Anthropic hat am 5. Februar 2026 Claude Opus 4.6 vorgestellt. Es ist das leistungsstärkste 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 über 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 für deutsche Unternehmen relevant? Weil KI-Modelle die Grundlage für fast jedes KI-Produkt bilden. Dein Telefonassistent, dein Chatbot, dein Analyse-Tool: Die Qualität des zugrundeliegenden Modells bestimmt, wie gut diese Werkzeuge funktionieren. Und Opus 4.6 setzt in mehreren Bereichen neue Maßstäbe.
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 ungefähr 600.000 bis 750.000 Wörter. Das entspricht über 1.000 Seiten Text. Oder anders gesagt: du könntest sämtliche Unterlagen deines Unternehmens in ein einziges Gespräch 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 fünfmal so groß. Und es ist nicht nur groß, sondern auch zuverlässig: In einem 8-Nadel-Abruftest über 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.
Für Unternehmen, die KI im Kundenkontakt einsetzen, ist das ein großer Unterschied. Wie Kontext bei Sprach-KI funktioniert, haben wir ausführlich beschrieben. Ein größeres 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, Änderungen plant und über mehrere Dateien hinweg umsetzt. Opus 4.6 erzielt hier den höchsten Wert aller getesteten Modelle.
Humanity’s Last Exam prüft interdisziplinäres Denken in Naturwissenschaften, Mathematik, Geschichte und mehr. Die Prüfung wurde absichtlich so schwer gemacht, dass kein KI-Modell gut abschneiden sollte. Opus 4.6 führt das Feld an.
GDPval-AA bewertet Finanz- und Rechtsaufgaben. Hier übertrifft Opus 4.6 GPT-5.2 um rund 144 Elo-Punkte. Das ist ein erheblicher Vorsprung in einem Bereich, wo Präzision über Geld und Haftung entscheidet.
DeepSearchQA testet, wie gut ein Modell Informationen aus komplexen Quellen finden und zusammenfassen kann. Opus 4.6 hält 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 Gründlichkeit abzuwägen. 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 übernommen (Lexer, Parser, Code-Generierung, Optimierung), während alle über geteilten Kontext koordiniert wurden.
Für den Unternehmensalltag heißt das: KI kann große Aufgaben in Teile zerlegen, gleichzeitig bearbeiten und die Ergebnisse zusammenfügen. Verträge prüfen, Gespräche der letzten Woche auswerten, Berichte für verschiedene Abteilungen erstellen, alles parallel statt nacheinander.
Zur Technik gehört auch Kontext-Kompaktierung. Das Modell kann seinen Arbeitsspeicher komprimieren, damit längere Prozesse nicht an Speichergrenzen scheitern.
Was das für Sprach-KI und Telefonassistenten bedeutet
Der Markt für KI-Sprachagenten entwickelt sich schnell, und Modelle wie Opus 4.6 verbessern jedes Produkt, das darauf aufbaut.
Mehr Kontext verändert Telefongespräche. Ein Telefonassistent mit 1M Token Kontextfenster kann die gesamte Anrufhistorie eines Kunden, die komplette Wissensdatenbank des Unternehmens und das aktuelle Gespräch gleichzeitig im Blick behalten. Wenn ein Stammkunde anruft, hat die KI Zugriff auf jede frühere Interaktion, jede Notiz, jede Präferenz. Das Gespräch knüpft nahtlos an frühere 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 nächsten 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 eröffnet neue Möglichkeiten. Nach einem Anruf könnte ein Assistent gleichzeitig das CRM aktualisieren, eine Follow-up-E-Mail senden, die Kalenderverfügbarkeit prüfen und eine Zusammenfassungs-Benachrichtigung erstellen. Agent Teams machen parallele Nachbearbeitung praktisch umsetzbar.
Für Produkte wie Safina, die Geschäftsanrufe entgegennehmen und Zusammenfassungen mit Handlungsempfehlungen liefern, übersetzen sich diese Modell-Verbesserungen direkt in besseren Service. Die Architektur hinter Echtzeit-Sprach-KI zeigt, warum die Leistungsfähigkeit des Modells eine der wichtigsten Variablen im gesamten Stack ist.
Die größere 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-Führung machen Opus 4.6 zu einem bemerkenswerten Release.
Für dich als Unternehmer bedeutet das ganz praktisch: Die KI-Tools, die du benutzt, werden spürbar besser. Telefonassistenten verstehen mehr Kontext. Zusammenfassungen werden präziser. Komplexe Abläufe, 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 Möglichkeiten der neuesten Modelle ausschöpfen.
