İçeriğe geç
Seviye A — Öncü
Çalıştığı yer:USYapıldığı yer:United States
Anthropic

Claude Opus 4.8

Seviye A — Öncü · 1M token

Tokonomix Editöryel Ekibi·İnceleyen Mes Kalkan·

Claude Opus 4.8, Anthropic'in otonom yazılım geliştirme ve karmaşık çok adımlı görevler için tasarladığı amiral gemisi modelidir. Opus 4.7 üzerine inşa edilmiş ancak kod doğruluğu ve öz-değerlendirme kapasitesi açısından belirgin biçimde ileriye taşınmıştır.

Tokonomix model analizi
Bölüm 01

Hız analizi

Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.

P50 gecikme (medyan)P95 gecikme105 runs
7503175560080251045006-2807-24ms
Bölüm 02

Kalite puanları

Çeşitli görev kategorilerinde yargıç modelin puanlarından elde edilen değerlendirme sonuçları. Puanlar tutarlılık, doğruluk ve talimat takibini yansıtır.

88
Kod üretimi
99
Çok dilli
80
Yaratıcı
Bölüm 03

Fiyat geçmişi

Milyon token başına doğrudan sağlayıcı tarifeleri, artı tipik bir konuşma maliyet tahmini.

💰
API tarifeleri — Claude Opus 4.8
$5.00 1M giriş token başına
$25.00 1M çıkış token başına
≈ $0.0080 tipik konuşma başına (800 token)
Giriş vs çıkış fiyatı (1M token başına)
1M giriş token başına$5.00
1M çıkış token başına$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 weekly
Bölüm 04

Saniye başına token

Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.

Verim (token / s)28 / avg 157
26421

P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.

Bölüm 05

Güçlü & zayıf yönler

Benchmark sonuçları ve gerçek kullanım senaryolarına dair toplu topluluk geri bildirimine dayanır.

Güçlü yönler

Kod hatalarını 4× daha az atlamaKeskin öz-değerlendirme kapasitesiUzun otonom çalışmalar desteği1.000.000 token bağlam penceresiMetin ve görüntü girdi desteğiGelişmiş tool-use ve ajan orkestrasyonAdaptive thinking modu

Zayıf yönler

Sonnet ve Haiku'ya göre yüksek maliyetHafif modellere kıyasla daha yüksek gecikmeBilgi kesim tarihinden sonraki olayları bilmezExtended thinking modu bulunmuyor
Bölüm 06

Yetenekler

toolssource: litellmvisionjson modepdf inputreasoningjson schemaprompt cachingmax output tokens: 128000
Bölüm 07

Sık sorulan sorular

Hayır. Opus 4.8, API düzeyinde Opus 4.7 ile birebir uyumludur ve aynı giriş/çıkış fiyatlandırmasını kullanır. Model adını güncellemek yeterlidir; başka bir entegrasyon değişikliği gerekmez.

Kod doğruluğu ve uzun süreli otonom yürütme kritik önceliklerse Opus 4.8, Anthropic portföyünün en güçlü seçeneğidir; bütçe veya gecikme kısıtı varsa Sonnet 4.6 değerlendirilebilir.

Tokonomix editöryel ekibi
Bölüm 08

Kullanılabilirlik

Kullanılabilirlik

Bu modelin çağrıldığında ne sıklıkla yanıt verdiği — son 30 gün içindeki gerçek API istekleri ve canlı testler üzerinden ölçülmüştür. Bu kaliteden bağımsızdır: bu sayılar yalnızca modelin yanıt verip vermediğini gösterir, yanıtın ne kadar iyi olduğunu değil.

Son 7 gün

100.0%

n=78

Son 30 gün

100.0%

n=483

Medyan yanıt süresi

23,544ms

n=483

Baz alınan 863 ölçüm son 30 gün içinde.

Teknik detaylar

Yalnızca gerçek API çağrıları ve canlı test istekleri sayılır — dahili yoklamalar ve kıyaslama çalıştırmaları hariçtir.

Özel API anahtarıyla (BYOK) yapılan çağrılar hariçtir: bu hatalar anahtara özgüdür, model kesintisinin işareti değildir.

Başarısız çağrılar kalite puanlarına DAHİL EDİLMEZ — kalite yalnızca başarılı yanıtlar üzerinden ölçülür. Kullanılabilirlik ve kalite bağımsız sinyallerdir.

Kaydedilmiş süreye sahip başarılı çağrılarda medyan yanıt süresi (p50). Aykırı değerler medyanı ortalamadan daha az etkiler.

Toplam çağrı (30d)

483

OK yanıtlar (30d)

483

Toplam çağrı (7d)

78

OK yanıtlar (7d)

78

Bölüm 09

Tokonomix kıyaslama kararları

⚖️
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
Bölüm 10

Tam model profili

Anthropic Claude Opus 4.8

28 Mayıs 2026 yayımlandı. Yeni amiral gemisi model. Kod hatalarının gözden kaçma olasılığı 4× daha düşük.

Son otomatik test
24 Tem 2026 · 20:05 UTC · Hız testi
P50 gecikme
7067 ms
P95 gecikme
7975 ms
Hatalar
0 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·29 Mayıs 2026