Anthropic
Anthropic's flagship for the work you would hand a senior colleague — thinking on by default, a million tokens of context.
1M tokens
Kontext
May 2026
Wissenstand
128,000 tokens
Max. Ausgabe
Langsamer
Geschwindigkeit
Three prompts, three unedited answers, generated on September 2, 2026 through NinjaChat. Click the prompt to copy it and run it yourself.
Write a Python function that merges overlapping intervals, plus three short tests. Keep the whole answer under 40 lines of code.
def merge_intervals(intervals):
"""Merge overlapping intervals.
Args:
intervals: iterable of (start, end) pairs with start <= end.
Returns:
New list of disjoint (start, end) tuples sorted by start.
Touching intervals like (1, 2) and (2, 3) are merged.
"""
merged = []
for start, end in sorted(tuple(iv) for iv in intervals):
if merged and start <= merged[-1][1]:
prev_start, prev_end = merged[-1]
merged[-1] = (prev_start, max(prev_end, end))
else:
merged.append((start, end))
return merged
def test_overlapping_and_touching():
assert merge_intervals([(1, 3), (2, 6), (8, 10), (15, 18)]) == [
(1, 6), (8, 10), (15, 18)]
assert merge_intervals([(1, 2), (2, 3)]) == [(1, 3)]
def test_unsorted_and_nested():
assert merge_intervals([(5, 7), (1, 10), (2, 3)]) == [(1, 10)]
def test_edge_cases():
assert merge_intervals([]) == []
assert merge_intervals([(4, 4)]) == [(4, 4)]
assert merge_intervals([(1, 2), (3, 4)]) == [(1, 2), (3, 4)]
if __name__ == "__main__":
test_overlapping_and_touching()
test_unsorted_and_nested()
test_edge_cases()
print("all tests passed")
A couple of notes on choices worth knowing about:
(1, 2) and (2, 3) become (1, 3) because the comparison is start <= prev_end. If your intervals are half-open (e.g. time slots where 2 is an exclusive end), change it to start < merged[-1][1] so they stay separate.(5, 1) will produce nonsense rather than an error; add a check if the input isn't trusted.Complexity is O(n log n) time from the sort, O(n) extra space.
Read: We ran the same 3 prompts on 12 AI models — Unedited answers, latency and price for every model, measured through the NinjaChat API in September 2026.
Served by Anthropic as claude-opus-5. Answers vary run to run; these are one take each, not the best of several.
Änderungen über mehrere Dateien inklusive Tests – zu Ende gebracht statt nur skizziert.
Eine Million Token Kontext: ganze Repos, Vertragssammlungen, Rechercheatchive in einem Thread.
Architektur-Reviews, Abwägungsanalysen, Pläne, die einer Prüfung standhalten müssen.
Screenshots, Diagramme, PDFs und Tabellen als Teil der Unterhaltung.
Tuned to this model — click any line to copy.
Claude Opus 5 ist die Spitze von Anthropics Claude-5-Familie, erschienen am 24. Juli 2026 und oberhalb von Claude Sonnet 5 und Claude Fable 5 positioniert. Es ist das Modell, das Anthropic auf agentisches Coding, Computer Use und langfristiges Reasoning ausrichtet: also auf Aufgaben, bei denen ein Modell einen Plan über viele Schritte hinweg halten, unterwegs Tools nutzen und merken muss, wenn es falsch liegt. Auf NinjaChat ist Claude Opus 5 in jedem Tarif enthalten, zusammen mit dem restlichen Modellkatalog.
Die wichtigste Neuerung: Das Denken ist standardmäßig aktiv. Opus 5 entscheidet selbst, wie viel Reasoning eine Antwort braucht, und denkt länger nach, wenn das Problem es verdient. Eine Zwei-Zeilen-Frage kommt also schnell zurück, während ein Refactoring quer durch eine Codebasis die nötige Sorgfalt bekommt. Zusammen mit einem Kontextfenster von 1 Million Token und 128K Token Ausgabe heißt das: Du kannst ein ganzes Repository, einen Satz Verträge oder ein Quartal an Recherchenotizen in einer Unterhaltung übergeben und etwas verlangen, das sich über alles davon erstreckt.
In der Praxis ist Opus 5 das Modell für Arbeit, die du sonst einer erfahrenen Kollegin geben und später prüfen würdest – nicht für schnelle Assistenzaufgaben. Codeänderungen über mehrere Dateien samt Tests, ein Architektur-Review, das Kompromisse abwägen muss, ein langes Dokument, mit dem du diskutieren statt es zusammenfassen willst. Es liest Bilder und Dateien, ruft Tools auf und liefert strukturierte Ausgaben, wenn du JSON verlangst – es passt also ebenso in Workflows wie in Gespräche.
Dafür geht es bedächtig vor. Opus 5 ist langsamer als Sonnet 5 und kostet in der API mehr pro Token – genau deshalb hat NinjaChat beide in der Modellauswahl: Starte mit Opus für den schwierigen Teil und wechsle für die Menge zu Sonnet. Wenn es dir vor allem auf Tempo ankommt, deckt Claude Fable 5 den Alltags-Chat mit deutlich weniger Aufwand ab.
Anthropic gibt für Opus 5 96,0 % auf SWE-bench Verified an – jenem Software-Engineering-Benchmark, der zum Kürzel für agentische Coding-Fähigkeit geworden ist. Benchmarks sind nicht die eigentliche Arbeit, aber diese Zahl deckt sich mit dem Eindruck im Einsatz: Es bringt Aufgaben zu Ende, die andere Modelle halbfertig liegen lassen.
Von null zum ersten Ergebnis in unter einer Minute.
01
Erstelle ein NinjaChat-Konto und wähle einen Tarif
02
Chat öffnen und Claude Opus 5 aus der Modellliste wählen
03
Die ganze Aufgabe übergeben, Dateien inklusive – nicht nur ein Fragment
04
Es denken lassen: schwierigere Fragen dauern absichtlich länger
05
Für schnelle Rückfragen zu Sonnet 5 oder Fable 5 wechseln
Ehrliche Vergleiche – wo {model} überzeugt und wo nicht.
Tieferes Reasoning und zuverlässigere agentische Arbeit über lange Aufgaben
Sonnet 5 ist für Alltagsaufgaben schneller und günstiger
Stärker bei Benchmarks für agentisches Coding und Computer Use
Sol hat ein größeres Kontextfenster und ein anderes Tool-Ökosystem
Denken standardmäßig aktiv, höherer SWE-bench-Wert, besserer Tool-Einsatz
Opus 4.8 bleibt verfügbar, falls du darauf abgestimmte Prompts hast
Jeder NinjaChat-Plan umfasst 50+ Modelle, ein vollständiges Bildstudio und Videogenerierung.



Ein Abo deckt jedes Modell auf NinjaChat ab, Claude Opus 5 inklusive.