Anthropic lancerede Claude Opus 5 den 24. juli med et meget praktisk pitch: noget af Fable-niveauet flytter ned i en model, folk kan bruge hver dag uden at brænde budgettet af på få lange agentkørsler.
Det er relevant for danske udviklere og IT-arkitekter, fordi de fleste ikke mangler endnu et chatbotnavn. De mangler en modelportefølje, der kan bruges i produktion: en dyr model til planlægning og svære vurderinger, en stabil model til agentarbejde, og klare regler for hvornår en opgave skal stoppe, eskalere eller skifte model.
Claude Opus 5 lander præcis i den diskussion. Anthropic siger selv, at modellen kommer tæt på Claude Fable 5 til halv pris, men ikke er mere kapabel samlet set end Fable 5. Det er en vigtig formulering. De prøver ikke at sælge den som den absolut stærkeste model. De sælger den som den model, der kan køre mere af det daglige, tunge arbejde.
Prisen betyder mere end topplaceringen
Opus 5 koster ifølge Anthropic 5 dollar pr. million input-tokens og 25 dollar pr. million output-tokens. Det er samme pris som Opus 4.8 og cirka halvdelen af Fable 5. Der er også en Fast mode, som kører omkring 2,5 gange hurtigere, men til dobbelt basispris.
Det lyder som prisliste-nørderi, men det er her modelvalget bliver arkitektur. Hvis en agent skal læse en stor kodebase, planlægge en rettelse, ændre filer, køre tests og rette sine egne fejl, bliver output-tokens og værktøjskald hurtigt dyrere end selve prompten. En model, der bruger færre forsøg og færre omveje, kan ende billigere i praksis, selv når tokenprisen ser højere ud end hos en mindre model.
Anthropic fremhæver især Frontier-Bench, CursorBench, OSWorld 2.0, Zapier AutomationBench og flere vidensarbejds-evalueringer. Den slags benchmarks skal læses med skepsis. Leverandørgrafer er ikke en driftsgaranti. Men retningen passer med det, mange agentmiljøer allerede viser: den dyre del er ikke kun modellen. Den dyre del er fejlløkkerne.
Jeg ville ikke skifte en hel platform til Claude Opus 5 fra dag ét. Jeg ville starte smallere: kodeopgaver med klar testpakke, dokumentanalyse med kendt facit, og interne agentflows hvor man allerede har logs nok til at sammenligne Opus 4.8, Sonnet 5, Fable 5 og eventuelle OpenAI-modeller på samme opgavetyper. Hvis man ikke kan måle forskellen i egen drift, køber man bare Anthropic-marketing med faktura på.
Agentmodeller skal vurderes på kontrol
Jeg hæfter mig mindre ved de høje kodescorer og mere ved Anthropic’s beskrivelse af modellen som bedre til at verificere eget arbejde, bygge testharnesses og blive ved med at iterere, når første løsning ikke holder.
Det er også der risikoen ligger. En model, der selv bygger værktøj, selv leder efter flere data og selv retter sine spor, skal have skarpere rammer end en model, der svarer på en tekstprompt. For en almindelig SaaS-virksomhed betyder det især tre ting: begræns værktøjerne, log beslutningerne, og kræv menneskelig godkendelse ved irreversible handlinger.
Det passer direkte ind i den samme problemstilling, jeg tidligere skrev om i Programmatic tool calling. Når modellen får mere ansvar for orkestreringen, flytter fejlen fra prompten til runtime-designet. Hvem må modellen skrive til? Hvilke filer må den ændre? Hvilke API’er må den kalde? Hvornår skal den stoppe og spørge?
Det er ikke akademisk. Anthropic nævner selv mid-conversation tool changes som en ny beta i Claude Platform. Udviklere kan ændre hvilke værktøjer Claude må bruge midt i en samtale uden at invalidere prompt cache. Det kan være nyttigt. Det kan også blive en ny klasse af fejl, hvis adgangsreglerne bliver styret ad hoc af applikationslogik, ingen har gennemgået ordentligt.
Sikkerhedsdelen er mere ærlig end normalt, men stadig leverandørstyret
Systemkortet for Claude Opus 5 er langt, næsten 200 sider, og sikkerhedsafsnittet har to konkrete pointer. Først: Anthropic siger, at modellen er stærkere end Opus 4.8 på cyberrelevante opgaver, selv om den ikke specifikt er trænet til cyber. Generel modelkapacitet løfter altså også dual-use-evnerne.
Dernæst: Anthropic har ændret adgangen, så Opus 5 må hjælpe med sårbarhedsfinding i kildekode på alle adgangsniveauer, men fortsat blokerer mere offensive mønstre som scanning af kompilerede binærer, penetrationstest og exploit-generering. Ifølge Anthropic griber cyberklassifikatorerne omkring 85 procent sjældnere ind end på Fable 5.
Det er en fornuftig produktposition. Forsvarshold skal kunne bruge stærke modeller uden at ramme en mur, hver gang de beder om hjælp til kodegennemgang. Men det er også leverandøren, der definerer skellet mellem defensivt og offensivt. I en dansk virksomhed bør den beslutning ikke overlades alene til Anthropic’s classifier. Den bør matches af egne politikker, egne logs og en klar proces for sikkerhedsarbejde.
Det er samme grund til, at prompt injection ikke kan løses med pænere prompttekster. Agenten skal designes som en privilegeret klient. Claude Opus 5 gør ikke den opgave mindre vigtig. Den gør bare konsekvensen af dårligt design større.
Min praktiske vurdering
Claude Opus 5 ligner en model, man bør teste hurtigt, men ikke ukritisk. Den oplagte rolle er ikke som universel erstatning for alt. Den oplagte rolle er som stærk agentmodel til opgaver, hvor Sonnet-klassen ikke er stabil nok, og hvor Fable eller Mythos er for dyre, for begrænsede eller for svære at få adgang til.
For udviklingsteams betyder det: lav en eval på egne opgaver før migration. Brug rigtige issues, rigtige repoer og rigtige testkørsler. Mål ikke kun om svaret ser flot ud. Mål antal forsøg, ændrede filer, testfejl, revert-rate, latency, tokenforbrug og hvor ofte modellen foreslår handlinger, den ikke burde udføre.
Hvis Opus 5 reducerer fejlløkkerne, er den interessant. Hvis den bare skriver mere overbevisende forklaringer, er den endnu en dyr model med god salgstekst.
Kilder
- Introducing Claude Opus 5 – Anthropic, 24. juli 2026
- Claude Opus 5 System Card – Anthropic, 24. juli 2026
- Introducing Claude Opus 5 – Simon Willison, 24. juli 2026
- Claude Opus 5 diskussion – Hacker News, 24. juli 2026
Denne artikel er skrevet i samarbejde med AI, og efterfølgende redigeret af et rigtigt menneske 🙂
