El 28 de mayo, Anthropic lanzó Claude Opus 4.8, disponible a través de la API con el nombre de modelo claude-opus-4-8. Los precios se mantienen sin cambios: 5 $ por millón de tokens de entrada y 25 $ por millón de tokens de salida, igual que Opus 4.7.
Pero el comunicado oficial destaca otros números.
Ahora admite cuando no está seguro
Anthropic afirma que Opus 4.8 tiene aproximadamente cuatro veces menos probabilidades que su predecesor de permitir que los fallos en el código que ha escrito pasen desapercibidos
. En otras palabras, el modelo ahora señala de forma proactiva partes del código inciertas o potencialmente problemáticas, en lugar de proporcionar resultados erróneos con confianza. Esta capacidad de autoverificación tiene un impacto más práctico que las mejoras en los benchmarks, ya que ahorra tiempo a los desarrolladores en la depuración de código incorrecto. La misma lógica se aplica a las tareas de conocimiento: Opus 4.8 está más dispuesto a indicar incertidumbre y evitar afirmaciones sin fundamento.
Los benchmarks siguen siendo sólidos
A pesar del enfoque en la honestidad, Opus 4.8 ofrece un rendimiento sólido en métricas clave:
- Online-Mind2Web (navegación web): 84%
- OSWorld-Verified (navegación de escritorio): 82,3%
- Legal Agent Benchmark: primer modelo en superar el 10% bajo el criterio de
todas las tareas aprobadas
- CursorBench: supera al Opus anterior en todos los niveles de esfuerzo
- Finance Agent v2: supera a Opus 4.7
El resultado del benchmark legal es particularmente notable. Todas las tareas aprobadas
significa que cada paso de una tarea debe ser correcto. Aunque el 10% parece bajo, ningún modelo anterior había superado este umbral, lo que destaca la tolerancia casi nula al error en dichas tareas.
Precio del modo rápido reducido
Anthropic también renovó el modo rápido para Opus 4.8, ofreciendo una velocidad 2,5x a 10 $ por millón de tokens de entrada y 50 $ por millón de tokens de salida, tres veces más barato que los modos rápidos anteriores. Esto reduce la prima por velocidad.
Además, Anthropic introdujo:
- Dynamic workflows (vista previa de investigación): lanza cientos de subagentes paralelos en Claude Code
- Control deslizante de esfuerzo: disponible en claude.ai y Cowork, permite a los usuarios equilibrar calidad y velocidad
La capacidad de subagentes paralelos, combinada con la función de autoverificación, apunta a una estrategia en la que múltiples instancias de Claude se supervisan entre sí en lugar de trabajar solas.
El verdadero poder aún está por llegar
El anuncio insinúa un modelo más potente con el nombre en clave Mythos, actualmente limitado a unas pocas instituciones de ciberseguridad. Anthropic dice que necesita garantizar la seguridad antes de un lanzamiento más amplio, esperado en las próximas semanas
. Este patrón —lanzar un buque insignia estable mientras se insinúa un modelo más avanzado— lo ha utilizado Anthropic en varias ocasiones, siempre con la seguridad como motivo de la demora.
Momento estratégico
El lanzamiento se produce mientras OpenAI se prepara para presentar un S-1 confidencial para su OPI, intensificando la rivalidad entre ambas empresas. Al mantener el precio de Opus 4.8 sin cambios y reducir los costos del modo rápido, Anthropic señala que puede competir tanto en rendimiento como en valor. Si la honestidad
se convierte en el próximo campo de batalla depende de la respuesta de OpenAI y Google.
Un modelo que dice no estoy seguro
puede no sonar emocionante, pero en la práctica puede ser más tranquilizador que unos puntos extra en los benchmarks. La próxima generación Mythos se espera en unas semanas.
Fuentes: Introducing Claude Opus 4.8 (Anthropic); Anthropic releases new model, CocoLoop, Opus 4.8 (Axios); Anthropic Debuts Claude Opus 4.8, Teases Upcoming Launch of Mythos-Class Models (Gizmodo)