Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Claude Fable 5 ist Anthropics leistungsfähigstes allgemein veröffentlichtes Modell, allgemein verfügbar über die Claude API, Amazon Bedrock, Claude Platform on AWS, Google Cloud und Microsoft Foundry. Claude Mythos 5 bietet dieselben Fähigkeiten und wird in begrenzter Verfügbarkeit für zugelassene Kunden in Project Glasswing angeboten.
Die Basiseinstellungen, die claude-fable-5 und claude-mythos-5 gemeinsam haben:
thinking-Konfiguration erforderlich. Sowohl thinking: {type: "disabled"} als auch manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) geben einen 400-Fehler zurück.invalid_request_error zurück. Organisationen mit einer ZDR-Vereinbarung sollten ihr Anthropic-Account-Team kontaktieren, um die Datenaufbewahrungskonfiguration zu besprechen. Alternativ kannst du die Datenaufbewahrung pro Workspace konfigurieren. Siehe Modellspezifische Anforderungen an die Datenaufbewahrung für plattformspezifische Details.Wo sich die beiden Modelle unterscheiden:
stop_reason: "refusal" ablehnen können. Claude Mythos 5 enthält diese Classifier nicht. Siehe Ablehnungen und Fallback.Claude Mythos 5 ist der zugangsbeschränkte Nachfolger von Claude Mythos Preview, der Forschungsvorschau nur auf Einladung. Claude Fable 5 ist das allgemein verfügbare Modell mit denselben Fähigkeiten, und die Änderungen in diesem Abschnitt gelten gleichermaßen für beide Ziele.
Die Migration ist größtenteils ein Drop-in-Ersatz. Claude Mythos 5 und Claude Fable 5 verwenden dieselbe Messages API und dieselben Tool-Nutzungs-Muster wie Claude Mythos Preview, und die Token-Anzahl bleibt in etwa unverändert, da alle drei Modelle denselben Tokenizer verwenden. Die wichtigsten zu prüfenden Änderungen sind die nicht mehr verfügbaren Features (im nächsten Abschnitt aufgeführt) und die Thinking-Ausgabe. Wenn du zu Claude Fable 5 migrierst, plane auch Safety-Classifier-Ablehnungen ein, die Claude Mythos Preview und Claude Mythos 5 nicht haben; siehe Ablehnungen und Fallback.
Für den Zeitplan zur Einstellung von Claude Mythos Preview siehe Modell-Abkündigungen.
model = "claude-mythos-preview" # Before
model = "claude-mythos-5" # After
# Oder für das allgemein verfügbare Modell mit denselben Fähigkeiten:
model = "claude-fable-5" # AfterErweitertes Denken und Thinking-Token-Budgets: Manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) wird auf claude-mythos-5 oder claude-fable-5 nicht unterstützt und gibt einen 400-Fehler zurück. Adaptive thinking (adaptives Denken) ist immer aktiviert: Das Modell bestimmt bei jeder Anfrage, wann und wie viel es nachdenkt, und es ist keine thinking-Konfiguration erforderlich. thinking: {type: "disabled"} gibt einen Fehler zurück. budget_tokens hat keinen direkten Ersatz: Das Denken ist adaptiv, und der Effort-Parameter ist eine separate Steuerung auf Ausgabeebene, kein Thinking-Budget.
Vorher (Claude Mythos Preview):
client.messages.create(
model="claude-mythos-preview",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 10000},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Mythos 5):
client.messages.create(
model="claude-mythos-5",
max_tokens=16000,
messages=[{"role": "user", "content": "..."}],
)Die Änderung für Claude Fable 5 ist identisch, mit claude-fable-5 als Modellname.
Assistant-Prefill: Das Vorausfüllen der Assistant-Nachricht wird auf claude-mythos-5 oder claude-fable-5 nicht unterstützt und gibt einen 400-Fehler zurück, genauso wie bei Claude Mythos Preview. Verwende stattdessen Anweisungen im System-Prompt.
Thinking-Ausgabe: Auf claude-mythos-5 und claude-fable-5 wird die rohe Gedankenkette nie zurückgegeben, aber Thinking-Blöcke enthalten weiterhin lesbaren zusammengefassten Text, wenn thinking.display auf summarized gesetzt ist. Gib Thinking-Blöcke unverändert zurück, wenn du eine Konversation auf demselben Modell fortsetzt. Siehe Thinking-Ausgabe auf Claude Fable 5 und Claude Mythos 5.
claude-mythos-5 und claude-fable-5 verwenden denselben Tokenizer wie claude-mythos-preview (den mit Claude Opus 4.7 eingeführten Tokenizer). Die Token-Anzahl bleibt bei der Migration von claude-mythos-preview in etwa unverändert. Im Vergleich zu Modellen vor Claude Opus 4.7 kann derselbe Inhalt zu etwa 30 % mehr Token tokenisiert werden, abhängig von Inhalt und Workload-Form.
/v1/messages/count_tokens gibt für claude-mythos-5 und claude-fable-5 im Vergleich zu claude-mythos-preview in etwa unveränderte Werte zurück. Erstelle eine neue Baseline für Kosten und Latenz auf deinen eigenen Workloads.
claude-mythos-preview zu claude-mythos-5 oder zu claude-fable-5 für das allgemein verfügbare Modell.thinking: {type: "enabled", budget_tokens: N}). Adaptives Denken ist immer aktiviert, und es ist kein thinking-Feld erforderlich.thinking: {type: "disabled"}-Konfiguration. Das Deaktivieren von Thinking gibt auf claude-mythos-5 und claude-fable-5 einen Fehler zurück.budget_tokens. Es hat keinen direkten Ersatz: Das Denken ist adaptiv, und der effort-Parameter ist eine separate Steuerung auf Ausgabeebene, kein Thinking-Budget.thinking-Feld parst, es nur als Anzeigetext behandelt und Thinking-Blöcke unverändert zurückgibt, wenn auf demselben Modell fortgesetzt wird. thinking.display ist auf claude-mythos-5 und claude-fable-5 standardmäßig "omitted", genauso wie bei Claude Mythos Preview; setze display: "summarized", um lesbare Zusammenfassungen zu erhalten. Siehe Thinking-Ausgabe auf Claude Fable 5 und Claude Mythos 5.thinking- und redacted_thinking-Blöcke aus vorherigen Assistant-Turns. Thinking-Blöcke von claude-mythos-5 und claude-fable-5 sind an das Modell gebunden, das sie erzeugt hat, und andere Modelle als Claude Fable 5 und Claude Mythos 5 ignorieren sie stillschweigend. Das Entfernen hält modellübergreifende Anfragen minimal und einheitlich.stop_reason: "refusal" und lies das Feld stop_details.category. Claude Fable 5 führt Safety-Classifier aus, die Claude Mythos Preview und Claude Mythos 5 nicht haben. Siehe Ablehnungen und Fallback.claude-mythos-preview in etwa unverändert.Claude Fable 5 und Claude Mythos 5 verwenden dieselbe Messages API und dieselben Tool-Nutzungs-Muster wie Claude Opus 5, mit demselben 1M-Token-Kontextfenster als Standard und denselben 128k maximalen Ausgabe-Token. Die Einschränkungen für Prefill und Sampling-Parameter sowie das Thinking-Display-Verhalten werden unverändert von Claude Opus 5 übernommen. Die zu prüfenden Änderungen sind das immer aktivierte Thinking, Preise, Priority Tier und Datenaufbewahrung.
model = "claude-opus-5" # Before
model = "claude-fable-5" # After
# Oder für das Project Glasswing-Modell mit denselben Fähigkeiten:
model = "claude-mythos-5" # AfterThinking kann nicht mehr deaktiviert werden: Auf Claude Opus 5 ist Thinking standardmäßig aktiviert und kann mit thinking: {type: "disabled"} bei einem Effort-Level von high oder niedriger ausgeschaltet werden. Auf claude-fable-5 und claude-mythos-5 ist adaptives Denken immer aktiviert, und thinking: {type: "disabled"} gibt bei jedem Effort-Level einen 400-Fehler zurück. Entferne die thinking: {type: "disabled"}-Konfiguration und verwende stattdessen niedrigere Effort-Level, um den Token-Verbrauch zu steuern.
Preise: Claude Fable 5 und Claude Mythos 5 kosten 10 USD pro Million Eingabe-Token und 50 USD pro Million Ausgabe-Token, verglichen mit 5 USD und 25 USD für Claude Opus 5. Siehe Claude-Preise.
Priority Tier: Priority Tier wird auf Claude Opus 5 nicht unterstützt, daher ist kein bestehender Traffic betroffen. Wenn deine Organisation ein Priority-Tier-Commitment hat, unterstützt Claude Fable 5 es; Claude Mythos 5 nicht.
Datenaufbewahrung: Claude Fable 5 und Claude Mythos 5 erfordern eine 30-tägige Datenaufbewahrung und sind nicht unter „zero data retention" (ZDR)-Vereinbarungen verfügbar; beide sind als Covered Models eingestuft. Siehe Modellspezifische Anforderungen an die Datenaufbewahrung.
claude-opus-5 zu claude-fable-5 (oder claude-mythos-5).thinking: {type: "disabled"}-Konfiguration; sie gibt auf claude-fable-5 und claude-mythos-5 einen 400-Fehler zurück. Verwende stattdessen niedrigere Effort-Level, um den Token-Verbrauch zu steuern, und überprüfe max_tokens für Workloads, die auf Claude Opus 5 mit deaktiviertem Thinking liefen.Die Migration ist größtenteils ein Drop-in-Ersatz. Claude Fable 5 und Claude Mythos 5 verwenden dieselbe Messages API und dieselben Tool-Nutzungs-Muster wie Claude Opus 4.8, mit demselben 1M-Token-Kontextfenster als Standard und denselben 128k maximalen Ausgabe-Token. Die Token-Anzahl bleibt in etwa unverändert, da die Modelle denselben Tokenizer verwenden. Die wichtigsten zu prüfenden Änderungen sind das immer aktivierte adaptive Denken, die Thinking-Ausgabe, Safety-Classifier-Ablehnungen (nur Claude Fable 5) und die Preise.
model = "claude-opus-4-8" # Before
model = "claude-fable-5" # After
# Oder für das Project Glasswing-Modell mit denselben Fähigkeiten:
model = "claude-mythos-5" # AfterDie Punkte in diesem Abschnitt beschreiben die API- und Verhaltensunterschiede, die nach dem Austausch der Modell-ID überprüft werden sollten. Sofern nicht anders angegeben, gelten sie gleichermaßen für claude-fable-5 und claude-mythos-5.
Adaptives Denken ist immer aktiviert: Adaptive thinking (adaptives Denken) ist der einzige Thinking-Modus auf claude-fable-5 und claude-mythos-5. Das Modell bestimmt bei jeder Anfrage, wann und wie viel es nachdenkt, und es ist keine thinking-Konfiguration erforderlich. thinking: {type: "disabled"} gibt einen Fehler zurück. Verwende den Effort-Parameter, um die Denktiefe zu steuern.
Die zu prüfende Verhaltensänderung: Auf Claude Opus 4.8 laufen Anfragen ohne thinking-Feld ohne Thinking; auf claude-fable-5 und claude-mythos-5 laufen dieselben Anfragen mit adaptivem Denken. max_tokens bleibt ein hartes Limit für die Gesamtausgabe, Thinking plus Antworttext, also überprüfe es für Workloads, die auf Claude Opus 4.8 ohne Thinking liefen. Siehe Kostenkontrolle.
Vorher (Claude Opus 4.8):
client.messages.create(
model="claude-opus-4-8",
max_tokens=16000,
thinking={"type": "adaptive"},
output_config={"effort": "high"},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Fable 5):
client.messages.create(
model="claude-fable-5",
max_tokens=16000,
output_config={"effort": "high"},
messages=[{"role": "user", "content": "..."}],
)Die Änderung für Claude Mythos 5 ist identisch, mit claude-mythos-5 als Modellname.
Erweitertes Denken und Thinking-Budgets (unverändert): Manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) wird auf claude-fable-5 oder claude-mythos-5 nicht unterstützt und gibt einen 400-Fehler zurück, genauso wie bei Claude Opus 4.8. budget_tokens hat keinen direkten Ersatz: Das Denken ist adaptiv, und der Effort-Parameter ist eine separate Steuerung auf Ausgabeebene, kein Thinking-Budget.
Assistant-Prefill (unverändert): Das Vorausfüllen der Assistant-Nachricht wird auf claude-fable-5 oder claude-mythos-5 nicht unterstützt und gibt einen 400-Fehler zurück, genauso wie bei Claude Opus 4.8. Verwende stattdessen Anweisungen im System-Prompt.
Thinking-Ausgabe: Auf claude-fable-5 und claude-mythos-5 wird die rohe Gedankenkette nie zurückgegeben, aber Thinking-Blöcke enthalten weiterhin lesbaren zusammengefassten Text, wenn thinking.display auf summarized gesetzt ist. Gib Thinking-Blöcke unverändert zurück, wenn du eine Konversation auf demselben Modell fortsetzt. Siehe Thinking-Ausgabe auf Claude Fable 5 und Claude Mythos 5.
Safety-Classifier und der refusal-Stop-Reason (nur Claude Fable 5): claude-fable-5 führt Safety-Classifier auf Anfragen und während der Antwortgenerierung aus. Claude Mythos 5 enthält diese Classifier nicht. Wenn ein Classifier eine Anfrage ablehnt, gibt die Messages API stop_reason: "refusal" als erfolgreiche HTTP-200-Antwort zurück, nicht als Fehler. Das Feld stop_details.category meldet, welcher Classifier ausgelöst wurde, mit Kategorien wie "cyber", "bio" und "reasoning_extraction", oder null, wenn die Ablehnung keiner benannten Kategorie zugeordnet ist. Siehe die Ablehnungskategorie-Tabelle für die vollständige Liste.
Dir werden keine Eingabe-Token für eine Anfrage berechnet, die abgelehnt wird, bevor eine Ausgabe generiert wurde. Wenn ein Classifier mitten im Stream auslöst, werden die Eingabe und die bereits gestreamte Ausgabe berechnet; verwirf die Teilausgabe.
Um abgelehnte Anfragen automatisch auf einem anderen Modell erneut auszuführen, übergib den Opt-in-Parameter fallbacks, der sich auf der Claude API in der Beta befindet. Der Parameter ist nicht auf der Message Batches API oder auf Amazon Bedrock, Google Cloud und Microsoft Foundry verfügbar; auf diesen drei Plattformen führe den Retry clientseitig aus oder verwende die SDK-Refusal-Fallback-Middleware. Siehe Ablehnungen und Fallback.
Starte mit high Effort: Der Standardwert des Effort-Parameters bleibt high. Auf Claude Opus 4.8 lautet die Empfehlung für Coding und hochautonome Arbeit, xhigh explizit zu setzen. Auf claude-fable-5 und claude-mythos-5 verwende high als Standard für die meisten Aufgaben und reserviere xhigh für die leistungskritischsten Workloads. Niedrigere Effort-Einstellungen funktionieren weiterhin gut und übertreffen oft die xhigh-Leistung auf früheren Modellen. Reduziere den Effort, wenn eine Aufgabe abgeschlossen wird, aber länger als nötig dauert. Siehe Prompting für Claude Fable 5.
Niedrigeres Prompt-Caching-Minimum: Die minimale cachebare Prompt-Länge auf claude-fable-5 und claude-mythos-5 beträgt 512 Token, niedriger als die 1.024 Token auf Claude Opus 4.8. Prompts, die auf Claude Opus 4.8 zu kurz zum Cachen waren, können jetzt Cache-Einträge erstellen, ohne dass Code-Änderungen erforderlich sind. Siehe Prompt-Caching für modellspezifische Minimalwerte.
claude-fable-5 und claude-mythos-5 erfordern eine 30-tägige Datenaufbewahrung; auf der Claude API geben Anfragen an claude-fable-5, die diese Anforderung nicht erfüllen, einen 400 invalid_request_error zurück. Claude Opus 4.8 bleibt unter ZDR verfügbar. Siehe Modellspezifische Anforderungen an die Datenaufbewahrung.claude-opus-4-8 zu claude-fable-5 (oder claude-mythos-5).thinking: {type: "disabled"}-Konfiguration. Das Deaktivieren von Thinking gibt auf claude-fable-5 und claude-mythos-5 einen Fehler zurück, und Anfragen ohne thinking-Feld laufen mit adaptivem Denken.claude-fable-5 und claude-mythos-5 nicht unterstützt.thinking-Feld parst, es nur als Anzeigetext behandelt und Thinking-Blöcke unverändert zurückgibt, wenn auf demselben Modell fortgesetzt wird. thinking.display ist auf claude-fable-5 und claude-mythos-5 standardmäßig "omitted", genauso wie bei Claude Opus 4.8; setze display: "summarized", um lesbare Zusammenfassungen zu erhalten. Siehe Thinking-Ausgabe auf Claude Fable 5 und Claude Mythos 5.thinking- und redacted_thinking-Blöcke aus vorherigen Assistant-Turns. Thinking-Blöcke von claude-fable-5 und claude-mythos-5 sind an das Modell gebunden, das sie erzeugt hat, und andere Modelle als Claude Fable 5 und Claude Mythos 5 ignorieren sie stillschweigend. Das Entfernen hält modellübergreifende Anfragen minimal und einheitlich. Die Ausnahme ist das Einlösen eines Fallback-Credits, das den Request-Body erfordert, der nach den genauen Regeln dieses Features zurückgespiegelt wird.stop_reason: "refusal" und lies das Feld stop_details.category. Um abgelehnte Anfragen automatisch auf einem anderen Modell erneut auszuführen, ziehe den Opt-in-Parameter fallbacks (Beta) in Betracht. Siehe Ablehnungen und Fallback.effort-Einstellung neu. Starte mit high für die meisten Aufgaben, einschließlich Workloads, die auf Claude Opus 4.8 mit xhigh liefen.claude-opus-4-8 in etwa unverändert; die Preise pro Token unterscheiden sich.Claude Opus 5 ist eine sprunghafte Verbesserung gegenüber Claude Opus 4.8, stark bei tiefem Reasoning, agentischen und langfristigen Aufgaben sowie Test-Time-Compute-Skalierung. Für Verhaltensunterschiede und modellspezifische Prompting-Muster siehe Prompting für Claude Opus 5.
Claude Opus 5 ist ein Drop-in-Upgrade für Claude Opus 4.8 zum gleichen Preis von 5 USD pro Million Eingabe-Token und 25 USD pro Million Ausgabe-Token; siehe Claude-Preise. Es gibt zwei Breaking Changes für Code, der bereits auf Claude Opus 4.8 läuft, die unten unter Breaking Changes behandelt werden. Claude Opus 5 unterstützt denselben Feature-Satz wie Claude Opus 4.8, einschließlich des 1M-Token-Kontextfensters (Standard, ohne Beta-Header), 128k maximale Ausgabe-Token, adaptives Denken, Prompt-Caching, Batch-Verarbeitung, die Files API, PDF-Unterstützung, Vision sowie serverseitige und clientseitige Tools, mit zwei Ausnahmen: Web Fetch ist auf Claude Opus 5 nicht verfügbar, und Priority Tier wird auf Claude Opus 5 nicht unterstützt. Siehe jede Tool-Seite für die Modellverfügbarkeit.
# Opus-Migration
model = "claude-opus-4-8" # Before
model = "claude-opus-5" # Afterclaude-opus-5 ist eine feste Modell-ID ohne Datumssuffix, dasselbe Schema wie claude-opus-4-8 und claude-sonnet-5.
Thinking standardmäßig aktiviert: Auf Claude Opus 4.8 laufen Anfragen ohne thinking-Feld ohne Thinking; auf Claude Opus 5 laufen dieselben Anfragen mit adaptivem Denken. max_tokens bleibt ein hartes Limit für die Gesamtausgabe, Thinking plus Antworttext, also überprüfe es für Workloads, die auf Claude Opus 4.8 ohne Thinking liefen. Um das alte Verhalten beizubehalten, übergib thinking: {type: "disabled"}, vorbehaltlich der Effort-Obergrenze im nächsten Punkt; beachte, dass das Modell bei deaktiviertem Thinking gelegentlich Tool-Aufrufe als Klartext ausgeben oder interne XML-Tags in seiner sichtbaren Ausgabe enthalten kann, also bevorzuge niedrigere Effort-Level mit aktiviertem Thinking, wo du kannst, und siehe Ausführung mit deaktiviertem Thinking für Abhilfemaßnahmen, wo du es nicht kannst.
Das Deaktivieren von Thinking ist auf high Effort begrenzt: Du kannst Thinking weiterhin mit thinking: {type: "disabled"} ausschalten, aber nur bei einem Effort-Level von high oder niedriger. Eine Anfrage, die thinking: {type: "disabled"} mit Effort xhigh oder max kombiniert, gibt einen 400-Fehler zurück. Claude Opus 4.8 akzeptiert diese Kombination, also überprüfe Anfragen, die Thinking deaktivieren, bevor du migrierst.
Die Prüfung wird bei jeder Anfrage durchgesetzt: Die Effort- und Thinking-Konfiguration jeder Anfrage wird unabhängig validiert, sodass eine Anfrage, die den Effort auf xhigh oder max erhöht, während Thinking deaktiviert ist, abgelehnt wird, auch wenn frühere Anfragen in der Konversation akzeptiert wurden.
Vorher (akzeptiert auf Claude Opus 4.8, abgelehnt auf Claude Opus 5):
client.messages.create(
model="claude-opus-4-8",
max_tokens=16000,
thinking={"type": "disabled"},
output_config={"effort": "xhigh"},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Opus 5), entweder das thinking-Feld entfernen, um Thinking wieder zu aktivieren:
client.messages.create(
model="claude-opus-5",
max_tokens=16000,
output_config={"effort": "xhigh"}, # thinking is on by default
messages=[{"role": "user", "content": "..."}],
)oder Thinking deaktiviert lassen und den Effort senken:
client.messages.create(
model="claude-opus-5",
max_tokens=16000,
thinking={"type": "disabled"},
output_config={"effort": "high"}, # or "medium", "low"
messages=[{"role": "user", "content": "..."}],
)Diese sind nicht erforderlich, verbessern aber deine Erfahrung:
Teste max Effort für leistungskritische Arbeit: Claude Opus 5 unterstützt den vollständigen Satz von Effort-Leveln (low, medium, high, xhigh, max). Wo maximale Leistungsfähigkeit wichtiger ist als Token-Verbrauch, teste max Effort. Es kann bei den anspruchsvollsten Aufgaben Verbesserungen liefern, kann aber bei erhöhtem Token-Verbrauch abnehmende Erträge zeigen und bei einfacheren Aufgaben zu Overthinking neigen. Wenn du mit xhigh oder max Effort arbeitest, setze ein großes max_tokens, damit das Modell Raum zum Denken und Handeln hat; starte bei 64k Token und passe von dort aus an.
Ziehe automatische Fallbacks in Betracht: Claude Opus 5 wird mit Cybersecurity-Safety-Classifiern ausgeliefert, deren Cyber-Kategorie-Ablehnungen auf Claude Opus 4.8 zurückfallen können. Um abgelehnte Anfragen automatisch auf einem anderen Modell erneut auszuführen, ziehe den fallbacks-Parameter mit dem "default"-Modus (fallbacks: "default") in Betracht, der basierend auf der Ablehnungskategorie ein empfohlenes Fallback-Modell auswählt, anstatt einer manuell gepflegten Modellliste. Serverseitiger Fallback ist in der Beta; der "default"-Modus erfordert den Beta-Header server-side-fallback-2026-07-01. Siehe Ablehnungen und Fallback.
Cache kürzere Prompts: Die minimale cachebare Prompt-Länge auf Claude Opus 5 beträgt 512 Token, reduziert von 1.024 Token auf Claude Opus 4.8. Prompts, die auf Claude Opus 4.8 zu kurz zum Cachen waren, können jetzt Cache-Einträge erstellen, ohne dass Code-Änderungen erforderlich sind. Siehe Prompt-Caching für modellspezifische Minimalwerte.
Ändere Tools mitten in der Konversation (Beta): Du kannst Tools zwischen Turns einer Konversation hinzufügen oder entfernen, ohne Prompt-Cache-Treffer auf früheren Turns zu invalidieren. Sende den Beta-Header mid-conversation-tool-changes-2026-07-01. Dies ist nützlich für agentische Workloads, die Tools progressiv freigeben oder sie zurückziehen, wenn eine Aufgabe voranschreitet; ohne diesen Header invalidiert eine geänderte Tool-Liste das gecachte Präfix.
Passe Längen- und Ausführlichkeits-Prompts neu an: Standardmäßig sichtbare Antworten und schriftliche Ergebnisse fallen auf Claude Opus 5 länger aus als auf Claude Opus 4.8, und das Senken des Efforts reduziert das Thinking-Volumen, ohne die sichtbare Antwort zuverlässig zu verkürzen. Prompte stattdessen explizit für Prägnanz oder eine Ziellänge. Siehe Antwortlänge und Ausführlichkeit und Länge schriftlicher Ergebnisse.
Entferne übernommene Verifizierungsanweisungen und beschränke den Umfang: Claude Opus 5 verifiziert seine eigene Arbeit, ohne dazu aufgefordert zu werden, also entferne explizite Verifizierungs- oder Selbstprüfungsanweisungen, die aus Prompts übernommen wurden, die für frühere Modelle abgestimmt waren; sie drin zu lassen führt zu Über-Verifizierung. Für eng gefasste Aufgaben beschränke den Aufgabenumfang explizit. In Multi-Agent-Frameworks gib explizite Anleitung, welche Szenarien eine Delegation rechtfertigen, oder begrenze die Anzahl der Subagenten, da Claude Opus 5 bereitwilliger delegiert als frühere Modelle. Siehe Aufgabenumfang und Über-Verifizierung und Steuerung des Subagenten-Spawnings.
claude-opus-4-8 zu claude-opus-5.thinking-Feld liefen: Sie laufen auf Claude Opus 5 mit Thinking. Überprüfe max_tokens, das ein hartes Limit für die Gesamtausgabe (Thinking plus Antworttext) bleibt, oder übergib thinking: {type: "disabled"} bei Effort high oder niedriger, um das alte Verhalten beizubehalten. Wenn du Thinking deaktivierst, lies Ausführung mit deaktiviertem Thinking für die Ausgabe-Artefakte, die auftreten können, und ihre Prompting-Abhilfemaßnahmen.thinking: {type: "disabled"} mit Effort xhigh oder max gibt einen 400-Fehler zurück, durchgesetzt bei jeder Anfrage. Aktiviere Thinking wieder oder senke den Effort auf high oder niedriger.effort-Einstellung neu: Führe einen frischen Effort-Sweep auf deinen eigenen Evals durch, anstatt eine für ein früheres Modell abgestimmte Einstellung zu übernehmen. low und medium Effort sind als Kosten- und Latenzkontrollen einen Test wert, und teste max Effort, wo maximale Leistungsfähigkeit wichtiger ist als Token-Verbrauch. Wenn du mit xhigh oder max Effort arbeitest, erhöhe max_tokens auf mindestens 64k als Ausgangspunkt.stop_reason: "refusal" und ziehe fallbacks: "default" (Beta) in Betracht, um abgelehnte Anfragen automatisch auf einem empfohlenen Fallback-Modell erneut auszuführen.Claude Opus 5 sollte eine starke Out-of-the-box-Leistung bei bestehenden Claude Opus 4.7 Prompts und Evals bieten, zum gleichen Preis von 5 $ pro Million Input-Token und 25 $ pro Million Output-Token. Es unterstützt denselben Funktionsumfang wie Claude Opus 4.7, einschließlich des 1M-Token-Kontextfensters, 128k max. Output-Token, adaptives Denken, Prompt-Caching, Batch-Verarbeitung, der Files API, PDF-Unterstützung, Vision sowie serverseitiger und clientseitiger Tools, mit zwei Ausnahmen: Web Fetch ist auf Claude Opus 5 nicht verfügbar, und Priority Tier wird auf Claude Opus 5 nicht unterstützt. Außerdem kommen Systemnachrichten mitten in der Konversation hinzu, und Refusal-Stop-Details werden öffentlich dokumentiert.
# Opus-Migration
model = "claude-opus-4-7" # Before
model = "claude-opus-5" # AfterDenken standardmäßig aktiviert: Auf Claude Opus 4.7 laufen Anfragen ohne thinking-Feld ohne Denken; auf Claude Opus 5 laufen dieselben Anfragen mit adaptivem Denken. max_tokens bleibt ein hartes Limit für die Gesamtausgabe, Denken plus Antworttext, also überprüfe es für Workloads, die auf Claude Opus 4.7 ohne Denken liefen. Um das alte Verhalten beizubehalten, übergib thinking: {type: "disabled"}, vorbehaltlich der Effort-Obergrenze im nächsten Punkt; beachte, dass das Modell bei deaktiviertem Denken gelegentlich Tool-Aufrufe als Klartext ausgeben oder interne XML-Tags in seiner sichtbaren Ausgabe einschließen kann. Bevorzuge daher niedrigere Effort-Level mit aktiviertem Denken, wo du kannst, und siehe Ausführung mit deaktiviertem Denken für Abhilfemaßnahmen, wo du es nicht kannst.
Deaktivieren des Denkens ist auf high Effort begrenzt: Du kannst das Denken mit thinking: {type: "disabled"} ausschalten, aber nur bei einem Effort-Level von high oder darunter. Eine Anfrage, die thinking: {type: "disabled"} mit Effort xhigh oder max kombiniert, gibt einen 400-Fehler zurück. Claude Opus 4.7 akzeptiert diese Kombination, also überprüfe Anfragen, die das Denken deaktivieren, bevor du migrierst.
Die Prüfung wird bei jeder Anfrage durchgesetzt: Die Effort- und Thinking-Konfiguration jeder Anfrage wird unabhängig validiert, sodass eine Anfrage, die den Effort auf xhigh oder max erhöht, während das Denken deaktiviert ist, abgelehnt wird, selbst wenn frühere Anfragen in der Konversation akzeptiert wurden.
Vorher (akzeptiert auf Claude Opus 4.7, abgelehnt auf Claude Opus 5):
client.messages.create(
model="claude-opus-4-7",
max_tokens=16000,
thinking={"type": "disabled"},
output_config={"effort": "xhigh"},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Opus 5), entweder das thinking-Feld entfernen, um mit Denken zu laufen:
client.messages.create(
model="claude-opus-5",
max_tokens=16000,
output_config={"effort": "xhigh"}, # thinking is on by default
messages=[{"role": "user", "content": "..."}],
)oder das Denken deaktiviert lassen und den Effort senken:
client.messages.create(
model="claude-opus-5",
max_tokens=16000,
thinking={"type": "disabled"},
output_config={"effort": "high"}, # or "medium", "low"
messages=[{"role": "user", "content": "..."}],
)Die folgenden Punkte sind keine Breaking Changes; sie beschreiben Verhaltensunterschiede, die du nach dem Wechsel der Modell-ID überprüfen solltest.
Sampling-Parameter (unverändert): Das Setzen von temperature, top_p oder top_k auf einen nicht standardmäßigen Wert gibt auf Claude Opus 5 einen 400-Fehler zurück, genauso wie auf Claude Opus 4.7. Die SDK-Request-Typen definieren diese Felder weiterhin zur Kompatibilität mit früheren Modellen, sodass Code, der sie setzt, die Typprüfung besteht, aber die API lehnt die Anfrage serverseitig ab. Wenn du diese Parameter bei der Migration zu Opus 4.7 entfernt hast, sind keine weiteren Änderungen erforderlich.
Effort-Standard ist high: Der Standardwert des Effort-Parameters auf Claude Opus 5 ist high auf der Claude API und in Claude Code. Wenn du Effort bereits explizit setzt, bleibt deine Einstellung unverändert.
Effort-Level neu kalibriert: Die Token-Zuteilung hinter jedem Effort-Level ändert sich auf Claude Opus 5 im Vergleich zu Claude Opus 4.7, und Claude Opus 5 unterstützt den vollständigen Satz von Effort-Leveln (low, medium, high, xhigh, max). Führe einen neuen Effort-Sweep auf deinen eigenen Evals durch, anstatt eine für Claude Opus 4.7 abgestimmte Einstellung zu übernehmen. low und medium Effort sind als Kosten- und Latenzkontrollen einen Test wert, und teste max Effort dort, wo maximale Leistungsfähigkeit wichtiger ist als Token-Verbrauch. Wenn du mit xhigh oder max Effort arbeitest, setze ein großes max_tokens, damit das Modell Raum zum Denken und Handeln hat; beginne bei 64k Token und stimme von dort aus ab. Siehe Effort.
1M-Kontextfenster ist der Standard: Claude Opus 5 stellt das vollständige 1M-Token-Kontextfenster standardmäßig bereit, ohne Beta-Header und ohne Long-Context-Aufpreis. Wenn dein Client einen Kontextfenster-Beta-Header zur Kompatibilität mit älteren Modellen übergibt, kannst du ihn auf Claude Opus 5 entfernen.
Systemnachrichten mitten in der Konversation: Claude Opus 5 akzeptiert role: "system"-Nachrichten direkt nach einem User-Turn im messages-Array (vorbehaltlich der Platzierungsregeln). Verwende das Top-Level-system-Feld für Anweisungen, die von Anfang an gelten. Claude Opus 4.7 lehnt role: "system" in messages mit einem 400-Fehler ab. Wenn du Code-Pfade pflegst, die den vollständigen Nachrichtenverlauf neu aufbauen, um Anweisungen zu aktualisieren, kannst du sie vereinfachen und Prompt-Cache-Treffer auf früheren Turns erhalten.
Refusal-Stop-Details: Das stop_details-Objekt bei Refusal-Antworten (verfügbar seit Claude Opus 4.7) ist jetzt öffentlich dokumentiert. Wenn das Modell eine Anfrage ablehnt, identifiziert es die Kategorie der Ablehnung, zusätzlich zum bestehenden refusal-Stop-Reason. Es ist kein Beta-Header erforderlich, und es gibt kein Opt-out. Siehe Umgang mit Stop-Reasons.
Niedrigeres Prompt-Caching-Minimum: Die minimale cachebare Prompt-Länge auf Claude Opus 5 beträgt 512 Token, niedriger als auf Claude Opus 4.7. Prompts, die auf Claude Opus 4.7 zu kurz zum Cachen waren, können jetzt Cache-Einträge erstellen, ohne dass Code-Änderungen erforderlich sind. Siehe Prompt-Caching für modellspezifische Minimalwerte.
Fast Mode: Claude Opus 5 unterstützt Fast Mode (Research Preview); Fast Mode ist auf Claude Opus 4.7 nicht verfügbar, wo Anfragen mit speed: "fast" einen Fehler zurückgeben. Der Parameter speed: "fast" und der Beta-Header fast-mode-2026-02-01 funktionieren unverändert auf Claude Opus 5.
Diese sind nicht erforderlich, verbessern aber deine Erfahrung:
Automatische Fallbacks in Betracht ziehen: Claude Opus 5 wird mit Cybersecurity-Safety-Classifiern ausgeliefert, deren Cyber-Kategorie-Refusals auf Claude Opus 4.8 zurückfallen können. Um abgelehnte Anfragen automatisch auf einem anderen Modell erneut auszuführen, ziehe den fallbacks-Parameter mit dem "default"-Modus (fallbacks: "default") in Betracht, der basierend auf der Refusal-Kategorie ein empfohlenes Fallback-Modell auswählt, anstatt einer manuell gepflegten Modellliste. Serverseitiger Fallback ist in Beta; der "default"-Modus erfordert den Beta-Header server-side-fallback-2026-07-01. Siehe Refusals und Fallback.
Tools mitten in der Konversation ändern (Beta): Du kannst Tools zwischen Turns einer Konversation hinzufügen oder entfernen, ohne Prompt-Cache-Treffer auf früheren Turns zu invalidieren. Sende den Beta-Header mid-conversation-tool-changes-2026-07-01. Dies ist nützlich für agentische Workloads, die Tools schrittweise freigeben oder sie zurückziehen, während eine Aufgabe voranschreitet; ohne diesen Header invalidiert eine geänderte Tool-Liste das gecachte Präfix.
Längen- und Ausführlichkeits-Prompts neu abstimmen: Standardmäßig sichtbare Antworten und schriftliche Ergebnisse fallen auf Claude Opus 5 länger aus als auf früheren Opus-Modellen, und das Senken des Efforts reduziert das Denkvolumen, ohne die sichtbare Antwort zuverlässig zu verkürzen. Prompte stattdessen explizit auf Prägnanz oder eine Ziellänge. Siehe Antwortlänge und Ausführlichkeit und Länge schriftlicher Ergebnisse.
Übernommene Verifizierungsanweisungen entfernen und Umfang einschränken: Claude Opus 5 verifiziert seine eigene Arbeit, ohne dazu aufgefordert zu werden, also entferne explizite Verifizierungs- oder Selbstprüfungsanweisungen, die aus Prompts für frühere Modelle übernommen wurden; sie drin zu lassen führt zu Über-Verifizierung. Schränke bei eng gefassten Aufgaben den Aufgabenumfang explizit ein. Gib in Multi-Agent-Frameworks explizite Anleitung, welche Szenarien eine Delegation rechtfertigen, oder begrenze die Anzahl der Subagenten, da Claude Opus 5 bereitwilliger delegiert als frühere Modelle. Siehe Aufgabenumfang und Über-Verifizierung und Steuerung des Subagenten-Spawnings.
claude-opus-4-7 auf claude-opus-5 (oder aktualisiere Aliase).thinking-Feld liefen: Sie laufen auf Claude Opus 5 mit Denken. Überprüfe max_tokens, das ein hartes Limit für die Gesamtausgabe (Denken plus Antworttext) bleibt, oder übergib thinking: {type: "disabled"} bei Effort high oder darunter, um das alte Verhalten beizubehalten. Wenn du das Denken deaktivierst, lies Ausführung mit deaktiviertem Denken für die Ausgabe-Artefakte, die auftreten können, und deren Prompting-Abhilfemaßnahmen.thinking: {type: "disabled"} mit Effort xhigh oder max gibt einen 400-Fehler zurück, durchgesetzt bei jeder Anfrage. Aktiviere das Denken wieder oder senke den Effort auf high oder darunter.effort-Einstellung neu: Führe einen neuen Effort-Sweep auf deinen eigenen Evals durch, anstatt eine für Claude Opus 4.7 abgestimmte Einstellung zu übernehmen. Teste low und medium Effort als Kosten- und Latenzkontrollen und max Effort dort, wo maximale Leistungsfähigkeit wichtiger ist als Token-Verbrauch. Wenn du mit xhigh oder max Effort arbeitest, erhöhe max_tokens als Ausgangspunkt auf mindestens 64k.stop_details bei Refusals liest (verfügbar seit Claude Opus 4.7; jetzt öffentlich dokumentiert), und ziehe fallbacks: "default" (Beta) in Betracht, um abgelehnte Anfragen automatisch auf einem empfohlenen Fallback-Modell erneut auszuführen.speed: "fast" und der Beta-Header fast-mode-2026-02-01 funktionieren unverändert auf Claude Opus 5.Claude Opus 5 sollte bei bestehenden Claude Opus 4.6-Prompts und -Evals eine starke Out-of-the-box-Leistung zum gleichen Preis bieten, aber es gibt eine Handvoll Verhaltens- und API-Änderungen, die du bei der Migration kennen solltest. Die meisten dieser Änderungen traten mit Claude Opus 4.7 in Kraft; zwei weitere – Denken standardmäßig aktiviert und eine Effort-Obergrenze beim Deaktivieren des Denkens – treten mit Claude Opus 5 in Kraft. Alle werden unten behandelt, sodass dieser Abschnitt vollständig ist für Code, der direkt von Claude Opus 4.6 kommt. Claude Opus 5 unterstützt denselben Funktionsumfang wie Claude Opus 4.6, einschließlich:
Zwei Ausnahmen: Web Fetch ist auf Claude Opus 5 nicht verfügbar, und Priority Tier wird auf Claude Opus 5 nicht unterstützt.
# Opus-Migration
model = "claude-opus-4-6" # Before
model = "claude-opus-5" # AfterErweitertes Denken entfernt: thinking: {type: "enabled", budget_tokens: N} wird auf Claude Opus 4.7 oder späteren Modellen nicht mehr unterstützt und gibt einen 400-Fehler zurück. Wechsle zu adaptivem Denken (thinking: {type: "adaptive"}) und verwende den Effort-Parameter, um die Denktiefe zu steuern. Auf Claude Opus 5 ist adaptives Denken standardmäßig aktiviert: thinking: {type: "adaptive"} ist gültig und entspricht dem vollständigen Weglassen des thinking-Felds (siehe nächster Punkt).
Vorher (Claude Opus 4.6):
client.messages.create(
model="claude-opus-4-6",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 10000},
messages=[{"role": "user", "content": "..."}],
)Nachher (Claude Opus 5):
client.messages.create(
model="claude-opus-5",
max_tokens=16000,
thinking={"type": "adaptive"},
output_config={"effort": "high"}, # or "max", "xhigh", "medium", "low"
messages=[{"role": "user", "content": "..."}],
)Adaptives Denken ist durch Prompting und den Effort-Parameter steuerbar; siehe Auswahl eines Effort-Levels.
Denken standardmäßig aktiviert: Auf Claude Opus 4.6 und Claude Opus 4.7 laufen Anfragen ohne thinking-Feld ohne Denken; auf Claude Opus 5 laufen dieselben Anfragen mit adaptivem Denken. max_tokens bleibt ein hartes Limit für die Gesamtausgabe, Denken plus Antworttext, also überprüfe es für Workloads, die ohne Denken liefen. Um das alte Verhalten beizubehalten, übergib thinking: {type: "disabled"}, vorbehaltlich der Effort-Obergrenze im nächsten Punkt; beachte, dass das Modell bei deaktiviertem Denken gelegentlich Tool-Aufrufe als Klartext ausgeben oder interne XML-Tags in seiner sichtbaren Ausgabe einschließen kann. Bevorzuge daher niedrigere Effort-Level mit aktiviertem Denken, wo du kannst, und siehe Ausführung mit deaktiviertem Denken für Abhilfemaßnahmen, wo du es nicht kannst.
Deaktivieren des Denkens ist auf high-Effort begrenzt: Du kannst das Denken mit thinking: {type: "disabled"} ausschalten, aber nur bei einem Effort-Level von high oder niedriger. Eine Anfrage, die thinking: {type: "disabled"} mit Effort xhigh oder max kombiniert, gibt auf Claude Opus 5 einen 400-Fehler zurück, der bei jeder Anfrage erzwungen wird. Überprüfe Anfragen, die das Denken deaktivieren, bevor du migrierst: Aktiviere das Denken wieder oder senke den Effort auf high oder niedriger.
Sampling-Parameter entfernt: Das Setzen von temperature, top_p oder top_k auf einen beliebigen Nicht-Standardwert auf Claude Opus 4.7 oder späteren Modellen, einschließlich Claude Opus 5, gibt einen 400-Fehler zurück. Der sicherste Migrationspfad ist, diese Parameter vollständig aus den Request-Payloads wegzulassen. Prompting ist der empfohlene Weg, um das Modellverhalten auf Claude Opus 5 zu steuern. Wenn du temperature = 0 für Determinismus verwendet hast, beachte, dass dies bei früheren Modellen nie identische Ausgaben garantiert hat.
Denkinhalte standardmäßig ausgelassen: Denkblöcke erscheinen weiterhin im Response-Stream auf Claude Opus 4.7 und späteren Modellen, aber ihr thinking-Feld ist leer, es sei denn, du aktivierst es explizit. Dies ist eine stille Änderung gegenüber Claude Opus 4.6, wo standardmäßig zusammengefasster Denktext zurückgegeben wurde. Um zusammengefasste Denkinhalte wiederherzustellen, setze thinking.display auf "summarized":
thinking = {
"type": "adaptive",
"display": "summarized",
}Der Standardwert ist "omitted" auf Claude Opus 4.7 und späteren Modellen. Wenn dein Produkt Reasoning an Nutzer streamt, erscheint der neue Standard als lange Pause, bevor die Ausgabe beginnt; setze display: "summarized", um sichtbaren Fortschritt während des Denkens wiederherzustellen. Siehe Steuerung der Denkanzeige für Details.
Aktualisierte Token-Zählung: Claude Opus 4.7 führte einen neuen Tokenizer ein, den auch spätere Opus-Modelle, einschließlich Claude Opus 5, verwenden. Er trägt zu einer verbesserten Leistung bei einer Vielzahl von Aufgaben bei und kann beim Verarbeiten von Text etwa 1x bis 1,35x so viele Token verwenden wie Modelle vor Claude Opus 4.7 (bis zu ~35 % mehr, je nach Inhalt).
/v1/messages/count_tokens gibt für Claude Opus 5 eine andere Anzahl von Token zurück als für Claude Opus 4.6. Die Token-Effizienz kann je nach Workload-Form variieren.
Prompting-Eingriffe, task_budget und effort können helfen, Kosten zu kontrollieren und eine angemessene Token-Nutzung sicherzustellen. Diese Steuerungen können einen Kompromiss bei der Modellintelligenz bedeuten. Aktualisiere deine max_tokens-Parameter, um zusätzlichen Spielraum zu schaffen, einschließlich Kompaktierungs-Trigger. Claude Opus 5 bietet ein 1M-Kontextfenster zum Standard-API-Preis ohne Long-Context-Aufschlag.
Prefill-Entfernung (übernommen von Opus 4.6): Das Vorausfüllen von Assistant-Nachrichten gibt auf Claude Opus 4.7 und späteren Modellen, einschließlich Claude Opus 5, einen 400-Fehler zurück. Verwende stattdessen strukturierte Ausgaben, System-Prompt-Anweisungen oder output_config.format.
Der Effort-Parameter ermöglicht es dir, Claudes Intelligenz gegen Token-Verbrauch abzuwägen und dabei Leistungsfähigkeit gegen höhere Geschwindigkeit und niedrigere Kosten einzutauschen. Claude Opus 5 unterstützt den vollständigen Satz von Effort-Levels und verwendet standardmäßig high. Führe einen frischen Effort-Sweep auf deinen eigenen Evals durch, anstatt eine Einstellung zu übernehmen, die für ein früheres Modell abgestimmt wurde:
max: Kann bei den anspruchsvollsten Aufgaben Verbesserungen liefern, zeigt aber möglicherweise abnehmende Erträge durch erhöhte Token-Nutzung und kann bei einfacheren Aufgaben zum Überdenken neigen. Teste es dort, wo maximale Leistungsfähigkeit wichtiger ist als Token-Verbrauch.xhigh: Erweiterte Leistungsfähigkeit für langlaufende agentische und Coding-Arbeit, die mehr Tiefe als der Standard benötigt.high: Der Standard. Balanciert Token-Nutzung und Intelligenz für die meisten Aufgaben.medium: Kostensparende Stufe unterhalb des Standards, die als Kosten- und Latenzkontrolle einen Test wert ist.low: Am effizientesten. Reserviere dies für kurze, eng umrissene Aufgaben und latenzempfindliche Workloads.Wenn du mit xhigh- oder max-Effort arbeitest, setze ein großes max_tokens, damit das Modell Raum zum Denken und Handeln hat; beginne bei 64k Token und stimme von dort aus ab. Effort ist für dieses Modell wichtiger als für jedes frühere Opus. Experimentiere aktiv damit, wenn du upgradest.
Claude Opus 4.7 führte mehrere Verhaltensunterschiede gegenüber Claude Opus 4.6 ein, die keine API-Breaking-Changes sind, aber möglicherweise Prompt-Updates oder das Entfernen von Scaffolding erfordern. Sie gelten weiterhin für Claude Opus 5, mit den unten angegebenen Anpassungen.
Antwortlänge variiert je nach Anwendungsfall: Claude Opus 4.7 kalibriert die Antwortlänge danach, wie komplex es die Aufgabe einschätzt, anstatt standardmäßig eine feste Ausführlichkeit zu verwenden. Das bedeutet normalerweise kürzere Antworten bei einfachen Nachschlagevorgängen und deutlich längere bei offenen Analysen.
Wenn dein Produkt von einem bestimmten Stil oder einer bestimmten Ausführlichkeit der Ausgabe abhängt, musst du möglicherweise deine Prompts anpassen. Um beispielsweise die Ausführlichkeit zu verringern, füge hinzu: „Gib prägnante, fokussierte Antworten. Überspringe nicht wesentlichen Kontext und halte Beispiele minimal." Wenn du bestimmte Arten von Übererklärungen siehst, füge gezielte Anweisungen in deinem Prompt hinzu, um sie zu verhindern.
Positive Beispiele, die zeigen, wie Claude mit dem angemessenen Maß an Prägnanz kommunizieren kann, sind tendenziell effektiver als negative Beispiele oder Anweisungen, die dem Modell sagen, was es nicht tun soll. Auf Claude Opus 5 fallen standardmäßig sichtbare Antworten und schriftliche Ergebnisse länger aus als bei früheren Opus-Modellen, und das Senken des Efforts reduziert das Denkvolumen, ohne die sichtbare Antwort zuverlässig zu verkürzen; fordere explizit Prägnanz oder eine Ziellänge an. Siehe Antwortlänge und Ausführlichkeit.
Wörtlichere Befolgung von Anweisungen: Claude Opus 4.7 interpretiert Prompts wörtlicher und expliziter als Claude Opus 4.6, insbesondere bei niedrigeren Effort-Levels. Es verallgemeinert eine Anweisung nicht stillschweigend von einem Element auf ein anderes und leitet keine Anfragen ab, die du nicht gestellt hast. Der Vorteil dieser Wörtlichkeit ist Präzision und weniger Hin und Her. Es funktioniert im Allgemeinen besser für API-Anwendungsfälle mit sorgfältig abgestimmten Prompts, strukturierter Extraktion und Pipelines, bei denen du vorhersehbares Verhalten möchtest. Eine Überprüfung von Prompts und Harness kann für die Migration zu Claude Opus 5 besonders hilfreich sein.
Direkterer Ton: Wie bei jedem neuen Modell kann sich der Prosastil bei längeren Texten verschieben. Claude Opus 4.7 ist direkter und meinungsstärker, mit weniger bestätigungsorientierten Formulierungen und weniger Emojis als der wärmere Stil von Claude Opus 4.6. Wenn dein Produkt auf eine bestimmte Stimme angewiesen ist, evaluiere Stil-Prompts gegen die neue Baseline neu.
Eingebaute Fortschritts-Updates in agentischen Traces: Claude Opus 4.7 liefert regelmäßigere, qualitativ hochwertigere Updates an den Nutzer während langer agentischer Traces. Wenn du Scaffolding hinzugefügt hast, um Zwischenstatusmeldungen zu erzwingen („Fasse nach jeweils 3 Tool-Aufrufen den Fortschritt zusammen"), versuche, es zu entfernen. Wenn du feststellst, dass die Länge oder der Inhalt der nutzerseitigen Updates von Claude Opus 4.7 nicht gut auf deinen Anwendungsfall kalibriert ist, beschreibe explizit im Prompt, wie diese Updates aussehen sollten, und gib Beispiele an.
Subagent-Erzeugung geändert: Claude Opus 4.7 neigt dazu, standardmäßig weniger Subagents zu erzeugen als Claude Opus 4.6, während Claude Opus 5 bereitwilliger an Subagents delegiert als frühere Modelle. Das Verhalten ist durch Prompting in beide Richtungen steuerbar; gib explizite Anleitung dazu, wann Subagents wünschenswert sind, oder begrenze die Anzahl der Subagents. Siehe Steuerung der Subagent-Erzeugung.
Strengere Effort-Kalibrierung: In einer bedeutsamen Änderung gegenüber Claude Opus 4.6 respektiert Claude Opus 4.7 Effort-Levels strikt, besonders am unteren Ende. Bei low und medium beschränkt das Modell seine Arbeit auf das, was gefragt wurde, anstatt mehr als angefordert zu tun.
Das ist gut für Latenz und Kosten, aber bei mäßig komplexen Aufgaben, die mit low-Effort laufen, besteht ein gewisses Risiko des Unterdenkens. Wenn du oberflächliches Reasoning bei komplexen Problemen beobachtest, erhöhe den Effort auf high oder xhigh, anstatt es durch Prompting zu umgehen.
Wenn du den Effort aus Latenzgründen bei low halten musst, füge gezielte Anleitung hinzu: „Diese Aufgabe erfordert mehrstufiges Reasoning. Denke sorgfältig über das Problem nach, bevor du antwortest." Siehe Empfohlene Effort-Levels für Claude Opus 4.7.
Standardmäßig weniger Tool-Aufrufe: Claude Opus 4.7 neigt dazu, Tools seltener zu verwenden als Claude Opus 4.6 und stattdessen mehr Reasoning einzusetzen. Dies führt in den meisten Fällen zu besseren Ergebnissen.
Um die Tool-Nutzung zu erhöhen, erhöhe die Effort-Einstellung. high- oder xhigh-Effort-Einstellungen zeigen deutlich mehr Tool-Nutzung bei agentischer Suche und Coding. Du kannst auch deinen Prompt anpassen, um das Modell explizit anzuweisen, wann und wie es seine Tools richtig verwenden soll.
Echtzeit-Cybersecurity-Schutzmaßnahmen: Neu hinzugefügt in Claude Opus 4.7 können Anfragen, die verbotene oder hochriskante Themen betreffen, zu Ablehnungen führen. Für legitime Sicherheitsarbeit wie Penetrationstests, Schwachstellenforschung oder Red-Teaming bewirb dich beim Cyber Verification Program, um reduzierte Einschränkungen anzufordern. Siehe Schutzmaßnahmen, Warnungen und Einsprüche für Hintergrundinformationen.
Unterstützung für hochauflösende Bilder: Claude Opus 4.7 ist das erste Claude-Modell mit Unterstützung für hochauflösende Bilder. Die maximale Bildauflösung beträgt 2.576 Pixel an der langen Kante, gegenüber 1.568 Pixeln bei früheren Modellen. Dies ermöglicht Verbesserungen bei bildlastigen Workloads und ist besonders wertvoll für Computer-Nutzung, Screenshot-Verständnis und Dokumentenanalyse.
Die Unterstützung für hohe Auflösung ist automatisch und erfordert keinen Beta-Header oder clientseitiges Opt-in. Zwei Dinge, die du einplanen solltest:
max_tokens und Kostenerwartungen für bildlastige Workloads neu, oder verkleinere Bilder vor dem Senden, wenn du die zusätzliche Detailtreue nicht benötigst.Siehe Unterstützung für hochauflösende Bilder auf Claude Opus 4.7 für Details.
Diese sind nicht erforderlich, verbessern aber deine Erfahrung:
max_tokens neu bewerten: Da derselbe Text auf Claude Opus 4.7 und späteren Modellen eine höhere Token-Anzahl erzeugt, aktualisiere deine max_tokens-Parameter, um zusätzlichen Spielraum zu schaffen, einschließlich Kompaktierungs-Trigger. Prompting-Eingriffe, task_budget und effort können helfen, Kosten zu kontrollieren und eine angemessene Token-Nutzung sicherzustellen.
Token-Anzahl-Erwartungen überprüfen: Jeder Codepfad, der Token clientseitig schätzt oder ein festes Token-zu-Zeichen-Verhältnis annimmt, sollte gegen Claude Opus 5 erneut getestet werden. Verwende den Token-Counting-Endpunkt zur Überprüfung.
Task-Budgets übernehmen (Beta): Claude Opus 4.7 führt Task-Budgets ein. Diese Budgets lassen dich Claude mitteilen, wie viele Token es für eine vollständige agentische Schleife hat, einschließlich Denken, Tool-Aufrufen, Tool-Ergebnissen und finaler Ausgabe. Das Modell sieht einen laufenden Countdown und nutzt ihn, um Arbeit zu priorisieren und die Aufgabe elegant abzuschließen, während das Budget verbraucht wird. Zur Verwendung setze den Beta-Header task-budgets-2026-03-13 und füge Folgendes zu deiner Output-Config hinzu:
output_config = {
"effort": "high",
"task_budget": {"type": "tokens", "total": 128000},
}Möglicherweise musst du mit verschiedenen Task-Budgets für deinen Anwendungsfall experimentieren. Wenn dem Modell ein zu restriktives Task-Budget gegeben wird, kann es die Aufgabe weniger gründlich abschließen und dabei auf sein Budget als Einschränkung verweisen.
Für offene agentische Aufgaben, bei denen Qualität wichtiger ist als Geschwindigkeit, setze kein Task-Budget. Reserviere Task-Budgets für Workloads, bei denen das Modell seine Arbeit auf ein Token-Kontingent beschränken soll. Der Mindestwert für ein Task-Budget beträgt 20k Token.
Ein Task-Budget ist keine harte Obergrenze; es ist ein Vorschlag, dessen sich das Modell bewusst ist. Es unterscheidet sich von max_tokens:
task_budget: eine beratende Obergrenze über die gesamte agentische Schleife. Das Modell sieht sie und nutzt sie, um sein Tempo zu steuern.max_tokens: eine harte Obergrenze pro Anfrage für generierte Token. Sie wird nicht an das Modell übergeben, sodass das Modell sich ihrer nicht bewusst ist.Verwende task_budget, wenn du möchtest, dass das Modell sich selbst moderiert, und max_tokens als harte Obergrenze, um die Nutzung zu begrenzen.
Großes max_tokens bei max- oder xhigh-Effort setzen: Wenn du Claude Opus 4.7 oder ein späteres Modell mit max- oder xhigh-Effort ausführst, setze ein großes Max-Output-Token-Budget, damit das Modell Raum zum Denken und Handeln über seine Subagents und Tool-Aufrufe hinweg hat. Beginne bei 64k Token und stimme von dort aus ab.
Bilder verkleinern, wenn hohe Auflösung unnötig ist: Claude Opus 4.7 und spätere Modelle unterstützen Bilder bis zu 2576px / 3,75MP. Hochauflösende Bilder verwenden mehr Token. Wenn die zusätzliche Bilddetailtreue unnötig ist, verkleinere Bilder vor dem Senden an Claude, um Erhöhungen der Token-Nutzung zu vermeiden. Siehe Bilder und Vision.
Automatische Fallbacks in Betracht ziehen: Claude Opus 5 wird mit Cybersecurity-Sicherheitsklassifikatoren ausgeliefert, deren Ablehnungen in der Cyber-Kategorie auf Claude Opus 4.8 zurückfallen können. Um abgelehnte Anfragen automatisch auf einem anderen Modell erneut auszuführen, ziehe den fallbacks-Parameter mit dem "default"-Modus (fallbacks: "default") in Betracht, der ein empfohlenes Fallback-Modell basierend auf der Ablehnungskategorie auswählt, anstatt einer manuell gepflegten Modellliste. Serverseitiger Fallback ist in Beta; der "default"-Modus erfordert den Beta-Header server-side-fallback-2026-07-01. Siehe Ablehnungen und Fallback.
Kürzere Prompts cachen: Die minimale cachebare Prompt-Länge auf Claude Opus 5 beträgt 512 Token, niedriger als bei früheren Opus-Modellen. Prompts, die zu kurz zum Cachen waren, können jetzt Cache-Einträge erstellen, ohne dass Codeänderungen erforderlich sind. Siehe Prompt-Caching für modellspezifische Mindestwerte.
Tools mitten im Gespräch ändern (Beta): Du kannst Tools zwischen den Turns eines Gesprächs hinzufügen oder entfernen, ohne Prompt-Cache-Treffer bei früheren Turns zu invalidieren. Sende den Beta-Header mid-conversation-tool-changes-2026-07-01. Dies ist nützlich für agentische Workloads, die Tools schrittweise freigeben oder sie zurückziehen, während eine Aufgabe voranschreitet; ohne diesen Header invalidiert eine geänderte Tool-Liste das gecachte Präfix.
Übernommene Verifizierungsanweisungen entfernen und Umfang einschränken: Claude Opus 5 verifiziert seine eigene Arbeit, ohne dazu aufgefordert zu werden. Entferne daher explizite Verifizierungs- oder Selbstprüfungsanweisungen, die aus Prompts übernommen wurden, die für frühere Modelle abgestimmt waren; sie drin zu lassen führt zu Über-Verifizierung. Für eng umrissene Aufgaben schränke den Aufgabenumfang explizit ein. Siehe Aufgabenumfang und Über-Verifizierung.
claude-opus-4-6 auf claude-opus-5 (oder aktualisiere Aliase).temperature, top_p und top_k aus Request-Payloads.thinking: {type: "enabled", budget_tokens: N} durch thinking: {type: "adaptive"} plus den Effort-Parameter, oder entferne das thinking-Feld vollständig; adaptives Denken ist auf Claude Opus 5 standardmäßig aktiviert.thinking-Feld liefen: Sie laufen auf Claude Opus 5 mit Denken. Überprüfe max_tokens, das ein hartes Limit für die Gesamtausgabe (Denken plus Antworttext) bleibt, oder übergib thinking: {type: "disabled"} bei Effort high oder niedriger, um das alte Verhalten beizubehalten.thinking: {type: "disabled"} mit Effort xhigh oder max gibt einen 400-Fehler zurück, der bei jeder Anfrage erzwungen wird. Aktiviere das Denken wieder oder senke den Effort auf high oder niedriger.max_tokens neu ab, um die aktualisierte Tokenisierung zu berücksichtigen.xhigh- oder max-Effort verwendest, erhöhe max_tokens als Ausgangspunkt auf mindestens 64k.stop_reason: "refusal" und ziehe fallbacks: "default" (Beta) in Betracht, um abgelehnte Anfragen automatisch auf einem empfohlenen Fallback-Modell erneut auszuführen.Wenn du von Claude Opus 4.5, Opus 4.1 oder einem früheren Modell direkt zu Claude Opus 5 migrierst, wende alle Änderungen weiter oben in diesem Abschnitt plus die folgenden kumulativen Änderungen an, die zwischen Opus 4.5 und Opus 4.7 in Kraft traten. Wenn du von Opus 4.6 migrierst, sind die Änderungen weiter oben in diesem Abschnitt alles, was du brauchst.
# Opus-Migration
model = "claude-opus-4-5" # Before
model = "claude-opus-5" # AfterPrefill-Entfernung wird in den Breaking Changes für die Migration von Claude Opus 4.6 behandelt.
Tool-Parameter-Quoting: Claude Opus 4.6 und spätere Modelle können leicht unterschiedliches JSON-String-Escaping in Tool-Aufruf-Argumenten erzeugen (zum Beispiel unterschiedliche Behandlung von Unicode-Escapes oder Forward-Slash-Escaping). Wenn du Tool-Aufruf-input als rohen String parst, anstatt einen JSON-Parser zu verwenden, überprüfe deine Parsing-Logik. Standard-JSON-Parser (wie json.loads() oder JSON.parse()) behandeln diese Unterschiede automatisch.
Diese Änderungen verbessern deine Erfahrung auf Claude Opus 4.7 und späteren Modellen. Mit (erforderlich auf Opus 4.7) markierte Punkte waren optionale Empfehlungen, als Opus 4.6 veröffentlicht wurde, sind aber jetzt verpflichtend; der Rest bleibt empfohlen.
Zu adaptivem Denken migrieren (erforderlich auf Opus 4.7): thinking: {type: "enabled", budget_tokens: N} gibt auf Claude Opus 4.7 und späteren Modellen einen 400-Fehler zurück. Wechsle zu thinking: {type: "adaptive"} und verwende den Effort-Parameter, um die Denktiefe zu steuern; auf Claude Opus 5 entspricht thinking: {type: "adaptive"} dem Weglassen des thinking-Felds, das standardmäßig mit adaptivem Denken läuft. Siehe Denken.
response = client.beta.messages.create(
model="claude-opus-4-5",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 32000},
betas=["interleaved-thinking-2025-05-14"],
messages=[{"role": "user", "content": "Your prompt here"}],
)Beachte, dass die Migration auch von client.beta.messages.create zu client.messages.create wechselt. Adaptives Denken und Effort sind GA-Features und erfordern weder den Beta-SDK-Namespace noch Beta-Header.
Effort-Beta-Header entfernen: Der Effort-Parameter ist jetzt GA. Entferne betas=["effort-2025-11-24"] aus deinen Anfragen.
Fine-grained-Tool-Streaming-Beta-Header entfernen: Fine-grained Tool-Streaming ist jetzt GA. Entferne betas=["fine-grained-tool-streaming-2025-05-14"] aus deinen Anfragen.
Interleaved-Thinking-Beta-Header entfernen: Adaptives Denken aktiviert automatisch Interleaved Thinking auf Claude Opus 4.7, Opus 4.6 und Sonnet 4.6. Entferne betas=["interleaved-thinking-2025-05-14"] aus deinen Anfragen. Der Header ist auf Sonnet 4.6 mit manuellem erweitertem Denken weiterhin funktional, aber der manuelle Modus ist abgekündigt.
Zu output_config.format migrieren: Wenn du strukturierte Ausgaben verwendest, aktualisiere output_format={...} zu output_config={"format": {...}}. Der alte Parameter bleibt funktional, ist aber abgekündigt und wird in einer zukünftigen Modellversion entfernt.
Wenn du von Opus 4.1 oder früheren Modellen direkt zu Claude Opus 5 migrierst, wende alle Änderungen weiter oben in diesem Abschnitt plus die zusätzlichen Änderungen in diesem Unterabschnitt an.
# Von Opus 4.1
model = "claude-opus-4-1-20250805" # Before
model = "claude-opus-5" # After
# Von Sonnet 3.7
model = "claude-3-7-sonnet-20250219" # Before
model = "claude-opus-5" # AfterSampling-Parameter entfernen
Ab Claude Opus 4.7 gibt das Setzen von temperature, top_p oder top_k auf einen beliebigen Nicht-Standardwert einen 400-Fehler zurück. Der sicherste Migrationspfad ist, diese Parameter vollständig aus Anfragen wegzulassen und Prompting zu verwenden, um das Verhalten des Modells zu steuern. Wenn du temperature = 0 für Determinismus verwendet hast, beachte, dass dies nie identische Ausgaben garantiert hat.
# Vorher – Dies führt in Claude 4+ Modellen zu einem Fehler
response = client.messages.create(
model="claude-3-7-sonnet-20250219",
temperature=0.7,
top_p=0.9, # Non-default sampling params return 400 on Opus 4.7
# ...
)
# Nachher
response = client.messages.create(
model="claude-opus-5",
# ...
)Tool-Versionen aktualisieren
Aktualisiere auf die neuesten Tool-Versionen. Entferne jeglichen Code, der den undo_edit-Befehl verwendet.
# Vorher
tools = [{"type": "text_editor_20250124", "name": "str_replace_editor"}]
# Nachher
tools = [{"type": "text_editor_20250728", "name": "str_replace_based_edit_tool"}]text_editor_20250728 und str_replace_based_edit_tool. Siehe Texteditor-Tool-Dokumentation für Details.code_execution_20260521. Siehe Code-Ausführungs-Tool-Dokumentation für Migrationsanweisungen.Den refusal-Stop-Reason behandeln
Aktualisiere deine Anwendung, um refusal-Stop-Reasons zu behandeln:
response = client.messages.create(...)
if response.stop_reason == "refusal":
# Behandle die Ablehnung angemessen
passDen model_context_window_exceeded-Stop-Reason behandeln
Claude 4.5+-Modelle geben einen model_context_window_exceeded-Stop-Reason zurück, wenn die Generierung aufgrund des Erreichens des Kontextfenster-Limits stoppt, anstatt des angeforderten max_tokens-Limits. Aktualisiere deine Anwendung, um diesen neuen Stop-Reason zu behandeln:
response = client.messages.create(...)
if response.stop_reason == "model_context_window_exceeded":
# Behandle das Kontextfenster-Limit angemessen
passTool-Parameter-Behandlung überprüfen (nachgestellte Zeilenumbrüche)
Claude 4.5+-Modelle bewahren nachgestellte Zeilenumbrüche in Tool-Aufruf-String-Parametern, die zuvor entfernt wurden. Wenn deine Tools auf exaktes String-Matching gegen Tool-Aufruf-Parameter angewiesen sind, überprüfe, ob deine Logik nachgestellte Zeilenumbrüche korrekt behandelt.
Deine Prompts für Verhaltensänderungen aktualisieren
Claude 4+-Modelle haben einen prägnanteren, direkteren Kommunikationsstil und erfordern explizite Anweisungen. Sieh dir die Prompting-Best-Practices für Optimierungshinweise an.
token-efficient-tools-2025-02-19 und output-128k-2025-02-19. Alle Claude 4+-Modelle haben eingebaute token-effiziente Tool-Nutzung und diese Header haben keine Wirkung.claude-opus-5output_config.formatthinking: {type: "enabled", budget_tokens: N} durch thinking: {type: "adaptive"} plus den Effort-Parameter (gibt 400 auf Opus 4.7 zurück)effort-2025-11-24-Beta-Header (Effort ist jetzt GA)fine-grained-tool-streaming-2025-05-14-Beta-Headerinterleaved-thinking-2025-05-14-Beta-Header (adaptives Denken aktiviert Interleaved Thinking automatisch)output_format zu output_config.format (falls zutreffend)temperature, top_p und top_k (Nicht-Standardwerte geben 400 auf Opus 4.7 zurück)text_editor_20250728, code_execution_20260521)refusal-Stop-Reasonmodel_context_window_exceeded-Stop-Reasontoken-efficient-tools-2025-02-19, output-128k-2025-02-19)Claude Opus 5 und Claude Sonnet 5 teilen dieselbe API-Oberfläche: Beide laufen standardmäßig mit aktiviertem adaptivem Denken, beide setzen den Effort-Parameter in der Claude API und in Claude Code standardmäßig auf high, beide bieten standardmäßig ein 1M-Token-Kontextfenster mit 128k maximalen Output-Tokens, und keines der beiden unterstützt Priority Tier. Manuelles erweitertes Denken und nicht standardmäßige Sampling-Parameter geben bei beiden Modellen einen 400-Fehler zurück, ebenso wie Assistant-Prefill.
model = "claude-sonnet-5" # Before
model = "claude-opus-5" # AfterPreise: Claude Opus 5 kostet 5 $ pro Million Input-Tokens und 25 $ pro Million Output-Tokens. Claude Sonnet 5 kostet 2 $/10 $ pro Million Input-/Output-Tokens. Siehe Claude-Preise für die vollständige Preisübersicht.
Deaktivieren von Thinking ist auf high-Effort begrenzt: Bei Claude Sonnet 5 wird thinking: {type: "disabled"} auf jeder Effort-Stufe akzeptiert. Bei Claude Opus 5 wird es nur bei einer Effort-Stufe von high oder niedriger akzeptiert; eine Anfrage, die thinking: {type: "disabled"} mit Effort xhigh oder max kombiniert, gibt einen 400-Fehler zurück, der bei jeder Anfrage erzwungen wird. Überprüfe Anfragen, die Thinking deaktivieren, bevor du migrierst.
System-Nachrichten mitten in der Konversation: Claude Opus 5 akzeptiert role: "system"-Nachrichten direkt nach einem User-Turn im messages-Array (vorbehaltlich der Platzierungsregeln); Claude Sonnet 5 nicht. Wenn du Code-Pfade pflegst, die den vollständigen Nachrichtenverlauf neu aufbauen, um Anweisungen zu aktualisieren, kannst du diese vereinfachen und Prompt-Cache-Treffer für frühere Turns beibehalten.
Web Fetch ist nicht verfügbar: Das Web-Fetch-Tool ist bei Claude Sonnet 5 verfügbar, aber nicht bei Claude Opus 5.
claude-sonnet-5 zu claude-opus-5.thinking: {type: "disabled"} mit Effort xhigh oder max gibt bei Claude Opus 5 einen 400-Fehler zurück. Aktiviere Thinking wieder oder senke den Effort auf high oder niedriger.Claude Sonnet 5 bietet die beste Kombination aus Geschwindigkeit und Intelligenz in der Claude-Modellfamilie. Es baut auf Claude Sonnet 4.6 auf.
Claude Sonnet 5 ist ein Drop-in-Upgrade für Claude Sonnet 4.6 und kostet 2 $/10 $ USD pro Million Input-/Output-Tokens; siehe Preise für Details. Es gibt zwei Breaking Changes in der API für Code, der bereits auf Claude Sonnet 4.6 läuft: Manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) und Sampling-Parameter (temperature, top_p, top_k), die auf nicht standardmäßige Werte gesetzt sind, werden nicht mehr akzeptiert und geben einen 400-Fehler zurück. Verwende stattdessen adaptives Denken mit dem Effort-Parameter. Claude Sonnet 5 unterstützt denselben Funktionsumfang wie Claude Sonnet 4.6, einschließlich des 1M-Token-Kontextfensters, adaptivem Denken, Prompt-Caching, Batch-Verarbeitung, der Files API, PDF-Unterstützung, Vision und dem vollständigen Satz serverseitiger und clientseitiger Tools. Priority Tier ist bei Claude Sonnet 5 nicht verfügbar. Claude Sonnet 5 verwendet außerdem einen neuen Tokenizer.
# Sonnet-Migration
model = "claude-sonnet-4-6" # Before
model = "claude-sonnet-5" # AfterDie Punkte 4 und 5 in der folgenden Liste sind Breaking Changes. max_tokens bleibt ein hartes Limit für die Gesamtausgabe (Thinking plus Antworttext), überprüfe es also für Workloads, die auf Claude Sonnet 4.6 ohne Thinking liefen.
Neuer Tokenizer: Claude Sonnet 5 verwendet einen neuen Tokenizer. Derselbe Eingabetext erzeugt etwa 30 % mehr Tokens als bei Claude Sonnet 4.6. Die genaue Zunahme hängt vom Inhalt ab. Anfragen, Antworten und Streaming-Events behalten dieselbe Form, und es sind keine Code-Änderungen erforderlich, aber alles, was du in Tokens misst oder budgetierst, verschiebt sich: usage-Felder und Token-Counting-Ergebnisse für denselben Text sind höher, das 1M-Token-Kontextfenster fasst weniger Text, und ein für Claude Sonnet 4.6 abgestimmtes max_tokens-Limit kann äquivalente Ausgaben abschneiden. Die Preise pro Token sind niedriger (2 $/10 $ gegenüber 3 $/15 $ pro Million Input-/Output-Tokens bei Claude Sonnet 4.6), aber die Kosten einer äquivalenten Anfrage sinken nicht im direkten Verhältnis. Führe das Token-Counting erneut gegen Claude Sonnet 5 aus, anstatt Zählungen wiederzuverwenden, die gegen frühere Modelle gemessen wurden.
128k maximale Output-Tokens (unverändert): Claude Sonnet 5 unterstützt bis zu 128k Output-Tokens, genauso wie Claude Sonnet 4.6. Bestehende max_tokens-Werte bleiben gültig. Berücksichtige den neuen Tokenizer bei der Dimensionierung.
Prefilling von Assistant-Nachrichten (unverändert): Das Prefilling der Assistant-Nachricht gibt bei Claude Sonnet 5 einen 400-Fehler zurück, genauso wie bei Claude Sonnet 4.6. Wenn du Prefill bei der Migration zu Claude Sonnet 4.6 entfernt hast, sind keine weiteren Änderungen erforderlich. Verwende stattdessen strukturierte Ausgaben, System-Prompt-Anweisungen oder output_config.format.
Adaptives Denken standardmäßig aktiviert: Bei Claude Sonnet 4.6 laufen Anfragen ohne thinking-Feld ohne Thinking; bei Claude Sonnet 5 laufen dieselben Anfragen mit adaptivem Denken. Um Thinking auszuschalten, übergib thinking: {type: "disabled"}. Manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) wird nicht unterstützt und gibt einen 400-Fehler zurück. Verwende den Effort-Parameter (Standard high), um die Thinking-Tiefe zu steuern.
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-sonnet-5",
max_tokens=16000,
thinking={"type": "adaptive", "display": "summarized"},
output_config={"effort": "high"},
messages=[
{
"role": "user",
"content": "Are there an infinite number of prime numbers such that n mod 4 == 3?",
}
],
)
# Die Antwort enthält zusammengefasste Denkblöcke und Textblöcke
for block in response.content:
match block.type:
case "thinking":
print(f"\nThinking summary: {block.thinking}")
case "text":
print(f"\nResponse: {block.text}")Sampling-Parameter entfernt: Sampling-Parameter (temperature, top_p, top_k), die auf einen nicht standardmäßigen Wert gesetzt sind, werden nicht akzeptiert und geben einen 400-Fehler zurück.
Cybersecurity-Schutzmaßnahmen: Claude Sonnet 5 ist das erste Modell der Sonnet-Klasse mit Echtzeit-Cybersecurity-Schutzmaßnahmen. Anfragen, die verbotene oder hochriskante Cybersecurity-Themen betreffen, können abgelehnt werden. Ablehnungen werden als erfolgreiche HTTP-200-Antwort mit stop_reason: "refusal" zurückgegeben, nicht als Fehler. Siehe Schutzmaßnahmen, Warnungen und Einsprüche für Hintergrundinformationen.
claude-sonnet-4-6 zu claude-sonnet-5.max_tokens-Limits, die nahe an deiner erwarteten Ausgabelänge dimensioniert sind, und erhöhe sie bei Bedarf bis zum Maximum von 128k (unverändert gegenüber Claude Sonnet 4.6).thinking: {type: "enabled", budget_tokens: N} (gibt einen 400-Fehler zurück). Adaptives Denken ist standardmäßig aktiviert; übergib {type: "disabled"}, um es auszuschalten, oder verwende den Effort-Parameter, um die Tiefe zu steuern.temperature-, top_p- und top_k-Parameter, die auf nicht standardmäßige Werte gesetzt sind (sie geben bei Claude Sonnet 5 einen 400-Fehler zurück).stop_reason: "refusal" hinzu, wenn dein Workload Cybersecurity-Themen berühren könnte.max_tokens für Workloads, die zuvor ohne Thinking liefen.Wenn du von Claude Sonnet 4.5 oder einem früheren Sonnet-Modell direkt zu Claude Sonnet 5 migrierst, wende die Änderungen aus Migration von Claude Sonnet 4.6 zu Claude Sonnet 5 sowie die Änderungen in diesem Abschnitt an.
Prefilling von Assistant-Nachrichten wird nicht mehr unterstützt
Das Prefilling von Assistant-Nachrichten gibt bei Claude Sonnet 4.6 und späteren Modellen, einschließlich Claude Sonnet 5, einen 400-Fehler zurück. Verwende stattdessen strukturierte Ausgaben, System-Prompt-Anweisungen oder output_config.format.
Häufige Prefill-Anwendungsfälle und Migrationen:
Steuerung der Ausgabeformatierung (Erzwingen von JSON/YAML-Ausgabe): Verwende strukturierte Ausgaben oder Tools mit Enum-Feldern für Klassifizierungsaufgaben.
Eliminieren von Präambeln (Entfernen von „Hier ist..."-Phrasen): Füge direkte Anweisungen im System-Prompt hinzu: „Antworte direkt ohne Präambel. Beginne nicht mit Phrasen wie ‚Hier ist...', ‚Basierend auf...' usw."
Vermeiden unangemessener Ablehnungen: Claude ist jetzt viel besser bei angemessenen Ablehnungen. Klares Prompting in der User-Nachricht ohne Prefill sollte ausreichen.
Fortsetzungen (Wiederaufnahme unterbrochener Antworten): Verschiebe die Fortsetzung in die User-Nachricht: „Deine vorherige Antwort wurde unterbrochen und endete mit [previous_response]. Fahre dort fort, wo du aufgehört hast."
Kontext-Hydration / Rollenkonsistenz (Auffrischen des Kontexts in langen Konversationen): Füge das, was zuvor als Prefill-Assistant-Erinnerungen diente, stattdessen in den User-Turn ein.
JSON-Escaping von Tool-Parametern kann abweichen
Das JSON-String-Escaping in Tool-Parametern kann von früheren Modellen abweichen. Standard-JSON-Parser handhaben dies automatisch, aber benutzerdefiniertes stringbasiertes Parsing muss möglicherweise aktualisiert werden.
Änderungen beim erweiterten Denken: budget_tokens-Konfigurationen von Claude Sonnet 4.5 (thinking: {type: "enabled", budget_tokens: N}) werden bei Claude Sonnet 5 nicht unterstützt und geben einen 400-Fehler zurück. Adaptives Denken ist standardmäßig aktiviert, sodass die meisten Workloads überhaupt keine thinking-Konfiguration benötigen; verwende den Effort-Parameter, um die Thinking-Tiefe zu steuern. Wenn du Claude Sonnet 4.5 ohne erweitertes Denken ausgeführt hast, übergib thinking: {type: "disabled"}, um dieses Verhalten beizubehalten.
Entferne Sampling-Parameter
Sampling-Parameter (temperature, top_p, top_k), die auf einen nicht standardmäßigen Wert gesetzt sind, geben bei Claude Sonnet 5 einen 400-Fehler zurück. Entferne sie aus Anfragen und verwende stattdessen Prompting, um das Verhalten des Modells zu steuern.
Aktualisiere Tool-Versionen
Aktualisiere auf die neuesten Tool-Versionen (text_editor_20250728, code_execution_20260521). Entferne jeglichen Code, der den undo_edit-Befehl verwendet.
Behandle den refusal-Stop-Reason
Aktualisiere deine Anwendung, um refusal-Stop-Reasons zu behandeln.
Aktualisiere deine Prompts für Verhaltensänderungen
Claude-4-Modelle haben einen prägnanteren, direkteren Kommunikationsstil. Sieh dir die Prompting-Best-Practices für Optimierungshinweise an.
Claude Haiku 4.5 und Claude Sonnet 5 unterscheiden sich auf API-Ebene stärker als benachbarte Modelle innerhalb einer Klasse: Claude Haiku 4.5 verwendet manuelles erweitertes Denken (standardmäßig deaktiviert), ein 200k-Token-Kontextfenster und bis zu 64k Output-Tokens, während Claude Sonnet 5 standardmäßig mit aktiviertem adaptivem Denken läuft, standardmäßig ein 1M-Token-Kontextfenster bietet und bis zu 128k Output-Tokens unterstützt.
model = "claude-haiku-4-5-20251001" # Before
model = "claude-sonnet-5" # AfterThinking-Konfiguration: Claude Haiku 4.5 unterstützt manuelles erweitertes Denken (thinking: {type: "enabled", budget_tokens: N}) und lehnt thinking: {type: "adaptive"} ab. Bei Claude Sonnet 5 ist die Unterstützung umgekehrt: Adaptives Denken ist standardmäßig aktiviert, und manuelles erweitertes Denken gibt einen 400-Fehler zurück. Entferne thinking: {type: "enabled", budget_tokens: N}-Konfigurationen und verlasse dich auf den Standard, oder übergib thinking: {type: "disabled"}, um Thinking auszuschalten. budget_tokens hat keinen direkten Ersatz; verwende den Effort-Parameter, um die Thinking-Tiefe zu steuern. Effort ist bei Claude Haiku 4.5 nicht verfügbar und steht bei Claude Sonnet 5 standardmäßig auf high.
Sampling-Parameter entfernt: temperature und top_p funktionieren bei Claude Haiku 4.5 (jeweils einzeln, nicht beide zusammen). Bei Claude Sonnet 5 gibt das Setzen von temperature, top_p oder top_k auf einen nicht standardmäßigen Wert einen 400-Fehler zurück. Entferne diese Parameter und verwende Prompting, um das Verhalten des Modells zu steuern.
Assistant-Prefill entfernt: Das Prefilling der Assistant-Nachricht funktioniert bei Claude Haiku 4.5, gibt aber bei Claude Sonnet 5 einen 400-Fehler zurück. Verwende stattdessen strukturierte Ausgaben, System-Prompt-Anweisungen oder output_config.format.
Größeres Kontextfenster und größere Ausgabe: Claude Sonnet 5 bietet standardmäßig ein 1M-Token-Kontextfenster, gegenüber 200k Tokens bei Claude Haiku 4.5, und unterstützt bis zu 128k Output-Tokens, gegenüber 64k. Claude Sonnet 5 verwendet außerdem einen anderen Tokenizer, führe also das Token-Counting erneut aus, anstatt Zählungen wiederzuverwenden, die gegen Claude Haiku 4.5 gemessen wurden.
Preise: Claude Haiku 4.5 kostet 1 $/5 $ pro Million Input-/Output-Tokens. Claude Sonnet 5 kostet 2 $/10 $ pro Million Input-/Output-Tokens. Siehe Claude-Preise.
Cybersecurity-Schutzmaßnahmen: Claude Sonnet 5 verfügt über Echtzeit-Cybersecurity-Schutzmaßnahmen. Anfragen, die verbotene oder hochriskante Cybersecurity-Themen betreffen, können abgelehnt werden und werden als erfolgreiche HTTP-200-Antwort mit stop_reason: "refusal" zurückgegeben. Siehe Schutzmaßnahmen, Warnungen und Einsprüche für Hintergrundinformationen.
claude-haiku-4-5-20251001 (oder dem Alias claude-haiku-4-5) zu claude-sonnet-5.thinking: {type: "enabled", budget_tokens: N} (gibt einen 400-Fehler zurück). Adaptives Denken ist standardmäßig aktiviert; übergib thinking: {type: "disabled"}, um das Verhalten ohne Thinking beizubehalten, und überprüfe max_tokens für Workloads, die ohne Thinking liefen.high), um die Thinking-Tiefe und den Token-Verbrauch zu steuern; er ist bei Claude Haiku 4.5 nicht verfügbar, sodass keine bestehende Einstellung übernommen wird.temperature- und top_p-Einstellungen (nicht standardmäßige Werte geben bei Claude Sonnet 5 einen 400-Fehler zurück).max_tokens-Limits, die du bis zum Maximum von 128k erhöhen kannst.stop_reason: "refusal" hinzu, wenn dein Workload Cybersecurity-Themen berühren könnte.Claude Haiku 4.5 ist das schnellste und intelligenteste Haiku-Modell mit nahezu Frontier-Performance und liefert Premium-Modellqualität für interaktive Anwendungen und Verarbeitung mit hohem Volumen.
Eine vollständige Übersicht der Fähigkeiten findest du in der Modellübersicht.
Aktualisiere deinen Modellnamen:
# Von Haiku 3.5
model = "claude-3-5-haiku-20241022" # Before
model = "claude-haiku-4-5-20251001" # AfterÜberprüfe neue Ratenlimits: Haiku 4.5 hat separate Ratenlimits gegenüber Haiku 3.5. Siehe die Dokumentation zu Ratenlimits für Details.
Erkunde neue Fähigkeiten: Siehe die Modellübersicht für Details zu Kontextbewusstsein, erhöhter Ausgabekapazität (64k Tokens), höherer Intelligenz und verbesserter Geschwindigkeit.
Diese Breaking Changes gelten bei der Migration von Claude-3.x-Haiku-Modellen.
Aktualisiere Sampling-Parameter
Verwende nur temperature ODER top_p, nicht beide. Das Setzen beider gibt bei Claude Haiku 4.5 einen 400-Fehler zurück.
Aktualisiere Tool-Versionen
Aktualisiere auf die neuesten Tool-Versionen (text_editor_20250728, code_execution_20250825). Entferne jeglichen Code, der den undo_edit-Befehl verwendet.
Behandle den refusal-Stop-Reason
Aktualisiere deine Anwendung, um refusal-Stop-Reasons zu behandeln.
Aktualisiere deine Prompts für Verhaltensänderungen
Claude-4-Modelle haben einen prägnanteren, direkteren Kommunikationsstil. Sieh dir die Prompting-Best-Practices für Optimierungshinweise an.
claude-haiku-4-5-20251001text_editor_20250728, code_execution_20250825); veraltete Versionen werden nicht unterstütztundo_edit-Befehl verwendet (falls zutreffend)temperature ODER top_p zu verwenden, nicht beide (das Setzen beider gibt einen 400-Fehler zurück)refusal-Stop-Reason in deiner AnwendungWas this page helpful?