Claude Opus 4.8 de Anthropic
Lanzado el 28 de mayo de 2026. Nuevo modelo insignia. 4× menos probable de dejar errores de código pasar.
Tier A — Frontera
Se ejecuta en:USCreado en:United States
Claude Opus 4.8 redefine qué significa un modelo insignia en producción: con una ventana de contexto de 1 millón de tokens y un sistema de autoevaluación significativamente más preciso, está diseñado para ejecuciones autónomas prolongadas donde la supervisión humana es esporádica.
— Análisis de modelo Tokonomix
Sección 01
Análisis de velocidad
Latencia medida en todas las ejecuciones de benchmark. P50 (mediana) y P95 (percentil 95) dan una imagen realista de la velocidad de respuesta bajo carga normal y máxima.
Latencia P50 (mediana)Latencia P95105 runs
Sección 02
Puntuaciones de calidad
Resultados de evaluación de modelos juez en diversas categorías de tareas. Las puntuaciones reflejan coherencia, precisión y seguimiento de instrucciones.
88
Generación de código
99
Multilingüe
80
Creativo
Sección 03
Historial de precios
Tarifas directas del proveedor por millón de tokens, más una estimación del coste de una conversación típica.
💰
Tarifas API — Claude Opus 4.8
$5.00 por 1M de tokens de entrada
$25.00 por 1M de tokens de salida
≈ $0.0080 por conversación típica (800 tokens)
Precio entrada vs salida (por 1M de tokens)
por 1M de tokens de entrada$5.00
por 1M de tokens de salida$25.00
Pricing over time
Input & output per 1M tokens · step-line = price changes
$5.00
input / 1M
— stable
$25.00
output / 1M
— stable
2026-05-312026-07-052026-07-19
Input
Output
Price change
⟳ synced weeklySección 04
Tokens por segundo
Rendimiento en tokens por segundo, derivado de la latencia P50 medida. Más alto es mejor; las fluctuaciones reflejan la carga del lado del proveedor.
Rendimiento (tokens / s)28 / avg 157
Estimado a partir de latencia P50 × 200 tokens de salida — el número absoluto depende de esta suposición; lo que importa es la tendencia.
Sección 05
Fortalezas & debilidades
Basado en resultados de benchmarks y comentarios agregados de la comunidad sobre casos de uso reales.
Fortalezas
4× menos errores de código pasados por altoAutoevaluación del progreso significativamente más precisaEjecuciones autónomas más largas sin intervenciónContexto de 1 millón de tokensSoporte nativo de visión e imágenesTool-use avanzado para pipelines de agentesAdaptive thinking integrado sin configuración adicional
Debilidades
Coste elevado frente a Sonnet 4.6 y Haiku 4.5Mayor latencia que modelos más ligeros en tareas simplesFecha de corte de conocimiento limita datos recientesSin modo extended thinking (no disponible en 4.8)
Sección 06
Capacidades
toolssource: litellmvisionjson modepdf inputreasoningjson schemaprompt cachingmax output tokens: 128000
Sección 07
Preguntas frecuentes
En la mayoría de los casos, sí. El precio de entrada/salida es idéntico al de Opus 4.7, por lo que no hay coste incremental. La mejora clave —aproximadamente 4× menos probabilidad de dejar pasar errores de código— se traduce directamente en menos revisiones manuales y ciclos de corrección en pipelines automatizados.
Para equipos que ya dependen de Opus 4.7, la actualización a Opus 4.8 es una decisión técnica clara: mayor fiabilidad en código, mayor autonomía, mismo coste. La única pregunta es si la latencia y el precio frente a Sonnet 4.6 se justifican según el caso de uso.
— Redacción Tokonomix
Sección 08
Disponibilidad
Disponibilidad
Con qué frecuencia responde este modelo cuando lo llamamos — medido en solicitudes reales de API y pruebas en vivo durante los últimos 30 días. Esto es independiente de la calidad: estos números solo indican si el modelo responde, no qué tan buena es la respuesta.
Últimos 7 días
100.0%
n=78
Últimos 30 días
100.0%
n=483
Tiempo de respuesta mediano
23,544ms
n=483
Basado en 863 mediciones en los últimos 30 días.
Detalles técnicos
Solo cuentan las llamadas reales a la API y las solicitudes de prueba en vivo — las sondas internas y las ejecuciones de referencia están excluidas.
Las llamadas con una clave API propia (BYOK) están excluidas: esos fallos son específicos de la clave, no una señal de inactividad del modelo.
Las llamadas fallidas NO se incluyen en las puntuaciones de calidad — la calidad se mide solo en respuestas exitosas. Disponibilidad y calidad son señales independientes.
Tiempo de respuesta mediano (p50) en llamadas exitosas con una duración registrada. Los valores atípicos afectan menos a la mediana que a la media.
Total de llamadas (30d)
483
Respuestas OK (30d)
483
Total de llamadas (7d)
78
Respuestas OK (7d)
78
Sección 09
Veredictos del benchmark Tokonomix
⚖️
Endorsed by 1 judge
Independent LLM judges evaluated this model on our weekly intelligence tests
claude-sonnet-4-596/100 · 40 runs
38 correct2 partial0 wrong95% accuracy
● 2026-07-19
Claude Opus 4.8 quality drops 8.6 points with coding decline
Claude Opus 4.8 shows a significant performance decline in the current benchmark window, with overall quality dropping from 97.7 to 89.1 points. The most notable regression appears in coding performance, which fell from 94 to 88 points. Reasoning capability data is conspicuously absent from the current window despite scoring a perfect 100 previously, while creative writing scores at 80 represent a new category without historical comparison. Multilingual performance remains the model's strongest suit, holding steady at 99 points across both windows. Latency improved marginally from 7820ms to 7692ms at the median, showing slightly faster response times. The quality drop of 8.6 points is substantial enough to warrant attention from users who depend on consistent performance, particularly those relying on coding assistance. The missing reasoning scores and appearance of new creative scores suggest possible changes to the benchmark methodology or model capabilities between windows. Users should monitor whether this represents temporary instability or a sustained regression in model quality.
Quality
89.1
Latency p50
7,692 ms
Test runs
5
✗ Quality dropped 8.6 points✗ Coding score declined to 88✓ Multilingual stable at 99✓ Latency improved slightly
Sección 10
Perfil completo del modelo
Última prueba automática
24 jul 2026 · 20:05 UTC · Benchmark de velocidad
Latencia P50
7067 ms
Latencia P95
7975 ms
Errores
0 / 6 ejecuciones
Última revisión por Equipo Tokonomix·29 de mayo de 2026