Die Claude-Modellfamilie: opus, sonnet, haiku und wann Sie welches Modell einsetzen

Die falsche Claude-Stufe zu wählen ist der häufigste Weg, entweder Geld zu verbrennen oder etwas Langsames und Dummes auszuliefern. Anthropic bietet drei Modellfamilien an, und der Unterschied zwischen ihnen ist ein bewusster Trade-off zwischen reiner Leistungsfähigkeit, Latenz und Kosten. Ihre Aufgabe als Entwickler: Leiten Sie jede Aufgabe an die günstigste Stufe, die die Qualitätsanforderung noch erfüllt.

Die Kurzfassung: Opus für das schwierigste Reasoning und lange agentische Arbeit, Sonnet für die alltägliche Balance aus klug und schnell, und Haiku für latenzkritische Jobs mit hohem Volumen, bei denen Sie im Handumdrehen eine Antwort brauchen.

Die drei Stufen, nach Aufgabe statt nach Ego

Betrachten Sie die Familien als Rollen in einem Team, nicht als Rangliste.

Haiku ist für die schnellen Antworten zuständig. Es ist die günstigste Option mit der niedrigsten Latenz, gebaut für Klassifizierung, Extraktion, Routing, kurze Zusammenfassungen und die innere Schleife von Pipelines, die tausendfach laufen. Wenn die Aufgabe klar umrissen und das Budget pro Aufruf knapp ist, ist Haiku der Standard.

Sonnet ist das Arbeitspferd. Es bewältigt den Großteil des Produktions-Traffics: Entwürfe, Coding, mehrstufiges Reasoning, Tool-Nutzung und Dokumentenanalyse. Es ist stärker als Haiku und trotzdem schnell und günstig genug für den Einsatz in großem MaMaEinsatz von Software, um wiederkehrende Marketingaufgaben und Kampagnen zu automatisieren und Personalisierung in großem Maßstab über Kanäle wie E-Mail, Web und Social zu ermöglichen.Vollständige Definition ansehen →ßstab. Wenn Sie nicht sicher sind, wo Sie anfangen sollen, fangen Sie hier an.

Opus ist der Denker für die schweren Fälle. Greifen Sie bei harten Problemen darauf zurück: große Refactorings über viele Dateien, tiefgehende Synthese von Recherchen, agentische Workflows, in denen sich ein falscher Zwischenschritt aufschaukelt, und alles, wo die Kosten einer schlechten Antwort die Kosten des Aufrufs weit übersteigen.

Die Versionsnummern ändern sich. Zum Zeitpunkt der Erstellung ist die aktuelle Generation Opus 4.6, Sonnet 4.6 und Haiku 4.5, und das wird sich wieder ändern. Holen Sie aktuelle Modell-IDs und Fähigkeiten aus der Modellübersicht in der Dokumentation, statt sie aus dem Gedächtnis fest einzucodieren. Die Familien sind das stabile Konzept. Was sich ändert, ist das Versionssuffix.

Ein konkretes Routing-Beispiel

Sie bauen ein Support-Tool mit zwei sehr unterschiedlichen Aufgaben.

Aufgabe A: eingehende Tickets nach Kategorie und Dringlichkeit taggen. Das läuft bei jedem Ticket, den ganzen Tag, und muss schnell und günstig sein. Der Entscheidungsraum ist klein, und der Prompt ist jedes Mal derselbe. Das ist Haiku wie aus dem Lehrbuch.

from anthropic import Anthropic

client = Anthropic()

def classify_ticket(text: str) -> str:
    resp = client.messages.create(
        model="claude-haiku-4-5",
        max_tokens=20,
        system="Classify the ticket. Reply with exactly one of: BILLING, BUG, FEATURE, OTHER.",
        messages=[{"role": "user", "content": text}],
    )
    return resp.content[0].text.strip()

print(classify_ticket("I was charged twice this month"))

Achten Sie auf das knappe max_tokens und den eingeschränkten Output. Bei einer Klassifizierung bezahlen Sie für ein Label. Sie bezahlen nicht dafür, dass ein Modell laut nachdenkt.

Aufgabe B: ein Agent, der einen komplexen Bug behebt, indem ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → ein Repo mit vielen Dateien liest, das Problem reproduziert und einen Patch vorschlägt. Das ist eine lange, mehrstufige Aufgabe, und ein früher Fehlgriff macht den ganzen Durchlauf wertlos. Das ist Opus-Terrain, oder ein starkes Sonnet, wenn das Budget knapp und die Codebasis klein ist. Der Aufruf sieht hier anders aus: ein hohes TokenTokenEin Token ist die grundlegende Texteinheit, die Sprachmodelle verarbeiten, oft ein Wortfragment, ein ganzes Wort oder ein Satzzeichen und nicht ein einzelnes Zeichen.Vollständige Definition ansehen →-Budget, Tool-Zugriff und eingeschaltetes Thinking auf hohem Effort-Level.

Zu diesen Stellschrauben kommen wir als Nächstes.

Das große Kontextfenster verändert, wie Sie prompten

Claude-Modelle haben ein großes Kontextfenster. Die Standardstufen verarbeiten rund 200.000 Tokens, und aktuelle Opus- und Sonnet-Modelle bieten in manchen Konfigurationen ein Fenster von 1 Million Tokens. In der Praxis kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen Sie ein ganzes Codebasis-Modul, einen langen Vertrag oder ein vollständiges Meeting-Transkript in eine einzige Nachricht packen, statt alles vorab per Retrieval zu zerstückeln.

Das macht RAGRAGVerfahren, mit dem ein KI-Modell aus Ihren eigenen Dokumenten antwortet, indem es relevante Passagen abruft, bevor es eine Antwort erzeugt.Vollständige Definition ansehen → nicht überflüssig. Es ändert, wann Sie darauf zurückgreifen:

• Wenn das Material bequem hineinpasst und Sie es ein- oder zweimal abfragen, gehört es in den Prompt. Einfacher, weniger bewegliche Teile.
• Wenn der Korpus riesig ist, sich ständig ändert oder tausendfach abgefragt wird, nutzen Sie Retrieval, damit Sie nicht bei jedem Aufruf dafür bezahlen, dieselben Tokens erneut lesen zu lassen.

Ein nicht offensichtlicher Kostenhebel ist Prompt Caching. Wenn Sie denselben großen Präfix (einen langen System-Prompt, ein umfangreiches Dokument, ein Tool-SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen →) über viele Aufrufe hinweg senden, kann Anthropic ihn cachen, sodass Sie nicht jedes Mal den vollen Preis für die erneute Verarbeitung zahlen. Bei agentischen Schleifen, die in jeder Runde denselben Kontext erneut senden, ist die Ersparnis groß. Die Details stehen in der Messages-API-Dokumentation.

Effort- und Thinking-Steuerung

Hier ist die Wahl der Stufe keine Ja-Nein-Entscheidung mehr. Moderne Claude-Modelle können intern nachdenken, bevor sie eine endgültige Antwort geben (Extended Thinking), und Sie steuern, wie viel.

Mehr Thinking liefert bessere Ergebnisse bei schweren, mehrstufigen Problemen und kostet mehr Tokens und Latenz. Weniger Thinking liefert schnelle, günstige Antworten, die für einfache Aufgaben völlig ausreichen.

Bei den neuesten Modellen ist das empfohlene Setup Adaptive Thinking plus ein Effort-Level. Sie schalten Thinking ein, und das Modell entscheidet anhand der Anfrage, wie viel es nachdenkt. Die Einstellung effort (low, medium, high oder max bei Opus) gibt vor, wie sehr es sich insgesamt anstrengen soll:

resp = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=16000,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},
    messages=[{"role": "user", "content": "Refactor this module for testability:\n\n" + source}],
)

Ältere Modelle wie Opus 4.5 und Haiku 4.5 verwenden ein festes Budget, thinking={"type": "enabled", "budget_tokens": 4000}. Diese Form ist bei den 4.6-Modellen veraltet. Wenn Sie also eine bestehende App upgraden, prüfen Sie in der Dokumentation, welche Parameter jedes Modell akzeptiert. Effort wirkt sich auch auf normalen Output und Tool-Aufrufe aus. Auf medium oder low schreibt ein Modell knappere Antworten und macht weniger explorative Tool-Aufrufe, selbst wenn Thinking ausgeschaltet ist.

Der praktische Ablauf ist eine Entscheidung auf zwei Achsen:

1. Wählen Sie die Familie (Haiku, Sonnet, Opus) für die Mindestleistung, die Sie brauchen.
2. Setzen Sie den Effort danach, wie schwer dieser konkrete Aufruf ist.

Ein Sonnet auf hohem Effort kann bei manchen Reasoning-Aufgaben ein Opus auf niedrigem Effort übertreffen, und es kostet weniger. Messen Sie mit Ihren eigenen Evals, bevor Sie annehmen, dass das größte Modell gewinnt. Das Ziel ist die günstigste Kombination, die zuverlässig funktioniert.

Wo die Stufen im Ökosystem auftauchen

Dieselben Familien stecken hinter allem, was Anthropic anbietet, aber die Oberfläche bestimmt, mit welcher Stufe Sie arbeiten und wie Sie sie steuern.

In den Claude-Apps (Web, Desktop, Mobil) wählen Sie das Modell meist aus einem Dropdown. Projects erlauben es, dauerhaften Kontext und Dateien für einen Arbeitsbereich festzulegen. Artifacts stellen generierte Dokumente, Apps und Diagramme in einem Seitenbereich dar, in dem Sie sie weiterentwickeln können. Styles speichern Tonalität und Format, damit der Output zu Ihrem Stil passt, ohne dass Sie jedes Mal neu prompten müssen.

Skills bündeln wiederverwendbare Anweisungen und Ressourcen, die das Modell für wiederkehrende Aufgaben aufrufen kann. Connectors, einschließlich des Connector-Verzeichnisses, verbinden Claude mit externen Tools und Daten. Technisch sprechen Connectors MCP, das Model Context Protocol, den offenen Standard, um einem Modell Tools, Daten und Prompts auf einheitliche Weise bereitzustellen. Lernen Sie MCPMCPEin offener Standard, mit dem KI-Assistenten einheitlich und kontrolliert an die Werkzeuge und Daten des Unternehmens angebunden werden, statt jede Integration einzeln zu bauen.Vollständige Definition ansehen → einmal, und Ihre Integrationen funktionieren in den Apps, in Claude Code und in Ihren eigenen APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →-Agents.

Für Entwickler sind drei Oberflächen am wichtigsten:

• Die Messages API ist der direkte Endpunkt, an dem Sie die Modell-ID wählen, max_tokens, Thinking und Effort setzen, Tools anbinden und Prompt Caching nutzen. Alles andere baut darauf auf.
• Claude Code ist das agentische Coding-Tool von Anthropic. Es läuft in Ihrem Terminal und Editor, liest und bearbeitet Ihr Repo, führt Befehle aus und verbindet sich mit MCP-Servern. Sie können darin Modell und Effort wechseln, und dort sind lange agentische Coding-Aufgaben zu Hause.
• Das Claude Agent SDK stellt Ihnen das Grundgerüst zur Verfügung, auf dem Claude Code aufgebaut ist, sodass Sie eigene Agents mit derselben Schleife bauen können: Tool-Nutzung, Dateizugriff und Ausführung über mehrere Runden. Repos und Beispiele finden Sie unter github.com/anthropics, und über die GitHub-Integration kann Claude direkt Pull Requests öffnen und auf Issues reagieren.

Die oben beschriebene Routing-Logik gilt in all diesen Umgebungen. Ein Agent könnte Haiku nutzen, um zu sortieren, welche Dateien relevant sind, und dann für den eigentlichen Fix an Opus eskalieren. Gestaffeltes Routing innerhalb eines Workflows ist das fortgeschrittene Muster, das Sie verinnerlichen sollten.

Eine einfache Routing-Policy, die Sie tatsächlich ausliefern können

Routen Sie nicht nach Bauchgefühl. Schreiben Sie die Policy auf. Hier eine Vorlage für den Einstieg, die Aufgabentyp und Stufe zuordnet:

routing:
  - task: classification_or_extraction
    model: haiku
    thinking: disabled
    notes: high volume, constrained output, tiny max_tokens

  - task: drafting_summarizing_coding
    model: sonnet
    effort: medium
    notes: default for most production traffic

  - task: long_agentic_or_deep_reasoning
    model: opus
    thinking: adaptive
    effort: high
    notes: refactors across files, research synthesis, costly-to-be-wrong

Dann tun Sie zwei Dinge. Erstens: Setzen Sie Leitplanken. Begrenzen Sie max_tokens pro Stufe, damit ein außer Kontrolle geratener Agent nicht unbemerkt Ihr Budget verbrennt. Zweitens: Bauen Sie ein kleines Eval-Set aus echten Aufgaben und lassen Sie jede Stufe und jedes Effort-Level dagegen laufen. Meist stellen Sie fest, dass Sonnet bei mehr Aufgaben die Anforderung erfüllt als erwartet und Sie Opus nur für eine Minderheit brauchen. Genau dieses Ergebnis wollen Sie, denn es bedeutet, dass Sie Opus-Geld nur dort ausgeben, wo es sich auszahlt.

Ein Hinweis zur Kostendisziplin

Die Preise werden pro Token berechnet und unterscheiden sich stark nach Stufe. Haiku ist am günstigsten und Opus mit großem Abstand am teuersten. Die genauen Zahlen ändern sich, prüfen Sie also die offizielle Preisseite, bevor Sie Ihre Unit Economics modellieren. Die dauerhaften Prinzipien:

• Thinking-Tokens werden als Output-Tokens abgerechnet. Hoher Effort bei Opus summiert sich im großen Maßstab schnell.
• Prompt Caching ist der größte Hebel für wiederkehrende Aufrufe mit großem Kontext.
• Sehr lange Prompts im 1M-Kontextfenster können zu einem höheren Satz abgerechnet werden. Füllen Sie es also nicht, nur weil Sie es können.
• Eskalation schlägt pauschale Upgrades. Lassen Sie zuerst die günstige Stufe laufen, erkennen Sie geringe Zuverlässigkeit oder Fehler, und wiederholen Sie dann auf einer stärkeren Stufe.

Key Takeaways

• Routen Sie nach Aufgabe, nicht nach Prestige. Haiku für Klassifizierung und Extraktion mit hohem Volumen, Sonnet als Standard im Alltag, Opus für lange agentische Arbeit und tiefes Reasoning, wo eine falsche Antwort teuer ist.
• Stufe und Effort sind getrennte Regler. Die Familie legt die Mindestleistung fest, und Effort (bei aktuellen Modellen mit Adaptive Thinking) bestimmt, wie viel Aufwand jeder Aufruf betreibt. Ein gut eingestelltes Sonnet schlägt oft ein schlecht eingestelltes Opus.
• Ältere Modelle verwenden für Thinking ein festes budget_tokens. Die neuesten nutzen Adaptive Thinking und Effort, prüfen Sie also, welche Parameter Ihre Modell-ID unterstützt.
• Nutzen Sie das große Kontextfenster bewusst. Packen Sie Material in den Prompt, wenn es hineinpasst und Sie es selten abfragen, nutzen Sie Retrieval, wenn der Korpus riesig ist oder ständig abgefragt wird, und cachen Sie den wiederholten Präfix in beiden Fällen.
• Schreiben Sie Ihre Routing-Policy auf und untermauern Sie sie mit einem echten Eval-Set. Meist brauchen Sie Opus seltener, als Ihr Instinkt vermuten lässt, und MCP sowie gestaffeltes Routing lassen sich auf die Apps, Claude Code und das Agent SDK übertragen.