Pada 28 Mei, Anthropic merilis Claude Opus 4.8, tersedia langsung melalui API dengan nama model claude-opus-4-8. Harganya tidak berubah: $5 per juta token input dan $25 per juta token output, sama dengan Opus 4.7.
Namun siaran pers resmi lebih menekankan angka-angka lain.
Mulai mengakui 'saya tidak yakin'
Anthropic menyatakan bahwa Opus 4.8 sekitar empat kali lebih kecil kemungkinannya dibanding pendahulunya untuk membiarkan cacat dalam kode yang ditulisnya lolos tanpa terdeteksi
. Dengan kata lain, model ini kini secara proaktif menandai bagian kode yang tidak pasti atau berpotensi bermasalah, alih-alih memberikan output yang salah dengan percaya diri. Kemampuan memeriksa diri ini lebih berdampak daripada peningkatan tolok ukur, karena menghemat waktu pengembang dalam men-debug kode yang salah. Logika yang sama berlaku untuk tugas pengetahuan: Opus 4.8 lebih bersedia menunjukkan ketidakpastian dan menghindari klaim tanpa dasar.
Tolok ukur tetap kuat
Meskipun fokus pada kejujuran, Opus 4.8 memberikan kinerja solid di berbagai metrik utama:
- Online-Mind2Web (navigasi web): 84%
- OSWorld-Verified (navigasi desktop): 82,3%
- Legal Agent Benchmark: model pertama yang melampaui 10% di bawah kriteria
semua tugas lulus
- CursorBench: melampaui Opus sebelumnya di semua tingkat usaha
- Finance Agent v2: mengungguli Opus 4.7
Hasil tolok ukur hukum sangat penting. Semua tugas lulus
berarti setiap langkah dalam tugas harus benar. Meskipun 10% tampak rendah, belum ada model sebelumnya yang melewati ambang ini, menyoroti toleransi kesalahan yang hampir nol untuk tugas semacam itu.
Harga mode cepat dipangkas
Anthropic juga merombak mode cepat untuk Opus 4.8, menawarkan kecepatan 2,5x dengan harga $10 per juta token input dan $50 per juta token output — tiga kali lebih murah dari mode cepat sebelumnya. Ini mengurangi premi untuk kecepatan.
Selain itu, Anthropic memperkenalkan:
- Dynamic workflows (pratinjau riset): meluncurkan ratusan sub-agen paralel di Claude Code
- Penggeser usaha: tersedia di claude.ai dan Cowork, memungkinkan pengguna menyeimbangkan kualitas dan kecepatan
Kemampuan sub-agen paralel, dikombinasikan dengan fitur pemeriksaan diri, mengarah pada strategi di mana banyak instance Claude saling memantau daripada bekerja sendiri.
Kekuatan sesungguhnya masih akan datang
Pengumuman ini menggoda model yang lebih kuat dengan nama kode Mythos, saat ini terbatas pada beberapa lembaga keamanan siber. Anthropic mengatakan perlu memastikan keamanan sebelum rilis yang lebih luas, diperkirakan dalam beberapa minggu mendatang
. Pola ini — merilis model unggulan yang stabil sambil mengisyaratkan model yang lebih canggih — sudah biasa dari Anthropic, dengan alasan keamanan sebagai penundaan.
Waktu yang strategis
Rilis ini terjadi saat OpenAI bersiap mengajukan S-1 rahasia untuk IPO, meningkatkan persaingan antara kedua perusahaan. Dengan menjaga harga Opus 4.8 tidak berubah dan mengurangi biaya mode cepat, Anthropic memberi sinyal bahwa ia dapat bersaing dalam hal kinerja dan nilai. Apakah kejujuran
menjadi medan pertempuran berikutnya tergantung pada respons OpenAI dan Google.
Model yang mengatakan saya tidak yakin
mungkin tidak terdengar menarik, tetapi dalam praktiknya, bisa lebih meyakinkan daripada beberapa poin tolok ukur tambahan. Mythos generasi berikutnya diharapkan hadir dalam beberapa minggu.
Sumber: 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)