25 सितंबर 2026 को जोड़ा गया: यह लेख 28 मई 2026 को जारी हुए Claude Opus 4.8 का उसी समय का रिकॉर्ड है। उसके बाद Anthropic ने उत्तराधिकारी Claude Opus 5 (24 जुलाई) और फिर Claude Opus 5.5 (22 सितंबर) जारी किए। अब Anthropic की सलाह है कि कौन-सा मॉडल लें यह तय न हो, तो ज़्यादातर कामों के लिए Opus 5.5 से शुरू करें; कठिन तर्क और लंबे एजेंटिक काम के लिए उससे ऊपर Claude Fable 5.1 है। Opus 4.8 अब भी API पर पुराने (Legacy) मॉडल के रूप में उपलब्ध है। नीचे के पाठ में «फ्लैगशिप» जैसे शब्द, कीमतें और बेंचमार्क मान लेखन के समय के हैं।
विषय-सूची
- 1. Opus 4.8 एक नज़र में: परफ़ॉर्मेंस, प्राइसिंग और दर्शन
- 2. मूल स्पेसिफिकेशन और उपलब्धता
- 3. बेंचमार्क आमने-सामने (4.8 बनाम 4.7)
- 4. प्राइसिंग और फास्ट मोड — 3x सस्ती गति
- 5. नया फीचर #1: effort पैरामीटर और अनुकूली थिंकिंग
- 6. नया फीचर #2: डायनामिक वर्कफ़्लो (रिसर्च प्रीव्यू)
- 7. नया फीचर #3: Messages API में system एंट्री
- 8. सबसे बड़ी छलांग ईमानदारी है — कोड की खामियाँ लगभग 4 गुना कम छूटती हैं
- 9. सावधानियाँ (ईमानदारी से कही गईं)
- 10. किसे अभी अपग्रेड करना चाहिए
- सारांश
- FAQ
28 मई 2026 को Anthropic ने Claude Opus 4.8 जारी किया — Opus 4.7 के मुश्किल से दो महीने बाद। अपग्रेड की रफ़्तार स्पष्ट रूप से तेज़ हो रही है। लेकिन इस बार सुर्खी किसी बेंचमार्क पर कुछ प्रतिशत अंकों की नहीं है। Anthropic की आधिकारिक घोषणा बताती है कि शुरुआती टेस्टर्स ने मॉडल को "एजेंटिक काम करते समय अधिक भरोसेमंद और तीक्ष्ण निर्णय-क्षमता वाला" पाया, और कहती है कि "Opus 4.8 के सबसे उल्लेखनीय सुधारों में से एक इसकी ईमानदारी है"। ऐसा रिलीज़ जो "यह अधिक ईमानदार हो गया" को बेंचमार्क की बढ़त के बराबर आगे रखे, असामान्य है।
निचोड़ यह है: कोडिंग ठोस रूप से बेहतर हुई (SWE-bench Pro 64.3% → 69.2%), टर्मिनल के काम में बड़ी छलांग (Terminal-Bench 2.1 66.1% → 74.6%), और नॉलेज वर्क का स्कोर भी बढ़ा (GDPval-AA 1753 → 1890)। इसके ऊपर, फास्ट मोड लगभग 2.5x तेज़ और प्रभावी रूप से एक-तिहाई दाम का है, और तीन डेवलपर-केंद्रित फीचर एक साथ आते हैं: effort पैरामीटर, डायनामिक वर्कफ़्लो, और Messages API में system एंट्री। साथ ही, यह हर जगह आगे नहीं है — टर्मिनल के काम में यह अब भी GPT-5.5 से पीछे है। यह लेख Anthropic की आधिकारिक घोषणा और उसके Transparency Hub के आधार पर आँकड़ों, नए फीचर और सावधानियों का विश्लेषण करता है।
एक नज़र में Claude Opus 4.8
— एक फ़्लैगशिप जो कच्ची होशियारी से पहले "ईमानदारी" को आगे रखता है
(4.7 में 64.3%)
(4.7 में 66.1%)
$10 / $50 प्रति Mtok
की दर, 4.7 की तुलना में
स्टैंडर्ड प्राइसिंग 4.7 के बराबर रखी गई है ($5 / $25 प्रति Mtok), कॉन्टेक्स्ट 1M tokens पर बना हुआ है।
Model ID है claude-opus-4-8, जो पहले दिन से Claude API, Bedrock, Vertex AI और Microsoft Foundry पर उपलब्ध है।
* इस लेख के आँकड़े Anthropic की आधिकारिक घोषणा, मॉडल पेज और सिस्टम कार्ड, साथ ही कई टेक मीडिया की रिपोर्टिंग पर आधारित हैं (28 मई 2026 तक)। अधिक सत्यापन आने पर इन्हें अपडेट किया जा सकता है।
1. Opus 4.8 एक नज़र में: परफ़ॉर्मेंस, प्राइसिंग और दर्शन
व्यस्त पाठक के लिए, पहले सबसे ज़रूरी बातें।
- प्रदर्शन: कोडिंग (SWE-bench Pro) लगातार मज़बूत हुई; टर्मिनल का काम (Terminal-Bench 2.1) और नॉलेज वर्क (GDPval-AA) तेज़ी से बढ़े। दूसरी ओर, Terminal-Bench 2.1 पर GPT-5.5 आगे है, और कंप्यूटर यूज़ (OSWorld-Verified) लगभग नहीं बदला।
- प्राइसिंग: स्टैंडर्ड 4.7 के बराबर रखी गई है। सबसे बड़ा आर्थिक असर यह है कि फास्ट मोड ~2.5x तेज़ और प्रभावी रूप से एक-तिहाई दाम का है।
- दर्शन: "ज़्यादा स्मार्ट" से पहले "ज़्यादा ईमानदार"। अपने लिखे कोड की खामियों को बिना बताए निकल जाने देने में यह 4.7 से लगभग 4 गुना कम है, और अपने काम की अहम विफलताओं के बारे में उपयोगकर्ता को सिर्फ़ 3.7% मामलों में नहीं बताता। लंबे स्वायत्त काम को सहारा देने वाले नए डायनामिक वर्कफ़्लो और effort पैरामीटर आए हैं।
2. मूल स्पेसिफिकेशन और उपलब्धता
आइए अटल तथ्यों से शुरू करें: Opus 4.8 के स्पेसिफिकेशन और इसे कहाँ इस्तेमाल किया जा सकता है।
| मद | विवरण |
|---|---|
| रिलीज़ की तारीख | 28 मई 2026 (4.7 के लगभग 2 महीने बाद) |
| API model ID | claude-opus-4-8 |
| कॉन्टेक्स्ट विंडो | 1,000,000 tokens (4.7 जैसा ही) |
| अधिकतम आउटपुट | प्रति रिस्पॉन्स 128,000 tokens |
| स्टैंडर्ड प्राइसिंग | $5 इनपुट / $25 आउटपुट (प्रति 1M tokens, 4.7 जैसा ही) |
| लागत में कटौती | प्रॉम्प्ट कैशिंग से 90% तक छूट, बैच प्रोसेसिंग से 50% छूट |
| फास्ट मोड प्राइसिंग | $10 इनपुट / $50 आउटपुट (प्रति 1M tokens, ~2.5x तेज़) |
| उपलब्धता | Claude API, Amazon Bedrock, Google Cloud Vertex AI, Microsoft Foundry (पहले दिन से) |
मुख्य बात यह है कि दाम और कॉन्टेक्स्ट को स्थिर रखा गया, और केवल सार मज़बूत हुआ। अगर आप 4.7 पर हैं, तो model ID को claude-opus-4-8 में बदलना ही आपको बिना अतिरिक्त लागत के परफ़ॉर्मेंस का लाभ देता है (माइग्रेशन की सावधानियाँ सेक्शन 9 में हैं)। बस ध्यान रहे कि US-only इन्फेरेन्स पर 1.1x प्राइसिंग मल्टीप्लायर लगता है।
3. बेंचमार्क आमने-सामने (4.8 बनाम 4.7)
हमने स्पेसिफिकेशन देखे। तो असल क्षमता कितनी बढ़ी? यहाँ प्रमुख प्रकाशित बेंचमार्क 4.7 के मुकाबले रखे गए हैं। बोल्ड सबसे बड़े लाभ को दर्शाता है।
| बेंचमार्क | Claude Opus 4.8 | Claude Opus 4.7 | अंतर | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|---|
| SWE-bench Pro (कठिन कोडिंग) | 69.2% | 64.3% | +4.9 | 58.6% | 54.2% |
| Terminal-Bench 2.1 (टर्मिनल का काम) | 74.6% | 66.1% | +8.5 | 78.2% | 70.3% |
| Humanity's Last Exam (टूल के बिना) | 49.8% | 46.9% | +2.9 | 41.4% | 44.4% |
| Humanity's Last Exam (टूल के साथ) | 57.9% | 54.7% | +3.2 | 52.2% | 51.4% |
| OSWorld-Verified (कंप्यूटर यूज़) | 83.4% | 82.8% | +0.6 | 78.7% | 76.2% |
| GDPval-AA (नॉलेज वर्क, Elo) | 1890 | 1753 | +137 | 1769 | 1314 |
| Finance Agent v2 (वित्तीय विश्लेषण) | 53.9% | 51.5% | +2.4 | 51.8% | 43.0% |
स्रोत: Anthropic की Opus 4.8 घोषणा की तालिका (इमेज)। Terminal-Bench 2.1 में सभी मॉडल Terminus-2 हार्नेस पर मापे गए हैं; Codex CLI के साथ GPT-5.5 का स्कोर 83.4% है (उसी घोषणा का फ़ुटनोट)। OSWorld-Verified के लिए उसी घोषणा का फ़ुटनोट बताता है कि मूल्यांकन चलाने का तरीका बदलने के बाद Opus 4.7 का स्कोर 82.3% कर दिया गया, जो तालिका के 82.8% से मेल नहीं खाता।
तालिका पढ़ने के लिए एक बात। SWE-bench Pro पर +4.9 अंक मामूली दिखते हैं पर मायने रखते हैं: Pro ज़्यादा यथार्थवादी और कठिन कोडिंग टास्क जुटाता है, इसलिए वहाँ बढ़त सीधे "असल काम में अटकने के कम मौक़ों" में बदलती है। फिर भी सबसे बड़ी बढ़त Terminal-Bench 2.1 पर +8.5 अंक और GDPval-AA पर +137 है।
दोनों छलांगों का क्या मतलब है
इसके अलावा, CursorBench सभी effort स्तरों पर हर पिछले Opus को पार कर जाता है,
Super-Agent बेंचमार्क में यह हर केस को आद्योपांत पूरा करने वाला एकमात्र मॉडल बना, और Legal Agent बेंचमार्क में all-pass मानक पर 10% से ऊपर का पहला स्कोर दर्ज हुआ।
फिर भी यह हर जगह आगे नहीं है। Terminal-Bench 2.1 पर GPT-5.5 78.2% के साथ आगे है (Codex CLI के साथ 83.4%), और OSWorld-Verified पर कंप्यूटर यूज़ 4.7 की तुलना में लगभग सपाट है (+0.6 अंक)। ज़्यादा खंड 9 में।
4. प्राइसिंग और फास्ट मोड — 3x सस्ती गति
हमने परफ़ॉर्मेंस पर काफ़ी ध्यान दिया, लेकिन इस बार आपकी जेब पर सबसे ज़्यादा असर डालने वाली चीज़ है फास्ट मोड की प्राइसिंग का बदलाव। स्टैंडर्ड प्राइसिंग 4.7 के पूरी तरह बराबर रखी गई है, तो आइए दोनों को आमने-सामने रखें।
स्टैंडर्ड मोड (स्थिर रखा गया)
- इनपुट: $5 / 1M tokens
- आउटपुट: $25 / 1M tokens
- प्रॉम्प्ट कैशिंग: 90% तक छूट
- बैच प्रोसेसिंग: 50% छूट
→ 4.7 से एक पैसा भी अलग नहीं। शून्य स्विचिंग लागत।
फास्ट मोड (बड़ा बदलाव)
- इनपुट: $10 / 1M tokens
- आउटपुट: $50 / 1M tokens
- गति: स्टैंडर्ड से लगभग 2.5x
- पिछले फास्ट मोड के दाम का एक-तिहाई
→ "फास्ट = महँगा" अब नहीं चलता। चैट UI और बल्क प्रोसेसिंग के लिए बढ़िया।
यह जितना दिखता है उससे बड़ा है। "गति चाहिए, लेकिन फास्ट मोड महँगा है" की दुविधा ठीक उन्हीं उपयोगों पर पड़ती थी — चैट-UI रिस्पॉन्स, CI/CD में बल्क कोड रिव्यू, बहु-चरणीय एजेंट रन — जहाँ अब आप गति और दाम दोनों पा सकते हैं। स्टैंडर्ड प्राइसिंग के स्थिर रहने के साथ मिलकर, इस बार का आर्थिक निष्कर्ष है "वही बजट, पर तेज़ और स्मार्ट।" पूरी प्राइसिंग तस्वीर के लिए देखें Claude Opus / Sonnet / Haiku प्राइसिंग तुलना।
5. नया फीचर #1: effort पैरामीटर और अनुकूली थिंकिंग
प्राइसिंग के बाद, वे फीचर जिन्हें डेवलपर सीधे छूते हैं। पहला, effort पैरामीटर। यह एक नॉब है जो आपको चार स्तरों पर "कितनी गहराई से सोचना है" स्पष्ट रूप से निर्दिष्ट करने देता है।
चार स्तरों में थिंकिंग की गहराई चुनें
मूल बात: डिफ़ॉल्ट HIGH लगभग 4.7 के डिफ़ॉल्ट जितना ही टोकन काउंट उपयोग करता है, बस परफ़ॉर्मेंस बढ़ती है।
दूसरे शब्दों में, बिना किसी सेटिंग के भी, आपको उसी लागत पर बेहतर परिणाम मिलते हैं।
effort का समकक्ष है अनुकूली थिंकिंग: मॉडल कार्य की जटिलता के अनुसार अपने उपयोग की कंप्यूट को स्वचालित रूप से समायोजित करता है। सरल सवालों पर तेज़, कठिन सवालों पर अपने-आप गहरा। आप effort से सीमा और नीति तय करते हैं, और अनुकूली थिंकिंग वास्तविक आवंटन को अनुकूलित करती है — एक दो-स्तरीय डिज़ाइन जो "कोई बर्बाद थिंकिंग टोकन नहीं, गहराई वहीं जहाँ ज़रूरी हो" देता है।
6. नया फीचर #2: डायनामिक वर्कफ़्लो (रिसर्च प्रीव्यू)
इस बार का सबसे महत्वाकांक्षी फीचर यही है। डायनामिक वर्कफ़्लो एक रिसर्च-प्रीव्यू फीचर है जो Claude Code (CLI, Desktop, VS Code एक्सटेंशन) में इस्तेमाल किया जा सकता है, यह Claude को एक "बड़ा काम" पूरी तरह सौंपने का तंत्र है।
विशेष रूप से, Claude अपनी ख़ुद की ऑर्केस्ट्रेशन स्क्रिप्ट लिखता है और किसी समस्या पर एक साथ हमला करने के लिए दर्जनों से सैकड़ों समानांतर सबएजेंट उत्पन्न करता है। यह परिणामों की आलोचनात्मक जाँच के लिए प्रतिकूल सत्यापन एजेंट भी तैनात करता है, और अभिसरण तक दोहराता है। यह मुख्य संवाद थ्रेड के बाहर समन्वय करता है, और इसकी स्थिति पुनः-शुरू करने योग्य है, जो बहु-दिवसीय निष्पादन में बनी रहती है।
यह किसके लिए अच्छा है
इच्छित उपयोग हैं कोडबेस-व्यापी बग खोज, बड़े पैमाने पर माइग्रेशन, सिक्योरिटी ऑडिट, और महत्वपूर्ण सत्यापन कार्य — ऐसा काम जिसमें "मनुष्यों की एक टीम को कई दिन लग जाते।"
उपलब्धता: Max, Team और Enterprise प्लान (एडमिन द्वारा सक्षम), साथ ही API, Bedrock, Vertex और Foundry के माध्यम से। सुरक्षा के लिए यह पहली बार ट्रिगर पर स्पष्ट पुष्टि की माँग करता है। रिसर्च प्रीव्यू होने के नाते, व्यवहार बदल सकता है। (स्रोत: Claude ब्लॉग की पोस्ट Introducing dynamic workflows in Claude Code, 28 मई 2026 को प्रकाशित रूप में।)
स्थिति के लिहाज़ से, यह "कई एजेंटों के समानांतर ऑर्केस्ट्रेशन" — जिसे आपको पहले Claude Agent SDK से ख़ुद बनाना पड़ता था — को मॉडल द्वारा ही मौक़े पर डिज़ाइन और चलाने की ओर एक क़दम है। बड़े रिफ़ैक्टर और क्रॉस-कटिंग जाँचों के लिए, वह दायरा बढ़ता है जिसे यह बिना चरण-दर-चरण मानवीय निर्देश के चला सकता है।
7. नया फीचर #3: Messages API में system एंट्री
एक सूक्ष्म बदलाव, पर डेवलपर के लिए स्वागत-योग्य: अब Messages API messages ऐरे के भीतर system एंट्री स्वीकार करता है।
पहले, सिस्टम प्रॉम्प्ट (सिस्टम निर्देश) संवाद की शुरुआत में एक बार रखा जाता था। इस बदलाव के साथ, आप संवाद के बीच में सिस्टम निर्देश इंजेक्ट कर सकते हैं — और वह भी प्रॉम्प्ट कैश तोड़े बिना या किसी user टर्न की ज़रूरत के बिना।
// उदाहरण: वर्कफ़्लो के बीच "अनुमतियाँ, बजट, परिवेश" अपडेट करना
messages: [
{ role: "system", content: "आप एक CI एजेंट हैं। कोई विनाशकारी ऑपरेशन नहीं।" },
{ role: "user", content: "डिपेंडेंसी अपडेट करें" },
{ role: "assistant", content: "..." },
// रन के बीच नीति अपडेट करें (कैश तोड़े बिना)
{ role: "system", content: "टोकन बजट कम है। effort=low का उपयोग करें, केवल मुख्य बिंदु।" },
{ role: "user", content: "जारी रखें" }
]इसका फ़ायदा लंबे, बहु-चरणीय एजेंट रन में मिलता है। निष्पादन के बीच में "गतिशील रूप से नीति बदलना" — अनुमतियाँ कसना, टोकन बजट का संकेत देना, परिवेश संदर्भ अपडेट करना (आप किस ब्रांच पर हैं, आदि) — अब कैश दक्षता बनाए रखते हुए काम करता है। यह डायनामिक वर्कफ़्लो जैसे लंबे स्वायत्त रन के साथ अच्छी तरह जुड़ने वाला डिज़ाइन है।
8. सबसे बड़ी छलांग ईमानदारी है — कोड की खामियाँ लगभग 4 गुना कम छूटती हैं
यही वह हिस्सा है जो मैं सबसे ज़्यादा बताना चाहता हूँ। Opus 4.8 की असली विशिष्टता बेंचमार्क के आँकड़े नहीं — यह है "अपने काम के बारे में ईमानदारी।" Anthropic और परीक्षकों ने बार-बार जिस बात पर ज़ोर दिया वह यह है कि यह मॉडल अपनी अनिश्चितता को सक्रिय रूप से चिह्नित करता है और निराधार दावे करने की संभावना कम रखता है।
आँकड़ों में ईमानदारी
Anthropic के अनुसार, टेस्टर भी बताते हैं कि यह "अनिश्चितताओं को ज़्यादा बताता है और बिना आधार के दावे कम करता है"।
इसने "काम करने का नाटक" करना बंद कर दिया — और यह एजेंट संचालन के लिए निर्णायक है।
स्रोत: Anthropic की घोषणा (कोड की खामियाँ) और उसका Transparency Hub (3.7%)।
यह क्यों मायने रखता है? किसी AI एजेंट को लंबे समय तक स्वायत्त रूप से चलने देने में सबसे बड़ा जोखिम है "विफलता को सफलता के रूप में रिपोर्ट करना, फिर उसी त्रुटि के ऊपर और काम ढेर करना।" टेस्ट अब भी फ़ेल होते हुए "फ़िक्स हो गया" कहना; अनिश्चित अनुमानों को आत्मविश्वासी लहज़े में कहना — इस तरह का "अति-आत्मविश्वास" ऑटोमेशन की विश्वसनीयता को जड़ से कमज़ोर करता है। Opus 4.8 का अब अपनी अनिश्चितता को ख़ुद चिह्नित करना व्यावहारिक रूप में कुछ बेंचमार्क अंकों से ज़्यादा मूल्यवान है। निजी तौर पर, मुझे लगता है कि यही एक बात इस अपडेट की सबसे प्रशंसनीय चीज़ है।
9. सावधानियाँ (ईमानदारी से कही गईं)
हमने लाभ देखे। पर चूँकि यह "ईमानदारी" की प्रशंसा करने वाला लेख है, मैं भी ईमानदार रहूँगा — यहाँ, बिना छिपाए, हैं वे बिंदु जो 4.8 में नहीं सुधरे या सावधानी की माँग करते हैं।
| सावधानी | विवरण | इससे कैसे निपटें |
|---|---|---|
| टर्मिनल के काम में GPT-5.5 आगे | Terminal-Bench 2.1: 74.6% (4.8) बनाम 78.2% (GPT-5.5)। Codex CLI के साथ GPT-5.5 का स्कोर 83.4% | CLI-केंद्रित एजेंट हों तो अपने टास्क पर मॉडलों की तुलना करें |
| कंप्यूटर यूज़ में छोटी बढ़त | OSWorld-Verified 82.8% → 83.4% (+0.6)। घोषणा का फ़ुटनोट 4.7 को 82.3% कर देता है, इसलिए अंतर इस पर निर्भर है कि आप कौन-सा आँकड़ा लें | अगर कंप्यूटर यूज़ मुख्य काम है, तो सुधार मानकर न चलें, मापें |
| प्रॉम्प्ट-इंजेक्शन मज़बूती जस की तस | Gray Swan की एक हफ़्ते की सार्वजनिक हमला प्रतियोगिता में हमलों की सफलता दर 0.4% रही (4.7 जितनी ही; GPT-5.5 की 1.6%), अतिरिक्त सुरक्षा उपायों के बिना मापी गई | बाहरी इनपुट संभालने वाले एजेंटों में इनपुट सैनिटाइज़ेशन और प्रिविलेज पृथक्करण जारी रखें। अपने परमिशन डिज़ाइन की समीक्षा करें |
| डायनामिक वर्कफ़्लो एक रिसर्च प्रीव्यू है | व्यवहार बदल सकता है। महत्वपूर्ण प्रोडक्शन काम के लिए पूरी तरह इस पर निर्भर होना जल्दबाज़ी है | अपनाने से पहले ग़ैर-महत्वपूर्ण काम पर सत्यापित करें |
ख़ासकर प्रॉम्प्ट इंजेक्शन के मामले में, 4.8 पर जाने से आप ज़्यादा सुरक्षित नहीं हो जाते। Anthropic के Transparency Hub के अनुसार हमलों की सफलता दर 0.4% है — 4.7 जितनी ही, 15,000 से ज़्यादा प्रयासों में — जो तुलना किए गए प्रमुख मॉडलों में सबसे कम है, पर यह आँकड़ा उन अतिरिक्त सुरक्षा उपायों के बिना मापा गया है जो Anthropic अपने प्रोडक्ट में जोड़ती है। बाहरी इनपुट (वेब पेज, ईमेल, यूज़र पोस्ट) पढ़कर स्वायत्त रूप से कार्य करने वाले एजेंटों के लिए बुनियाद अब भी यही है कि मॉडल की मज़बूती पर भरोसा करने के बजाय अनुमतियाँ सीमित रखने वाला डिज़ाइन हो।
10. किसे अभी अपग्रेड करना चाहिए
तो, क्या आपको अभी claude-opus-4-8 पर स्विच करना चाहिए? आइए इसे प्रकार के अनुसार बाँटें।
✅ अभी अपग्रेड करें
- कोडिंग / एजेंट संचालन आपका मुख्य उपयोग है
- आप लंबे स्वायत्त कार्य सौंपना चाहते हैं
- आप फास्ट मोड का भारी उपयोग करते हैं (अब 3x सस्ता)
- आप दस्तावेज़ और विश्लेषण जैसा नॉलेज वर्क सौंपना चाहते हैं (GDPval-AA बढ़ा)
- "अति-आत्मविश्वासी ग़लत रिपोर्टिंग" आपके परिवेश में घातक होगी
⚠ सावधानी से विचार करें
- CLI / टर्मिनल-केंद्रित एजेंट (Terminal-Bench 2.1 पर GPT-5.5 आगे)
- कंप्यूटर यूज़ का ऑटोमेशन आपका मुख्य काम है (OSWorld-Verified लगभग नहीं बदला)
- बाहरी इनपुट संभालने वाले सार्वजनिक एजेंट (इंजेक्शन मज़बूती 4.7 जितनी ही)
- डायनामिक वर्कफ़्लो को सीधे महत्वपूर्ण प्रोडक्शन में डालना
चूँकि स्विचिंग लागत ख़ुद लगभग शून्य है (बस model ID बदलें; स्टैंडर्ड प्राइसिंग स्थिर रखी गई), राजमार्ग यह है कि पहले किसी ग़ैर-महत्वपूर्ण परिवेश में claude-opus-4-8 पर स्विच करें और अपने कार्यों पर मापें। 4.7 से ठोस माइग्रेशन चरण Opus 4.7 माइग्रेशन गाइड की सोच से सीधे लागू होते हैं। GPT-5.5 और अन्य से तुलना के लिए, देखें GPT-5.5 बनाम Claude Opus तुलना।
सारांश
Claude Opus 4.8 (28 मई 2026 को रिलीज़, claude-opus-4-8) एक फ़्लैगशिप है जिसने दाम और कॉन्टेक्स्ट स्थिर रखते हुए भीतर की क्षमता बढ़ाई। कोडिंग लगातार बेहतर हुई (SWE-bench Pro +4.9); टर्मिनल का काम (Terminal-Bench 2.1 +8.5) और नॉलेज वर्क (GDPval-AA +137) तेज़ी से बढ़े। फास्ट मोड लगभग 2.5x तेज़ और प्रभावी रूप से एक-तिहाई दाम का हो गया, और व्यावहारिक फीचर — effort पैरामीटर, डायनामिक वर्कफ़्लो, और Messages API में system एंट्री — एक साथ आए।
पर सार आँकड़ों में नहीं है। कोड की खामियाँ लगभग 4 गुना कम छोड़ना, और सिर्फ़ 3.7% मामलों में विफलता न बताना — "स्मार्टनेस" से पहले "ईमानदारी" रखने वाली यह रिलीज़ लंबे समय तक स्वायत्त चलने वाले AI के दौर की सही दिशा दिखाती है। साथ ही, Terminal-Bench 2.1 पर यह अब भी GPT-5.5 से पीछे है, और इंजेक्शन मज़बूती 4.7 जितनी ही है; यह हर पहलू पर आगे नहीं है। इसीलिए — इसी मॉडल के गुण की भावना में — सबसे समझदारी भरा तरीका है अति-आत्मविश्वास से बचना, और फ़ैसले से पहले अपने टास्क पर मापना।
संबंधित पठन: Claude Opus 4.7 रिलीज़ विश्लेषण, Opus 4.7 माइग्रेशन गाइड, Opus / Sonnet / Haiku प्राइसिंग तुलना, GPT-5.5 बनाम Claude Opus तुलना, और Claude Agent SDK क्या है।
FAQ
Q. क्या Opus 4.7 से 4.8 पर माइग्रेट करना कठिन है?
A. लगभग कुछ नहीं। बस API मॉडल ID को claude-opus-4-8 में बदलें; स्टैंडर्ड दाम और कॉन्टेक्स्ट विंडो (1M टोकन) स्थिर हैं। डिफ़ॉल्ट effort=HIGH लगभग उतने ही टोकन इस्तेमाल करता है जितने 4.7 का डिफ़ॉल्ट, और सिर्फ़ प्रदर्शन बढ़ता है, इसलिए बिना सेटिंग बदले फ़ायदा मिलता है। हाँ, बाहरी इनपुट संभालने वाले एजेंटों के लिए ध्यान रखें कि इंजेक्शन मज़बूती 4.7 से बेहतर नहीं हुई (ऊपर देखें)।
Q. "3x सस्ता" फास्ट मोड का क्या मतलब है?
A. इसका मतलब है कि फास्ट मोड का दाम ($10 इनपुट / $50 आउटपुट प्रति 1M tokens) प्रभावी रूप से पिछले मॉडल के फास्ट मोड का एक-तिहाई है। गति स्टैंडर्ड से लगभग 2.5x है। "गति चाहिए पर फास्ट मोड महँगा है" की दुविधा काफ़ी कम हो जाती है, जिससे इसे चैट UI और बल्क बैच प्रोसेसिंग के लिए उपयोग करना आसान हो जाता है।
Q. क्या कोई भी डायनामिक वर्कफ़्लो इस्तेमाल कर सकता है?
A. यह रिसर्च प्रीव्यू में है, जो Claude Code (CLI, Desktop, VS Code एक्सटेंशन) से इस्तेमाल किया जा सकता है। उपलब्धता Max, Team और Enterprise प्लान (एडमिन द्वारा सक्षम) पर और API, Bedrock, Vertex तथा Foundry के माध्यम से है। सुरक्षा के लिए, पहली बार ट्रिगर पर स्पष्ट पुष्टि की ज़रूरत होती है। व्यवहार बदल सकता है, इसलिए सबसे सुरक्षित है कि पहले ग़ैर-महत्वपूर्ण काम पर इसे आज़माएँ।
Q. क्या 4.8 हर पहलू में 4.7 से बेहतर है?
A. नहीं। Anthropic की अपनी तालिका में भी Terminal-Bench 2.1 पर GPT-5.5 (78.2%) 4.8 (74.6%) से आगे है, OSWorld-Verified पर कंप्यूटर यूज़ 4.7 की तुलना में लगभग सपाट है (+0.6), और प्रॉम्प्ट-इंजेक्शन मज़बूती 4.7 के स्तर पर ही है। कोडिंग (SWE-bench Pro), नॉलेज वर्क (GDPval-AA) और ईमानदारी में यह साफ़ आगे है, पर कुछ उपयोगों के लिए 4.7 या दूसरे मॉडल बेहतर बैठ सकते हैं।
Q. अधिक "ईमानदारी" का ठोस लाभ क्या है?
A. AI एजेंटों को स्वायत्त रूप से चलाते समय सबसे बड़ा जोखिम है "विफलता को सफलता बताकर उसके ऊपर काम जोड़ते जाना"। चूँकि 4.8 अपने कोड की खामियों को 4.7 से लगभग 4 गुना कम बिना बताए निकल जाने देता है, और अहम विफलताओं के बारे में उपयोगकर्ता को सिर्फ़ 3.7% मामलों में नहीं बताता, यह "काम करने का नाटक" बंद कर देता है और अनिश्चित होने पर अनिश्चित होने की बात कहता है। लंबे ऑटोमेशन, CI और कोड रिव्यू में विश्वसनीयता व्यावहारिक स्तर पर बढ़ती है।
संबंधित लेख: coding के लिए Claude Fable 5.
