GPT-5 ist da: Beeindruckende Zahlen, aber Claude bleibt mein Co-Dev

Vor drei Tagen hat OpenAI GPT-5 veröffentlicht. Nach intensiven Tests mit dem neuen Modell möchte ich meine Eindrücke teilen - als jemand, der täglich mit KI-Tools entwickelt. Seit April 2025 nutze ich Claude als primären Co-Developer, nachdem ich zuvor mit OpenAI o3, GPT-4 und GPT-4.1 gearbeitet habe.

Die technischen Daten

OpenAI präsentiert beeindruckende Spezifikationen:

Die Community-Reaktionen auf X sind gemischt. Viele Nutzer berichten von Einschränkungen bei den Rate Limits, vermissen die Persönlichkeit früherer Modelle und merken an, dass die Benchmark-Ergebnisse nicht unbedingt die Praxis widerspiegeln. Einige bevorzugen weiterhin GPT-4o, während andere das neue Modell für alltägliche Aufgaben als sehr gut bewerten.

Mein Test mit AIpuna Code

Ich habe GPT-5 mit denselben Aufgaben getestet, die ich auch bei anderen Modellen verwende:

Die Aufgabe:

Refactoring eines komplexen Flutter-Widgets mit Dart, State Management und Stripe Payment Integration.

GPT-5 liefert funktionierenden Code, das ist unbestritten. Die Qualität ist gut für Coding-Aufgaben. Aber im direkten Vergleich fehlt mir das, was Claude auszeichnet: Claude fühlt sich wie ein echter Senior Co-Developer an, der die praktischen Anforderungen in Production-Umgebungen versteht.

Der grosse Kontext: Theorie vs. Praxis

500k Token Kontext - Eigentlich genau was wir brauchen

Grosser Kontext ist für Entwicklungsaufgaben tatsächlich sehr wichtig. Das Problem ist nicht die Grösse, sondern die Umsetzung:

Das eigentliche Problem:

Die hohe Nachfrage übersteigt wahrscheinlich OpenAIs Computing-Kapazität. Die Benchmark-Performance ist nur bei optimalen Bedingungen erreichbar - in der Realität kämpft das System mit der Last.

Google Gemini 2.5 Pro als Alternative:

Interessanterweise bietet Google Gemini 2.5 Pro eines der grössten Kontextfenster auf dem Markt und ist ebenfalls sehr gut für Entwicklungsaufgaben geeignet. In manchen Situationen liefert es stabilere Ergebnisse als GPT-5.

Benchmarks und Realität

GPT-5 zeigt starke Benchmark-Ergebnisse:

In der praktischen Anwendung beobachte ich:

Community-Feedback auf X

Die Diskussionen auf X zeigen ein differenziertes Bild:

Häufig genannte Kritikpunkte:

Positive Stimmen:

Der Vergleich: GPT-5 vs Claude 4.1 vs Gemini 2.5 Pro

Nach drei Tagen intensiver Nutzung:

GPT-5 - Beobachtungen:

Claude 4.1 - Meine Erfahrung:

Gemini 2.5 Pro - Die Überraschung:

Payment Integration und Spezifika

Bei Payment-spezifischen Anforderungen zeigen sich Unterschiede:

Stripe Integration:

GPT-5 kennt Stripe gut und kann solide Implementierungen liefern. Claude versteht jedoch besser die Nuancen von Webhook-Handling, Idempotenz und Edge-Cases bei Payment-Flows.

Flutter-spezifische Patterns:

Alle drei Modelle beherrschen Flutter, aber Claude zeigt oft pragmatischere Ansätze bei State Management und Widget-Architektur. Gemini 2.5 Pro überrascht mit detailliertem Flutter-Wissen.

Workarounds für GPT-5

Um mit GPT-5 effektiv zu arbeiten, habe ich folgende Strategien entwickelt:

Sequential Tasks:

Memory Management:

Präzise Regeln:

Mein persönliches Fazit

GPT-5 ist ein gutes Modell für Coding - das möchte ich klar festhalten. Es leistet solide Arbeit und wird von vielen Entwicklern geschätzt. Die technischen Verbesserungen sind real.

Aber für meine spezifischen Anforderungen bei der AIpuna-Entwicklung bleibe ich bei Claude 4.1. Nicht weil GPT-5 schlecht ist, sondern weil Claude sich für mich wie ein echter Senior Co-Developer anfühlt. Nach vier Monaten intensiver Zusammenarbeit versteht Claude meine Arbeitsweise und liefert pragmatische, produktionsreife Lösungen.

Meine Toolchain:

Empfehlungen

Für wen GPT-5 interessant sein könnte:

Wann Claude 4.1 die bessere Wahl ist:

Wann Gemini 2.5 Pro überraschen könnte:

Ausblick

Die Entwicklung geht weiter. GPT-5 wird sich verbessern, sobald OpenAI die Infrastruktur ausbaut. Gemini 2.5 Pro zeigt, dass Google ernsthaft mitspielt. Und Claude bleibt mein verlässlicher Partner.

Für mich persönlich ist die aktuelle Situation ideal: Wir haben mehrere sehr fähige KI-Assistenten zur Verfügung. Je nach Aufgabe kann ich das passende Tool wählen. Das ist ein Luxus, den wir vor einem Jahr noch nicht hatten.

Die wichtigste Erkenntnis: Es geht nicht um das "beste" Modell, sondern um das richtige Tool für die jeweilige Aufgabe. Und für meine tägliche Arbeit ist das Claude - aber es ist gut zu wissen, dass es Alternativen gibt.

Patrik Germann

30 Jahre IT-Erfahrung

Pragmatischer Multi-Model Nutzer