TL;DR
- Wat: Anthropic lanceert Claude Opus 5.5, dat de hoogste score ooit behaalt op de Artificial Analysis Intelligence Index (58 punten) en 20% goedkoper is dan zijn voorganger.
- Waarom relevant: voor bedrijven die AI-tools inzetten voor codering, automatisering of kenniswerk dalen de kosten per taak met zo'n 40%, terwijl de prestaties omhooggaan.
- Wat je ermee kunt: als je team al met Claude of een vergelijkbaar model werkt, is dit een goed moment om de kosten-per-taak opnieuw te berekenen en te kijken of je hetzelfde werk goedkoper kunt laten draaien.
Vandaag — 22 september 2026 — bracht Anthropic Claude Opus 5.5 uit, amper twee maanden na Opus 5. Ik viel over het bericht van Artificial Analysis op X omdat het laat zien hoe snel de verhoudingen tussen de grote AI-modellen verschuiven. Niet alleen in prestaties, maar ook in prijs.
Wat zegt de Intelligence Index precies?
De Artificial Analysis Intelligence Index is een onafhankelijke ranglijst die AI-modellen vergelijkt op een breed palet aan taken: coderen, redeneren, kenniswerk, computergebruik. Het is een soort Consumentenbond-score voor AI-modellen — één getal dat een hoop losse tests samenvoegt.
Opus 5.5 scoort daar nu 58 punten. Dat is de hoogste score die ooit is gemeten op deze index. Ter vergelijking: Claude Fable 5.1 en OpenAI's GPT-6 Astra staan allebei op 53 punten. Dat verschil van vijf punten klinkt misschien bescheiden, maar op deze schaal is het significant — het is het verschil tussen een gedeelde koppositie en een duidelijke voorsprong.
Wat mij hier opvalt: het gaat niet om één uitschieter op één specifieke test, maar om een breed voordeel over meerdere categorieën. Van agentic coding (waarbij het model zelfstandig programmeertaken uitvoert) tot kenniswerk en redeneren.
De benchmarks: pariteit met GPT-6 Astra, en soms meer
De brontweet noemt specifiek Terminal-Bench 4.0 en AutomationBench-AA als tests waarop Opus 5.5 op gelijke hoogte komt met GPT-6 Astra. Uit de uitgebreidere benchmarkdata die The Decoder en 9to5Mac publiceren, valt op dat het beeld genuanceerder is:
- Terminal-Bench 4.0: Opus 5.5 scoort 66,4% — en levert daarmee volgens Artificial Analysis dezelfde prestatie als GPT-6 Astra, maar dan tegen ongeveer 40% van de kosten.
- FrontierCode v1.1: 54,4%, waarmee het GPT-6 Astra verslaat tegen zo'n 20% van de kosten per taak.
- CursorBench 4.0: 57,8%, elf punten boven GPT-5.6 Sol tegen een derde van de prijs.
- GDPval-AA v2.1: 1.846 punten (Fable 5.1 haalt 1.735).
Ik vind het eerlijk gezegd opvallend dat het niet alleen gaat om "wie scoort hoger", maar steeds om de combinatie van prestatie én kosten. Dat is precies het soort vergelijking waar je als ondernemer iets aan hebt. Een model dat 5% beter scoort maar drie keer zo duur is, helpt je bedrijf niet. Een model dat vergelijkbaar presteert tegen de helft van de prijs — dat verandert je businesscase.
Prijsverlaging: 20% op tokens, 60% op cache
De prijsstructuur van Opus 5.5 vergeleken met Opus 5:
| Component | Opus 5 | Opus 5.5 | Verschil |
|---|---|---|---|
| Input tokens | $5 per miljoen | $4 per miljoen | −20% |
| Output tokens | $25 per miljoen | $20 per miljoen | −20% |
| Cache reads | $0,50 per miljoen | $0,20 per miljoen | −60% |
Die laatste regel is het interessantst. Cache reads — dat zijn hergebruikte stukken tekst die het model al eerder heeft verwerkt — maken bij veel zakelijke toepassingen het grootste deel van de rekening uit. Denk aan een codeertaak waarbij het model steeds dezelfde codebase als context meekrijgt. Daar zit nu een korting van 60%.
Een concreet rekenvoorbeeld uit de berichtgeving: bij een werklast van 41,2 miljoen tokens aan cache reads betaal je met Opus 5 zo'n $20,60. Met Opus 5.5 is dat $8,24. Dat scheelt meer dan de helft.
Wat betekent dat voor een MKB-ondernemer?
Stel dat je als ondernemer een softwareteam hebt dat AI-tools gebruikt voor code-audits of het migreren van legacy-systemen. De berichtgeving noemt een test waarbij Opus 5.5 een codebase van 200.000 regels in minder dan drie uur doorwerkte — waar Opus 5 meer dan twintig uur nodig had. En een migratie van 680.000 regels code die in minder dan een dag klaar was, waar een menselijk team weken voor nodig zou hebben.
Ik wil voorzichtig zijn met zulke voorbeelden — het zijn testresultaten, geen garanties voor jouw specifieke situatie. Maar de richting is duidelijk: sneller, goedkoper, en op een niveau dat steeds dichter bij gespecialiseerd menselijk werk komt.
Snelheid en schrijfkwaliteit
Naast de benchmarkscores vallen twee praktische verbeteringen op:
- 30% snellere output. Het model genereert tokens sneller dan Opus 5. Voor taken waar je op het antwoord wacht — een samenvatting, een code-review, een analyse — merk je dat direct.
- Minder "Claudish" schrijfstijl. Anthropic heeft naar eigen zeggen gewerkt aan natuurlijker taalgebruik. Eerdere versies van Claude stonden bekend om een enigszins formulaïsch, herkenbaar patroon in hun teksten. Opus 5.5 zou daar beter in zijn. Ik ben benieuwd of dat in de praktijk ook zo voelt — dat soort claims zijn lastig te meten met een benchmark.
Er is wel een kanttekening: op maximale inspanning verbruikt Opus 5.5 zo'n 119.000 output tokens per taak, fors meer dan Opus 5 (73.000) of GPT-6 Astra (27.000). Je krijgt meer kwaliteit, maar het model "denkt" ook langer na. Op de standaardinstelling ("high effort") is het verbruik veel lager.
En Sonnet en Haiku?
Anthropic kondigt aan dat Claude Sonnet 5.5 en Haiku 5.5 "in de komende weken" volgen. Dat zijn de lichtere, goedkopere modellen uit dezelfde familie. Voor veel MKB-toepassingen — klantenservice, e-mailverwerking, eenvoudige analyses — zijn die modellen vaak een betere keuze dan het zware Opus. Als daar vergelijkbare prijs- en prestatieverbeteringen in zitten, is dat voor de meeste ondernemers waarschijnlijk relevanter dan Opus zelf.
Afsluitende observatie
Wat mij het meest bijblijft uit dit nieuws is niet de eerste plek op een ranglijst. Het is de combinatie: betere prestaties, lagere prijzen, snellere output — tegelijk. In veel markten kost beter ook meer. Bij AI-modellen zie je het tegenovergestelde: elke paar maanden krijg je meer voor minder. Voor mij is dat vooral een signaal dat de drempel om AI zinvol in je bedrijf in te zetten, weer een stukje lager is geworden. En dat het loont om je kosten en mogelijkheden regelmatig opnieuw te bekijken — want wat drie maanden geleden te duur was, hoeft dat vandaag niet meer te zijn.
80% van de AI-projecten haalt productie nooit.
Ik bouw de 20% — van prototype naar draaiend systeem, binnen weken.