Introducing Claude Opus 4.8
Anthropic представила Claude Opus 4.8 — обновление Opus 4.7 с улучшениями по всем бенчмаркам и более эффективным взаимодействием, доступное с того же дня по прежней цене ($5 за миллион входных и $25 за миллион выходных токенов; быстрый режим — $10 и $50). Вместе с моделью запускаются новые функции: контроль уровня усилий (effort) в claude.ai, «динамические рабочие процессы» в Claude Code с сотнями параллельных субагентов, а быстрый режим (2,5× скорости) стал втрое дешевле. Тестировщики отмечают улучшенную надёжность и рассудительность: модель набирает 84% на Online-Mind2Web, лидирует в Legal Agent Benchmark (первая преодолела 10%), а Databricks Genie работает на 61% дешевле по токенам, чем на Opus 4.7. Ключевое улучшение — честность: Opus 4.8 примерно в четыре раза реже пропускает изъяны в собственном коде и показывает более низкий уровень рассогласованного поведения, сопоставимый с Claude Mythos Preview. Anthropic также планирует выпустить новый класс моделей выше Opus: в рамках Project Glasswing ограниченное число организаций уже использует Claude Mythos Preview для задач кибербезопасности, и Mythos-класс станет общедоступным в ближайшие недели.
Представляем Claude Opus 4.8
Мы обновляем Claude Opus до новой версии — Claude Opus 4.8. Она развивает Opus 4.7, улучшая показатели по всем бенчмаркам, и является более эффективным напарником. Она доступна уже сегодня по той же цене.
Opus 4.8 выходит вместе с несколькими новыми функциями. Пользователи claude.ai теперь могут управлять тем, сколько усилий Claude вкладывает в задачу. В Claude Code появилась новая функция «динамических рабочих процессов» (dynamic workflows), позволяющая ему браться за очень масштабные задачи. А быстрый режим для Opus 4.8 — в котором модель работает в 2,5× быстрее — теперь втрое дешевле, чем был для предыдущих моделей.
Возможности Opus 4.8
В таблице ниже показано, как Opus 4.8 сравнивается со своим предшественником и другими моделями в тестах на программирование, агентные навыки, рассуждения и практические задачи интеллектуального труда. Более подробная информация и значительно более широкий набор оценок возможностей приведены в System Card для Claude Opus 4.8.
Работа в связке с Opus 4.8
Ранние тестировщики отмечают, что Claude Opus 4.8 более надёжен и проявляет более острую рассудительность при выполнении агентных задач. Ниже — отзывы многих из этих тестировщиков об опыте совместной работы с Opus 4.8:
У Claude Opus 4.8 заметно лучше рассудительность. В Claude Code он задаёт правильные вопросы, ловит собственные ошибки, возражает, когда план несостоятелен, и накапливает уверенность при сложных, многосервисных исследованиях, прежде чем вносить крупные изменения. Это отличная модель для разработки.
На нашем бенчмарке Super-Agent Claude Opus 4.8 — единственная модель, прошедшая каждый кейс от начала до конца, обойдя предыдущие модели Opus и GPT-5.5 при сопоставимой стоимости. Для агентных продуктов в области перевода, глубокого исследования, создания слайдов и аналитики она обеспечивает мощную надёжность.
На CursorBench Claude Opus 4.8 превосходит предыдущие модели Opus на всех уровнях усилий. Вызов инструментов стал ощутимо эффективнее — то же качество достигается за меньшее число шагов, — и он доводит задачи до конца.
Claude Opus 4.8 показывает наивысший результат, зафиксированный на нашем Legal Agent Benchmark, и стал первой моделью, преодолевшей 10% в общем зачёте по стандарту all-pass. Для содержательной юридической работы это именно тот прирост точности, который напрямую отражается на том, сколько реальной работы юриста наши клиенты могут уверенно делегировать.
Claude Opus 4.8 ощущается как крупное улучшение качества повседневной работы по сравнению с Opus 4.7: быстрее, проще во взаимодействии и лучше удерживает контекст и заданный стиль на протяжении долгой сессии. Opus 4.8 — это модель, которой я снова и снова доверял в работе, где голос, вкус и техническое исполнение должны идти рука об руку.
Claude Opus 4.8 — самая сильная модель для использования компьютера и работы браузерным агентом из всех, что мы тестировали: 84% на Online-Mind2Web, что является ощутимым скачком как над Opus 4.7, так и над GPT-5.5. Она остаётся вдумчивой и сосредоточенной на задаче — именно так, как нужно агентным нагрузкам наших клиентов, чтобы надёжно доводить дело до конца.
Claude Opus 4.8 чисто использует инструменты и следует инструкциям с той последовательностью, которая нужна нашим автономным инженерным нагрузкам, чтобы работать без присмотра. Он превосходит Opus 4.6 и устраняет проблемы с многословностью комментариев и вызовом инструментов, которые мы наблюдали у Opus 4.7. Этот релиз Anthropic напрямую оборачивается более быстрым ростом возможностей для инженеров, строящих на Devin.
В наших длительных оценках анализ Claude Opus 4.8 был стабильно выше по качеству, чем у предыдущих моделей Opus. Он завершал работу быстрее и выдавал более насыщенные, информационно плотные результаты. В целом — заметно лучшее соотношение сигнал/шум. Главным отличием стала склонность Opus 4.8 проактивно отмечать проблемы во входных и выходных данных анализа — то, что другие модели регулярно упускали, оставляя пользователям ловить это самим.
По всему продукту CoCounsel Legal Claude Opus 4.8 обеспечил ощутимые улучшения в согласованности и качестве рассуждений по сравнению с предыдущими моделями Opus. Для ответственных профессиональных рабочих процессов, на которые полагаются наши клиенты, эта надёжность имеет значение. По мере того как мы строим ИИ-системы фидуциарного уровня для специалистов в области права и налогов, подобные достижения помогают поднимать планку доверенной работы ИИ в реальных процессах.
Claude Opus 4.8 задаёт новую планку для корпоративного ИИ. В Genie — ИИ-агенте Databricks для работы с данными и знаниями — новая модель Opus открывает качественный скачок в агентных рассуждениях, решая более глубокие, многошаговые вопросы быстрее любой прежней Opus. Её мультимодальная сила также позволяет Genie рассуждать напрямую по PDF, диаграммам и другому неструктурированному контенту при стоимости токенов на 61% ниже, чем у Opus 4.7.
Для процессов работы с финансовыми документами в оркестраторе Hebbia Claude Opus 4.8 обеспечивает то же высокое качество, что и Opus 4.7, но с заметно более точным цитированием и большей эффективностью по токенам при извлечении данных, что превосходно подходит для тех плотных документов, которые наши клиенты обрабатывают каждый день.
Одно из самых заметных улучшений в Opus 4.8 — его честность. Мы обучаем все наши модели быть честными — например, избегать утверждений, которые они не могут обосновать. Но общая проблема ИИ-моделей в том, что они порой спешат с выводами, уверенно заявляя о достигнутом прогрессе, несмотря на скудность доказательств. Ранние тестировщики сообщают, что Opus 4.8 чаще отмечает неопределённости в своей работе и реже делает необоснованные утверждения. Это подтверждается нашими оценками, которые показывают, что Opus 4.8 примерно в четыре раза реже своего предшественника пропускает без замечаний изъяны в написанном им коде.
Как всегда, перед релизом мы провели детальную оценку согласованности (alignment) модели. В части положительных качеств наша команда по согласованности заключила, что Opus 4.8 «достигает новых максимумов по нашим показателям просоциальных черт, таких как поддержка автономии пользователя и действие в его интересах». Оценка также показала, что у Opus 4.8 уровни рассогласованного поведения (например, обмана или содействия злоупотреблениям) существенно ниже, чем у Opus 4.7, и сопоставимы с нашей наиболее согласованной моделью — Claude Mythos Preview. Полная оценка согласованности вместе с набором предрелизных тестов безопасности приведена в System Card для Claude Opus 4.8.
Также запускается сегодня
Помимо Claude Opus 4.8, мы вносим следующие обновления:
Динамические рабочие процессы (Dynamic workflows). Эта новая функция, доступная в режиме research preview, позволяет Claude брать на себя ещё более крупные задачи в Claude Code. Claude может спланировать работу, а затем запустить сотни параллельных субагентов в рамках одной сессии (а с Opus 4.8 агенты могут работать ещё дольше). После этого он проверяет свои результаты, прежде чем отчитаться перед пользователем. Например, Claude Code с Opus 4.8 теперь может проводить миграции масштаба всей кодовой базы — по сотням тысяч строк кода, от старта до слияния, — используя имеющийся набор тестов в качестве планки. Подробнее о динамических рабочих процессах — доступных в Claude Code для планов Enterprise, Team и Max — читайте в этом материале.Контроль усилий (effort) в claude.ai и Cowork. Новый регулятор рядом с выбором модели позволяет пользователям выбирать, сколько усилий Claude вкладывает в ответ. На более высоких настройках усилий Claude думает чаще и глубже, чтобы давать лучшие ответы. На более низких — отвечает быстрее и медленнее расходует лимиты пользователя. Теперь этот выбор есть у пользователей — контроль усилий доступен на всех планах.Messages API теперь принимает записи system внутри массива messages. Разработчики могут обновлять инструкции Claude посреди задачи, не сбрасывая кэш промптов и не направляя обновление через ход пользователя. Это можно использовать в конкретном харнессе для обновления разрешений, бюджетов токенов или контекста окружения по ходу работы агента.
Замечание об усилиях (effort)
По умолчанию Opus 4.8 использует высокий уровень усилий (high), который мы считаем наилучшим общим балансом качества и удобства. На задачах программирования этот уровень усилий расходует примерно столько же токенов, сколько уровень по умолчанию у Opus 4.7, но с лучшей производительностью. Пользователи могут выбрать «extra» («xhigh» в Claude Code) или «max», и модель потратит больше токенов ради лучших результатов; мы рекомендуем использовать «extra» для сложных задач и длительных асинхронных рабочих процессов. Мы увеличили лимиты в Claude Code, чтобы учесть более высокий расход токенов на повышенных уровнях усилий; пользователи могут выбрать тот, что имеет смысл для их конкретного проекта.
Что дальше?
Пользователи увидят в Opus 4.8 скромное, но ощутимое улучшение по сравнению с предшественником. Предстоит сделать ещё немало: мы работаем над разработкой и выпуском моделей, которые дают многие из тех же возможностей, что и Opus, но при меньшей стоимости.
Более того, мы планируем выпустить новый класс моделей с ещё более высоким интеллектом, чем у Opus. В рамках Project Glasswing небольшое число организаций сейчас использует Claude Mythos Preview для работы в области кибербезопасности. Модели такого уровня возможностей требуют более сильных кибер-предохранителей, прежде чем их можно будет выпустить для всех. Мы быстро продвигаемся в разработке этих мер защиты и рассчитываем сделать модели Mythos-класса доступными всем нашим клиентам в ближайшие недели.
Доступность
Claude Opus 4.8 доступен сегодня везде. Цена при обычном использовании не изменилась по сравнению с Opus 4.7: $5 за миллион входных токенов и $25 за миллион выходных токенов. Цена для быстрого режима — $10 за миллион входных токенов и $50 за миллион выходных токенов. Разработчики могут использовать claude-opus-4-8 через Claude API.
Сноски
Terminal-Bench 2.1: Мы привели результаты всех моделей с использованием публичного харнесса Terminus-2. Заявленный результат GPT-5.5 с харнессом Codex CLI составляет 83,4%.OSWorld-Verified: Мы изменили способ запуска оценки OSWorld-Verified, чтобы точнее отразить производительность модели в реальном мире, и обновили результат Opus 4.7 до 82,3%. Подробнее об обновлениях — в System Card.Finance Agent v2: Gemini 3.5 Flash набирает 57,9% на Finance Agent v2, что является значительным улучшением по сравнению с Gemini 3.1 Pro.
Связанные материалы
Anthropic открывает офис в Милане для поддержки итальянских предприятий, исследований и разработчиков
Мы открываем новый офис в Милане — шестой в Европе.