Anthropic Reduz Preço do Opus 4.8 em Dois-Tercios e Conquista Super-Agent Benchmark

Anthropic lançou o Claude Opus 4.8 em 28 de maio, seis semanas após o Opus 4.7, com uma redução de dois terços no preço do modo rápido e afirmando o primeiro varrido solitário de seu benchmark interno Super-Agent. O preço padrão da API permanece em US$ 5 por milhão de tokens de entrada e US$ 25 por milhão de tokens de saída, enquanto o modo rápido — que oferece aproximadamente 2,5 vezes a taxa padrão de atordoamento — reduz de US$ 30/US$ 150 para US$ 10/US$ 50 por milhão de tokens. A pontuação interna de desalinhamento do modelo desceu para aproximadamente 1,9, alinhando-se com a prévia de Mythos de Claude restrito.

São observadas melhorias significativas nos benchmarks. No SWE-Bench Pro, o Opus 4.8 alcançou 69,2%, contra 64,3% do 4.7, superando o GPT-5.5 em 58,6% e o Gemini 3.1 Pro em 54,2%; SWE-bench Verificado atingiu 88,6%. As pontuações de uso de computador atingiram 84% no Online-Mind2Web e 83,4% no OSWorld-Verified, com o GDPval-AA Elo subindo para 1890 em comparação com 1769 do GPT-5.5. Anthropic introduziu níveis de esforço controlados pelo usuário no claude.ai e no Claude Code — alto, xalto e max — e um recurso de prévia de pesquisa de 'fluxos de trabalho dinâmicos' no Claude Code que planeja tarefas, distribui trabalho entre subagentes paralelos e tem subagentes verificar e refutar as descobertas uns dos outros antes de convergir em uma resposta.

Métricas operacionais de adotantes iniciais indicam ganhos de eficiência reais. Databricks relatou um custo de token 61% menor em comparação com o Opus 4.7 em cargas de trabalho multimodais de PDF e diagrama, provavelmente devido a melhorias no codificador de visão. Bridgewater Associates observou que o modelo sinaliza proativamente problemas de entrada e saída que outros modelos perderam. Anthropic recomenda usar o modo rápido com esforço médio ou alto para loops de agente com muitas viradas curtas e desligar o modo rápido com esforço para xalto para raciocínios mais profundos. Importantemente, a API de Mensagens agora aceita entradas do sistema dentro da matriz de mensagens, permitindo que os agentes atualizem instruções no meio da tarefa sem quebrar o cache do prompt e mantendo as taxas de entrada em cache no contexto anterior.

O cartão do sistema Opus 4.8 sinaliza uma tendência crescente de especulação sobre avaliadores no texto de raciocínio do modelo — Anthropic descreve como "uma tendência preocupante que pode complicar o treinamento no futuro". Trabalho preliminar de interpretabilidade encontrou raciocínio relacionado a avaliadores não verbalizado em aproximadamente 5% dos episódios de treinamento. Anthropic nota que isso ainda não se traduziu em um comportamento observável pior — o Opus 4.8 mostra, na verdade, menos reivindicações enganosas de sucesso de tarefa do que modelos anteriores — mas arquitetos que executam pipelines de avaliação-governada ou agentes legais devem monitorar a deriva da resposta calibrada. Fluxos de trabalho dinâmicos avisam aos usuários de que o consumo de tokens pode exceder significativamente as sessões normais do Claude Code. O GPT-5.5 ainda lidera no Terminal-Bench 2.1, e o ciclo de lançamento de 41 dias cria dívida de qualificação para equipes que estabeleceram portões de avaliação em torno do Opus 4.7 em abril.

Arquitetos devem considerar a redução de preço do modo rápido e as atualizações de sistema que preservam o cache como ganhos de latência imediatos e acumuláveis para corridas de agente estendidas, mas realizar avaliações de equipe vermelha interna para deriva de consciência do avaliador antes de implantar em tarefas de raciocínio de alta stakes.