Claude Opus 5 ist das Flaggschiffmodell von Anthropic für anspruchsvolle Argumentation, Programmierung und langfristige agentische Arbeiten – das leistungsfähigste Modell der Opus-Reihe, das es je gab. Es ist besonders stark in der durchgängigen Softwareentwicklung, Code-Review und Fehlersuche sowie visueller Analyse und wurde entwickelt, um über sehr lange, mehrschrittige agentische Sitzungen mit umfangreicher Tool-Nutzung kohärent zu bleiben. Es akzeptiert Text-, Bild- und Dateieingaben mit Textausgabe, bietet ein Kontextfenster von 1M Token mit bis zu 128K Ausgabetoken und unterstützt adaptive Argumentation mit konfigurierbarem Aufwand. Opus 5 verwendet das adaptive Thinking-Design von Anthropic: Anstatt Parameter wie Temperature oder Top_p zu sampeln, steuern Aufrufer die Tiefe über den Reasoning-Aufwand, und das Modell weist das Denken automatisch zu. Es spricht sowohl das OpenAI-Chat-Completions-Format als auch die native Messages-API von Anthropic (/v1/messages), unterstützt strukturierte Ausgaben, Kontrolle des Ausführlichkeitsgrads und nativen Tool-Aufruf und ist eine starke Standardeinstellung für Produktions-Coding-Agenten, tiefgehende Recherche und komplexe Automatisierung, bei denen Korrektheit und Urteilsvermögen am wichtigsten sind.
Claude Opus 5 ist ein großes Sprachmodell, entwickelt von Anthropic, und wird als das leistungsfähigste Modell in ihrer Produktpalette positioniert. Es ist für Aufgaben konzipiert, die tiefgehendes…
Claude Opus 5 zeichnet sich bei Aufgaben aus, die erweitertes Denken, mehrschrittige Problemlösung und präzise Befolgung von Anweisungen erfordern. Es kann lange Konversationsverläufe analysieren, um einen konsistenten Kontext zu bewahren, fortgeschrittene Mathematikaufgaben mit detaillierter Schritt-für-Schritt-Logik lösen, komplexen Code über mehrere Dateien hinweg schreiben und debuggen sowie lange, zusammenhängende Dokumente erstellen. Seine multimodale Fähigkeit erlaubt es, Bilder – wie Grafiken, Diagramme oder handschriftliche Notizen – zu interpretieren und in seine Antworten einzubeziehen. Das Modell ist außerdem versiert in Aufgaben wie der Zusammenfassung großer Textmengen, dem Extrahieren strukturierter Daten aus unstrukturierten Quellen und der Beantwortung von Fragen, die das Synthetisieren von Informationen aus verschiedenen Teilen einer langen Eingabe erfordern. Aufgrund der hohen Kosten wird es am besten für Aufgaben eingesetzt, bei denen Genauigkeit und Tiefe entscheidend sind und bei denen ein kleineres Modell wahrscheinlich Fehler machen würde. Für einfachere Abfragen ist ein günstigeres Modell derselben Familie wirtschaftlicher.
Claude Opus 5 akzeptiert Datei-Uploads als Teil seiner Eingabe, sodass Benutzer ganze Dokumente zur Verarbeitung senden können. Die unterstützten Dateimodalitäten werden von Anthropic nicht vollständig offengelegt, aber gängige Formate wie PDF, DOCX, TXT und Bilder funktionieren bekanntermaßen. Wenn eine Datei bereitgestellt wird, liest das Modell deren Inhalt und kann darüber schlussfolgern, als ob es Inline-Text wäre. Dies ist besonders nützlich für Aufgaben wie die Analyse von rechtlichen Schriftsätzen, das Extrahieren von Kernpunkten aus Forschungspapieren oder die Verarbeitung von Datentabellen. Der Dateiinhalt zählt zum gesamten Token-Kontextfenster (1M Token) hinzu. Da das Parsen von Dateien zusätzliche Verarbeitungszeit verursachen kann, sollten Benutzer dies in ihren Latenzerwartungen berücksichtigen. OrcaRouter leitet die Datei unverändert an das Modell weiter und stellt sicher, dass keine zwischengeschaltete Transformation den Inhalt verändert. Entwickler können Dateiverweise in die API-Anfrage unter Verwendung einer Standardstruktur einfügen, die mit dem API-Schema von Anthropic kompatibel ist.
Claude Opus 5 ist dann am wertvollsten, wenn die Aufgabe umfangreichen Kontext, hohe Reasoning-Tiefe oder die Verarbeitung mehrerer Modalitäten erfordert. Beispielsweise benötigt die Zusammenfassung eines 500-seitigen Rechtsdokuments den 1M Token Kontext, den kleinere Modelle nicht bieten. Die Analyse einer komplexen Forschungsarbeit mit vielen Querverweisen profitiert von der Fähigkeit des Modells, alle Details in einem einzigen Kontext zu behalten. Ebenso eignen sich Aufgaben, die gleichzeitiges Reasoning über mehrere Bilder und lange Texte erfordern. Im Gegensatz dazu sind für kurze Q&A, einfache Übersetzungen oder lockere Unterhaltungen kleinere, günstigere Modelle wie Claude Haiku oder Sonnet kosteneffizienter. OrcaRouter ermöglicht es Benutzern, verschiedene Arten von Abfragen über dieselbe API an das optimale Modell weiterzuleiten, sodass Claude Opus 5 für die schwierigsten Probleme reserviert werden kann, während für Routineaufgaben günstigere Modelle verwendet werden. Der Kostenunterschied ist erheblich: Opus 5 ist beim Input 20x teurer als Haiku (wenn Haiku $0.25 pro 1M kostet), daher ist ein gezielter Einsatz empfehlenswert.
Sie sollten ein günstigeres Modell wählen, wenn die Aufgabe einfach, kurz ist oder nicht die volle Reasoning-Kapazität von Claude Opus 5 erfordert. Zum Beispiel können faktische Fragen beantwortet, kurze Antworten generiert, einfache Klassifikationen durchgeführt oder Eingaben unter 100K Tokens effektiv mit Modellen wie Claude Sonnet 4 oder Haiku bearbeitet werden. Diese Modelle haben niedrigere Kosten pro Token und oft auch eine geringere Latenz. Wenn Ihre Anwendung zudem hohe Durchsatzanforderungen und strenge Budgetvorgaben hat, wäre die Nutzung von Opus 5 für jeden Aufruf unerschwinglich teuer. OrcaRouter ermöglicht es Ihnen, eine Modellauswahllogik in Ihrer Anwendung festzulegen – beispielsweise nur dann Opus 5 zu verwenden, wenn die Eingabelänge 500K Tokens überschreitet oder der Abfragekomplexitätswert hoch ist. Bewerten Sie stets, ob der inkrementelle Genauigkeitsgewinn von Opus 5 die zusätzlichen Kosten rechtfertigt. In vielen Produktionsumgebungen kann ein gut abgestimmtes kleineres Modell zu einem Bruchteil der Kosten zufriedenstellende Ergebnisse liefern.
Spezifische Benchmark-Ergebnisse für Claude Opus 5 wurden in den verfügbaren Fakten nicht angegeben. Allerdings wird erwartet, dass Claude Opus 5 als das leistungsfähigste Modell von Anthropic seine Vorgänger und konkurrierenden Modelle bei Standardbewertungen für logisches Denken, Programmierung, Mathematik und Aufgaben mit langem Kontext übertrifft. Historisch gesehen haben Opus-Modelle bei Benchmarks wie MMLU, GSM8K und HumanEval Spitzenergebnisse erzielt. Da das Modell einen Kontext von 1 Million Token hat, schneidet es wahrscheinlich gut bei Needle-in-a-Haystack-Tests und Fragen-Antworten zu langen Dokumenten ab. Benutzer, die das Modell bewerten, sollten ihre eigenen aufgabenspezifischen Benchmarks durchführen, um die Leistung mit Alternativen zu vergleichen. OrcaRouter verändert die Modellausgaben nicht, daher spiegeln die Benchmark-Ergebnisse die native Fähigkeit des Modells wider. Für offizielle Zahlen verweisen wir auf den technischen Bericht von Anthropic oder veröffentlichte Bewertungen. Ohne konkrete Daten empfehlen wir, interne Tests mit repräsentativen Daten durchzuführen, um zu beurteilen, wie Claude Opus 5 Ihre Anforderungen erfüllt.
Es wurden keine spezifischen Latenz- oder Geschwindigkeitsangaben für Claude Opus 5 gemacht. Im Allgemeinen benötigen größere Modelle mit mehr Parametern – wie Opus-Modelle – länger, um Tokens zu generieren, verglichen mit kleineren Modellen. Die Latenz wird auch durch die Eingabe- und Ausgabelänge beeinflusst: Ein Prompt mit 500K Tokens hat eine höhere Time-to-First-Token als ein kurzer Prompt. Die maximale Ausgabe von 128K Tokens bedeutet, dass die Generierung sehr langer Antworten erhebliche Wanduhrzeit in Anspruch nehmen kann. Benutzer sollten im Vergleich zu kleineren Anthropic-Modellen langsamere Antwortzeiten erwarten. Streaming-Antworten können helfen, die gefühlte Latenz für Chat-Anwendungen zu reduzieren. OrcaRouter unterstützt Streaming über seine OpenAI-kompatible API und ermöglicht die teilweise Token-Auslieferung. Für Echtzeit- oder Hochdurchsatzanwendungen sollten Sie die Verwendung eines schnelleren Modells in Betracht ziehen. Wenn die Benchmark-Latenz wichtig ist, führen Sie Tests mit repräsentativen Payloads durch, um die p50- und p95-Antwortzeiten in Ihrer Umgebung zu messen.
Trotz seiner Fähigkeiten hat Claude Opus 5 mehrere Einschränkungen. Erstens machen die hohen Kosten ($5 per 1M input, $25 per 1M output) es für viele Anwendungsfälle unwirtschaftlich. Zweitens kann das lange Kontextfenster zu hoher Latenz und Token-Verbrauch führen, was sowohl Zeit als auch Kosten erhöht. Drittens kann es als großes Sprachmodell immer noch Halluzinationen oder Fehler produzieren, insbesondere bei Nischen- oder mehrdeutigen Themen. Der Trainingsdaten-Cutoff ist nicht angegeben, aber es hat wahrscheinlich eine Wissensgrenze. Das Modell kann auch keine Echtzeit-Updates durchführen oder nativ auf externe Datenbanken zugreifen (es sei denn, es wird mit Tool-Aufrufen verwendet). Darüber hinaus kann die Leistung bei hochkomplexen visuellen Denkaufgaben, obwohl es multimodale Eingaben unterstützt, weniger zuverlässig sein als bei Text. Schließlich stellt OrcaRouter das Modell so zur Verfügung, wie es ist, ohne Modifikationen an Sicherheitsfiltern oder Ausgabesteuerung; Benutzer müssen bei Bedarf eigene Sicherheitsvorkehrungen implementieren. Für kritische Anwendungen sollten Ausgaben stets unabhängig validiert werden.
Claude Opus 5 auf OrcaRouter wird zum exakten Anthropic-Provider-Tarif ohne Aufschlag angeboten: 5,00 $ pro 1 Million Input-Token und 25,00 $ pro 1 Million Output-Token. Das bedeutet, dass die Nutzer genau das zahlen, was Anthropic verlangt, ohne zusätzliche Gateway-Gebühren. Token werden gemäß der Anthropic-Tokenisierung gezählt (einschließlich Bild-Token). Der Input-Preis gilt für alle Token in der Eingabeaufforderung, einschließlich Systemnachrichten, Benutzernachrichten und aller verarbeiteten Datei- oder Bildinhalte. Output-Token umfassen die generierte Antwort. OrcaRouter erhebt keine zusätzlichen Aufschläge oder versteckten Kosten. Es gibt auch keine Mindestabnahme oder Nutzungsstufen; es wird eine Bezahlung nach Verbrauch (Pay-as-you-go) verwendet. Diese transparente Preisgestaltung macht es einfach, die Kosten für eine bestimmte Arbeitslast zu berechnen. Beispielsweise würde eine Abfrage mit 10.000 Input-Token und 500 Output-Token ungefähr $0,05 (Input) + $0,0125 (Output) = $0,0625 kosten.
Die verfügbaren Informationen enthalten nur die Preise für Claude Opus 5. Allerdings ist Claude Opus 5 basierend auf öffentlich bekannten Preisen für andere Anthropic-Modelle (hier nicht aufgeführt, aber allgemein bekannt) deutlich teurer als kleinere Modelle wie Claude Sonnet 4 oder Claude Haiku. Zum Vergleich: Claude Opus-Modelle haben historisch gesehen etwa 15–20 Mal mehr pro Input-Token gekostet als Haiku. Nutzer sollten dies berücksichtigen, wenn sie entscheiden, ob eine Aufgabe die volle Leistung von Opus 5 erfordert. OrcaRouter leitet die Anbieterraten für alle Modelle weiter, sodass der relative Kostenunterschied zwischen den Modellen erhalten bleibt. Wenn Sie mehrere Anthropic-Modelle über OrcaRouter verwenden, können Sie die Kosten verwalten, indem Sie einfachere Anfragen an günstigere Modelle weiterleiten. Es gibt keinen Mengenrabatt über OrcaRouter speziell für Claude Opus 5, da die Abrechnung zum Anbieterpreis erfolgt. Bei großem Umfang kann die direkte Kontaktaufnahme mit Anthropic individuelle Preise bieten, aber OrcaRouter bietet den Standardpreis.
Die verfügbaren Fakten erwähnen keine Caching-Optionen für Claude Opus 5. Auf der direkten API von Anthropic bieten sie möglicherweise Prompt-Caching zu reduzierten Preisen für wiederholte Prompts an, aber diese Information ist für diese Modellversion nicht bestätigt. OrcaRouter implementiert keine eigene Caching-Ebene; alle Anfragen werden an die Anthropic-API weitergeleitet und gemäß der Preisgestaltung des Anbieters abgerechnet. Falls Anthropic eine Caching-Funktion für Claude Opus 5 anbietet, würde diese automatisch angewendet werden, wenn die entsprechenden API-Parameter verwendet werden. Benutzer sollten die Anthropic-Dokumentation auf die neuesten Caching-Details überprüfen. Bis das Caching bestätigt ist, ist der einfachste Weg, die Kosten zu senken, die Nutzung von Eingabe-Tokens zu minimieren – durch prägnante Prompts, Kürzen unnötiger Gesprächshistorien oder die Verwendung kürzerer Beispiele. Auch die Wahl eines günstigeren Modells für einfachere Aufgaben reduziert die Ausgaben. Die API von OrcaRouter erhebt keinen Aufpreis für Low-Latency- oder Priority-Routing, daher basieren die Kosten ausschließlich auf dem Token-Verbrauch.
Die Gesamtkosten für die Nutzung von Claude Opus 5 werden durch die Gesamtzahl der verarbeiteten Input-Tokens und Output-Tokens bestimmt. Input-Tokens umfassen den gesamten Text, Bild-Tokens und Dateiinhalte im Prompt. Output-Tokens sind die Antwort des Modells. Der Preis beträgt 5 $ pro Million Input-Tokens und 25 $ pro Million Output-Tokens. Es fallen keine zusätzlichen Gebühren oder monatlichen Kosten von OrcaRouter an. Längere Prompts, insbesondere solche, die das volle 1M-Kontextfenster nutzen, verursachen höhere Input-Kosten. Längere generierte Antworten erhöhen die Output-Kosten. Bei multimodalen Eingaben werden Bilder gemäß dem Schema von Anthropic tokenisiert (normalerweise basierend auf Bildgröße und Detailstufe). Benutzer sollten die Token-Nutzung über die API-Antwortmetadaten (z. B. usage-Felder) überwachen, um die Kosten zu verfolgen. OrcaRouter stellt diese Informationen in der API-Antwort bereit. Zur Kostenkontrolle sollten Sie max_tokens-Limits für Outputs festlegen, den Input-Kontext auf das Nötigste beschränken und für risikoarme Anfragen die Verwendung eines günstigeren Modells in Betracht ziehen.
Um Claude Opus 5 über OrcaRouter aufzurufen, verwenden Sie einen OpenAI-kompatiblen API-Client. Setzen Sie die Basis-URL auf https://api.orcarouter.ai/v1 und die Modell-ID auf "anthropic/claude-opus-5". Sie können jedes OpenAI SDK (Python, Node.js, etc.) verwenden, müssen aber die Basis-URL und den Modellnamen ersetzen. Die Authentifizierung erfolgt über einen API-Schlüssel von OrcaRouter. Eine typische Chat-Completion-Anfrage könnte wie folgt aussehen: POST /v1/chat/completions mit model: "anthropic/claude-opus-5", messages-Array und optional max_tokens, temperature, usw. OrcaRouter übersetzt das OpenAI-Schema intern in das Anthropic-Format. Beachten Sie, dass einige Anthropic-spezifische Parameter (wie system messages) über das OpenAI-Schema unterstützt werden – die Systemrolle in den messages wird entsprechend zugeordnet. Für multimodale Eingaben verwenden Sie die content-parts-Struktur mit type "text" und type "image_url" (oder file_url, falls unterstützt). Die API verarbeitet und berechnet dies entsprechend.
Bei Verwendung der OrcaRouter-API zum Aufrufen von Claude Opus 5 können Sie die standardmäßigen OpenAI-Chat-Completion-Parameter verwenden: model (erforderlich), messages (erforderlich), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop, stream und user. Das messages-Array unterstützt die Rollen system, user und assistant. Für multimodale Eingaben können user-Nachrichten Inhalte als Array von Teilen mit den Typen "text" und "image_url" enthalten (wobei url ein base64-codiertes Bild oder eine HTTP-URL ist). Dateieingaben können ähnlich übergeben werden, sofern vom zugrunde liegenden Anbieter unterstützt. OrcaRouter akzeptiert möglicherweise zusätzliche Parameter wie "tools" für Funktionsaufrufe, die Kompatibilität hängt jedoch von der Implementierung von Anthropic ab. Es gibt keine Garantie, dass alle OpenAI-Parameter identisches Verhalten aufweisen; zum Beispiel wird frequency_penalty möglicherweise nicht von Anthropic unterstützt. Überprüfen Sie die Dokumentation von OrcaRouter auf Details zur Parameterzuordnung. Streaming wird über den stream-Parameter unterstützt, der Tokens schrittweise zurückgibt. Die Antwort enthält Nutzungsstatistiken mit prompt_tokens- und completion_tokens-Zählungen.
Der Umstieg von der direkten API von Anthropic auf OrcaRouter erfordert nur minimale Änderungen, da OrcaRouter eine OpenAI-kompatible API bereitstellt. Ändern Sie zuerst Ihre Basis-URL auf https://api.orcarouter.ai/v1. Ersetzen Sie zweitens Ihre Modellkennung aus dem Anthropic-Format (z. B. "claude-opus-5-20241022") durch "anthropic/claude-opus-5". Drittens besorgen Sie sich einen API-Schlüssel von OrcaRouter und verwenden Sie ihn im Authorization-Header anstelle Ihres Anthropic-Schlüssels. Das Anfrage-/Antwortformat ist nahezu identisch, aber Sie müssen das OpenAI-Schema verwenden. Zum Beispiel senden Sie anstatt einer Nachricht mit der Rolle "user" immer noch die Rolle "user". Allerdings sollten die für Anthropic spezifischen Felder wie "system" als Top-Level-Feld auf eine Systemnachricht im messages-Array abgebildet werden. OrcaRouter übernimmt die Übersetzung. Möglicherweise müssen Sie den SDK-Code aktualisieren, um die OpenAI-Clientbibliothek anstelle der von Anthropic zu verwenden. Testen Sie mit einigen Anfragen, um zu bestätigen, dass die Antworten den Erwartungen entsprechen. Beachten Sie, dass die Abrechnung über OrcaRouter erfolgt, nicht über Anthropic, aber die Preise sind identisch (kein Aufschlag).
Die verfügbaren Fakten enthalten keine Preis- oder Spezifikationsangaben für Claude Sonnet 4. Generell sind die Opus-Modelle von Anthropic die leistungsfähigsten und teuersten, während Sonnet-Modelle eine ausgewogene Mischung aus Leistung und Kosten bieten. Es wird erwartet, dass Claude Opus 5 Sonnet 4 bei komplexem Denken, längeren Kontextaufgaben und Genauigkeit übertrifft. Allerdings hat Opus 5 eine höhere Latenz und höhere Kosten. Wenn Ihre Aufgaben nicht die extreme Leistungsfähigkeit von Opus 5 erfordern, liefert Sonnet 4 wahrscheinlich gute Ergebnisse zu einem niedrigeren Preis. Der Kontextfenster von Opus 5 (1 Mio. Tokens) ist größer als bei typischen Sonnet-Modellen (oft 200K oder 100K). Für Aufgaben, die einen sehr langen Kontext benötigen, ist Opus 5 daher die einzige Wahl. OrcaRouter unterstützt beide Modelle, sodass Sie einen empirischen Vergleich anstellen können. Für budgetbewusste Bereitstellungen beginnen Sie mit Sonnet 4 und steigen nur dann auf Opus 5 um, wenn Sie die zusätzliche Leistung benötigen.
Der Vergleich von Claude Opus 5 mit GPT-4o erfordert Vorsicht, da keine direkten Vergleichsdaten vorliegen. Beide sind führende multimodale Modelle mit großen Kontextfenstern. GPT-4o von OpenAI hat ein Kontextfenster von 128K Token und unterstützt Text-, Bild- und Audioeingaben. Claude Opus 5 hat ein viel größeres Kontextfenster von 1M Token, was für die Verarbeitung extrem langer Dokumente vorteilhaft ist. In Bezug auf die Preisgestaltung ist GPT-4os Preis (hier nicht angegeben) normalerweise niedriger als der von Opus 5. Beide Modelle sind über die API von OrcaRouter mit der OpenAI-kompatiblen Schnittstelle verfügbar, was einen einfachen Wechsel ermöglicht. Die Wahl zwischen ihnen kann von der spezifischen Aufgabenleistung, den Sicherheitspräferenzen und der Vertrautheit mit dem Ökosystem abhängen. Benutzer sollten beide an repräsentativen Stichproben testen, um zu ermitteln, welches für ihren Anwendungsfall bessere Ergebnisse liefert. Claude Opus 5 könnte für Aufgaben bevorzugt werden, die ein tiefes kontextuelles Verständnis über sehr lange Eingaben erfordern, während GPT-4o möglicherweise breitere multimodale Fähigkeiten (Audio) und oft niedrigere Kosten bietet.
Wählen Sie Claude Opus 5, wenn Ihre Aufgabe das höchste Maß an Reasoning-Genauigkeit erfordert und die Fähigkeit, extrem lange Kontexte von bis zu 1 Million Token zu verarbeiten. Dies umfasst Szenarien wie das Analysieren ganzer Bücher oder umfangreicher Rechtsfälle, das Bearbeiten massiver Codebasen oder das Durchführen von mehrstufigen Schlussfolgerungen über Hunderte von Seiten. Wenn Ihre Anwendung multimodale Eingaben (Text, Bild, Datei) mit tiefem Verständnis erfordert, ist Opus 5 ein starker Kandidat. Wenn die Genauigkeit von größter Bedeutung ist und Fehler eines günstigeren Modells teuer wären, kann der Aufpreis für Opus 5 gerechtfertigt sein. Für einfache Aufgaben, kurze Eingaben oder Chat-Anwendungen mit hohem Durchsatz ist ein günstigeres Modell wie Claude Sonnet 4 oder GPT-4o mini jedoch praktischer. OrcaRouter ermöglicht es Ihnen, denselben API-Endpunkt für alle Modelle zu verwenden, sodass Sie Aufgaben basierend auf der Komplexität dynamisch weiterleiten können. Wägen Sie stets die Kosten pro Token gegen den Wert der zusätzlichen Fähigkeiten ab.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-opus-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningreasoning_effortresponse_formatstopstructured_outputstool_choicetoolsverbosity| Eingabe / 1M Tokens | $5.00 |
| Ausgabe / 1M Tokens | $25.00 |
| Cache-Lesen / 1M | $0.500 |
| Cache-Schreiben / 1M | $10.00 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/anthropic/claude-opus-5Öffnen @misc{orcarouter_claude_opus_5,
title = {Claude Opus 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-opus-5}
}Anthropic. (2026). Claude Opus 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-opus-5