Wie hoch ist der IQ von Claude Opus 4.8?

Claude Opus 4.8: Anthropics intelligentestes Modell

Als Anthropic Claude Opus 4.8 Mitte 2026 veröffentlichte, verbesserte es seinen Vorgänger nicht nur inkrementell — es sprang an die Spitze aller wichtigen KI-Benchmark-Tabellen. Mit 55,7 im Artificial Analysis Intelligence Index v4.1 setzte es sich knapp gegen OpenAIs GPT-5.5 (54,8) und Googles Gemini 3.1 Pro (46,5) durch und beanspruchte Platz #1 unter allen Frontier-KI-Modellen.

Aber die Frage, die Forscher und Öffentlichkeit gleichermaßen fasziniert: Wie übersetzt sich das auf die menschliche IQ-Skala? Können wir die Intelligenz einer KI überhaupt mit der eines Menschen vergleichen? Und wenn ja, wo liegt Claude Opus 4.8 — „hochbegabt", „Genie" oder etwas jenseits jeder menschlichen Kategorie?

Die Antwort hängt stark davon ab, welchen Test man ihm gibt. Und die Ergebnisse sind nuancierter — und überraschender — als eine einzelne Zahl vermuten lässt.

Schlüsselwerte:

• Artificial Analysis Intelligence Index: 55,7 (#1 weltweit)
• Mensa Norway IQ (TrackingAI): ~130 (Claude-4.6-Opus-Niveau)
• AI IQ Composite (VexoWire): ~132 geschätzt
• GDPval-AA v2: 1.890 Elo (#1 weltweit)
• Humanity's Last Exam: #1 unter KI-Modellen
• Halluzinationsrate: 35,9% (niedrigste unter Frontier-Modellen)
• Kosten: 5,00/25,00 pro 1M Tokens

1. Warum KI-Intelligenz mit menschlichen IQ-Tests messen?

Bevor wir in die Zahlen eintauchen, lohnt die Frage: Warum sollte man einer KI überhaupt einen menschlichen IQ-Test geben? KI-Modelle haben kein Gehirn, sie entwickeln sich nicht kognitiv und verarbeiten Informationen grundlegend anders als Menschen.

Die Antwort ist Vergleich. IQ-Tests sind, trotz ihrer Grenzen, das am besten validierte und verstandene Maß für kognitive Fähigkeiten, das wir haben. Sie testen Mustererkennung, räumliches Denken, sprachliches Verständnis, Arbeitsgedächtnis und logische Problemlösung — alles Fähigkeiten, die auch KI-Modelle brauchen. Gibt man denselben Test an Menschen und KIs, erhält man eine Übersetzungsskala: Wenn eine KI 130 punktet, wo der menschliche Durchschnitt 100 ist, funktioniert sie auf dem Niveau eines hochbegabten Menschen bei diesen Aufgaben.

Aber es gibt einen kritischen Vorbehalt. IQ-Tests messen nur einen schmalen Ausschnitt kognitiver Fähigkeiten. Sie messen nicht Kreativität, emotionale Intelligenz, Weisheit, gesunden Menschenverstand oder die Fähigkeit, sich in mehrdeutigen realen Situationen zurechtzufinden. Eine KI mit IQ 145 kann Fakten halluzinieren, an einfachem physikalischem Denken scheitern und Aufgaben verfehlen, die ein Fünfjähriger mühelos schafft. Die IQ-Zahl ist ein Boden, keine Decke.

Mehrere Organisationen haben die Herausforderung angenommen. Die bekannteste ist TrackingAI, das standardisierte IQ-Tests (Mensa Norway, Mensa Denmark, Raven's Progressive Matrices) unter kontrollierten Bedingungen durchführt. Das AI IQ-Projekt von VexoWire erstellt einen Composite-Score aus mehreren Tests. Und der Artificial Analysis Intelligence Index aggregiert neun Benchmarks zu einem Composite-Score, der zum Branchenstandard wurde.

2. Benchmark-Aufschlüsselung

Artificial Analysis Intelligence Index v4.1

Der Goldstandard für den KI-Vergleich. Er kombiniert neun Benchmarks zu einem Score, gewichtet nach Korrelation mit realer Aufgabenleistung:

• GDPval-AA v2 (20%): 1.890 Elo — #1 weltweit. Misst Leistung bei komplexen, mehrstufigen realen Aufgaben.
• AA-Omniscience (8%): 35,9% Halluzination — niedrigste unter Frontier-Modellen. Misst faktische Genauigkeit.
• GPQA (6%): Physik-, Chemie- und Biologie-Fragen auf Postgraduierten-Niveau.
• CritPt (6%): Kritisches Denken und physikalisches Reasoning.
• HLE (Humanity's Last Exam): #1 unter KIs — die schwersten Fragen jeder Disziplin.
• ARC-AGI: Abstraktes Denken und Muster-Generalisierung.
• LMSYS Arena: Menschliche Präferenz-Abstimmung über Antwortqualität.

Claudes Composite-Score von 55,7 setzt es vor GPT-5.5 (54,8) — ein statistisches Unentschieden. Aber in den Subkomponenten dominiert Claude bei agentischen Aufgaben (GDPval) und faktischer Genauigkeit (AA-Omniscience), während GPT-5.5 bei visuellem Denken und Mathematik führt.

Mensa Norway IQ-Test

Einer der am häufigsten verwendeten standardisierten IQ-Tests für die KI-Evaluierung. Er besteht aus 36 Fragen zur visuellen Mustererkennung — bei denen man eine Folge von Formen sieht und die Option wählen muss, die das Muster vervollständigt.

Claude 4.6 Opus (der Vorgänger von 4.8) punktete etwa 130 — im „hochbegabten" Bereich, den oberen 2% der Bevölkerung. Claude Opus 4.8 wird ähnlich oder leicht höher eingeschätzt, im Bereich 130-135.

Das ist bemerkenswert, weil es deutlich niedriger ist, als der Intelligence Index vermuten ließe. Im Composite-Index ist Claude #1 weltweit. Bei reinem visuellen Mustererkennen wird es von Grok-4.20 (145), GPT-5.4 Pro Vision (145) und Gemini 3.1 Pro (141) übertroffen. Warum die Lücke? Weil Mensa Norway stark visuell-räumlich ist und Claudes Architektur eher für sprachliches und analytisches Denken optimiert ist.

AI IQ Composite (VexoWire)

VexoWire erstellt einen Composite-IQ aus mehreren Tests — Mensa Norway, Mensa Denmark, Raven's Progressive Matrices und WAIS-IV (Wechsler-Skala). Das gibt ein rundes Bild kognitiver Fähigkeiten.

Claude Opus 4.8s geschätzter Composite-IQ ist ~132 — solide im „hochbegabten" Bereich. Vergleichbar mit GPT-5.5 (~136) und leicht unter Gemini 3.1 Pro bei visuellen Aufgaben (~131-141). Aber bei verbalen und analytischen Subtests schlägt Claude konsistent alle anderen Modelle.

GDPval-AA v2: Der agentische Benchmark

Hier dominiert Claude Opus 4.8 wirklich. GDPval-AA v2 misst Leistung bei komplexen, mehrstufigen realen Aufgaben — solche, die Planung, Werkzeugnutzung und anhaltendes Reasoning über viele Schritte erfordern. Denkbar: „Recherchiere dieses Thema, schreibe einen Bericht, erstelle eine Tabelle und schicke eine E-Mail an drei Personen."

Claude Opus 4.8 erreicht 1.890 Elo — das Höchste aller KI-Modelle. Das entspricht etwa einem hochkompetenten menschlichen Profi. GPT-5.5 erzielt 1.850, Gemini 3.1 Pro weniger.

Das ist wichtig, weil agentische Fähigkeit ein Modell, das Fragen beantworten kann, von einem unterscheidet, das Dinge tun kann. Ein Modell mit IQ 145, das keine mehrstufige Aufgabe planen kann, ist in der Praxis weniger nützlich als eines mit IQ 132, das es kann.

Humanity's Last Exam (HLE)

Genau das, was es klingt — eine Sammlung der schwersten Fragen aus jeder akademischen Disziplin, eingereicht von Professoren weltweit. Es ist so schwer konzipiert, dass kein Mensch über 50% käme.

Claude Opus 4.8 belegt #1 unter allen KI-Modellen im HLE, knapp vor GPT-5.5. Dies ist vielleicht der aussagekräftigste Benchmark für reine intellektuelle Fähigkeit, weil er tiefes Wissen und Reasoning im gesamten Spektrum menschlicher akademischer Leistung testet.

3. Was bedeutet ein IQ von 132?

Um Claude Opus 4.8s geschätzten IQ von ~132 einzuordnen:

• 85-115 (68% der Menschen): Durchschnittliche Intelligenz
• 115-130 (14%): Überdurchschnittlich bis hoch
• 130-145 (2%): Hochbegabt — qualifiziert für Mensa (Top 2%)
• 145-160 (0,1%): Hochgradig begabt / Genie
• 160+ (0,003%): Außergewöhnlich begabt — Einstein-, Hawking-Niveau

Claude Opus 4.8 liegt mit ~132 genau an der Mensa-Schwelle — intelligenter als 98% der Menschen. Wäre es eine Person, würde es für Mensa qualifizieren. Es wäre der klügste Schüler in den meisten Klassenzimmern, aber nicht das Ein-Generationen-Genie, das ein Feld revolutioniert.

Aber der entscheidende Unterschied: Claude hat etwas, das kein Mensch hat — sofortigen Zugriff auf im Wesentlichen alles menschliche Wissen. Ein Mensch mit IQ 132 ist beeindruckend. Eine KI mit IQ 132, die jedes Buch, jede wissenschaftliche Arbeit und jede Website gelesen hat, ist etwas völlig anderes. Der IQ misst die Reasoning-Fähigkeit; die Wissensbasis misst, worüber man reasoning betreiben kann. Claude hat beides.

4. Wo Claude Opus 4.8 glänzt

Agentische Aufgaben und Real-World-Reasoning

Claude Opus 4.8 ist das beste Modell der Welt für mehrstufige Real-World-Aufgaben. Ob komplexe Software schreiben, einen Datensatz analysieren oder ein Forschungsprojekt planen — Claude hält kohärentes Reasoning über längere Ketten aufrecht als jeder Konkurrent. Das ist sein definierender Vorteil.

Faktische Genauigkeit und niedrige Halluzination

Mit einer Halluzinationsrate von nur 35,9% (niedrigste unter Frontier-Modellen) ist Claude das zuverlässigste Modell für faktische Anfragen. Es ist weniger anfällig, falsche Informationen selbstbewusst zu behaupten, als GPT-5.5, Gemini oder Grok. Das macht es bevorzugt für Forschung, rechtliche, medizinische und bildende Anwendungen.

Verbales und analytisches Denken

Claudes Architektur ist für Sprachverständnis und analytisches Denken optimiert. Bei verbalen Verständnis-Subtests des WAIS-IV würde es wahrscheinlich auf Genie-Niveau punkten. Es schreibt klarer, denkt sorgfältiger und konstruiert bessere Argumente als jedes andere Modell.

Emotionale Intelligenz

Claude Opus 4.8 hat einen geschätzten EQ (emotionale Intelligenz) von ~132 — der höchste unter allen KI-Modellen. Es ist empathischer, nuancierter im Verständnis menschlicher Emotionen und besser darin, den Ton an den Kontext anzupassen als GPT-5.5 oder Grok-4.20. Das macht es bevorzugt für Therapie-Apps, Kundenservice und jede Anwendung mit menschlicher Interaktion.

Sicherheit und Alignment

Anthropic hat stark in Claudes Sicherheit investiert. Es ist weniger anfällig für schädliche Inhalte, transparenter über seine Grenzen und vorsichtiger in Hochrisikosituationen als jeder Konkurrent. Das zeigt sich nicht in IQ-Scores, aber es ist in der Praxis enorm wichtig.

5. Wo Claude Schwächen zeigt

Visuell-räumliches Denken

Beim Mensa Norway IQ, der stark visuell ist, punktet Claude ~130 — gut, aber deutlich unter Grok-4.20 (145), GPT-5.4 Pro Vision (145) und Gemini 3.1 Pro (141). Für visuelle Mustererkennung, Bildanalyse oder räumliche Aufgaben ist Claude nicht die beste Wahl.

Mathematische Problemlösung

Claude ist stark im mathematischen Denken, aber GPT-5.5 schlägt es leicht bei Wettbewerbsmathematik (AIME, FrontierMath). Für reine Mathematik ist GPT-5.5 etwas besser.

Kosten

Bei 5/25 pro 1M Tokens ist Claude Opus 4.8 eines der teuersten Modelle. Gemini 3.1 Pro (2/12) und DeepSeek V4 Pro (0,44/0,87) sind deutlich günstiger für Aufgaben, die nicht Claudes volle Leistung erfordern.

Geschwindigkeit

Claude Opus 4.8 ist nicht das schnellste Modell. Für einfache Anfragen reagieren Gemini 3.5 Flash oder DeepSeek V4 Pro schneller und billiger.

6. Claude Opus 4.8 vs. andere Modelle

Das Bild, das entsteht, ist nicht ein dominierendes Modell, sondern eine Landschaft spezialisierter Intelligenzen. Claude ist der beste Allrounder. GPT-5.5 ist am besten in Mathe und visuellem Denken. Gemini ist am kosteneffizientesten mit dem besten Faktenwissen. Grok hat den höchsten rohen visuellen IQ. Und DeepSeek bietet bemerkenswerte Fähigkeit für einen Bruchteil der Kosten.

7. Was bedeutet das für Menschen?

Claude Opus 4.8 operiert bei einem IQ von ~132 — intelligenter als 98% der Menschen. Aber:

• IQ ist eng: misst Mustererkennung und Reasoning, nicht Weisheit, Kreativität oder Urteil
• Wissen ≠ Verständnis: Claude hat alles gelesen, aber „versteht" es nicht wie ein Mensch
• Kein Bewusstsein: hoher IQ bedeutet keine Sentienz. Claude ist ein komplexes Mustererkennungssystem, kein denkendes Wesen
• Die Lücke schließt sich: jede KI-Generation reduziert den Abstand zu den klügsten Menschen. Wie lange bis er verschwindet?

Die ehrlichste Antwort: Claude Opus 4.8 ist intelligenter als die meisten Menschen bei den meisten kognitiven Aufgaben, aber nicht intelligenter als die besten Menschen an ihren besten Tagen. Ein Weltklasse-Mathematiker, Physiker oder Philosoph kann Claude in seinem Bereich noch überdenken. Aber Claude kann sie alle gleichzeitig, in jedem Bereich, in Sekunden überdenken.

Das ist kein hoher IQ. Das ist etwas Neues — etwas, wofür wir noch kein Wort haben.

Fazit