Anthropic hat am 5. Februar 2026 Claude Opus 4.6 vorgestellt. Es ist das leistungsstarkste Modell in der Claude-Familie. Die Modell-ID lautet claude-opus-4-6, und die Preise liegen bei $5 pro Million Eingabe-Token und $25 pro Million Ausgabe-Token im Standardtarif. Bei Prompts uber 200K Token steigen die Kosten auf $10 bzw. $37,50. Wer ausschliesslich US-Infrastruktur nutzen will, zahlt einen 1,1-fachen Aufschlag.
Warum ist das fur deutsche Unternehmen relevant? Weil KI-Modelle die Grundlage fur fast jedes KI-Produkt bilden. Dein Telefonassistent, dein Chatbot, dein Analyse-Tool: Die Qualitat des zugrundeliegenden Modells bestimmt, wie gut diese Werkzeuge funktionieren. Und Opus 4.6 setzt in mehreren Bereichen neue Massstabe.
Claude Opus 4.5 hatte bereits Verbesserungen bei der Agenten-Effizienz gebracht. Opus 4.6 geht deutlich weiter. Erstmals bekommt ein Opus-Modell ein Kontextfenster von 1 Million Token. Dazu kommen Agent Teams, die mehrere KI-Instanzen parallel koordinieren, und Spitzenwerte bei den wichtigsten Benchmarks.
1 Million Token Kontext: Was bedeutet das konkret?
Ein Token entspricht im Deutschen grob einem halben bis dreiviertel Wort. 1 Million Token sind also ungefahr 600.000 bis 750.000 Worter. Das entspricht uber 1.000 Seiten Text. Oder anders gesagt: du konntest samtliche Unterlagen deines Unternehmens in ein einziges Gesprach laden.
Stell dir vor, du gibst dem Modell gleichzeitig dein komplettes Mitarbeiterhandbuch, alle Produktbeschreibungen, deine Kundenservice-Richtlinien, die CRM-Daten deiner wichtigsten Kunden und das Protokoll der letzten Jahresversammlung. Opus 4.6 kann das alles gleichzeitig verarbeiten.
Bisherige Opus-Modelle hatten ein Limit von 200K Token. Das neue Fenster ist funfmal so gross. Und es ist nicht nur gross, sondern auch zuverlassig: In einem 8-Nadel-Abruftest uber die volle Million Token erreicht Opus 4.6 eine Trefferquote von 76%. Claude Sonnet 4.5 schafft beim gleichen Test nur 18,5%. Das heisst, Opus 4.6 findet spezifische Informationen in riesigen Textmengen deutlich besser.
Fur Unternehmen, die KI im Kundenkontakt einsetzen, ist das ein grosser Unterschied. Wie Kontext bei Sprach-KI funktioniert, haben wir ausfuhrlich beschrieben. Ein grosseres Kontextfenster bedeutet: weniger Informationsverlust, weniger Retrieval-Pipelines, weniger Fehler.
Bessere Schlussfolgerungen, genauere Ergebnisse
Benchmarks zeigen nicht alles, aber sie zeigen Muster. Und bei Opus 4.6 ist das Muster eindeutig.
Terminal-Bench 2.0 misst, wie gut ein Modell Code versteht, Anderungen plant und uber mehrere Dateien hinweg umsetzt. Opus 4.6 erzielt hier den hochsten Wert aller getesteten Modelle.
Humanity’s Last Exam pruft interdisziplinares Denken in Naturwissenschaften, Mathematik, Geschichte und mehr. Die Prufung wurde absichtlich so schwer gemacht, dass kein KI-Modell gut abschneiden sollte. Opus 4.6 fuhrt das Feld an.
GDPval-AA bewertet Finanz- und Rechtsaufgaben. Hier ubertrifft Opus 4.6 GPT-5.2 um rund 144 Elo-Punkte. Das ist ein erheblicher Vorsprung in einem Bereich, wo Prazision uber Geld und Haftung entscheidet.
DeepSearchQA testet, wie gut ein Modell Informationen aus komplexen Quellen finden und zusammenfassen kann. Opus 4.6 halt auch hier den Spitzenwert.
Dazu kommt adaptives Denken. Das Modell erkennt selbst, wann ein Problem tiefere Analyse braucht. Vier Aufwandsstufen erlauben es Anwendungen, zwischen Geschwindigkeit und Grundlichkeit abzuwagen. Eine einfache Faktenabfrage braucht nicht die gleiche Rechenleistung wie die Analyse eines Mietvertrags.
Agent Teams: KI, die sich koordiniert
Agent Teams sind eine neue Funktion in Claude Code. Statt dass eine einzelne KI-Instanz Aufgaben nacheinander abarbeitet, kann Opus 4.6 mehrere Agenten starten, die parallel an verschiedenen Teilen eines Problems arbeiten.
Das eindrucksvollste Beispiel: 16 Opus 4.6 Agenten haben gemeinsam einen C-Compiler in Rust geschrieben. Von Grund auf. Kein Spielzeugprojekt. Der Compiler kann den Linux-Kernel kompilieren. Jeder Agent hat eine andere Komponente ubernommen (Lexer, Parser, Code-Generierung, Optimierung), wahrend alle uber geteilten Kontext koordiniert wurden.
Fur den Unternehmensalltag heisst das: KI kann grosse Aufgaben in Teile zerlegen, gleichzeitig bearbeiten und die Ergebnisse zusammenfugen. Vertrage prufen, Gesprache der letzten Woche auswerten, Berichte fur verschiedene Abteilungen erstellen, alles parallel statt nacheinander.
Zur Technik gehort auch Kontext-Kompaktierung. Das Modell kann seinen Arbeitsspeicher komprimieren, damit langere Prozesse nicht an Speichergrenzen scheitern.
Was das fur Sprach-KI und Telefonassistenten bedeutet
Der Markt fur KI-Sprachagenten entwickelt sich schnell, und Modelle wie Opus 4.6 verbessern jedes Produkt, das darauf aufbaut.
Mehr Kontext verandert Telefongesprache. Ein Telefonassistent mit 1M Token Kontextfenster kann die gesamte Anrufhistorie eines Kunden, die komplette Wissensdatenbank des Unternehmens und das aktuelle Gesprach gleichzeitig im Blick behalten. Wenn ein Stammkunde anruft, hat die KI Zugriff auf jede fruhere Interaktion, jede Notiz, jede Praferenz. Das Gesprach knupft nahtlos an fruhere Kontakte an.
Besseres Denken ergibt bessere Zusammenfassungen. Nach einem Anruf muss die KI extrahieren, was wichtig war. Wer hat angerufen? Was wollte die Person? Welche nachsten Schritte ergeben sich? Ein Modell, das bei Finanz- und Rechtsanalysen am besten abschneidet, erkennt Nuancen in Anrufer-Anfragen. Es unterscheidet “Ich muss meinen Termin am Dienstag verschieben” von “Ich muss eventuell verschieben, lass mich noch mal schauen.” Das eine erfordert eine Aktion. Das andere nicht.
Agenten-Koordination eroffnet neue Moglichkeiten. Nach einem Anruf konnte ein Assistent gleichzeitig das CRM aktualisieren, eine Follow-up-E-Mail senden, die Kalenderverfugbarkeit prufen und eine Zusammenfassungs-Benachrichtigung erstellen. Agent Teams machen parallele Nachbearbeitung praktisch umsetzbar.
Fur Produkte wie Safina, die Geschaftsanrufe entgegennehmen und Zusammenfassungen mit Handlungsempfehlungen liefern, ubersetzen sich diese Modell-Verbesserungen direkt in besseren Service. Die Architektur hinter Echtzeit-Sprach-KI zeigt, warum die Leistungsfahigkeit des Modells eine der wichtigsten Variablen im gesamten Stack ist.
Die grossere Perspektive
Im KI-Markt bewegt sich viel gleichzeitig. GPT-5.2 ist da. Googles Gemini-Reihe wird besser. Aber das 1M Token Kontextfenster, die Agent Teams und die Benchmark-Fuhrung machen Opus 4.6 zu einem bemerkenswerten Release.
Fur dich als Unternehmer bedeutet das ganz praktisch: Die KI-Tools, die du benutzt, werden spurbar besser. Telefonassistenten verstehen mehr Kontext. Zusammenfassungen werden praziser. Komplexe Ablaufe, die bisher manuelle Schritte brauchten, laufen automatisch.
Die Frage ist nicht mehr, ob du KI-Tools einsetzt. Sondern ob die Tools, die du benutzt, die Moglichkeiten der neuesten Modelle ausschopfen.