Claude Opus 4.8 od Anthropic jest 4 razy bardziej uczciwy, dodaje tańszy tryb szybki i równoległe podagenty

Ulepszona uczciwość

Anthropic wydał Claude Opus 4.8 w czwartek, podkreślając „uczciwość” modelu jako jego wyróżniającą cechę. Firma twierdzi, że jest on około cztery razy mniej skłonny niż jego poprzednik, Opus 4.7, do pomijania błędów we własnym kodzie. Model częściej sygnalizuje niepewności i jest mniej podatny na formułowanie niepopartych twierdzeń, rozwiązując uporczywy problem, w którym modele AI wykazują pewność nawet wtedy, gdy się mylą.

Claude Opus 4.8 ma zauważalnie lepszy osąd. W Claude Code zadaje właściwe pytania, wyłapuje własne błędy, sprzeciwia się, gdy plan nie jest rozsądny, i buduje pewność wokół złożonych, wielousługowych eksploracji przed wprowadzeniem dużych zmian.

Wyniki benchmarków

W standardowych benchmarkach Opus 4.8 osiąga skromne, ale wymierne ulepszenia. Zdobywa 88,6% w SWE-bench Verified (wzrost z 87,6%), 69,2% w kodowaniu agentowym (Terminal-Bench 2.1, wzrost z 64,3%) oraz 57,9% w multidyscyplinarnym rozumowaniu z narzędziami. Wyprzedza również poprzedni model Anthropic o 10% w benchmarku vibe coding Vals AI, przewyższając wszystkie publicznie dostępne AI.

Nowe funkcje

Wraz z modelem Anthropic wprowadził dynamiczne przepływy pracy w wersji zapoznawczej, umożliwiając Claude'owi planowanie zadań i tworzenie setek równoległych podagentów w ramach jednej sesji. Użytkownicy mogą teraz kontrolować poziom „wysiłku” odpowiedzi, wybierając między szybszymi, tańszymi odpowiedziami a głębszym, bardziej tokenochłonnym rozumowaniem. Tryb szybki stał się trzy razy tańszy, spadając do 10 dolarów za milion tokenów wejściowych i 50 dolarów za milion tokenów wyjściowych, podczas gdy regularne ceny pozostają na poziomie 5/25 dolarów.

Dopasowanie i Mythos

Anthropic ocenił prospołeczne cechy Opus 4.8, stwierdzając, że jest on porównywalny z jego najlepiej dopasowanym modelem, Claude Mythos Preview. Firma potwierdziła, że modele klasy Mythos, które znalazły już ponad 10 000 krytycznych luk w oprogramowaniu, zostaną udostępnione wszystkim klientom „w nadchodzących tygodniach” po wdrożeniu dodatkowych zabezpieczeń.

Opus 4.8 jest około 4 razy mniej skłonny niż jego poprzednik do pomijania błędów w kodzie, który napisał.

Wpływ na rynek

Premiera następuje w obliczu ostrej konkurencji z OpenAI i Google. Wcześni testerzy, tacy jak Cursor, Cognition i Databricks, zgłosili ulepszenia w korzystaniu z narzędzi i rozumowaniu agentowym. Databricks odnotował „skokową zmianę w rozumowaniu agentowym” i 61% tańsze koszty tokenów w porównaniu z Opus 4.7 dla swojego agenta danych Genie.