Claude Opus 4.8 — обзор новой флагманской модели Anthropic

Список изменений в Opus 4.8

Список изменений тянет на отдельный релиз, и это без учёта цифр по бенчмаркам:

Сравнение Claude Opus 4.8 и Opus 4.7 с GPT-5.5 и Gemini 3.1 Pro по шести ключевым бенчмаркам. Источник: Anthropic.

Из шести строк таблицы Opus 4.8 обходит предшественника в каждой. SWE-Bench Pro (агентное программирование) — 69.2% против 64.3%. OSWorld-Verified (агентная работа с компьютером) — 83.4% против 82.8%. GDPval-AA (офисная интеллектуальная работа) — 1890 баллов против 1753. Finance Agent v2 (агентный финансовый анализ) — 53.9% против 51.5%. На Humanity's Last Exam, самом тяжёлом общем тесте на рассуждение, прирост держится в том же диапазоне — 49.8% против 46.9% без инструментов и 57.9% против 54.7% с доступом к поиску и коду.

Opus 4.8 отстаёт только в одной строке — Terminal-Bench 2.1: 74.6% против 78.2% у GPT-5.5. Есть оговорка: обе модели в таблице тестировались через общий публичный харнесс Terminus-2, а в родном харнессе Codex CLI у GPT-5.5 результат выше — 83.4%. Родной харнесс модели обычно выгоднее общего теста, это стоит держать в уме при сравнении.

Модель, которая реже врёт себе самой

Главное изменение Opus 4.8 — теперь модель реже выдаёт преждевременные выводы о собственной работе. Знакомая ситуация с любым AI для кода, когда модель уверенно объявляет задачу решённой. По данным Anthropic, 4.8 допускает такое в четыре раза реже, чем 4.7.

Регулятор мышления теперь есть прямо в интерфейсе

Раньше объёмом рассуждений модели управляли в основном через API — параметры вроде extended thinking budget приходилось прописывать в коде. Теперь Anthropic добавила отдельный переключатель эффорта рядом с выбором модели в claude.ai и Cowork — пользователь сам решает, сколько «раздумий» вложить в конкретный ответ.

На высоких уровнях модель думает чаще и глубже, ответ получается точнее, но медленнее. На низких — отвечает быстрее и экономнее расходует лимиты запросов. По умолчанию Opus 4.8 работает на уровне high — Anthropic считает его лучшим балансом качества и удобства, при этом на кодовых задачах он тратит примерно столько же токенов, сколько дефолтный режим 4.7, только с более сильным результатом на выходе.

Для действительно сложных или долгих асинхронных задач в Claude Code доступны уровни extra (в коде обозначается как xhigh) и max — модель тратит на них больше токенов ради лучшего результата. Из-за роста потребления на верхних уровнях эффорта Anthropic заодно подняла лимиты запросов в Chat, Cowork, Claude Code и на Platform, чтобы разработчики, которые уже упирались в rate limit на xhigh, получили больше пространства для работы.

Dynamic Workflows — когда один запрос превращается в сотни агентов

Dynamic Workflows — самый амбициозный инструмент в релизе: новая функция Claude Code в исследовательском превью. Она позволяет Claude самостоятельно спланировать крупную задачу и запустить сотни параллельных субагентов в рамках одной сессии. С Opus 4.8 агенты дольше держат контекст, чем раньше.

После того как субагенты заканчивают работу, система прогоняет проверку итогового результата, прежде чем отчитаться пользователю. Anthropic описывает это как возможность вести миграции масштаба всей кодовой базы — сотни тысяч строк, от постановки задачи до финального мержа — с существующим тестовым набором проекта в качестве критерия успеха.

Функция пока доступна только на тарифах Claude Code для Enterprise, Team и Max — история для команд, готовых отдать агенту крупный кусок инфраструктурной работы и проверять результат постфактум.

Мелкая деталь в API, которая решает конкретную проблему разработчиков

Среди анонсов легко потерять изменение, которое выглядит скучно на слайде, но регулярно всплывает как боль в тикетах разработчиков — Messages API теперь принимает системные записи прямо внутри массива messages, а не только в отдельном поле system в начале запроса.

Раньше обновление системных инструкций Claude в середине долгой агентной сессии означало один из двух неприятных компромиссов — либо переписывать исходный системный промпт целиком, что сбрасывает часть выгоды от prompt caching, либо протаскивать новую инструкцию через сообщение пользователя, размывая роли в диалоге. Теперь можно вставить системную запись прямо в поток сообщений в нужный момент, не разрушая закешированный префикс и не выдавая инструкцию за пользовательский ввод.

На практике это пригодится там, где агент работает часами и условия по пути меняются — например, нужно на лету скорректировать права доступа, бюджет токенов или контекст окружения, не перезапуская всю сессию заново.

Цена осталась прежней, но появился более дешёвый быстрый режим

Стоимость самого Opus 4.8 не изменилась относительно 4.7 — $5 за 1M входных токенов и $25 за 1M выходных в обычном режиме через Claude API.

Заметнее изменилась цена на fast mode — ускоренный режим, в котором модель работает в 2.5 раза быстрее обычного. Раньше это ускорение стоило заметной наценки, теперь fast mode для Opus 4.8 обходится втрое дешевле, чем аналогичный режим у предыдущих моделей — $10 за 1M входных и $50 за 1M выходных токенов. Для сценариев, где нужна скорость интерактивного ответа (например, живой чат-бот или голосовой ассистент), это меняет расчёт — раньше быстрый режим оправдывал себя только для узкого круга задач с высокой маржой, теперь порог входа заметно ниже.

Как подключить Opus 4.8 из России без VPN

Anthropic, как и большинство американских AI-компаний, не работает напрямую с российскими картами и IP-адресами — запрос к официальному API возвращает ошибку 403 или 451 без VPN. AITUNNEL закрывает эту проблему OpenAI-совместимым доступом к Claude Opus 4.8 с оплатой в рублях, регистрацией по законам РФ и без обхода блокировок.

Смена провайдера в коде занимает пару минут. Base_url меняется на https://api.aitunnel.ru/v1/, в параметре модели указывается claude-opus-4-8. Остальная логика — streaming, tool use, vision, Prompt Caching, системные записи внутри messages — работает без изменений в самой архитектуре приложения.