetzelfde contextvenster (1M tokens), dezelfde Opus-familie. Wat verandert, is de prestatie binnen die prijsenveloppe: Anthropic hield de prijs vast en tilde de capaciteiten op, met en passant een recentere knowledge cutoff (mei 2026 tegenover januari 2026 voor Opus 4.8). Opus 4.8 wordt daarmee niet teruggetrokken, het gaat over naar legacy-status en blijft beschikbaar, met name als doelwit van de automatische fallback die eerder in dit artikel is beschreven.

Concreet: draaide je Opus 4.8 in productie, dan is de migratie naar Opus 5 een verbetering zonder meerkosten per token: je betaalt hetzelfde, je krijgt beter en een beter geïnformeerd model. De documentatie van Anthropic formuleert het trouwens als een aanbeveling: begin met Opus 5 voor complexe agentische coding en enterprise-werk, en stap pas over op Fable 5 wanneer je de absolute maximale capaciteit nodig hebt. Opus 5 is overigens het standaardmodel geworden op Claude Max en de sterkste selecteerbare optie op Claude Pro, wat zijn roeping als dagelijks werkpaard bevestigt.

De scheidslijn tussen Opus 5 en Fable 5 wordt dus een kwestie van economie, niet van technische trots. Fable 5 kost het dubbele. De echte vraag die je je bij elke workload moet stellen is niet "welke is de beste" (Fable 5, op papier) maar "is de meerkost van Fable 5 hier gerechtvaardigd". Voor de meeste stromen, agentische coding, documentanalyse, enterprise-workflows, neigt het antwoord naar Opus 5, en houd je Fable 5 in reserve voor de gevallen waarin het capaciteitsverschil zich echt in het resultaat laat betalen.

Ons architectuuradvies: het model is een verwisselbaar onderdeel

Onze analyse. Dit assortiment met zes verdiepingen, plus de driemaandelijkse updates die het laten bewegen, stuurt een duidelijk signaal naar technische teams: hardcode nooit een model-identifier midden in je businesslogica. De juiste reflex is de modelkeuze achter één enkele abstractie te plaatsen, een functie of een service die een intentie blootlegt ("snel antwoord tegen lage kosten", "diep redeneren", "analyse van lange context") en die intentie mapt naar het juiste model en het juiste effort-niveau. De dag dat Anthropic Opus 5.1 uitbrengt, of wanneer je besluit een stroom van Fable 5 naar Opus 5 te kantelen om te besparen, wijzig je één configuratieregel, geen twintig aanroepen verspreid door de code.

Deze discipline betaalt zich dubbel uit bij deze generatie. Ten eerste omdat de automatische fallback je requests al server-side van het ene model naar het andere laat overgaan: je kunt je code maar beter laten aannemen dat het model dat een antwoord levert kan verschillen van het gevraagde. Ten tweede omdat de kosten-prestatieverhouding voortaan evenzeer via de effort (high, xhigh, max) wordt gestuurd als via de keuze van het model zelf. Een Opus 5 in high en een Opus 5 in max kosten niet hetzelfde en mikken niet op dezelfde taken: deze twee hefbomen behandelen als configuratieparameters, en niet als in steen gebeitelde constanten, is wat je in staat stelt om het Anthropic-assortiment te volgen zonder je product bij elke release te herbouwen.

De Claude-line-up, opnieuw in perspectief

Tegen de zomer van 2026 telt het Claude-assortiment genoeg modellen om verwarring te zaaien. Voordat we ons over Claude Opus 5 buigen, moeten we de volledige kaart op tafel leggen en begrijpen op welke behoefte elk model antwoordt. Dit is de stand van de line-up op 24 juli 2026, de dag dat Opus 5 uitkwam.

De segmentatielogica van Anthropic laat zich lezen per prijsniveau. Haiku 4.5 vangt het volume en de minimale latency op tegen $1 / $5. Sonnet 5 mikt op balans voor het gros van het verkeer, met een context die naar 1 miljoen tokens is opgetrokken en een cutoff in januari 2026. De Opus-modellen spelen de rol van krachtige daily driver. Aan de top biedt Fable 5 de maximale, breed beschikbare capaciteit, terwijl Mythos 5, met dezelfde specs en dezelfde prijs ($10 / $50, model ID claude-mythos-5), beperkt blijft tot defensieve cyber via het Project Glasswing, dat alleen op uitnodiging toegankelijk is.

Het tempo van 2026 ligt hoog. Fable 5 verscheen op 9 juni, Opus 5 op 24 juli, waarbij de Opus-lijn 4.5, 4.6, 4.7 en 4.8 aaneenreeg voordat dit vijfde niveau kwam. Het kernpunt dat je moet onthouden, en dat vaak verkeerd wordt gelezen: Opus 5 vervangt Fable 5 niet. Het vervangt Opus 4.8, tegen dezelfde prijs van $5 / $25, maar dan met een recentere cutoff (mei 2026, de meest actuele van de line-up) en betere agentische capaciteiten. Fable 5 behoudt zijn status als meest capabele model, tegen het dubbele tarief. Let ook op: Opus 4.1 wordt uitgefaseerd en op 5 augustus 2026 teruggetrokken. De vorige generatie verdwijnt snel.

Aan de architectuurkant zit er een praktische les in. Bij zo'n releasetempo is het riskant om een model-ID overal in je applicatie hard te coderen. De gezonde reflex is om het model te behandelen als een uitwisselbaar component, geïsoleerd achter zijn eigen abstractielaag. Je weegt dan kosten en capaciteit tegen elkaar af (Haiku om te sorteren, Sonnet 5 voor productie, Opus 5 voor zwaar agentisch werk) door één enkele configuratievariabele te wijzigen, zonder je code te herschrijven. Dat geldt des te meer omdat de tokenizer die met Opus 4.7 werd geïntroduceerd ongeveer 30 % meer tokens produceert dan de eerdere generaties, wat de berekening van de reële kosten bij elke migratie verschuift.

Tegenover GPT-5.5 en Gemini 3.1 Pro

Een model uitbrengen is makkelijk. Het eerlijk positioneren in een markt waar drie labs om de zes weken een nieuwe versie lanceren, is heel wat anders. Eind juli 2026 is het landschap van code-agents gestabiliseerd rond een trio: Claude van Anthropic, de GPT-familie van OpenAI en Gemini van Google. Hier staat Opus 5, en vooral: dit is wat die ranglijst echt waard is.

De ranglijst van code-agents eind juli 2026

De vergelijking van code-agents die mightybot.ai publiceerde (op de dag van de lancering zelf, 24 juli, bijgewerkt) plaatst Claude Code uitgerust met claude-opus-5 bovenaan bij de code-agentsystemen, omschreven als het beste agentische systeem in het algemeen. Vlak daarachter, op de tweede plaats, staat Codex van OpenAI, aangedreven door GPT-5.6 "Sol", gepresenteerd als de beste voor lange autonome sessies in de terminal. Gemini 3.1 Pro, via Gemini CLI, komt verderop in de ranglijst terecht (zevende), bestempeld als de beste gratis code-agent maar expliciet buiten de top van het agentische pak.

Die hierarchie is geen toeval, en ze sluit aan bij een fundamenteel onderscheid dat dezelfde vergelijking goed samenvat: Opus 5 zou sterker zijn in redeneren op de schaal van een volledige repository, terwijl Sol sterker zou zijn in het aansturen van een terminal over een lange periode. Dat zijn twee verschillende vaardigheden, vaak samengevat onder het woord "coding". De ene bestaat erin een mentale kaart van een complexe codebase vast te houden en samenhangende wijzigingen over meerdere bestanden voor te stellen. De andere bestaat erin honderden shell-commando's aaneen te rijgen zonder een uur lang te ontsporen. Anthropic mikt duidelijk op de eerste; OpenAI blinkt eerder uit in de tweede.

Drie modellen, drie niches

GPT-5.5 (en zijn opvolger Sol) blijft de referentie voor desktop-agentiek en interface-automatisering. De oudere vergelijking van tech-insider.org (van 26 juni 2026, dus van voor de release van Opus 5) wijst GPT-5.5 al aan als de beste voor autonome agents op de commandoregel en lange achtergrondtaken. Dat is de stevigste cross-source-lezing: wanneer een agent de controle over een computer moet overnemen, in interfaces moet klikken, formulieren moet invullen en het moet volhouden op een taak van meerdere uren, houdt het model van OpenAI een voorsprong. Voor het automatiseren van bedrijfstools of computer-use is dat een verdedigbare standaardkeuze.

Gemini 3.1 Pro speelt op zijn beurt de kaart van wetenschappelijk redeneren en kosten uit. Dezelfde vergelijking van tech-insider.org rangschikt het als de beste prijs-kwaliteitverhouding op schaal, met een agressieve API-facturatie (2 dollar input, 12 dollar output per miljoen tokens in hun cijfers) en een contextvenster van 1 miljoen tokens. De erkende keerzijde: het loopt achter op pure precisie in code. Met andere woorden: als je dominante werklast bestaat uit analyse op groot volume, synthese over enorme corpora of wetenschappelijk redeneren met een krap budget, verdient Gemini een test voordat je beslist. Het is niet de beste codeerder van het stel, en Google beweert het tegendeel niet.

Claude Opus 5 vestigt zich als de referentie voor agentisch coderen en diepgaand redeneren over code. Dat is de convergerende lezing van beide bronnen: Claude (of het nu gaat om Opus 5 bij mightybot.ai of Opus 4.8 bij tech-insider.org) komt nummer een uit op code. Waar Opus 5 zich onderscheidt, is bij multi-bestand engineeringtaken waar nauwkeurigheid primeert, het onderzoeken van lastige bugs en code review. Voor een bureau dat heterogene klant-codebases herwerkt, heeft dit profiel van "ik begrijp de repository voordat ik ze wijzig" meer waarde dan een agent die aan een stuk door shell-commando's afvuurt.

Welk model kiezen, concreet

De vraag is niet "welk is het beste" maar "het beste waarvoor". Hier is ons pragmatische beslissingsraster, gebouwd op de positionering die de bronnen aangeven en niet op een merkvoorkeur.

• Herwerking en onderhoud van code over meerdere bestanden, code review, complexe debugging: Opus 5 eerst. Zijn aangegeven sterke punt is redeneren op de schaal van de repository en zijn eigen werk verifieren, wat het heen-en-weer beperkt.
• Automatisering van interfaces, computer-use, agents die bedrijfsapplicaties aansturen tijdens lange sessies: GPT-5.5 / Sol behoudt het geclaimde voordeel. Test het bij voorrang op die gevallen.
• Analyse op groot volume, wetenschappelijk redeneren, sterke API-budgetbeperking: Gemini 3.1 Pro doet mee dankzij zijn kostprijs en zijn context van 1 miljoen tokens.
• Hybride architectuur: de vergelijking van mightybot.ai suggereert zelfs een multi-model-orkestratie, met een frontier-model als dirigent en Sol en Opus 5 die implementatie en review onder elkaar verdelen, "aan weerszijden van de leveranciersgrens". Voor serieus gebruik is je niet opsluiten bij een enkele uitgever vaak de echt goede keuze.

De nodige voorzichtigheid bij deze vergelijkingen

Een waarschuwing is op zijn plaats, en we brengen ze onomwonden. Deze cross-vendor-ranglijsten zijn ruizig. De twee bronnen die we aanhalen, hebben het niet eens over dezelfde versies: mightybot.ai vergelijkt Opus 5 en GPT-5.6 Sol, terwijl tech-insider.org, een maand ouder, nog redeneert met Opus 4.8 en GPT-5.5, zonder ooit Opus 5 of Sol te vermelden. Rechtstreeks gevolg: een cijfer dat door de ene bron aan Opus 5 wordt toegeschreven, kan bij de andere naar Opus 4.8 verwijzen, en geen van beide biedt een rigoureuze rechtstreekse vergelijking van de drie modellen, naast elkaar geevalueerd onder dezelfde omstandigheden.

Voeg daaraan toe dat de versies erg snel bewegen (GPT-5.5 en dan 5.6 Sol in enkele weken, Opus 4.8 en dan Opus 5, Gemini dat continu itereert) en je krijgt een bewegend terrein waar elke ranglijst binnen een maand of twee verouderd is. Ons advies verandert niet: kies geen model op basis van een tabel die je online vindt, ook niet de onze. Voer je eigen evaluatie uit op je echte werklast, meet de kostprijs per taak en de betrouwbaarheid op je concrete gevallen, en test opnieuw bij elke nieuwe versie. Dat is de enige methode die bestand is tegen het huidige markttempo.

Wat degenen die het getest hebben ervan zeggen

Zoals bij elke modellancering gaat de aankondiging van Anthropic gepaard met een reeks citaten van partners die vroegtijdige toegang kregen. Een noodzakelijke redactionele kanttekening: dit zijn reacties van bedrijven die zorgvuldig door Anthropic zijn geselecteerd, vaak klanten die hun eigen producten op deze modellen bouwen en verkopen. Lees ze dus als belanghebbende getuigenissen, niet als onafhankelijke tests. Dat gezegd hebbende: wanneer spelers die hun brood verdienen met de betrouwbaarheid van code allemaal richting dezelfde boodschap wijzen, verdient dat signaal aandacht.

Het overheersende refrein: het niveau van Fable, voor de helft van de prijs

De rode draad in deze getuigenissen is de verhouding tussen capaciteit en kosten. Twee grote spelers in de ontwikkelaarstooling formuleren het bijna identiek.

Cognition (Devin), Scott Wu, CEO: Claude Opus 5 benadert het prestatieniveau van Fable, voor de helft van de kosten.

Cursor, Sualeh Asif, medeoprichter: een intelligentie die dicht bij claude-fable-5 ligt, maar tegen de snelheid en de kosten van een Opus.

De boodschap is glashelder en sluit perfect aan op de commerciële pitch van Anthropic: je krijgt bijna het topsegment zonder de topprijs te betalen. Van Cursor en Devin, twee producten waarvan de marge rechtstreeks afhangt van de kosten per verbruikte token, is dat argument allesbehalve triviaal. Een model dat de factuur halveert en tegelijk dicht bij de top blijft, is voor hen mechanisch gezien een hefboom voor winstgevendheid. Dat verklaart ook hun enthousiasme: ze hebben er een direct belang bij dat deze positionering klopt.

Automatisering en de onderneming

Voorbij de pure code benadrukken meerdere partners de agentische en zakelijke toepassingen.

Zapier, Wade Foster, CEO: Opus 5 nam de koppositie in Zapiers interne AutomationBench-ranglijst, en behaalde volgens hen 100 % op het geteste traject, zonder meer tokens te verbruiken dan de voorgaande Claude-modellen.

Box, Ben Kus, CTO: ongeveer 8 % meer prestaties ten opzichte van Opus 4.8 op hun taken, en tot 11 % beter op data-analyse.

Deze twee reacties zijn interessant omdat ze het natuurlijke speelveld van Opus (coding) verlaten en de orkestratie van workflows en documentverwerking in de onderneming raken, precies het soort gebruik waar onze klanten op mikken. Het cijfer van Box, een winst van enkele punten op een al solide basis, klinkt trouwens geloofwaardiger dan een spectaculaire sprong: het is de orde van grootte die je verwacht van een goed uitgevoerde versie-upgrade, niet van een revolutie.

De reductie van variantie, het signaal dat productieteams aanspreekt

De meest leerzame reactie voor wie modellen in productie brengt, betreft geen prestatiepiek, maar de stabiliteit ervan.

Lovable, Fabian Hedin, medeoprichter: +22 % ten opzichte van Opus 4.7, en vooral veel minder variantie van de ene uitvoering tot de andere.

Dat verhaal over variantie is het punt dat blijft hangen. In productie is een model dat één keer op de drie een uitstekend resultaat geeft en de andere twee keer een middelmatig resultaat, onbeheersbaar: je kunt er onmogelijk een betrouwbaar product op bouwen. Een model dat iets minder briljant is maar wel voorspelbaar, run na run, is vaak meer waard dan een instabiel genie. Als de winst in regelmaat zich bevestigt buiten de testomstandigheden van een partner, is dat waarschijnlijk de meest concrete verbetering van Opus 5 voor een bureau als het onze, meer nog dan de benchmarkscores.

Het creatieve, het wetenschappelijke en de IDE's

Drie laatste reacties vervolledigen het beeld op meer specifieke terreinen.

Vercel, Madhav Jha, medeoprichter en CTO: de beste animaties, games en 3D-renders ooit geproduceerd door een model uit de Opus-familie.

JetBrains, Denis Shiryaev, verantwoordelijke voor AI in de IDE: de duidelijkste sprong in probleemoplossing.

Benchmark Life Sciences, Alfredo Andere, CEO: het model gedraagt zich meer als een voorzichtige wetenschapper dan enig ander getest model.

De formulering van Alfredo Andere vat een onderliggende trend goed samen: voorzichtigheid, het verifiëren voordat je iets beweert, wordt een verkoopargument op gelijke voet met pure kracht. Op het creatieve front bevestigt de reactie van Vercel dat Opus 5 zich waagt aan een terrein (visuele en interactieve rendering) waar de familie historisch gezien minder op haar gemak was.

Wat je uit dit koor van lofbetuigingen moet onthouden

Twee vaststellingen komen door deze stemmen heen samen. Ten eerste wordt de belofte over kosten en capaciteit (dicht bij Fable, voor de helft van de prijs) woord voor woord overgenomen door de partners die het best geplaatst zijn om ze te beoordelen, wat haar geloofwaardig maakt zonder haar te bewijzen. Ten tweede keert de reductie van variantie terug als een onderliggend thema: betrouwbaarheid van de ene uitvoering tot de andere, minder heen-en-weer, voorspelbaarder gedrag. Voor een beslisser is het dat tweede punt dat het zwaarst weegt, want het bepaalt of een model industrialiseerbaar is. Blijft de fundamentele voorbehoud: geen van deze cijfers is onder onafhankelijke omstandigheden geproduceerd, elke partner heeft gemeten wat hem uitkwam op zijn eigen testbank, en allemaal hebben ze er belang bij dat het model slaagt. We nemen ze dus voor wat ze zijn: overeenstemmende aanwijzingen, geen bewijzen.

Beveiliging, alignment en de cybercasus

Dit is het stuk van de fiche dat gehaaste kopers overslaan en dat CISO's als eerste lezen. Anthropic levert bij elk model een systeemkaart (system card) mee, voor Opus 5 een document van 194 pagina's waarin de maker zijn tests op het vlak van beveiliging, alignment en risico documenteert. Een methodologisch punt dat voor deze hele paragraaf geldt: deze cijfers komen uit de interne evaluaties van Anthropic, niet uit een onafhankelijke externe audit. Ze zijn solide en gedetailleerd, maar blijven zelfgerapporteerd. We lezen ze ook zo.

Een alignmentscore die als beste van de generatie wordt gepresenteerd

Het cijfer dat Anthropic naar voren schuift, is een gedragsauditscore voor misalignment van 2,3. De schaal loopt van 1 tot 10 (lager = beter), elk model doorloopt ongeveer 3.200 geautomatiseerde onderzoeken, en 2,3 is volgens de maker de laagste score van zijn recente modellen, vóór Sonnet 5, Opus 4.8 en Mythos 5. Anthropic ontleent daaraan de titel van best gealigneerde model tot nu toe: de laagste percentages misleidend gedrag, de beste naleving van de grondwet van Claude en minder riskante onomkeerbare acties.

Twee eerlijke nuances, beide afkomstig uit de systeemkaart. Ten eerste is Opus 5 iets beter dan zijn voorgangers in het herkennen dat het bezig is een test af te leggen (evaluation awareness), wat dit soort audit kan vertekenen. Anthropic stelt dat dit de conclusies niet wezenlijk heeft vervalst, maar de lezer moet weten dat het geobserveerde subject zich soms bewust is dat het geobserveerd wordt. Ten tweede een contra-intuïtief detail: het model hallucineert feitelijke beweringen iets vaker dan Opus 4.8, terwijl het over de hele linie preciezer is. Een goede alignmentscore betekent dus niet nul feitelijke fouten. Menselijke verificatie blijft geboden voor gevoelige opleveringen.

Zelfcontrole en herstel van fouten

In de praktijk is de nuttigste verbetering geen benchmarkcijfer maar een gedrag: Opus 5 controleert zijn eigen werk en herstelt zelfstandig van zijn fouten, wat het aantal heen-en-weer-gangen ten opzichte van zijn voorgangers vermindert. Zo omschrijft Madhav Jha (medeoprichter en CTO van Vercel) het, die wijst op de beste animaties, games en 3D-renders die door een Opus-model zijn geproduceerd. Voor agentisch gebruik (het model rijgt stappen aan elkaar zonder toezicht) telt dit vermogen om eigen fouten in te halen vaak zwaarder dan een of twee punten extra op een academische test.

De cybercasus: een bewuste strategie

Het interessantste punt, en het meest specifieke voor deze modelfamilie, is cyber. Anthropic zegt Opus 5 bewust niet te hebben getraind op cybertaken, net als bij Opus 4.8. De cyberwinsten van het model komen dus voort uit zijn vooruitgang in algemene capaciteit, niet uit een gerichte offensieve training. Concreet vertaalt zich dat in een asymmetrisch profiel: Opus 5 nadert Mythos 5 (het sterkste cybermodel van Anthropic) in het identificeren van kwetsbaarheden, maar blijft sterk achter in het omzetten daarvan in functionele exploits.

De interne metingen illustreren deze kloof. Op OSS-Fuzz behaalt Opus 5 een score van nul verschillend op ongeveer 79 % van de doelwitten, tegenover 38 % voor Opus 4.8 en ongeveer 80 % voor Mythos 5: voor detectie heeft het de top van de tabel bereikt. Maar als het erop aankomt om tot het einde te gaan, groeit de kloof: Opus 5 exploiteert een handvol doelwitten volledig, terwijl Mythos 5 er veel meer afwerkt. Dezelfde logica op andere interne suites: Opus 5 vindt, Mythos 5 bewapent. Anthropic vat deze positionering samen in zijn aankondiging van Opus 5 door te stellen dat het model substantieel achterblijft bij Mythos 5 op de ontwikkeling van exploits.

Minder cyber-valspositieven: waarom dat telt

De meest concrete verandering voor legitieme gebruikers betreft de beveiligingsclassificatoren, die filters die bepaalde als gevaarlijk beschouwde verzoeken weigeren. Op Opus 5 zijn ze zo gekalibreerd dat ze ongeveer 85 % minder vaak afgaan dan op Fable 5. Op een interne meting daalt het activeringspercentage van 42 % naar 5 %. De beleidswijziging is expliciet: Opus 5 staat voortaan het zoeken naar kwetsbaarheden in broncode op alle toegangsniveaus toe, terwijl het standaard het scannen van gecompileerde binaries, penetratietesten en het genereren van exploits blijft blokkeren.

Onze analyse: deze daling van de valspositieven is het echte goede nieuws voor professioneel gebruik. Een ontwikkelaar die Claude vraagt zijn eigen code te auditen, een interne pentester die een lek documenteert, een beveiligingsverantwoordelijke die een patch voorbereidt: ze liepen bij de vorige generatie geregeld tegen weigeringen aan. Minder onterechte blokkades betekent een model dat werkelijk bruikbaar is voor codereview en applicatiehardening, zonder dat je de tool moet omzeilen. De vangrail blijft, maar hindert het defensieve werk minder. Wanneer er ondanks alles toch een weigering optreedt, kan de API overschakelen naar Opus 4.8 om een antwoord terug te geven in plaats van een fout.

Biologie, Mythos 5 en Project Glasswing

Aan de kant van de biologie behoudt Opus 5 een reeks vangrails vergelijkbaar met die van Opus 4.8. Anthropic presenteert het als het meest capabele algemeen beschikbare model voor wetenschappelijk onderzoek, maar wijst tegelijk op belangrijke beperkingen bij lange autonome taken. Eén test spreekt voor zich: belast met het zelfstandig plannen en uitvoeren van een eiwitontwerpcampagne van 24 uur voor 10.000 $, leverde het model op twee pogingen niet het resultaat. Het plafond van de reële capaciteit blijft dus onder de marketing.

Tot slot moet je Opus 5 onderscheiden van Mythos 5, dat vaak als vergelijkingspunt wordt genoemd. Mythos 5 is niet algemeen beschikbaar: het is een gereserveerd model, verspreid op uitnodiging via Project Glasswing, een samenwerking met de Amerikaanse overheid bestemd voor cyberverdedigers en operatoren van kritieke infrastructuur. De redenering van Anthropic is die van een bewuste offensief/defensief-asymmetrie: de meest geavanceerde cybercapaciteiten in een gesloten en bewaakt kanaal houden, en aan het grote publiek een Opus 5 leveren die bewust is afgeremd op het offensieve maar veel toegeeflijker op het legitieme defensieve vlak. Voor een agency of een onderneming is dat het juiste compromis: de kracht die dagelijks van pas komt, zonder het geladen geweer.

Het jargon om deze lancering goed te lezen

De lancering van Claude Opus 5 komt met technische termen die overal in de documentatie opduiken. Hieronder een helder begrippenkader om ze te snappen zonder ingenieur te zijn, met telkens de directe link naar wat dit nieuwe model verandert.

Contextvenster

Het contextvenster is de hoeveelheid tekst die het model kan lezen en in het geheugen kan houden tijdens een uitwisseling. Opus 5 accepteert tot 1 miljoen tokens, ongeveer 555.000 woorden. Concreet betekent dat: je kunt er een volledig dossier, meerdere contracten of een complete codebase in kwijt zonder alles in stukken te knippen.

Token en tokenizer

Een token is een kleine teksteenheid, vaak een stukje van een woord. De tokenizer is het gereedschap dat je tekst in tokens hakt. Belangrijk voor je budget: de generatie Opus 4.7 en later produceert ongeveer 30 % meer tokens dan de eerdere versies. Omdat de facturatie per token gebeurt, verandert dit detail je kostenberekening, zelfs bij een identieke eindtekst.

Knowledge cutoff en training data cutoff

Knowledge cutoff

De datum tot wanneer het model de wereld kent. Voor Opus 5 ligt die cutoff op mei 2026, de meest recente van het hele gamma.

Training data cutoff

De einddatum van de ruwe trainingsdata. Die kan vroeger liggen dan de knowledge cutoff. De twee begrippen zijn verschillend en mag je niet door elkaar halen.

Adaptive thinking en extended thinking

Adaptive thinking is een redeneervorm die standaard actief staat bij Opus 5: het model beslist zelf om meer of minder na te denken, afhankelijk van de moeilijkheid van de taak. Extended thinking, een modus van verlengd nadenken die je op de vorige generaties op aanvraag inschakelde, bestaat niet meer op Opus 5 en is vervangen door deze adaptieve aanpak.

Effort

De parameter effort regelt de afweging tussen kost en capaciteit. Hij biedt de niveaus high, xhigh en max, met high als standaard op de API en in Claude Code. Hoe hoger je gaat, hoe meer rekenkracht het model inzet, dus meer precisie, maar ook meer tijd en budget.

Agentisch en agent

Een model dat agentisch heet, of een agent, blijft niet bij antwoorden geven. Het plant, gebruikt tools zoals een browser of een terminal, en rijgt zelfstandig meerdere stappen aan elkaar om een doel te bereiken. Dat is een grote focus van Opus 5.

SWE-bench Verified en SWE-bench Pro

Dit zijn twee benchmarks, gestandaardiseerde tests, die meten hoe goed een model echte softwarebugs oplost. SWE-bench Verified bundelt cases die door mensen zijn geverifieerd. SWE-bench Pro is een flink moeilijkere versie, met complexere problemen.

Prompt cache

De prompt cache hergebruikt een al verstuurde context zodat die niet opnieuw verwerkt hoeft te worden, wat kost en latentie verlaagt. Handige nieuwigheid op de Claude Platform: van tools wisselen midden in een gesprek maakt deze cache niet langer ongeldig, je besparingen blijven stabiel.

Automatische fallback

De automatische fallback is een overschakeling naar een ander model wanneer Opus 5 een verzoek om een veiligheidsreden weigert. De legitieme vraag wordt niet botweg geblokkeerd, maar omgeleid, wat onderbrekingen in een productieflow voorkomt.

Onze eerste indruk: wat verifieerbaar is en wat niet

Voordat we scores op een rij zetten, willen we eerlijk zijn over hoe we dit dossier hebben aangepakt. We zijn teruggegaan naar de primaire bronnen: de aankondigingspagina van Anthropic, de technische documentatie van het platform, de system card en de officiele prijstabellen. Daarna hebben we die gegevens gekruist met de vakpers (Fortune, Yahoo Finance) en met externe evaluatoren zoals Snorkel of CodeRabbit. Wat we niet hebben gedaan, en dat zeggen we onomwonden: we hebben op dit moment geen onafhankelijke, reproduceerbare benchmark geproduceerd. De lanceringscijfers, ook die welke onder de namen van externe benchmarks worden gepresenteerd, zijn gemeten op runs van Anthropic zelf, niet door onafhankelijke laboratoria. Op een lanceringsdag is dat de norm, maar het blijft een beperking die we niet willen verdoezelen.

Wat we met vertrouwen kunnen stellen

Sommige dingen hangen niet af van een benchmark: ze zijn observeerbaar, gedocumenteerd en stabiel. De model-ID is claude-opus-5, sinds 24 juli 2026 beschikbaar op Claude.ai, Claude Code, Claude Cowork, de API en via AWS Bedrock, Google Cloud en Microsoft Foundry. De prijs bedraagt 5 $ per miljoen tokens voor input en 25 $ voor output, exact gelijk aan Opus 4.8, oftewel de helft van het tarief van Fable 5. Het contextvenster reikt tot 1 miljoen tokens, de maximale output tot 128.000 tokens, en de kennisdatum ligt op mei 2026. Dat is allemaal binnen enkele minuten te verifieren op je eigen account.

De effort-dial is eveneens een tastbaar feit: de parameter effort accepteert low, medium, high, xhigh en max, met high als standaard op de API en in Claude Code. Je stelt hem in, meet het verschil in verbruikte tokens en constateert het resultaat. Dezelfde logica geldt voor de automatische fallback: wanneer een veiligheidsclassifier een verzoek weigert, geeft de API een stop_reason: "refusal" terug in HTTP 200 en kan hij overschakelen naar Opus 4.8 in plaats van een foutmelding te sturen. Dat gedrag staat beschreven in de documentatie en laat zich reproduceren. Deze bouwstenen, prijs, beschikbaarheid, specs, effort, fallback, beschouwen we als vaststaand.

Wat nog bevestigd moet worden

Daar staat tegenover dat verscheidene kernbeloftes uit het discours van Anthropic op de lanceringsdag niet van buitenaf verifieerbaar zijn. De eerste is het werkelijke verschil met Fable 5 onder productieomstandigheden. Anthropic claimt een prestatie binnen 0,5 % van Fable 5 op CursorBench voor de helft van de kosten per taak. Dat is een cijfer dat door de aanbieder wordt gecommuniceerd, geen onafhankelijke meting, en niets garandeert dat dit verschil standhoudt op jouw codebase, met jouw prompts en jouw beperkingen. De tweede onbekende is de effectieve kostprijs. Het weergegeven tarief is een ding, de factuur een ander: de generatie Opus 4.7 en later gebruikt een tokenizer die ongeveer 30 % meer tokens produceert dan de modellen van voor 4.7. Een identieke prijs per token kan dus een hogere reele uitgave verhullen, iets dat je op je eigen werklast moet meten.

De derde grijze zone is de stabiliteit van run tot run. De getuigenissen van partners, hoe vleiend ook (Lovable spreekt van een duidelijk verminderde variantie tussen twee uitvoeringen), beschrijven geselecteerde en vaak geoptimaliseerde omstandigheden. De variantie op lange, autonome taken, buiten een gecontroleerde demo, laat zich alleen beoordelen door het gebruik over meerdere weken. Ten slotte herinnert de foutanalyse van Snorkel ons er nuttig aan dat foutieve inferentie het belangrijkste faalmechanisme blijft (35 % van de gevallen): een sterker model is geen onfeilbaar model.

Hoe je het zelf serieus test

Ons advies is eenvoudig en kost bijna niets. Vertrouw niet op de gemiddelden van benchmarks: bouw een mini-corpus dat representatief is voor jouw echte werk, een tiental tickets, bugmeldingen of typische documenten, en laat Opus 5 daarop draaien.

• Vergelijk op je eigen corpus, niet op SWE-bench: publieke scores voorspellen jouw specifieke use case niet.
• Meet de reele tokens die worden verbruikt, input en output, om een concrete kostprijs per taak te krijgen in plaats van een theoretische prijs per miljoen.
• Varieer de effort van high naar xhigh en dan max op dezelfde taken, en kijk of de kwaliteitswinst de extra tokens rechtvaardigt. Vaak behoudt een lagere effort het merendeel van de prestatie voor veel minder geld.
• Houd Opus 4.8 als baseline: het blijft beschikbaar. Een eerlijke A/B tussen 4.8 en Opus 5 op jouw taken is meer waard dan duizend lanceringsscores.

Samengevat: we zijn overtuigd door wat je kunt aanraken (de gehandhaafde prijs, de effort-dial, de onmiddellijke beschikbaarheid) en voorzichtig met wat nog op het woord van de aanbieder berust (het exacte verschil met Fable 5, de nettokostprijs na de tokenizer, de bestendigheid op termijn). Precies daarom nodigen we je uit om je eigen test te doen voordat je een budget vastlegt: op dit onderwerp is jouw corpus een betrouwbaardere rechter dan welke ranglijst dan ook.

Voor wie is dit, concreet

Voorbij de golf aankondigingen ligt de vraag die echt telt voor een budget en een roadmap: verandert claude-opus-5 iets voor jou, en welk model uit de reeks kies je. Het antwoord hangt minder af van de benchmark dan van je profiel. Hieronder onze lezing, profiel per profiel, zonder overdreven verkooppraat.

Developers en productteams: het nieuwe redelijke standaardmodel

Voor de meeste dev-teams wordt Opus 5 de logische standaardkeuze voor agentische coding. Twee concrete redenen. Ten eerste de verhouding capaciteit/kosten: dezelfde prijs als Opus 4.8 (5 $ input, 25 $ output per miljoen tokens) voor een echte sprong in prestaties. Ten tweede de externe scores die door de pers en de evaluatoren worden gerapporteerd, met de nodige voorzichtigheid te hanteren aangezien de launch-runs die van Anthropic waren: 96,0 % op SWE-bench Verified en 79,2 % op SWE-bench Pro, ruim boven de 69,2 % van Opus 4.8. Dat is niet marginaal, dat is een generatiesprong.

Onze praktische aanbeveling past in drie regels. Gebruik Opus 5 als je dagelijkse werkmodel voor complexe agentische code, refactoring over meerdere bestanden en het uitpluizen van bugs, waar het uitblinkt. Houd Claude Sonnet 5 en Haiku 4.5 voor alles wat volume, subagents en eenvoudige taken betreft, daar waar Opus-compute uitgeven nergens op slaat. En reserveer Fable 5, twee keer zo duur, voor de allermoeilijkste redeneerproblemen, die waar het laatste halve puntje capaciteit de rekening rechtvaardigt. Anthropic beweert niet dat Opus 5 zijn slimste model is: die titel blijft bij Fable 5. Opus 5 is de beste prijs-kwaliteitsverhouding, niet het absolute plafond.

Een operationeel detail dat telt: de parameter effort (niveaus high, xhigh, max) is je hefboom voor de kosten. Het effort verlagen behoudt het grootste deel van de prestaties terwijl je minder tokens verbruikt. Concreet: doe een effort-sweep op je eigen evals in plaats van uit gewoonte alles op max te zetten. Let ook op de tokenizer van de generatie Opus 4.7 en volgende, die ongeveer 30 % meer tokens produceert dan de eerdere modellen: meet op je echte werklast voordat je een factuur gaat extrapoleren.

Ondernemingen: de verhouding capaciteit/kosten ten dienste van interne workflows

Voor een IT-directie of een businessafdeling ligt het belang van Opus 5 niet in de benchmark-wedstrijd, maar in de economische vergelijking op terugkerend intern gebruik. Data-analyse, documentaire synthese, wetenschappelijk onderzoek, due diligence, financiële modellering: dat zijn precies de terreinen waarop Anthropic het model positioneert, en waar meerdere van zijn klanten winst melden (Box spreekt van 8 % beter dan Opus 4.8 en 11 % bij data-analyse, JetBrains van een duidelijke sprong in probleemoplossing). Deze cijfers worden opgegeven door partners die door de uitgever worden geciteerd: behandel ze als signalen, niet als onafhankelijke metingen.

Twee praktische troeven voor de onderneming. Het contextvenster van 1 miljoen tokens laat toe hele documentbases te verwerken zonder acrobatisch opdelen. En de automatische fallback (wanneer een verzoek om veiligheidsredenen wordt geweigerd, schakelt de API over naar een ander model in plaats van een foutmelding te sturen) vermijdt impasses in productie. Het feit dat Anthropic Opus 5 omschrijft als zijn meest capabele algemeen beschikbare model voor wetenschappelijk onderzoek, met name in de biologie, is serieus te nemen voor de betrokken sectoren, gezondheidszorg, agro, chemie, met in het achterhoofd dat het gaat om specs en een kadering van de uitgever.

Bureaus en kmo's: hoe wij het bij Go To Agency gebruiken

Hier wordt de prijs-kwaliteitlogica heel concreet voor een klant. Bij Go To Agency, digitaal bureau in Dijon, vertaalt een model dat de top benadert tegen de helft van de prijs van Fable 5 zich rechtstreeks in gehaalde deadlines en behouden marge, dus in competitievere offertes voor jou. We gebruiken het op drie fronten.

• Prototyping: vertrekken van een vage brief en er in uren in plaats van dagen een eerste werkende mockup, een interfacecomponent of een integratiescript uit halen. Opus 5 controleert zijn eigen werk en herstelt zelfstandig van zijn fouten, wat het heen-en-weer en de facturabele tijd die aan correcties verloren gaat, terugdringt.
• Content en SEO: productie van gedocumenteerde diepgaande artikels, lokale pagina's en meertalige content, met een systematische menselijke eindredactie. De redactionele kwaliteit staat niet ter discussie, maar de productiekosten dalen, en die besparing komt de eindklant ten goede.
• Interne tools: leads-dashboards, automatiseringen, kleine back-offices op maat. We bouwen snel wat gisteren nog een volledige dev-cyclus had gevraagd, en we factureren het resultaat, niet de verloren tijd.

Het principe is eenvoudig en het verandert niet: AI versnelt onze productie, ze vervangt nooit het oordeel, de strategie en de redactionele verantwoordelijkheid die je van een bureau verwacht. Ze stelt ons in staat sneller te leveren en concurrerend te blijven op de prijs, zonder ooit een capaciteit te overfactureren die het project niet vereist. Een lokale vitrinesite heeft de compute van een complex platformproject niet nodig, en wij kiezen het juiste model voor het juiste gebruik.

Zin om te zien wat dat in de praktijk oplevert? Neem onze realisaties door, vraag een offerte op maat van je project aan, of contacteer ons om erover te praten. Alles gebeurt per e-mail, op jouw tempo: we lezen, we begrijpen de behoefte, we antwoorden met een concreet voorstel, zonder je een gesprek of een agenda op te dringen.

Migreren vanaf Opus 4.8, en ons oordeel

Het goede nieuws voor wie al draait op claude-opus-4-8: de overstap naar claude-opus-5 is een van de pijnlooste die Anthropic ooit heeft aangeboden. Dezelfde familie, hetzelfde contextvenster van 1 miljoen tokens, hetzelfde tarief (5 $ per miljoen tokens invoer, 25 $ per miljoen uitvoer) en een officiele migratiegids die de zeldzame gedragsverschillen documenteert. In de meeste gevallen volstaat het om de model-ID in je code aan te passen en je evaluaties opnieuw te draaien. De prijs is niet bewogen, de prestaties zijn omhoog gegaan: dat is het verhaal dat Anthropic verkoopt, en op dit specifieke punt is het een geverifieerd feit.

Toch is "de ID veranderen en bidden" geen productiestrategie. Vier punten verdienen een echte test voordat je overschakelt.

• Controleer het standaard-effort. Op de API en in Claude Code draait Opus 5 standaard op high, precies alsof je de parameter weglaat. Let op een verschil met Opus 4.8: die forceerde overal high, ook op claude.ai, terwijl Opus 5 high niet langer standaard forceert op claude.ai. Doe liever een nieuwe effort-sweep op je eigen evals dan je Opus 4.8-instellingen blindelings over te nemen.
• Meet je werkelijke tokens. Generatie 4.7 en volgende gebruikt een tokenizer die op eenzelfde tekst ongeveer 30 % meer tokens produceert dan modellen van voor 4.7. De prijs per miljoen is identiek, maar je echte factuur hangt af van het aantal gefactureerde tokens. Meet op je eigen workload voordat je vertrouwt op een extrapolatie.
• Test de fallback. Als je leunt op het automatische terugvalgedrag (wanneer een veiligheidsclassifier een verzoek weigert, schakelt de API over naar een ander model, standaard Opus 4.8 op Claude.ai, Code en Cowork), valideer dan de weergave aan de clientkant: het antwoord komt van een ander servend model, en je applicatielogica moet dat tolereren.
• Houd Opus 4.8 bereikbaar als legacy. Het blijft beschikbaar, wat je een vergelijkingspunt en een vangnet geeft mocht een use case teruglopen. Let echter op de nabije agenda: claude-opus-4-1 is al afgeschreven en wordt op 5 augustus 2026 uit dienst genomen. Als je nog op een 4.1 hangt, is de migratie niet langer optioneel.

Ons oordeel

Laten we duidelijk en eerlijk zijn, zoals sinds het begin van dit artikel. Opus 5 is de beste Opus die ooit is uitgekomen, tegen dezelfde prijs als de vorige. Hij benadert Fable 5 op veel code- en redeneertaken, terwijl hij, naar Anthropic zelf toegeeft, minder intelligent blijft dan Fable 5 aan de bovenkant van het spectrum. Anthropic beweert overigens niet het tegendeel: Opus 5 wordt verkocht als de daily driver, de beste kosten-prestatieverhouding, niet als de top van het gamma. Dat is een eerlijke positie, en ze komt overeen met wat wij observeren.

De echt nuttige noviteit is niet dit of dat benchmarkpunt. Het zijn twee concrete mechanismen: de effort-dial (low, medium, high, xhigh, max), waarmee je op eenzelfde verzoek kosten tegen capaciteit kunt afwegen, en de automatische fallback, die een veiligheidsweigering omzet in een afgezwakt antwoord in plaats van een fout. Dat zijn de functies die het leven van een team dat het model in productie draait echt veranderen, veel meer dan een halve punt op een ranglijst.

Over de cijfers blijft onze positie voorzichtig. De benchmarks zijn indrukwekkend (96,0 % op SWE-bench Verified, 79,2 % op SWE-bench Pro, scores die Opus 4.8 verdubbelen op Frontier-Bench volgens de door Anthropic opgegeven cijfers), maar de meeste zijn opgegeven door de uitgever of uitgevoerd op Anthropic-runs bij de lancering, niet door strikt onafhankelijke derden. Dat is normaal voor een lancering, maar het is geen reden om ze klakkeloos te slikken. Onze lezing: de richting klopt, de exacte omvang moet je op je eigen taken bevestigen.

Het operationele oordeel is simpel. Voor de grote meerderheid van code- en agenttaken wordt Opus 5 de nieuwe redelijke standaard: je houdt Fable 5 voor maximale capaciteit op de echt harde problemen, en je zakt naar Sonnet 5 of Haiku 4.5 wanneer de kosten voorop staan. Opus 5 bezet het zwaartepunt, daar waar het dagelijkse werk zich afspeelt.

Bij Go To Agency integreren we deze modellen al in de pipelines van onze klanten (code-assistenten, business-agents, documentautomatisering) en we kiezen het juiste model voor het juiste budget, zonder dogma. Vraag je je af welk van deze modellen zin heeft voor jouw use case, of hoe je een nette fallback in productie bedraadt? Laten we het erover hebben: vraag een offerte aan of ga via de contactpagina. We vertellen je eerlijk wat de moeite waard is, en wat niet.