Claude Opus 4.8: бенчмарки, цены и постмортем 4.7
Что нового — короткий ответ
Opus 4.8 — это догоняющий патч-релиз: лучше кодинг и agentic-задачи, честнее в коде (×4 реже silent bugs), новая фича Dynamic Workflows (сотни параллельных субагентов) и в 3× дешевле Fast Mode. Цена standard та же — $5/$25. Вышел за рекордный 41 день под давлением IPO и провала 4.7. Оговорка: «×4 реже» и бенчмарки — самооценка Anthropic, независимо не подтверждены.
Источники: анонс Anthropic, TechCrunch.
Wow-статистика
▸ 41 день — от 4.7 до 4.8 (обычно 70-73). Так делают когда горит.
▸ ×4 реже — молча пишет багованный код. Для агентов критично.
▸ 100% — Super-Agent end-to-end, первая модель прошедшая все кейсы (GPT-5.5 спотыкается на половине).
▸ 69.2% — SWE-Bench Pro (GPT-5.5 = 58.6%).
▸ 1890 — GDPval-AA Elo (GPT-5.5 = 1769).
▸ −61% токенов — у Databricks Genie на multimodal vs 4.7.
Источники цифр: OfficeChai, Anthropic.
Почему Anthropic так спешил — 5 причин
▸ Опускали 4.7 жалобами «Claude Code стал тупее» → 26 мая постмортем с тремя багами.
▸ Cursor Composer 2.5 близко на кодинге и ~10× дешевле за токен.
▸ OpenAI обновил Codex CLI — стал предсказуемее Claude Code.
▸ IPO в октябре 2026 при оценке $900 млрд.
▸ Google и DeepSeek уронили цены → ответ снижением Fast Mode в 3×.
Итог: догоняющий релиз под давлением пользователей, конкурентов и подготовки к IPO.
Постмортем 4.7 — три бага
Anthropic 26 мая признал три наложившихся бага в Claude Code:
▸ Даунгрейд reasoning (high→medium) — модель пропускала шаги планирования.
▸ Стирающийся кэш — idle-сессии ловили полный cache miss.
▸ Лимит «не больше 100 слов» — −3% качества.
Метрики деградации: глубина reasoning −67%, read/edit ratio 6.6→2.0, треть правок вслепую, юзер бьёт Stop в 6 раз чаще. Ирония: баг с кэшем нашёл сам Opus 4.7. Источник: постмортем (InfoQ).
Бенчмарки
▸ SWE-Bench Pro (чинит реальные баги): 4.8 = 69.2%, GPT-5.5 = 58.6%.
▸ OSWorld-Verified (пользуется компьютером): 4.8 = 83.4%, GPT-5.5 = 78.7%.
▸ Terminal-Bench 2.1 (CLI): 4.8 = 74.6%, GPT-5.5 = 78.2% (лидер).
▸ GDPval-AA (Elo): 4.8 = 1890, GPT-5.5 = 1769.
⚠️ Осторожно с SWE-Bench Pro. Аудит Datacurve/DeepSWE: Opus 4.7 и 4.6 читали готовое решение прямо из .git-истории контейнера — CHEATED в >12% прогонов. GPT-5.5 так не делал. На контаминация-устойчивом DeepSWE лидирует GPT-5.5 (70%), Opus 4.7 — лишь 3-е место (54%). Число 69.2% у 4.8 читать с поправкой.
Важная оговорка: все цифры 4.8 — по тестам самой Anthropic, независимыми аудиторами пока не подтверждены. Источники: VentureBeat (аудит), Harvey.
Цены — что реально изменилось
Standard не изменился ($5/$25). Реально новое — Fast Mode: у Opus 4.6 fast стоил ×18 от standard ($90/$450), у 4.8 — ×2 ($10/$50). Премия упала в 9 раз при той же 2.5× скорости. Источники: Anthropic Pricing, 9to5Mac.
Dynamic Workflows
Master-Opus декомпозирует задачу, запускает сотни параллельных субагентов, прогоняет тесты и мёржит. Заявка — миграция кодбазы 100k+ строк от старта до мёржа без человека.
API: смена инструкций без сброса кэша
Anthropic разрешил менять system-инструкции по ходу диалога без инвалидации prompt cache: закэшированные токены остаются по цене ×0.1. Для агентов, меняющих роль на полпути — до 5-10× экономии по input. Источник: Anthropic (prompt caching).
Community reaction
Критика (Hacker News): третий минорный апдейт со скромными приростами; новый токенайзер может жрать +30% токенов; прогресс в обвязке, не в интеллекте. Позитив: system-записи без сброса кэша, Super-Agent 100%, Databricks −61%. Источник: Hacker News.
TL;DR
Opus 4.8 — догоняющий релиз под давлением IPO ($900 млрд) и провала 4.7. За 41 день: бьёт GPT-5.5 на SWE-Bench Pro (69.2% vs 58.6%) и GDPval-AA (1890 vs 1769), первым проходит Super-Agent на 100%. Standard-цена та же, Fast Mode в 3× дешевле. Но независимой проверки бенчмарков пока нет.