Anthropic

•

Claude Opus 5.5

•

Proprietary model

•

Released September 2026

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback): Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Kosten

Eingabe 4,00 $Ausgabe 20,00 $Cache-Rabatt 95%

$3.46

Kosten pro Intelligence-Index-Aufgabe

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) zählt bei der Intelligenz zu den führenden Modellen, ist aber etwas teuer im Vergleich zu anderen Modellen mit ähnlichem Preis. Das Modell ist außerdem schneller als der Durchschnitt, antwortet jedoch etwas ausführlich. Das Modell unterstützt Text und Bilder als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 1M Tokens.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) erzielt im Artificial Analysis Intelligence Index einen Wert von 56 und liegt damit deutlich über dem Durchschnitt der vergleichbaren Modelle (Median: 25). Bei der Evaluation des Intelligence Index erzeugte es 100M Tokens und antwortete damit etwas ausführlich im Vergleich zum Median von 88M.

Der Preis für Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) beträgt $4.00 pro 1 Mio. Eingabetokens (etwas teuer; Median: $2.00) und $20.00 pro 1 Mio. Ausgabetokens (etwas teuer; Median: $10.00). Insgesamt kostete die Evaluation von Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) im Intelligence Index $4056.65.

Mit 72 Tokens pro Sekunde ist Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) schneller als der Durchschnitt (Median: 71).

Reasoning	Ja Diese Seite zeigt die Reasoning-Version dieses Modells. Möglicherweise gibt es auch eine Variante ohne Reasoning.
Eingabemodalität	Unterstützt: Text und Bilder
Ausgabemodalität	Unterstützt: Text
Kontextfenster	1M ~1500 A4-Seiten in Arial mit Schriftgröße 12

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Wichtigste Ergebnisse

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPt

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AANew

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Tokenverbrauch

Output Tokens per Intelligence Index Task

Weighted average number of output tokens used to run one task in the Artificial Analysis Intelligence Index

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Kosten

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context Window

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Output Speed

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Time per Intelligence Index Task

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Latency: Time To First Answer Token

Seconds to first answer token received · Accounts for reasoning model 'thinking' time

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

End-to-End Response Time

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Häufig gestellte Fragen

Häufige Fragen zu Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) wurde am 17. September 2026 veröffentlicht.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) wurde von Anthropic entwickelt.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) erzielt im Artificial Analysis Intelligence Index einen Wert von 56 und liegt damit im Vergleich zu anderen Reasoning-Modellen einer ähnlichen Preisklasse deutlich über dem Durchschnitt (Median: 25).

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) erzeugt Ausgaben mit 72.5 Tokens pro Sekunde (auf Grundlage der API von Anthropic). Dies ist über dem Durchschnitt im Vergleich zu anderen Reasoning-Modellen einer ähnlichen Preisklasse (Median: 71.0 Tokens/s).

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) hat eine Zeit bis zum ersten Token (TTFT) von 165.20 s (auf Grundlage der API von Anthropic). Dies ist am oberen Ende im Vergleich zu anderen Reasoning-Modellen einer ähnlichen Preisklasse (Median: 3.86 s).

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) kostet $4.00 pro 1 Mio. Eingabetokens (etwas höher als der Durchschnitt; Median: $2.00) und $20.00 pro 1 Mio. Ausgabetokens (etwas höher als der Durchschnitt; Median: $10.00). Die Angaben basieren auf der API von Anthropic.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) kostet $4.00 pro 1 Mio. Eingabetokens und $20.00 pro 1 Mio. Ausgabetokens (auf Grundlage der API von Anthropic). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $2.94 pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Bei der Evaluation des Intelligence Index erzeugte Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) 100M Ausgabetokens. Dies ist etwas höher als der Durchschnitt im Vergleich zu anderen Reasoning-Modellen einer ähnlichen Preisklasse (Median: 88M).

Ja, Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) ist ein Reasoning-Modell. Es nutzt längere Denkprozesse oder Chain-of-Thought-Reasoning, um komplexe Probleme zu bearbeiten, bevor es eine Antwort gibt.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) unterstützt Text und Bilder als Eingabe.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) unterstützt Text als Ausgabe.

Ja, Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) ist multimodal. Es kann Text und Bilder als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) hat ein Kontextfenster von 1.0M Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Nein, Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) ist proprietär. Die Modellgewichte sind nicht öffentlich verfügbar.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) ist ein proprietäres Modell und Anthropic hat weder die Modellgröße noch die Parameterzahl offengelegt.

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) erzielt im Artificial Analysis Intelligence Index einen Wert von 56. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

Ja, Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) ist über 1 Anbieter per API verfügbar. API-Anbieter vergleichen

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) ist über 1 API-Anbieter verfügbar. Anbieter vergleichen

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback): Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Zusammenfassung des Vergleichs

Technische Spezifikationen

212 Modelle in dieser Klasse

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Tokenverbrauch

Output Tokens per Intelligence Index Task

Output Tokens per Intelligence Index Task

Kosten

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

Kontextfenster

Context Window

Context Window for RAG

Context Window

Geschwindigkeit

Output Speed

Output Speed

Model Performance Representation

Time per Intelligence Index Task

Time per Intelligence Index Task

Latenz

Latency: Time To First Answer Token

Time to First Answer Token

Ende-zu-Ende-Antwortzeit

End-to-End Response Time

End-to-End Response Time

Model Performance Representation

Häufig gestellte Fragen

Wann wurde Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) veröffentlicht?

Wer hat Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) entwickelt?

Wie intelligent ist Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Wie schnell ist Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Wie hoch ist die Latenz von Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Wie viel kostet Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Wie gestaltet sich der API-Preis von Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Wie ausführlich antwortet Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Ist Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Welche Ausgabemodalitäten unterstützt Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Kann Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) Bilder verarbeiten?

Ist Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) multimodal?

Wie groß ist das Kontextfenster von Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Hat Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) offene Gewichte?

Wie viele Parameter hat Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)?

Wie schneidet Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) in Benchmarks ab?

Ist Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) über eine API verfügbar?

Wo kann ich Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) verwenden?