Anthropic Claude Opus 4.8 : quatre fois plus honnête, un mode rapide moins cher et des sous-agents parallèles

Honnêteté améliorée

Anthropic a publié Claude Opus 4.8 jeudi, mettant en avant son « honnêteté » comme caractéristique phare. L'entreprise affirme que le modèle est environ quatre fois moins susceptible que son prédécesseur, Opus 4.7, de laisser passer des défauts dans son propre code sans les signaler. Le modèle est plus enclin à indiquer ses incertitudes et moins sujet aux affirmations non étayées, répondant ainsi à un problème récurrent où les modèles d'IA affichent une confiance même lorsqu'ils ont tort.

Claude Opus 4.8 a un jugement nettement meilleur. Dans Claude Code, il pose les bonnes questions, repère ses propres erreurs, s'oppose quand un plan n'est pas solide et renforce la confiance autour d'explorations complexes multi-services avant d'apporter des changements importants.

Performances aux benchmarks

Sur les benchmarks standard, Opus 4.8 offre des améliorations modestes mais tangibles. Il obtient 88,6 % sur SWE-bench Verified (contre 87,6 %), 69,2 % en codage agentique (Terminal-Bench 2.1, contre 64,3 %) et 57,9 % en raisonnement multidisciplinaire avec outils. Il surpasse également de 10 % le benchmark de « vibe coding » de Vals AI par rapport au précédent modèle Anthropic, surpassant tous les IA publiquement disponibles.

Nouvelles fonctionnalités

Parallèlement au modèle, Anthropic a introduit des flux de travail dynamiques en avant-première de recherche, permettant à Claude de planifier des tâches et de déployer des centaines de sous-agents parallèles en une seule session. Les utilisateurs peuvent désormais contrôler le niveau d'« effort » des réponses, en choisissant entre des réponses plus rapides et moins chères et un raisonnement plus profond et plus intensif en jetons. Le mode rapide est devenu trois fois moins cher, passant à 10 $ par million de jetons en entrée et 50 $ par million de jetons en sortie, tandis que le tarif standard reste à 5 $/25 $.

Alignement et Mythos

Anthropic a évalué les traits prosociaux d'Opus 4.8, le jugeant comparable à son modèle le plus aligné, Claude Mythos Preview. La société a confirmé que les modèles de classe Mythos, qui ont déjà découvert plus de 10 000 vulnérabilités logicielles critiques, seront mis à la disposition de tous les clients « dans les semaines à venir » une fois que des garanties supplémentaires seront en place.

Opus 4.8 est environ 4 fois moins susceptible que son prédécesseur de laisser passer des défauts dans le code qu'il a écrit sans les signaler.

Impact sur le marché

Ce lancement intervient dans un contexte de concurrence féroce avec OpenAI et Google. Les premiers testeurs comme Cursor, Cognition et Databricks ont signalé des améliorations dans l'utilisation des outils et le raisonnement agentique. Databricks a noté un « changement d'étape dans le raisonnement agentique » et des coûts de jetons 61 % moins chers par rapport à Opus 4.7 pour son agent de données Genie.