Ngày 28 tháng 5, Anthropic đã phát hành Claude Opus 4.8, có sẵn qua API với tên model claude-opus-4-8. Giá không đổi: 5 USD cho mỗi triệu token đầu vào và 25 USD cho mỗi triệu token đầu ra, ngang bằng với Opus 4.7.
Nhưng thông cáo báo chí chính thức nhấn mạnh vào một bộ số khác.
Nó bắt đầu thừa nhận 'tôi không chắc chắn'
Anthropic tuyên bố Opus 4.8 có khả năng bỏ sót lỗi trong code mà nó viết thấp hơn khoảng bốn lần so với phiên bản tiền nhiệm
. Nói cách khác, model này chủ động đánh dấu các phần code không chắc chắn hoặc có khả năng gây lỗi, thay vì tự tin đưa ra kết quả sai. Khả năng tự kiểm tra này có tác động thực tế hơn so với cải thiện điểm chuẩn, vì nó tiết kiệm thời gian cho lập trình viên trong việc gỡ lỗi. Logic tương tự cũng áp dụng cho các tác vụ tri thức: Opus 4.8 sẵn sàng chỉ ra sự không chắc chắn và tránh các khẳng định vô căn cứ.
Điểm chuẩn vẫn mạnh
Bên cạnh tính trung thực, Opus 4.8 đạt kết quả tốt ở các chỉ số chính:
- Online-Mind2Web (điều hướng web): 84%
- OSWorld-Verified (điều hướng desktop): 82,3%
- Legal Agent Benchmark: model đầu tiên vượt 10% theo tiêu chí
tất cả nhiệm vụ đều đạt
- CursorBench: vượt qua Opus trước đó ở mọi mức nỗ lực
- Finance Agent v2: vượt trội hơn Opus 4.7
Kết quả điểm chuẩn pháp lý đáng chú ý. Tất cả nhiệm vụ đều đạt
có nghĩa là mọi bước trong nhiệm vụ phải chính xác. Mặc dù 10% có vẻ thấp, nhưng chưa có model nào trước đây vượt qua ngưỡng này, cho thấy mức chịu lỗi gần như bằng không cho các tác vụ như vậy.
Giá chế độ nhanh bị cắt giảm
Anthropic cũng đại tu chế độ nhanh cho Opus 4.8, cung cấp tốc độ 2,5x với giá 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra — rẻ hơn ba lần so với chế độ nhanh trước đây. Điều này làm giảm phí bảo hiểm cho tốc độ.
Ngoài ra, Anthropic giới thiệu:
- Dynamic workflows (bản xem trước nghiên cứu): khởi chạy hàng trăm tác nhân phụ song song trong Claude Code
- Thanh trượt nỗ lực: có sẵn trong claude.ai và Cowork, cho phép người dùng cân bằng chất lượng và tốc độ
Khả năng tác nhân phụ song song, kết hợp với tính năng tự kiểm tra, hướng đến chiến lược nhiều phiên bản Claude giám sát lẫn nhau thay vì làm việc đơn độc.
Sức mạnh thực sự vẫn còn ở phía trước
Thông báo hé lộ một model mạnh hơn với tên mã Mythos, hiện chỉ giới hạn cho một số tổ chức an ninh mạng. Anthropic cho biết cần đảm bảo an toàn trước khi phát hành rộng rãi, dự kiến trong vài tuần tới
. Mô hình này — phát hành một model chủ lực ổn định trước, rồi hé lộ một model tiên tiến hơn — đã được Anthropic sử dụng nhiều lần, với lý do an toàn là sự chậm trễ.
Thời điểm mang tính chiến lược
Việc phát hành diễn ra khi OpenAI chuẩn bị nộp S-1 bảo mật cho IPO, làm gia tăng cạnh tranh giữa hai công ty. Bằng cách giữ giá Opus 4.8 không đổi và giảm chi phí chế độ nhanh, Anthropic báo hiệu rằng họ có thể cạnh tranh về cả hiệu suất và giá trị. Liệu tính trung thực
có trở thành mặt trận cạnh tranh tiếp theo hay không phụ thuộc vào phản ứng của OpenAI và Google.
Một model nói tôi không chắc chắn
nghe có vẻ không hấp dẫn, nhưng trong thực tế, nó có thể đáng tin cậy hơn vài điểm chuẩn. Mythos thế hệ tiếp theo dự kiến ra mắt trong vài tuần.
Nguồn: 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)