Claude Opus 5 – samme pris, mer agentarbeid og en viktig hake

Hvis du bruker AI-agenter til faktisk arbeid, er Claude Opus 5 interessant av en langt bedre grunn enn at den topper noen tabeller. Anthropic lover mer fullført arbeid til samme tokenpris som Opus 4.8. Det kan være viktigere enn selve modellhoppet.

En billig modell er nemlig ikke billig hvis den bruker dobbelt så mange tokens, tar flere verktøyrunder og etterlater halvparten av jobben til deg. Da har du spart på stykkprisen og tapt på hele oppgaven. Det er litt som å velge den billigste håndverkeren og oppdage at du må gjøre ferdig badet selv.

Opus 5 ser ut som Anthropics forsøk på å gjøre toppmodellen praktisk nok til daglig bruk: nær Fable-nivå, halv tokenpris og mer egenkontroll under lange agentløp. Men det følger med en viktig hake. Modellen kan være mer nøyaktig totalt og samtidig finne på faktapåstander litt oftere, og sikkerhetsfiltre kan bytte den ut med Opus 4.8 midt i arbeidet.

Hva er egentlig nytt i Claude Opus 5?

Claude Opus 5 er en ny generasjon for komplekst agentarbeid, ikke bare en litt raskere utgave av Opus 4.8. Anthropic lanserte modellen 24. juli 2026 og beskriver den som laget for agentisk koding og krevende profesjonelt arbeid.

Prisnivået på 5 dollar per million inputtokens og 25 dollar per million outputtokens er ikke nytt. Det samme gjelder kontekstvinduet på én million tokens. Dette var allerede sentrale poenger da jeg skrev om Opus 4.8 og 5/25-dollarprisen. Nyheten nå er hvor mye arbeid Anthropic mener modellen får gjort innenfor den samme regningen.

Oppførselen er også endret. Thinking er aktivert som standard, og utviklere kan styre innsatsen med nivåene low, medium, high, xhigh og max. Modellen kan legge til og fjerne verktøy mellom turer uten å ødelegge prompt-cache, og den delegerer lettere til underagenter. Det er slike endringer som kan merkes i en ordentlig arbeidsflyt. En ny poengsum på en scene gjør sjelden det.

Hvorfor kostnad per fullført oppgave betyr mer

Kostnad per fullført oppgave er summen av alt modellen bruker før resultatet faktisk kan tas i bruk. Tokenpris er bare én del. Antall forsøk, verktøykall, rettelser, underagenter og menneskelig opprydding hører også med.

Standardprisen tilsvarer med Norges Banks kontrollerte kurs fra 24. juli omtrent 48 kroner per million inputtokens og 240 kroner per million outputtokens. Fast mode dobler dette til cirka 96 og 479 kroner. Det høres enkelt ut, men tokenregningen alene forteller ikke om modellen leverte en ferdig funksjon, fant rotårsaken til feilen eller bare produserte en selvsikker lapp på symptomet.

Anthropic legger uvanlig stor vekt på nettopp kostnad per oppgave i lanseringen. Selskapets egne tester og rapporter fra tidlige brukere peker mot færre runder og mer arbeid som blir ført helt fram. Det er lovende, men fortsatt leverandørdata og tidlige erfaringer. Den riktige testen er derfor ikke om Opus 5 har en penere graf. Det er om din egen arbeidsflyt trenger mindre opprydding etterpå.

Dette er også grunnen til at den billigste modellen i prislisten ikke automatisk vinner. Sonnet kan gi svært mye kvalitet for pengene på vanlige oppgaver. Opus 5 blir først økonomisk interessant når den ekstra kapasiteten faktisk reduserer antall forsøk, verktøyrunder og timer med menneskelig kontroll.

Mer egenkontroll kan være den største forbedringen

Det mest interessante Anthropic viser fram, er ikke at Opus 5 svarer litt bedre på et spørsmål. Det er at modellen skal kontrollere sitt eget arbeid mer aktivt før den leverer. I eksemplene finner den rotårsaken i kode, lager et eget testverktøy når det mangler og sjekker et webgrensesnitt i flere skjermstørrelser før overlevering.

Dette er akkurat den typen oppførsel jeg vil se fra en agent. En god agent bør ikke rope «ferdig» fordi koden kjørte én gang. Den bør undersøke om resultatet faktisk løser oppgaven, oppdage egne feil og rette dem mens den fortsatt har konteksten. Ifølge Anthropics tekniske oversikt over Opus 5 fullfører modellen oftere større endringer uten å etterlate tomme funksjoner og plassholdere.

Men bedre egenkontroll betyr ikke at gamle prompter bør beholdes urørt. Anthropic advarer om at ekstra instrukser som «bruk en underagent til å verifisere alt» kan gi overkontroll, flere verktøykall og høyere kostnad. Opus 5 gir også lengre svar og flere statusoppdateringer som standard. Vil du ha korte svar eller begrenset delegering, bør du si det tydelig.

Effort-nivåene blir derfor mer enn en teknisk innstilling. High er standard, mens low og medium kan være fornuftige når kvaliteten holder og kostnad betyr mye. Xhigh og max gir mer rom for de vanskeligste løpene, men også mer tenking og større tokenbruk. Mer innsats er ikke magisk. Det må måles mot oppgaven du faktisk prøver å løse.

Opus 5 gjør modellstigen litt rotete

Anthropic sier at Fable 5 fortsatt er modellen for høyest tilgjengelig kapasitet, mens Opus 5 er startpunktet for komplekst agentarbeid og profesjonelle oppgaver. Samtidig viser selskapet Opus 5 svært nær Fable på flere områder til halv tokenpris. Det er ikke rart om folk lurer på hvilken som egentlig er toppmodellen.

Min foreløpige lesning er at Fable fortsatt er valget når høyest mulig generell kapasitet er viktigere enn regningen. Opus 5 er modellen Anthropic vil at langt flere skal bruke til vanlig. Den er nå standard på Claude Max og den sterkeste modellen på Claude Pro. Det passer godt med omtalen av en modell som er laget for å arbeide hver dag, ikke bare vinne den dyreste spesialøvelsen.

Jeg skrev tidligere en forklaring på forskjellen mellom Fable 5 og Mythos 5. Opus 5 gjør ikke den modellen foreldet, men den presser seg inn i et langt mer praktisk punkt mellom pris og kapasitet. For mange kan spørsmålet derfor bli mindre «hva er best?» og mer «hvor ofte gir Fable nok ekstra til å forsvare dobbelt pris?»

Den viktige haken: mer nøyaktig, men flere faktahallusinasjoner

Her blir det virkelig interessant. Systemkortet for Claude Opus 5 sier at modellen er mer nøyaktig totalt enn Opus 4.8, men samtidig hallusinerer faktapåstander litt oftere. Begge deler kan være sant fordi Opus 5 svarer riktig oftere, men også avstår sjeldnere når den er usikker.

Det er en ubehagelig kombinasjon i agentarbeid. En modell som gjør mer på egen hånd, får også flere muligheter til å bygge videre på en feil før et menneske ser resultatet. Bedre egenkontroll hjelper, men egenkontroll er ikke det samme som en uavhengig kilde. Fakta som påvirker penger, kunder, sikkerhet eller publisering må fortsatt kontrolleres mot originalmaterialet.

Dette er ikke en teoretisk innvending. Jeg har tidligere skrevet om egne hallusinasjonserfaringer med Claude Code. De erfaringene gjaldt ikke Opus 5, og jeg har ikke testet denne modellen selv. Likevel gjør de meg ekstra oppmerksom når Anthropic selv løfter fram akkurat denne svakheten i systemkortet.

Poenget er ikke at Opus 5 er upålitelig eller dårligere. Systemkortet sier tvert imot at total nøyaktighet er bedre. Poenget er at en mer kapabel og handlekraftig modell ikke fortjener mindre kontroll bare fordi den virker sikrere. Selvsikker tekst har fortsatt ingen innebygd sannhetsgaranti. Det hadde vært praktisk, men så enkelt får vi det visst ikke.

Automatisk fallback kan bytte modell underveis

Den andre haken er mindre synlig. Hvis sikkerhetsklassifikatorene stopper en forespørsel, kan Claude.ai, Claude Code og Claude Cowork automatisk falle tilbake til Opus 4.8. API-brukere kan også aktivere serverstyrt fallback i beta.

Det kan gjøre et løp mer robust fordi hele oppgaven ikke nødvendigvis stopper ved en klassifisering. Samtidig betyr det at du ikke alltid får modellen du valgte. Opus 4.8 har en annen kapasitet og oppførsel, og systemkortet viser til og med at fallback kan endre enkelte mål for modellens oppførsel. I et langt agentløp kan et modellbytte derfor påvirke både kvalitet, kostnad og reproduksjon.

For vanlig bruk er dette kanskje bare en liten overraskelse. For produksjon bør modellruten logges sammen med avslag, verktøykall og kostnad. Ellers kan du sitte med to tilsynelatende like kjøringer som oppfører seg forskjellig uten å vite hvorfor. Automatikk er fint helt til den blir usynlig.

ARC-AGI-3 er interessant, men det er ikke AGI

Det ene benchmarktallet som er verdt å forklare, er 30 prosent på ARC-AGI-3. Testen plasserer en agent i nye interaktive miljøer uten vanlige språkinstruksjoner. Agenten må utforske, oppdage målet, lære av tilbakemeldinger og planlegge over flere steg.

Det ligner mer på praktisk tilpasning enn en vanlig spørsmålsliste, og derfor passer resultatet godt med historien Anthropic forteller om sterkere agentarbeid. ARC Prize beskriver selv testen som en måling av læring over tid, ikke bare riktige sluttsvar.

Men dette er ikke bevis på AGI. Det er et stort hopp på én bestemt test, og resultatet er fortsatt langt fra at agenten løser hele oppgavesettet like effektivt som mennesker. Bruk det som et signal om bedre interaktiv problemløsing. Ikke som en anledning til å blåse i AGI-trompeten igjen.

Min foreløpige dom

Claude Opus 5 ser ut som en mer praktisk toppmodell enn Fable 5 for daglig agentarbeid. Samme listepris som Opus 4.8, sterkere egenkontroll og bedre evne til å fullføre lange oppgaver kan gi mer arbeid per krone. Hvis Anthropics påstander holder i virkelige arbeidsflyter, er det langt mer verdifullt enn førsteplassen på en benchmark.

Jeg ville likevel ikke byttet modell og erklært seieren i samme bevegelse. Kjør de samme ekte oppgavene på Opus 4.8, Opus 5 og et rimeligere alternativ. Mål total tokenbruk, antall verktøykall, tid, menneskelig opprydding og hvor ofte oppgaven faktisk blir ferdig. Da får du kostnad per leveranse, ikke bare en pen pris per million tokens.

Og behold faktakontrollen. Mer autonomi gjør gode modeller mer nyttige, men også feil dyrere når de først slipper gjennom. Opus 5 kan godt bli den daglige arbeidshesten Anthropic lover. Den bør bare få jobben med loggingen på og sannhetsgarantien av.

Ofte stilte spørsmål