Anthropic Claude Opus 4.8
28 Mayıs 2026 yayımlandı. Yeni amiral gemisi model. Kod hatalarının gözden kaçma olasılığı 4× daha düşük.
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
Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.
Bu modelin her soru kategorisinde sahanın geri kalanına göre nerede durduğu; aynı sorular üzerinde ikili karşılaştırmayla hesaplanır. Ham jüri puanı her sayının altındadır.
Kategori başına kazanma oranı: bu modelin o kategoriden bir soruda ortalama bir modeli ne sıklıkla yendiği. %50 ortalamadır, kalma notu değildir. Doğru cevap yüzdesi de değildir.
Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.
Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.
P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.
Benchmark sonuçları ve gerçek kullanım senaryolarına dair toplu topluluk geri bildirimine dayanır.
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
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
—
Son 30 gün
100.0%
n=14
Medyan yanıt süresi
15,689ms
n=14
Baz alınan 374 ölçüm son 30 gün içinde.
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)
14
OK yanıtlar (30d)
14
Toplam çağrı (7d)
0
OK yanıtlar (7d)
0
Claude Opus 4.8 represents a significant capability expansion for Anthropic's flagship model, introducing eight new features including tools, vision, JSON mode, PDF input, reasoning, JSON schema, and prompt caching. These additions bring Claude Opus into feature parity with competing frontier models across multimodal understanding, structured output generation, and advanced reasoning tasks. However, no benchmark performance data is available for this window, making it impossible to assess whether these new capabilities maintain, improve, or potentially impact the model's core language understanding and generation quality. The previous benchmark window also lacked performance metrics, meaning users have no quantitative basis to evaluate this version's actual effectiveness across standard tasks. While the feature set expansion is substantial on paper, the absence of empirical results leaves critical questions unanswered about latency impacts from new capabilities, quality of vision understanding, reliability of structured outputs, and whether the reasoning feature delivers measurable improvements. Users considering adoption should await independent verification of these capabilities through third-party testing and real-world usage reports before drawing conclusions about the model's practical utility.
Kalite
—
Gecikme p50
—
Test çalıştırmaları
0
28 Mayıs 2026 yayımlandı. Yeni amiral gemisi model. Kod hatalarının gözden kaçma olasılığı 4× daha düşük.
Claude Opus 4.8
Anthropic tarafından
Anthropic tarafından daha fazla