Anthropics Claude Opus 4.8 ist 4x ehrlicher, bietet günstigeren Schnellmodus und parallele Subagenten

Verbesserte Ehrlichkeit

Anthropic hat am Donnerstag Claude Opus 4.8 veröffentlicht und betont die „Ehrlichkeit“ des Modells als herausragendes Merkmal. Das Unternehmen gibt an, dass das Modell etwa viermal seltener als sein Vorgänger Opus 4.7 Fehler im eigenen Code unkommentiert lässt. Das Modell kennzeichnet Unsicherheiten häufiger und neigt weniger zu unbelegten Behauptungen – ein anhaltendes Problem, bei dem KI-Modelle auch bei Fehlern Selbstvertrauen ausstrahlen.

Claude Opus 4.8 hat ein spürbar besseres Urteilsvermögen. In Claude Code stellt es die richtigen Fragen, erkennt eigene Fehler, widerspricht bei unausgereiften Plänen und baut bei komplexen, dienstübergreifenden Erkundungen Vertrauen auf, bevor es größere Änderungen vornimmt.

Benchmark-Leistung

Bei Standard-Benchmarks liefert Opus 4.8 bescheidene, aber spürbare Verbesserungen. Es erreicht 88,6 % bei SWE-bench Verified (gegenüber 87,6 %), 69,2 % beim agentischen Codieren (Terminal-Bench 2.1, gegenüber 64,3 %) und 57,9 % beim multidisziplinären Denken mit Werkzeugen. Außerdem übertrifft es den Vibe-Coding-Benchmark von Vals AI um 10 % gegenüber dem vorherigen Anthropic-Modell und schlägt damit alle öffentlich verfügbaren KIs.

Neue Funktionen

Neben dem Modell führte Anthropic dynamische Workflows in der Research Preview ein, die es Claude ermöglichen, Aufgaben zu planen und hunderte parallele Subagenten innerhalb einer einzigen Sitzung zu spawnen. Benutzer können nun den „Aufwandsgrad“ der Antworten steuern und zwischen schnelleren, günstigeren Antworten und tiefergehendem, token-intensiverem Denken wählen. Der Schnellmodus wurde dreimal günstiger und kostet nun 10 $ pro Million Input-Token und 50 $ pro Million Output-Token, während die regulären Preise bei 5 $/25 $ bleiben.

Alignment und Mythos

Anthropic bewertete die prosozialen Eigenschaften von Opus 4.8 und stellte fest, dass es mit seinem am besten ausgerichteten Modell Claude Mythos Preview vergleichbar ist. Das Unternehmen bestätigte, dass Mythos-Klassemodelle, die bereits über 10.000 kritische Softwareschwachstellen gefunden haben, „in den kommenden Wochen“ allen Kunden zur Verfügung gestellt werden, sobald zusätzliche Sicherheitsvorkehrungen getroffen sind.

Opus 4.8 ist etwa 4x seltener als sein Vorgänger geneigt, Fehler in selbst geschriebenem Code unkommentiert zu lassen.

Marktauswirkungen

Der Start erfolgt inmitten eines intensiven Wettbewerbs mit OpenAI und Google. Frühe Tester wie Cursor, Cognition und Databricks berichteten von Verbesserungen bei der Werkzeugnutzung und dem agentischen Denken. Databricks stellte einen „Quantensprung im agentischen Denken“ und 61 % günstigere Token-Kosten im Vergleich zu Opus 4.7 für seinen Genie-Datenagenten fest.