Sonnet 4.6 erklärt: Anthropic hat sein neues Mittelklasse-Modell veröffentlicht

Claude Sonnet 4.6 ist heute erschienen, und die wichtigste Nachricht lautet nicht einfach nur: „Es ist besser.“ Vielmehr haben Entwickler mit frühem Zugriff es in 59 % der Fälle Anthropic eigenem Spitzenmodell Opus vorgezogen. Das günstigere Modell schlägt also das teurere.

Als Erstes die Kurzfassung

Wenn du nur zwei Minuten hast, musst du Folgendes wissen. Sonnet 4.6 ist ein umfassendes Upgrade für Programmierung, Computernutzung, Schlussfolgerungen über lange Kontexte, Agentenplanung und Design. Entscheidend für deinen Arbeitsalltag ist aber:

• Es kann deinen Computer wie ein Mensch bedienen.
• • Anthropic führte die Computernutzung erstmals im Oktober 2024 ein und bezeichnete sie als „experimentell“.
  • Sechzehn Monate später berichten erste Nutzer von Fähigkeiten auf menschlichem Niveau bei Aufgaben wie der Navigation durch komplexe Tabellen und dem Ausfüllen mehrstufiger Webformulare über mehrere Browser-Tabs hinweg.
  • Der OSWorld-Benchmark (der echte Softwareaufgaben auf einem simulierten Computer testet) zeigt mit jeder Sonnet-Version stetige, deutliche Fortschritte.
• Kontextfenster mit 1 Mio. Tokens (in der Betaphase).
• • Das reicht aus, um eine komplette Codebasis, einen Stapel juristischer Verträge oder Dutzende Forschungsarbeiten in einer einzigen Anfrage unterzubringen.
  • Und anders als einige Modelle, die in der Mitte eines langen Dokuments den roten Faden verlieren, zieht Sonnet 4.6 tatsächlich aus dem gesamten Inhalt Schlussfolgerungen.
• Claude-Code-Nutzer lieben es.
• • Tester zogen es in 70 % der Fälle dem vorherigen Sonnet vor und berichteten von weniger Halluzinationen, weniger übermäßig komplexen Lösungen und einer zuverlässigeren Bearbeitung mehrstufiger Aufgaben.
  • Das, was Entwickler am meisten gehasst haben – dass das Modell selbstbewusst behauptet, etwas abgeschlossen zu haben, obwohl das nicht stimmt –, kommt deutlich seltener vor.
• Excel erhält MCP-Konnektoren. Claude in Excel verbindet sich jetzt mit S&P Global, PitchBook, Moody’s, FactSet und anderen Diensten. Dadurch kannst du externe Daten in deine Tabelle übernehmen, ohne sie zu verlassen. Wenn du im Finanzbereich arbeitest, ist das eine große Sache.

Ein Detail ist uns ins Auge gesprungen: In einem simulierten Geschäftswettbewerb namens Vending-Bench Arena entwickelte Sonnet 4.6 eine eigene Strategie. Zehn Monate lang investierte es stark in Kapazitäten, schwenkte dann abrupt auf Profitabilität um und deklassierte die Konkurrenz. Niemand hatte ihm das vorgegeben.

Die Details: Der Preis bleibt derselbe wie bei Sonnet 4.5 (3/15 US-Dollar pro Million Tokens), und auf claude.ai ist es bereits das Standardmodell für kostenlose Nutzer und Pro-Nutzer. Wenn du für zuverlässige Ergebnisse bisher Opus bezahlt hast, könnte es sich lohnen zu testen, ob Sonnet 4.6 dich für einen Bruchteil der Kosten zu 90 % ans Ziel bringt.

Schauen wir uns die Details jetzt noch genauer an.

Anthropics Sonnet 4.6 ist das KI-Modell für das „Zeitalter der Agenten“

In der KI gibt es ein wiederkehrendes Muster: Ein Unternehmen veröffentlicht sein bestes und teuerstes Modell. Alle sind sich einig, dass es unglaublich ist. Einige Monate später verpackt dasselbe Unternehmen dasselbe Intelligenzniveau in etwas Schnelleres und Günstigeres – und genau dieses Modell verändert dann tatsächlich die Arbeitsweise der Menschen.

Anthropic hat genau das gerade getan. Am 17. Feb. Claude Sonnet 4.6 ist als neues Standardmodell in den kostenlosen und Pro-Tarifen von Claude erschienen. Auf dem Papier ist es „nur“ ein Sonnet (Anthropics Modellklasse der Mittelstufe unterhalb des Spitzenmodells Opus). In unserem Livestream am Dienstag hatten wir weitgehend den Eindruck, dass es einfach ein weiteres Sonnet ist. In der Praxis zeigen Anthropics Benchmarks jedoch, dass es bei gezielt agentischen Aufgaben mit Opus 4.6 gleichzieht oder es übertrifft – bei den Aufgaben, die für Menschen, die KI täglich als Arbeitswerkzeug nutzen, am wichtigsten sind: Computernutzung, Büroaufgaben, Finanzanalyse, Browserautomatisierung und langfristige Planung.

Wie oben bereits erwähnt, bleibt der Preis derselbe wie bei Sonnet 4.5: 3 US-Dollar pro Million Eingabe-Tokens und 15 US-Dollar pro Million Ausgabe-Tokens. Das entspricht einem Fünftel der Kosten von Opus 4.6. Und für alle, die zusehen mussten, wie ihre API-Rechnungen durch agentische Workflows auf Hunderte US-Dollar pro Tag steigen, ist das nicht bloß ein netter Rabatt. Es ist der Unterschied zwischen einem „coolen Experiment“ und einem „wirtschaftlich tragfähigen Werkzeug“.

Wie Will Brown auf X formulierte: „Sonnet 4.6 ist das erste Flaggschiff-LLM seit BloombergGPT, das sich primär an die Finanzbranche richtet.“ Er meint das halb im Scherz, aber eben nur halb. Dieses Modell wurde ganz offensichtlich mit Blick auf Agenten trainiert, wie die Benchmarks zeigen.

Schlüsseln wir alles auf, was Sonnet 4.6 bedeutsam macht – von den wichtigsten Zahlen bis zu den merkwürdigen Details, die 90 Seiten tief in seiner 134-seitigen Systemkarte verborgen sind.

Die Benchmark-Analyse: Wo es gewinnt und wo nicht

Sehen wir uns präzise an, was Sonnet 4.6 tatsächlich gut kann und wo Opus noch einen Vorsprung hat. Die Zahlen sind hier wichtig, denn „im Grunde gleich“ stimmt bei einigen Aufgaben und ist bei anderen irreführend.

Wo Sonnet 4.6 mit Opus 4.6 gleichzieht oder es übertrifft

Computernutzung (OSWorld-Verified): 72,5 % gegenüber 72,7 %. Im Wesentlichen gleichauf.

Büroaufgaben aus der Praxis (GDPval-AA): Sonnet 4.6 erreichte ein ELO von 1633 und lag damit tatsächlich knapp vor den 1606 von Opus 4.6. Dieser von Artificial Analysis durchgeführte Benchmark testet Modelle anhand von 220 professionellen Aufgaben in 44 Berufen (Buchhaltung, Analyse, Design, Redaktion) und 9 Branchen. Dazu gehören etwa Aufgaben wie „Erstelle in Excel einen detaillierten Tilgungsplan für vorausbezahlte Ausgaben“ oder „Erstelle eine Präsentation zur Analyse von Markttrends“. Sonnet 4.6 ist jetzt das Modell auf Platz 1 dieser Rangliste.

Finanzanalyse (Finance Agent von Vals AI): 63,3 % mit maximalem Denkaufwand – damit schlägt es Opus 4.6 (60,05 %) und GPT-5.2 (58,53 %). Gemessen wird die Recherche zu SEC-Einreichungen börsennotierter Unternehmen.

Webautomatisierung (WebArena-Verified): Sonnet 4.6 erzielte im vollständigen Datensatz State-of-the-Art-Ergebnisse und übertraf Opus 4.6 bei Einzelagentensystemen.

Agentische Suche (BrowseComp): 74,72 %, mehr als Opus 4.5; mit einem Multi-Agenten-Setup wurden 82,62 % erreicht.

Tiefenrecherche (DeepSearchQA): State-of-the-Art-Ergebnisse über alle getesteten Modelle hinweg.

Kundenservice (τ²-bench): 97,9 % im Telekommunikationsbereich, 91,7 % im Einzelhandel. Nahezu perfekt.

Reasoning über Graphen mit langem Kontext (GraphWalks): Sonnet 4.6 ist hierfür tatsächlich Anthropics bestes Modell und schlägt sogar Opus 4.6.

Verständnis wissenschaftlicher Diagramme (CharXiv Reasoning): 77,4 % mit Tools, gleichauf mit Opus 4.6.

Medizinische Berechnungen (MedCalc-Bench): 86,24 %, knapp über Opus 4.6 (85,24 %).

Cybersicherheit (CyberGym): 65,2 %, beinahe gleichauf mit den 66,6 % von Opus 4.6.

Reasoning-Benchmarks (SimpleBench): Laut unabhängigen Tests des LM Council inzwischen auf Augenhöhe mit Opus 4.

Kontext-Engineering (Letta Context-Bench): 70 % bessere Token-Effizienz und 38 % höhere Genauigkeit als Sonnet 4.5.

Wo Opus 4.6 noch vorne liegt

Reine Programmierung (SWE-bench Verified): 79,6 % gegenüber 80,8 %. Knapp, aber bei komplexen Softwareentwicklungsaufgaben hat Opus weiterhin einen kleinen Vorsprung.

Terminal-Aufgaben (Terminal-Bench 2.0): 59,1 % gegenüber 65,4 %. Hier ist der Vorteil von Opus deutlicher.

Anspruchsvollstes Reasoning (GPQA Diamond): 89,9 % gegenüber 91,3 %. Bei naturwissenschaftlichen Fragen auf Hochschulniveau liegt Opus weiterhin vorne.

Ursachenanalyse (OpenRCA): 27,9 % gegenüber 34,9 %. Opus ist deutlich besser darin, komplexe Softwarefehler in Unternehmenssystemen zu diagnostizieren.

Fluide Intelligenz bei ARC-AGI-2: 58,3 % gegenüber 68,8 %. Beim Erkennen neuartiger Muster behält Opus einen deutlichen Vorsprung.

Umstrukturierung von Codebasen und Koordination mehrerer Agenten: Anthropic weist ausdrücklich darauf hin, dass Opus 4.6 bei Aufgaben, die „das tiefste Reasoning“ erfordern, weiterhin die bessere Wahl ist.

Bei Aufgaben, die wie echte Arbeit aussehen (Tabellen, Präsentationen, Datenanalyse, Browserautomatisierung, Tool-Nutzung und Finanzrecherche), ist Sonnet 4.6 funktional austauschbar mit Opus. Bei Aufgaben, die eher nach anspruchsvoller Informatik aussehen (komplexes Debugging, neuartiges Reasoning und groß angelegte Code-Refaktorierung), hat Opus weiterhin einen Vorsprung.

Wie Alex Finn in seinem Analysevideo formulierte: „Sonnet ist bei keiner spezifischen Aufgabe besser als Opus, aber bei agentischen Aufgaben ist es genauso gut wie Opus 4.6. Das ist enorm wichtig, denn es bedeutet, dass es als Gehirn für Tools wie OpenClaw und Claude Code genauso gut geeignet ist … und ein Fünftel des Preises kostet.“

Was Entwickler tatsächlich damit machen

Die Reaktion der Entwickler-Community kam sofort und war aufschlussreich.

OpenClaw veröffentlichte noch am selben Tag ein Update mit Unterstützung für Sonnet 4.6. Nutzer berichten, dass es nun das Standardmodell für ihre KI-Agenten-Workflows ist. Die Logik ist einfach: Wenn die Leistung bei Computer- und Tool-Nutzung im Wesentlichen der von Opus entspricht, die Kosten aber nur ein Fünftel betragen, verwendet man Sonnet für alles außer den schwierigsten Programmieraufgaben.

Alex Finns Analyse skizzierte den praktischen Entscheidungsrahmen: Verwende Sonnet 4.6 als Hauptmodell für Agenten, nutze Opus nur für die Planung oder einmalige Implementierungen komplexer Komponenten und Codex für reine Programmieraufgaben innerhalb von Agenten-Frameworks.

Meta Alchemist brachte die allgemeine Einschätzung auf den Punkt: „Sonnet 4.6 fühlt sich an, als wäre es für OpenClaw gemacht worden … angesichts der starken Betonung darauf, Apps auf deinem Computer auszuführen und Tools zu nutzen. In diesen Bereichen erreicht es fast dasselbe Niveau wie Opus 4.6. Wenn du Claude mit OpenClaw verwendest, ist Sonnet 4.6 im Vergleich zu Opus schneller und günstiger.“

Letta, das Unternehmen hinter dem Agenten-Framework, integrierte Sonnet 4.6 und berichtete bei Aufgaben im Kontext-Engineering von einer Leistung nahe dem Opus-Niveau bei 70 % besserer Token-Effizienz. Einen Verhaltensunterschied stellten sie allerdings fest: Sonnet 4.6 delegiert Arbeit seltener an Unteragenten und aktiviert Planungsmodi weniger häufig ausdrücklich. Für komplexe Multi-Agenten-Setups kann daher eine Anpassung der Prompts nötig sein.

Cline 3.64.0 startete mit Unterstützung für Sonnet 4.6 und hob die klarere Kommunikation mit dem Programmierassistenten, die bessere Integration in Frameworks und die verbesserte Suche in Codebasen hervor.

Das Firecrawl-Team identifizierte, was es als „den perfekten Webautomatisierungs-Stack“ bezeichnete: Sonnet 4.6 plus Agent Browser plus die Browser-Sandbox von Firecrawl.

Und Wes Winder lieferte den obligatorischen Realitätscheck in Meme-Form: „Sonnet 4.6 hat meine gesamte Codebasis mit einem einzigen Aufruf refaktoriert. 64 Tool-Aufrufe. Über 1 Mio. neue Zeilen. 17 brandneue Dateien. Es hat alles modularisiert. Monolithen aufgebrochen. Spaghetti-Code bereinigt. Nichts davon hat funktioniert. Aber verdammt, es war wunderschön.“

Das Wettbewerbsumfeld: Wie es sich gegen GPT-5.2 und Gemini 3 Pro schlägt

Es lohnt sich, Sonnet 4.6 in den größeren Wettbewerbskontext einzuordnen, denn hier geht es nicht bloß um einen Vergleich von Anthropic mit Anthropic.

Beim GDPval-AA (Wissensarbeit aus der Praxis) liegt Sonnet 4.6 mit einem ELO von 1633 deutlich vor GPT-5.2 (1462) und Gemini 3 Pro (1201). Beim Finance-Agent-Benchmark schlägt es GPT-5.2 um fast 5 Prozentpunkte. Bei DeepSearchQA (mehrstufigen Rechercheaufgaben) erzielt es über alle getesteten Modelle hinweg State-of-the-Art-Ergebnisse.

Bei traditionellen Reasoning-Benchmarks ist das Bild umkämpfter. GPT-5.2 führt bei GPQA Diamond (93,2 % gegenüber 89,9 %) und MMMU-Pro mit Tools (80,4 % gegenüber 75,6 %). Gemini 3 Pro liegt beim mehrsprachigen Verständnis von MMMLU vorne (91,8 % gegenüber 89,3 %). Doch dies sind akademische Benchmarks, die zunehmend nicht mehr vorhersagen, welches Modell in der Praxis am nützlichsten sein wird.

Der einzigartigere Vorteil von Sonnet 4.6 liegt in der Infrastruktur, die es umgibt. Programmatische Tool-Aufrufe, Kontextkomprimierung, adaptives Denken und die API für Computernutzung sind Fähigkeiten, die GPT-5.2 und Gemini 3 Pro entweder nicht anbieten oder anders implementieren. Für Entwickler, die agentische Systeme bauen, sind diese Funktionen oft wichtiger als ein paar Prozentpunkte bei einem Multiple-Choice-Test.

Ein interessanter Datenpunkt aus der Systemkarte: Anthropic hat gemessen, wie viel „Denkarbeit“ die einzelnen Modelle bei mehrsprachigen Fragen leisten. Gemini 3 Pro verwendete 1.078 Tokens pro Frage. Sonnet 4.5 verwendete 437. Sonnet 4.6 verwendete 246. Opus 4.6 verwendete 191. GPT-5.2 Pro verwendete 127. Die Modelle erzielen bei völlig unterschiedlichen Rechenaufwänden eine vergleichbare Genauigkeit. Das bedeutet, dass die Effizienz – und damit Kosten und Geschwindigkeit – selbst bei ähnlichen Benchmark-Ergebnissen enorm variiert.

Beim quelloffenen Sicherheits-Audit von Petri, das einen direkten Vergleich verschiedener Modellanbieter ermöglicht, zeigte Sonnet 4.6 bessere Sicherheitseigenschaften als jedes getestete API-Modell eines anderen Anbieters, darunter GPT-5.2, Gemini 3 Pro, Grok 4.1 Fast und Kimi K2.5.

Wie du das einordnen solltest, wenn du KI tatsächlich zum Arbeiten nutzt

Hier ist die praktische Schlussfolgerung, frei von Benchmark-Fachjargon.

• Wenn du Claude über die Website oder App nutzt: Sonnet 4.6 ist jetzt dein Standardmodell. Du musst nichts tun. Es ist schneller und leistungsfähiger als das Modell, das du gestern hattest – insbesondere bei der Erstellung von Dateien, der Datenanalyse und allen Aufgaben, bei denen du mit Tabellen, Dokumenten oder Webrecherche arbeitest.
• Wenn Sie Claude Code oder agentenbasierte Coding-Tools verwenden: Sonnet 4.6 sollte für die meisten Aufgaben Ihr Standardmodell sein. Heben Sie Opus für komplexe Architekturentscheidungen, umfangreiche Refactorings oder Situationen auf, in denen Sie beim ersten Versuch die absolut beste Codequalität benötigen. Das 1-Million-Token-Kontextfenster bedeutet, dass es Ihre gesamte Codebasis im Speicher halten kann.
• Wenn Sie Anwendungen auf der Claude API entwickeln: Die Kombination aus der Leistung von Sonnet 4.6 und dem programmatischen Aufrufen von Tools führt zu einer spürbaren Kostenreduzierung. Aufgaben, für die bisher Modelle der Opus-Klasse (und Preise der Opus-Klasse) erforderlich waren, können nun mit Sonnet ausgeführt werden. Das 1-Million-Token-Kontextfenster und die Kontextkomprimierung ermöglichen es Ihnen, deutlich länger laufende Agenten zu entwickeln, ohne an Grenzen zu stoßen.
• Wenn Sie im Finanzbereich arbeiten: Das ist tatsächlich das derzeit leistungsfähigste KI-Modell für Finanzanalyseaufgaben, darunter die Recherche in SEC-Einreichungen, Finanzmodellierung und die Erstellung strukturierter Dokumente. Die Benchmarks bestätigen das, und es kommt selten vor, dass ein Modell der Sonnet-Klasse bei einer finanzspezifischen Evaluation jede Opus- und GPT-Variante schlägt.
• Wenn Sie KI-Modelle für Ihr Unternehmen evaluieren: Die Ergebnisse von GDPval-AA sind wahrscheinlich der relevanteste Benchmark, den Sie sich ansehen sollten. Er testet reale berufliche Aufgaben in realen Berufen, und Sonnet 4.6 steht derzeit auf Platz 1, knapp vor Opus 4.6. Für die meisten Anwendungsfälle im Bereich „Wissensarbeit“ bietet dieses Modell derzeit das beste Preis-Leistungs-Verhältnis im KI-Bereich.

Sonnet 4.6 ist das Ergebnis, wenn Intelligenz auf Opus-Niveau auf Preise auf Sonnet-Niveau trifft – und es wurde von Grund auf für das entwickelt, was das nächste Jahr der KI prägen wird: Agenten, die tatsächlich in Ihrem Auftrag arbeiten.

Das Zeitalter der KI als „Chatbot, in den man Fragen eintippt“ weicht rapide dem Zeitalter der KI als „Kollege, der Ihren Computer bedient, Ihre Dokumente liest und Dinge erledigt, während Sie schlafen“. Sonnet 4.6 ist das Modell, das diesen Übergang für alle wirtschaftlich tragfähig macht – nicht nur für Unternehmen, die bereit sind, Tausende Dollar pro Tag für API-Kosten auszugeben.

Für die meisten Menschen sollte dies einfach das Modell sein, das sie verwenden. Keine Sternchen, keine Vorbehalte, kein „aber warten Sie auf Opus“. Verwenden Sie es einfach.

Anmerkung der Redaktion: Dieser Inhalt erschien ursprünglich im Newsletter unserer Schwesterpublikation The Neuron. Mehr von The Neuron lesen Sie, indem Sie sich hier für den Newsletter anmelden.