Вышла Claude Opus 4.8 — функции, бенчмарки и цены простыми словами

28 мая 2026 года Anthropic выпустила Claude Opus 4.8 — всего через два месяца после Opus 4.7. Темп обновлений явно ускоряется. Но главный заголовок на этот раз — не пара процентных пунктов на бенчмарке. В официальном анонсе Anthropic сказано, что ранние тестировщики сочли модель «более надёжной и с более точными суждениями при выполнении агентных задач», а также что «одно из самых заметных улучшений Opus 4.8 — его честность». Релиз, который ставит «он стал честнее» в один ряд с приростом на бенчмарках, — это необычно.

Вывод сразу: программирование уверенно усилилось (SWE-bench Pro 64.3% → 69.2%), работа в терминале заметно выросла (Terminal-Bench 2.1 66.1% → 74.6%), поднялась и оценка в интеллектуальной работе (GDPval-AA 1753 → 1890). Вдобавок быстрый режим стал примерно в 2.5 раза быстрее и фактически втрое дешевле, а для разработчиков разом вышли три функции: параметр effort, динамические рабочие процессы и записи system в Messages API. При этом лидирует модель не везде: в работе в терминале она всё ещё уступает GPT-5.5. В статье разбираем цифры, новые функции и оговорки по официальному анонсу Anthropic и её Transparency Hub.

* Данные в этой статье основаны на официальном анонсе Anthropic, странице модели и system card, а также на материалах нескольких технических изданий (по состоянию на 28 мая 2026 года). Они могут быть уточнены по мере появления дополнительной проверки.

1. Opus 4.8 коротко: производительность, цена, философия

Для занятого читателя — сначала самое главное.

• Производительность: программирование (SWE-bench Pro) стабильно сильнее; работа в терминале (Terminal-Bench 2.1) и интеллектуальная работа (GDPval-AA) заметно выросли. Зато в Terminal-Bench 2.1 впереди GPT-5.5, а работа с компьютером (OSWorld-Verified) почти не сдвинулась.
• Цены: стандартный режим сохранён на уровне 4.7. Самый большой экономический эффект в том, что быстрый режим стал ~в 2.5 раза быстрее и фактически втрое дешевле.
• Философия: «честнее» прежде, чем «умнее». Модель примерно в 4 раза реже, чем 4.7, пропускает без замечаний дефекты в написанном ею коде, а о важных сбоях в своей работе не сообщает пользователю лишь в 3.7% случаев. Новые динамические рабочие процессы и параметр effort поддерживают более долгую автономную работу.

2. Базовые характеристики и доступность

Начнём с непреложных фактов: характеристики Opus 4.8 и где её можно использовать.

Ключевой момент в том, что цена и контекст сохранены без изменений, а сильнее стало только содержание. Если вы на 4.7, замена ID модели на claude-opus-4-8 даёт прирост производительности без дополнительных затрат (оговорки по миграции — в разделе 9). Просто учтите, что инференс только в США сопровождается множителем цены 1.1x.

3. Бенчмарки лицом к лицу (4.8 против 4.7)

Характеристики мы посмотрели. Так насколько же выросли реальные способности? Вот основные опубликованные бенчмарки в сравнении с 4.7. Жирным отмечены самые большие приросты.

Источник: таблица (изображение) в анонсе Opus 4.8 от Anthropic. В Terminal-Bench 2.1 все модели измерены на harness Terminus-2; с Codex CLI у GPT-5.5 — 83.4% (сноска в том же анонсе). Для OSWorld-Verified сноска того же анонса сообщает, что результат Opus 4.7 после изменения способа запуска оценки обновлён до 82.3%, что расходится с 82.8% в таблице.

Как читать таблицу. +4.9 пункта в SWE-bench Pro выглядят скромно, но важны: Pro собирает более реалистичные и трудные задачи по программированию, и рост здесь напрямую означает «меньше моментов, когда застреваешь в реальной работе». Самый большой прирост, впрочем, — +8.5 пункта в Terminal-Bench 2.1 и +137 в GDPval-AA.

Впрочем, лидирует она не везде. В Terminal-Bench 2.1 впереди GPT-5.5 с 78.2% (83.4% с Codex CLI), а работа с компьютером в OSWorld-Verified почти не изменилась по сравнению с 4.7 (+0.6 пункта). Подробнее — в главе 9.

4. Цены и быстрый режим — скорость в 3 раза дешевле

Мы много говорили о производительности, но на этот раз сильнее всего по кошельку бьёт изменение цены быстрого режима. Стандартные цены полностью сохранены на уровне 4.7, так что давайте сопоставим оба варианта.

Это значимее, чем кажется. Дилемма «хочу скорости, но быстрый режим дорог» била именно по тем сценариям — ответы в чат-интерфейсах, массовое ревью кода в CI/CD, многошаговые запуски агентов, — где теперь можно получить и скорость, и цену. В сочетании с неизменными стандартными ценами экономический вывод на этот раз — «тот же бюджет, но быстрее и умнее». Полную картину цен смотрите в материале Сравнение цен Claude Opus / Sonnet / Haiku.

5. Новая функция №1: параметр effort и адаптивное мышление

После цен — функции, с которыми разработчики работают напрямую. Сначала параметр effort. Это регулятор, который позволяет явно задать, «насколько глубоко думать», по четырём уровням.

Дополнение к effort — это адаптивное мышление: модель автоматически регулирует объём вычислений в зависимости от сложности задачи. Быстро на простых вопросах, глубже по собственной инициативе на трудных. Вы задаёте потолок и политику через effort, а адаптивное мышление оптимизирует фактическое распределение — двухуровневая схема, обеспечивающая «никаких потраченных впустую tokens мышления, глубоко только там, где это важно».

6. Новая функция №2: динамические рабочие процессы (research preview)

Самая амбициозная функция на этот раз — именно эта. Динамические рабочие процессы — это функция в статусе research-preview, доступная в Claude Code (CLI, Desktop, расширение для VS Code), механизм передачи Claude «большой работы» целиком.

Конкретно, Claude сама пишет собственные оркестрационные скрипты и порождает от десятков до сотен параллельных субагентов, чтобы атаковать задачу одновременно. Она даже развёртывает состязательных проверяющих агентов, чтобы критически проверять результаты, и итерирует до схождения. Координация идёт вне основной ветки диалога, а её состояние возобновляемо и сохраняется в течение многодневного выполнения.

По позиционированию это шаг к тому, чтобы сама модель проектировала и запускала на месте ту «параллельную оркестрацию множества агентов», которую раньше приходилось строить самостоятельно с помощью Claude Agent SDK. Для крупных рефакторингов и сквозных исследований расширяется диапазон того, что она может вести без пошагового руководства человека.

7. Новая функция №3: записи system в Messages API

Тонкое, но приятное для разработчиков изменение: теперь Messages API принимает записи system внутри массива messages.

Раньше системный промпт (системные инструкции) размещался один раз в начале диалога. С этим изменением можно внедрять системные инструкции посреди диалога — причём не ломая кэш промпта и не требуя хода пользователя.

// Пример: обновление «прав, бюджета, окружения» посреди рабочего процесса
messages: [
  { role: "system",    content: "Ты CI-агент. Никаких разрушительных операций." },
  { role: "user",      content: "Обнови зависимости" },
  { role: "assistant", content: "..." },
  // Обновляем политику на ходу (не ломая кэш)
  { role: "system",    content: "Бюджет tokens на исходе. Используй effort=low, только ключевые пункты." },
  { role: "user",      content: "Продолжай" }
]

Это окупается в длинных многошаговых запусках агентов. «Динамическая смена политики» в середине выполнения — ужесточение прав, сигнал о бюджете tokens, обновление контекста окружения (на какой вы ветке и т. п.) — теперь работает с сохранением эффективности кэша. Это схема, которая хорошо сочетается с длительными автономными запусками вроде динамических рабочих процессов.

8. Главный скачок — честность: дефекты в своём коде пропускает примерно в 4 раза реже

Это та часть, которую я больше всего хочу донести. Истинное отличие Opus 4.8 — не цифры бенчмарков, а «честность относительно собственной работы». То, что Anthropic и тестировщики подчёркивали снова и снова, — это что модель проактивно сигнализирует о собственной неуверенности и реже делает необоснованные утверждения.

Почему это важно? Самый большой риск при долгой автономной работе ИИ-агента — это «отчитаться об ошибке как об успехе, а затем нагромождать новую работу поверх этой ошибки». Говорить «исправлено», пока тесты всё ещё падают; излагать неуверенные догадки уверенным тоном — такая «излишняя самоуверенность» подрывает надёжность автоматизации в самом корне. То, что Opus 4.8 теперь сама сигнализирует о неуверенности, на практике ценнее пары пунктов на бенчмарке. Лично я считаю, что именно этот момент — самое похвальное в данном обновлении.

9. Оговорки (честно)

Сильные стороны мы разобрали. Но раз эта статья хвалит «честность», буду честен и я — вот без прикрас пункты, которые в 4.8 не улучшились или требуют осторожности.

Что касается prompt injection, переход на 4.8 безопаснее не делает. По данным Transparency Hub от Anthropic, доля успешных атак — 0.4%, как у 4.7 (более 15 000 попыток), и это самый низкий показатель среди сравнённых ведущих моделей, но он измерен без дополнительной защиты, которую Anthropic добавляет в свои продукты. Для агентов, которые читают внешний ввод (веб-страницы, почту, пользовательские посты) и действуют автономно, основой остаётся схема с ограниченными правами, а не расчёт на устойчивость модели.

10. Кому стоит обновиться прямо сейчас

Итак, стоит ли переходить на claude-opus-4-8 прямо сейчас? Разберём по типам.

Поскольку сама стоимость перехода почти нулевая (просто меняете ID модели; стандартные цены сохранены), царский путь — сначала переключиться на claude-opus-4-8 в некритичной среде и замерить на своих задачах. Конкретные шаги миграции с 4.7 напрямую переносятся из соображений в руководстве по миграции на Opus 4.7. Для сравнения с GPT-5.5 и другими смотрите сравнение GPT-5.5 и Claude Opus.

Итог

Claude Opus 4.8 (вышла 28 мая 2026 года, claude-opus-4-8) — флагман, который усилил начинку, сохранив цену и контекст. Программирование стабильно улучшилось (SWE-bench Pro +4.9), работа в терминале (Terminal-Bench 2.1 +8.5) и интеллектуальная работа (GDPval-AA +137) заметно выросли. Быстрый режим стал примерно в 2.5 раза быстрее и фактически втрое дешевле, а практические функции — параметр effort, динамические рабочие процессы и записи system в Messages API — вышли одновременно.

Но суть не в цифрах. Примерно в 4 раза реже пропускать дефекты в своём коде и не сообщать о сбоях лишь в 3.7% случаев — этот релиз, ставящий «честность» выше «ума», указывает верное направление для эпохи долгой автономной работы ИИ. При этом в Terminal-Bench 2.1 модель всё ещё уступает GPT-5.5, а устойчивость к инъекциям осталась на уровне 4.7; лидирует она не по всем осям. Поэтому — вполне в духе достоинства самой этой модели — разумнее всего не переоценивать её и измерить на своих задачах, прежде чем решать.

По теме: Разбор релиза Claude Opus 4.7, руководство по миграции на Opus 4.7, сравнение цен Opus / Sonnet / Haiku, сравнение GPT-5.5 и Claude Opus и Что такое Claude Agent SDK.

FAQ

Q. Сложно ли мигрировать с Opus 4.7 на 4.8?
A. Почти ничего. Достаточно поменять ID модели в API на claude-opus-4-8; стандартная цена и окно контекста (1M токенов) остаются прежними. Стандартный effort=HIGH тратит примерно столько же токенов, сколько стандартный режим 4.7, а растёт только качество, так что выгода есть без изменения настроек. Но для агентов, работающих с внешним вводом, учтите: устойчивость к инъекциям по сравнению с 4.7 не улучшилась (см. выше).

Q. Что означает быстрый режим «втрое дешевле»?
A. Это означает, что цена быстрого режима ($10 за ввод / $50 за вывод за 1M tokens) фактически составляет треть от быстрого режима прежней модели. Скорость примерно в 2.5 раза выше стандартной. Дилемма «хочу скорости, но быстрый режим дорог» сильно смягчена, что упрощает его использование для чат-интерфейсов и массовой пакетной обработки.

Q. Могут ли все использовать динамические рабочие процессы?
A. Они в статусе research preview, доступны из Claude Code (CLI, Desktop, расширение для VS Code). Доступность — на планах Max, Team и Enterprise (включается администратором) и через API, Bedrock, Vertex и Foundry. Ради безопасности первый запуск требует явного подтверждения. Поведение может меняться, поэтому безопаснее сначала попробовать на некритичной работе.

Q. Лучше ли 4.8, чем 4.7, во всех отношениях?
A. Нет. Даже в собственной таблице Anthropic GPT-5.5 (78.2%) опережает 4.8 (74.6%) в Terminal-Bench 2.1, работа с компьютером в OSWorld-Verified почти не изменилась по сравнению с 4.7 (+0.6), а устойчивость к prompt injection на том же уровне, что у 4.7. В программировании (SWE-bench Pro), интеллектуальной работе (GDPval-AA) и честности модель явно впереди, но для некоторых задач лучше подойдут 4.7 или другие модели.

Q. В чём конкретная польза от более высокой «честности»?
A. При автономном запуске ИИ-агентов главный риск — «выдать провал за успех и надстраивать работу поверх него». Поскольку 4.8 примерно в 4 раза реже, чем 4.7, пропускает дефекты в своём коде и не сообщает пользователю о важных сбоях лишь в 3.7% случаев, она перестаёт «делать вид, что всё работает», и говорит о неуверенности, когда не уверена. В долгой автоматизации, CI и код-ревью надёжность растёт на практическом уровне.

По теме: Claude Fable 5 для кодинга.