GPT-5.5 vs. Claude Opus 5: Das Coding-Rennen, das niemand fair bewerten kann

GPT-5.5 und Claude Opus 5 sind die beiden Modelle, die die meisten Teams tatsächlich meinen, wenn sie „Frontier-Coder“ sagen, und auf dem Papier liegen sie nah genug beieinander, dass die Entscheidung üblicherweise anhand einer Benchmark-Tabelle getroffen wird. Das ist dieses Jahr aus einem Grund ein Fehler, der nichts mit der Fähigkeit des einen oder anderen Modells zu tun hat: GPT-5.5 wird am 14. Oktober 2026 aus ChatGPT, ChatGPT Work und Codex zurückgezogen, und Codex ist die Oberfläche, in der ein großer Teil seiner Coding-Nutzer tatsächlich arbeitet. Claude Opus 5 verschwindet nicht. Die erste Frage in diesem Duell ist also nicht, welches Modell besseren Code schreibt – sie lautet, welches im November noch die Anfrage beantwortet, die Sie gerade absenden wollen.

Das ordnet den Vergleich neu ein, aber es entscheidet ihn nicht. Wenn Sie GPT-5.5 über die API oder über eine Codex-Sitzung aufrufen, die mit Ihrem eigenen API-Schlüssel authentifiziert ist, betrifft Sie die Abschaltung nicht, und die Frage nach den Fähigkeiten ist genauso aktuell wie im April. Was folgt, ist die ehrliche Version dieser Frage, einschließlich des Teils, den die meisten Vergleichsseiten überspringen: Die Schlagzeilenwerte beider Modelle werden mit Methoden gemessen, die demjenigen schmeicheln, der den Test durchführt.

Die einzeilige Antwort

Wenn Sie die kürzeste vertretbare Version brauchen: Claude Opus 5 ist die sicherere Standardwahl für Produktions-Coding-Arbeit im späten 2026, weil es beim Output günstiger ist, unabhängig gebenchmarkt wurde und nicht aus dem Tool ausgemustert wird, in dem Sie es wahrscheinlich verwenden. GPT-5.5 bleibt die stärkere Wahl in bestimmten Bereichen – terminalnative agentische Arbeit, Long-Context-Retrieval und Token-Effizienz bei schwierigen Aufgaben –, und auf dem API-Pfad bleiben ihm all diese erhalten. Alles Folgende ist die Begründung für diese Aufteilung und die Vorbehalte, die sie weniger eindeutig machen, als es klingt.

Zwei Flaggschiffe, die in unterschiedliche Welten starteten

GPT-5.5 erschien am 23. April 2026 als OpenAIs Frontier-Modell für komplexe professionelle Arbeitslasten, aufbauend auf GPT-5.4 mit stärkerem Reasoning, besserer Zuverlässigkeit und – der Behauptung, mit der OpenAI voranging – verbesserter Token-Effizienz bei schwierigen Aufgaben. Es akzeptiert Text-, Bild- und Dateieingaben, unterstützt ungefähr 922K Eingabe- und 128K Ausgabe-Tokens und kostet 5,00 $ pro Million Eingabe- und 30,00 $ pro Million Ausgabe-Tokens, mit gecachten Lesevorgängen zu 0,50 $ und einem höheren Satz oberhalb von 272.000 Eingabe-Tokens.

Claude Opus 5 ist Anthropics Flaggschiff für anspruchsvolles Reasoning, Coding und langfristige agentische Arbeit, und es ist auf eine spezifische Schwäche abgestimmt, die das agentische Programmieren seit jeher plagt: über sehr lange, mehrstufige Sitzungen mit intensiver Tool-Nutzung hinweg kohärent zu bleiben. Es bedient einen Kontext von 1 Mio. Tokens mit bis zu 128K Ausgabe, akzeptiert Text-, Bild- und Dateieingaben und kostet 5,00 $ für Eingabe und 25,00 $ für Ausgabe, wobei gecachte Reads ebenfalls 0,50 $ kosten. Es ersetzt Sampling-Parameter wie temperature und top_p durch einen Reasoning-Effort-Regler, was ein echter Unterschied darin ist, wie man es abstimmt, aber nicht darin, was es leisten kann.

Der Spec-Kontrast

• Preis — GPT-5.5 5,00 $/30,00 $ pro 1 Mio. Token vs. Claude Opus 5 5,00 $/25,00 $ pro 1 Mio.; beim Input identisch, Claude Opus 5 beim Output etwa 17 % günstiger

• Zwischengespeicherte Eingabe — beide 0,50 $ pro 1 Mio. Token, ein Rabatt von 90 % auf den Eingabepreis

• Kontext — GPT-5.5 ~922K Eingabe / 128K Ausgabe vs. Claude Opus 5 1M Eingabe / 128K Ausgabe

• Eingabemodalitäten — GPT-5.5 Text, Bild, Datei vs. Claude Opus 5 Text, Bild, Datei; die beiden sind hier gleichauf

• Tuning — GPT-5.5-Einstellungen für den Reasoning-Aufwand von none bis xhigh vs. Claude Opus 5 mit adaptivem Reasoning über einen Effort-Regler, ohne temperature oder top_p

• Verfügbarkeit — GPT-5.5 verlässt ChatGPT, ChatGPT Work und Codex am 14. Oktober 2026, aber nicht die API, während Claude Opus 5 auf allen Anthropic-Oberflächen ohne angekündigte Einstellung bleibt.

Wo die Benchmark-Behauptungen nicht mehr vergleichbar sind

Beginne mit dem unabhängigen Bild, denn es ist der einzige Teil davon, den überhaupt jemand überprüfen kann. Artificial Analysis bewertet Claude Opus 5 mit 51 in seinem Intelligence Index. Es bewertet GPT-5.5 mit 39 im aktuellen v4.3-Index – und, bezeichnenderweise, hat es GPT-5.5 als veraltet gekennzeichnet und seine Bewertung auf standardmäßige 10.000-Token-Workloads zurückgeschraubt. Das verdient eine sorgfältige Lektüre. Der unabhängige Befund für GPT-5.5 ist nicht nur schwächer; er geht zu Ende, und sobald er aufhört, ist jede Zahl, die für dieses Modell noch kursiert, eine Anbieterzahl.

Auf der Seite der vom Anbieter gemeldeten Werte setzt OpenAI mit eigenen Zahlen GPT-5.5 bei 82,7 % auf Terminal-Bench 2.0 an, 82,6 % auf SWE-bench Verified und 58,6 % auf SWE-bench Pro. Zu Anthropics Zahlen für Claude Opus 5 gehören 90,2 auf Terminal-Bench 2.1, 74,7 auf SWE-bench Pro und 68,0 auf JobBench. Verlockend ist es, diese nebeneinanderzustellen und einen Sieger zu küren. Tun Sie es nicht – und beachten Sie, dass die meisten Vergleichsseiten es trotzdem tun.

Die Terminal-Bench-Zeile ist das klarste Beispiel. Die 82,7 % von GPT-5.5 beziehen sich auf Terminal-Bench 2.0; die 90,2 von Claude Opus 5 auf Terminal-Bench 2.1. Das sind unterschiedliche Benchmark-Versionen mit unterschiedlichen Aufgabensätzen, und ein versionsübergreifender Vergleich ist kein Vergleich. Die SWE-bench-Pro-Zeilen betreffen zumindest dieselbe Suite, und dort ist der Wert von 74,7 für Claude Opus 5 gegenüber 58,6 für GPT-5.5 eine echte und große Lücke — doch beide Zahlen sind auf beiden Seiten vom Anbieter gemeldet, und keine von beiden wurde unter identischen Harness-Bedingungen reproduziert.

Das Harness-Problem, das die eigentliche Geschichte ist

Wenn es einen Befund gibt, der aus diesem Duell mitgenommen werden sollte, dann den, dass die Wahl des Harness diese Modelle stärker bewegt als der Abstand zwischen ihnen. Eine arXiv-Auswertung ergab, dass GPT-5.5 unter Claude Code am stärksten abschnitt und dann um 21,8 Punkte fiel, als es zu OpenHands verschoben wurde, während Claude Opus 4.8 – der Vergleichspunkt in dieser Studie – bei derselben Änderung nur um 5,5 Punkte fiel. Eine Schwankung von 21 Punkten allein durch das Scaffolding ist größer als die meisten veröffentlichten Unterschiede im direkten Vergleich zwischen den beiden Flaggschiffen.

Es gibt eine praktische Version davon, die sogar OpenAIs eigene Darstellung einräumt: GPT-5.5 erreicht 83,4 % auf Terminal-Bench mit seinem nativen Codex-CLI-Harness, gegenüber 72,1 % mit einem Standard-Harness. Wenn Ihre Evaluierung GPT-5.5 außerhalb von Codex ausführt, messen Sie ein anderes Modell als das in der Launch-Tabelle.

Das ist für die Abschaltung auf eine Weise wichtig, die leicht übersehen wird. Wenn Ihre GPT-5.5-Zahlen innerhalb von Codex über eine ChatGPT-Anmeldung erzeugt wurden und dieser Weg am 14. Oktober wegfällt, verlieren Sie nicht nur ein Modell – Sie verlieren das Testgerüst, auf welches Ihr Benchmark kalibriert ist. Erstellen Sie über den API-Pfad eine neue Baseline, bevor Sie irgendwelche Schlüsse darüber ziehen, was der Nachfolger Sie kostet.

Kosten pro Aufgabe, nicht Kosten pro Token

Der Vergleich pro Token ist unkompliziert und fällt leicht zugunsten von Claude Opus 5 aus: gleicher Input-Preis von 5,00 $, 25,00 $ gegenüber 30,00 $ beim Output. Der interessante Vergleich sind die Kosten pro abgeschlossener Aufgabe, und dort kehrt sich das Bild um, denn OpenAIs zentrale Behauptung zu GPT-5.5 war Token-Effizienz — rund 40 % weniger Tokens bei gleichwertigen Aufgaben, laut mehreren Entwicklerberichten. Wenn ein Modell dieselbe Arbeit mit 40 % weniger Output-Tokens erledigt, kann ein Output-Preis von 30 $ zu einer niedrigeren Rechnung führen als ein Preis von 25 $ bei einem wortreicheren Modell. Diese Behauptung ist aus Anbietersicht formuliert und wurde nicht unabhängig reproduziert, behandeln Sie sie daher als Hypothese, die Sie an Ihrer eigenen Arbeitslast testen sollten, und nicht als gesicherte Tatsache.

Beide Modelle sind in unserem Katalog, was es günstig macht, diesen Test richtig statt anekdotisch durchzuführen. Beide laufen über einen einzigen Schlüssel zum Listenpreis des Anbieters mit 0 % Aufschlag, sodass ein direktes A/B auf Ihrem eigenen Traffic ein Modell-String im Request-Body ist, kein zweiter Vertrag — und jede Preisänderung eines Anbieters wird noch am Tag ihrer Ankündigung auf unserer Seite wirksam. Das Nützliche hier ist die Routing-DSL: Live-Traffic zwischen den beiden aufteilen, die Aufteilung bei dem Verhältnis halten, das Ihr Fehlerbudget zulässt, und die Kosten-pro-Task-Zahlen aus der Produktion statt aus einer Benchmark-Seite kommen lassen.

Was das für die nächsten sechs Wochen bedeutet

Für ein Team, das heute wählt, hat die Entscheidung eine Asymmetrie, die eine reine Fähigkeitsbetrachtung verbergen würde. Claude Opus 5 ist die risikoärmere Wahl: unabhängig bewertet, günstiger bei der Ausgabe und nicht für die Entfernung aus den Produkten vorgesehen, in denen es verkauft wird. GPT-5.5 ist kein schlechtes Modell — es ist ein starkes mit einem echten Vorsprung bei terminal-nativer agentischer Arbeit —, aber es auf dem Abonnement-Weg zu wählen bedeutet, ein Modell mit einem bekannten Ablaufdatum in sechs Wochen zu wählen, und auf dem API-Weg bedeutet es, eine dünnere und schrumpfende unabhängige Datenlage zu akzeptieren.

Die vertretbare Position ist, GPT-5.5 dort zu behalten, wo es nachweislich gewinnt und wo Sie den Pfad kontrollieren – die API, eine Codex-Sitzung mit API-Schlüssel –, und Claude Opus 5 überall sonst zum Standard zu machen. Was Ihre Meinung in die eine oder andere Richtung ändern sollte, ist weder das Marketing des einen noch des anderen Modells: Es ist der erste neutrale direkte Vergleichslauf unter einem einzigen festen Harness und das, was OpenAI dazu veröffentlicht, ob der API-Pfad für GPT-5.5 die Produkteinstellung übersteht.

Beide Seiten dieses Duells stehen hinter einem einzigen Schlüssel: GPT-5.5 und Claude Opus 5 trennt nur ein Modell-String, mit automatischem Failover zwischen ihnen.