Claude Code: Haiku, Sonnet, Opus oder Fable – welches Anthropic Modell passt wirklich?

Wer Claude Code produktiv nutzen will, landet schnell bei einer Frage, die deutlich wichtiger ist, als sie auf den ersten Blick wirkt: Reicht ein günstiges Modell für den Alltag, oder lohnt sich der Griff zu einem stärkeren Modell für schwierige Aufgaben? Genau hier wird es in der Praxis interessant. Denn bei Anthropic gibt es nicht das eine beste Modell für alle Fälle.

Die sinnvolle Auswahl hängt laut offizieller Dokumentation vor allem von drei Punkten ab: Fähigkeiten, Geschwindigkeit und Kosten. Dazu kommt im Admin- und Entwickleralltag noch ein vierter Faktor: Wie autonom soll das Modell arbeiten? Wer mit Claude Code Shell-Kommandos, Refactorings, Analysen oder längere Agentenläufe plant, sollte daher nicht nur auf den Namen „Haiku“, „Sonnet“ oder „Opus“ schauen, sondern auf die konkrete Version und den geplanten Einsatz.

Warum die Modellwahl bei Claude Code mehr ausmacht, als viele annehmen

In vielen Teams läuft die Auswahl von LLMs noch nach einem simplen Muster: Das stärkste Modell wird schon die beste Wahl sein. Für produktive Umgebungen ist das oft zu kurz gedacht. Ein schnelles Modell mit niedrigen Kosten kann im Tagesgeschäft mehr Nutzen bringen als ein teures Topmodell, das zwar bessere Resultate liefert, aber langsamer arbeitet und das Budget schneller verbrennt.

Anthropic beschreibt die Modellauswahl ausdrücklich entlang von Fähigkeiten, Latenz und Preis. Bei neueren Sonnet- und Opus-Modellen kommt noch der Effort-Parameter dazu. Damit lässt sich die Denktiefe gegen Zeit und Kosten abwägen, ohne sofort auf ein anderes Modell zu wechseln. Gerade für Claude Code ist das relevant, weil sich Coding-Aufgaben stark unterscheiden.

Ein paar typische Beispiele aus dem technischen Alltag:

• Ein kleines Bash-Skript für Logrotation braucht selten das stärkste Modell.
• Ein Refactoring über mehrere Module verlangt oft mehr Kontextverständnis.
• Eine längere agentische Aufgabe mit mehreren Schritten profitiert von mehr Ausdauer und höherer Modellqualität.
• Wiederkehrende Subtasks in großer Menge sollten vor allem günstig und schnell sein.

Genau deshalb ist „bestes Modell“ die falsche Frage. Die bessere Frage lautet: Welches Modell passt zu meinem Workflow?

Die Anthropic Modelle sauber eingeordnet

Wer heute über Anthropic schreibt, sollte nicht bei den Familiennamen stehenbleiben. Die offizielle Doku nennt konkrete Versionen, und die Unterschiede sind relevant. Für einen belastbaren Vergleich im Umfeld von Claude Code sind vor allem diese Modelle interessant.

Claude Haiku 4.5

Claude Haiku 4.5 positioniert Anthropic als sehr schnelles und kosteneffizientes Modell. Offiziell wird es für Echtzeitanwendungen, hohe Volumina, kostensensitive Deployments und Sub-Agent-Aufgaben genannt. Das ist eine klare Ansage: Haiku ist nicht einfach nur die kleine Variante, sondern ein Modell für Workloads, bei denen Durchsatz und Preis zählen.

Für Admins und Entwickler heißt das: Haiku passt gut zu kurzen Prompts, Routineaufgaben, Shell-Hilfe, kleinen Skripten und standardisierten Codebausteinen. Wenn ein Team viele ähnliche Aufgaben mit Claude Code abarbeitet, kann Haiku wirtschaftlich sehr attraktiv sein.

Claude Sonnet 5 und Sonnet 4.6

Claude Sonnet 5 beschreibt Anthropic als Modell für Coding, Agenten und Enterprise-Workflows. In der Dokumentation wird auch Claude Sonnet 4.6 als starke Mischung aus Geschwindigkeit und Intelligenz eingeordnet. Das ist ein wichtiger Punkt, weil Sonnet oft zu vereinfacht als bloße Mittelklasse beschrieben wird.

In der Praxis ist Sonnet häufig die Standardwahl, mit der Teams beginnen sollten. Nicht weil es immer das beste Modell wäre, sondern weil es für viele produktive Aufgaben ein gutes Verhältnis aus Qualität, Tempo und Kosten bietet. Wer mit Claude Code arbeitet und einen belastbaren Allrounder sucht, landet meist zuerst hier.

Claude Opus 4.8

Claude Opus 4.8 ist laut Anthropic für komplexes Reasoning, mehrstündige autonome Coding-Agenten, großes Refactoring, Systems Engineering und hohe Autonomie gedacht. Damit ist klar: Opus adressiert Aufgaben, bei denen einfache Prompt-Antwort-Muster nicht mehr reichen.

Sobald Codebasen groß werden, Architekturfragen ins Spiel kommen oder ein Agent längere Zeit konsistent arbeiten soll, wird Opus interessant. Für Claude Code ist außerdem relevant, dass bei Opus 4.8 der Standardwert für den Effort-Parameter auf allen Oberflächen, einschließlich Claude Code und Messages API, auf high liegt.

Claude Fable 5

Claude Fable 5 nennt Anthropic das leistungsfähigste allgemein verfügbare Modell. Es ist für lang laufende Agenten und sehr anspruchsvolle Workloads gedacht. Das ist die offizielle Einordnung, und sie korrigiert eine häufige Annahme: Opus ist aktuell nicht pauschal das stärkste Modell insgesamt.

Wer maximale Leistungsfähigkeit für komplexe Agentenläufe braucht, sollte Fable also mitdenken. Im Gegenzug steigen die Kosten deutlich. Für viele Teams wird Fable deshalb kein Default sein, sondern ein gezielt eingesetztes Spezialmodell.

Claude Code: Welches Modell passt zu welchem Einsatz?

Anthropic beschreibt Claude Code als agentischen Coding-Assistenten im Terminal. Genau das macht die Modellwahl so praxisnah. Im Terminal geht es selten nur um „Code erzeugen“, sondern oft um Diagnose, Iteration, Shell-Arbeit, Dateioperationen und mehrere aufeinanderfolgende Schritte.

Für Shell-Hilfe, kleine Skripte und Routineaufgaben

Wenn Sie mit Claude Code kurze Aufgaben erledigen, ist Haiku 4.5 oft der erste Kandidat. Dazu zählen zum Beispiel:

• einfache Bash- oder PowerShell-Snippets
• Regex-Hilfe
• kleine Parser
• wiederkehrende Texttransformationen
• Boilerplate-Code

Hier ist niedrige Latenz oft wichtiger als das letzte Quäntchen Modellqualität. Wenn Sie etwa zehn kleine Aufgaben am Tag starten, macht sich ein schnelles Modell sofort bemerkbar.

Ein simples Beispiel wäre ein Prompt wie:

Schreibe ein Bash-Skript, das alle .log-Dateien älter als 14 Tage in /var/log/myapp komprimiert und Fehler sauber behandelt.

Für solche Aufgaben muss kein High-End-Modell anlaufen.

Für Refactoring, Troubleshooting und den normalen Entwicklungsalltag

Sobald Aufgaben mehr Kontext brauchen, wird Sonnet 5 meist zur sinnvollsten Standardwahl. Das betrifft zum Beispiel:

• Refactoring über mehrere Dateien
• Fehlersuche in Deployments
• Erklärungen zu bestehendem Code
• Tests ergänzen
• Shell- und Code-Kontext gemeinsam auswerten

Gerade hier spielt Claude Code seine Stärke aus, weil der Assistent nicht isoliert auf eine einzelne Funktion schaut, sondern in einen Arbeitsablauf eingebunden ist. Für viele Teams ist Sonnet der Punkt, an dem Qualität, Tempo und Kosten im Alltag gut zusammenpassen.

Wenn Sie Entwicklungsumgebungen absichern wollen, passt in diesem Zusammenhang auch ein Blick auf unseren Beitrag zu Workspace Trust in VS Code. Das Thema ist zwar nicht identisch mit Claude Code, aber für KI-gestützte Coding-Workflows sicherheitlich direkt verwandt.

Für lange agentische Aufgaben und schwierige Codebasen

Wenn ein Modell über längere Zeit eigenständig an einer Aufgabe arbeiten soll, reichen schnelle Standardantworten oft nicht mehr. Dann kommen Opus 4.8 und Fable 5 ins Spiel.

Typische Fälle sind:

• große Refactorings
• Analyse verzweigter Codebasen
• Systems-Engineering-Fragen
• mehrstufige agentische Abläufe
• Aufgaben mit hohem Autonomiegrad

Hier lohnt sich der Blick auf zwei Dinge: erstens auf das Modell selbst, zweitens auf den Effort-Parameter. Wer bei Sonnet oder Opus mehr Denktiefe braucht, kann unter Umständen über den Effort-Wert nachsteuern, statt sofort das Modell zu wechseln. Das spart in manchen Fällen Kosten und reduziert unnötige Modellwechsel im Workflow.

Für kostenkritische Teams und hohe Last

Wenn viele Requests anfallen, wird der Preis pro Token schnell zum Betriebsfaktor. Laut aktueller Anthropic-Dokumentation liegen die Modelle preislich deutlich auseinander. Die Preisangaben sollte man aber nie als zeitlose Fakten behandeln, weil die Dokumentation je nach Sprachversion teils unterschiedliche Werte zeigt.

Als grobe Einordnung laut aktueller Anthropic-Preisseite bzw. Modellseiten:

• Haiku 4.5: deutlich günstiger als die größeren Modelle
• Sonnet 4.6: offiziell mit $3 Input / $15 Output pro 1 Mio. Tokens dokumentiert
• Opus 4.8: offiziell mit $5 Input / $25 Output dokumentiert
• Fable 5: offiziell mit $10 Input / $50 Output dokumentiert

Bei Haiku 4.5 tauchen in der Dokumentation abweichende Werte auf. Deshalb sollten Sie den Preis vor einer Entscheidung immer direkt auf der aktuellen Anthropic-Preisseite prüfen.

Meine Entscheidungslogik für den Admin- und DevOps-Alltag

Wenn ich die Modelle für typische technische Workflows einordnen müsste, würde ich nicht nach Prestige entscheiden, sondern nach Lastprofil.

Haiku nehme ich, wenn Tempo und Budget zählen

Haiku 4.5 passt gut, wenn viele kleine Aufgaben anfallen und die Antwort schnell kommen soll. Das gilt besonders für standardisierte Hilfsaufgaben in Claude Code, bei denen ein Fehler schnell sichtbar ist und leicht korrigiert werden kann.

Sonnet ist für viele Teams der pragmatische Startpunkt

Sonnet 5 ist für mich die naheliegende erste Wahl, wenn ein Team mit Claude Code produktiv beginnen will. Coding, Agenten und Enterprise-Workflows nennt Anthropic hier nicht ohne Grund. Sonnet ist stark genug für viele reale Aufgaben, ohne sofort in die höchste Preisklasse zu gehen.

Opus lohnt sich bei schwierigen technischen Problemen

Wenn Code nicht mehr lokal optimiert werden soll, sondern ein Modell Zusammenhänge über viele Ebenen hinweg verstehen muss, ist Opus 4.8 die passendere Wahl. Das betrifft etwa größere Refactorings, Architekturfragen und lange Abläufe mit mehreren Zwischenschritten.

Fable ist für maximale Leistung reserviert

Fable 5 würde ich gezielt dort einsetzen, wo die höchste allgemein verfügbare Modellleistung wirklich gebraucht wird. Für normale Alltagsarbeit wäre das in vielen Teams zu teuer. Für anspruchsvolle Agentenläufe kann es dagegen genau richtig sein.

Was oft übersehen wird

Modellnamen ohne Versionsnummer helfen kaum weiter

„Wir nutzen Sonnet“ sagt heute wenig aus. Für saubere Entscheidungen sollten Sie immer die konkrete Version benennen, also etwa Sonnet 5 oder Sonnet 4.6. Das gilt umso mehr, wenn Kosten, Defaults oder Fähigkeiten intern dokumentiert werden.

Das größte Modell ist nicht automatisch wirtschaftlich

Ein starkes Modell spart nicht automatisch Zeit. Wenn eine Aufgabe mit Haiku oder Sonnet zuverlässig lösbar ist, erzeugt ein unnötig großes Modell vor allem Mehrkosten. Für produktive Teams gehört diese Abwägung in jede KI-Governance.

Dazu passt auch unser Artikel über OpenAI Admin CLI für Sicherheit, Kostenkontrolle und Automatisierung. Der Beitrag behandelt zwar OpenAI statt Anthropic, aber die Fragen nach Nutzungssteuerung, Kosten und Betriebsdisziplin stellen sich bei LLM-Plattformen sehr ähnlich.

Der Effort-Parameter kann wichtiger sein als ein Modellwechsel

Bei aktuellen Sonnet- und Opus-Modellen ist der Effort-Parameter ein echter Stellhebel. Wenn Antworten zu flach bleiben, muss nicht sofort ein anderes Modell her. In manchen Fällen reicht es, die Denktiefe anzuheben. Das kann sinnvoller sein, als pauschal jede schwierige Aufgabe auf ein teureres Modell zu werfen.

Großer Kontext ist ein eigener Auswahlfaktor

Anthropic dokumentiert für mehrere aktuelle Modelle, darunter Fable 5, Opus 4.8, Sonnet 5 und Sonnet 4.6, Unterstützung für 1 Mio. Token Kontext zu Standardpreisen. Für lange Dokumente, große Codebasen oder umfangreiche Analysen ist das ein echter Unterschied.

Wenn Sie KI-Workflows in Ihrem Unternehmen strategisch aufbauen oder Modellwahl, Integration und Betrieb sauber aufsetzen möchten, finden Sie auf der Seite zu AI- und LLM-Lösungen von ADMIN INTELLIGENCE passende Anknüpfungspunkte. Weitere praxisnahe Beiträge rund um LLMs, Automatisierung und Admin-Workflows veröffentlichen wir laufend im Blog von ADMIN INTELLIGENCE.