Claude Opus 4.8 / Claude Opus 4.8 (fast)

Anthropic · 2026-05-28 · 类别未确认

Claude Opus 4.8

Anthropic 发布文将 Claude Opus 4.8 定位为 Opus 系列新旗舰，主打诚实性训练（放行自写代码缺陷的概率约为上代 1/4）与 effort 分档（默认 high，另有 extra/max），并随发布推出 Claude Code 动态工作流。已收录 9 项评测集中于编码、终端与计算机/知识工作 Agent：亮点 SWE-bench Pro 69.2、GDPval-AA Elo 1890。

输入模态: 文本 / 图像
上下文: 官方资料未说明
参数: 官方资料未说明
价格（每百万 tokens）: USD 输入 5 / 输出 25 · 发布文称定价与上一代持平（per MTok）；另有 fast 模式 USD 10/50

本变体的评测证据

online-mind2web 84% 模型 claude-opus-4-8 · 版本未说明 · 指标 success_rate · 单位 percent 来源等级 A · third_party_reported · 核对日期 2026-08-31 · 距快照 34 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Early tester quotes (browser-agent partner) · row: Online-Mind2Web · quote_snippet: Claude Opus 4.8 is the strongest computer-use and browser-agent model we've tested, scoring 84% on Online-Mind2Web

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

online-mind2web id already introduced by a prior batch; reused. Customer-reported score in a quote on the official page; quote adds it is a meaningful jump over both Opus 4.7 and GPT-5.5.

打开官方来源

legal-agent-benchmark 该来源尚无可读数值 模型 claude-opus-4-8 · 版本未说明 · 指标未说明 · 单位 percent 来源等级 A · third_party_reported · 核对日期 2026-08-31 · 距快照 34 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Early tester quotes (Harvey) · row: Legal Agent Benchmark · quote_snippet: the highest score recorded on our Legal Agent Benchmark, and the first model to break 10% overall on the all-pass standard

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: legal-agent-benchmark not yet in data/benchmarks/. Customer (Harvey) benchmark; only the ">10% all-pass" threshold is printed, no absolute score, so value stays not_extracted. The Fable 5 page table later lists this benchmark with values (see cross-reference in claude-fable-5.json).

打开官方来源

swebench-pro 69.2 模型 claude-opus-4-8 · 版本 Public · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Opus 4.8 capabilities (benchmark table) · row: Agentic coding - SWE-Bench Pro · figure: images/02.webp（归档 benchmark 总表 2600x1392；列: Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro） · quote_snippet: The table below shows how Opus 4.8 compares to its predecessor and to other models on tests of coding, agentic skills, reasoning, and practical knowledge work tasks

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写自归档图 images/02.webp（2026-09-01，Opus 4.8 列，与先前 vision-read 逐格一致）。Opus 4.8 69.2 vs Opus 4.7 64.3 (cross-checks exactly with the Opus 4.7 page table), GPT-5.5 58.6 (cross-checks exactly with the OpenAI GPT-5.5 page), Gemini 3.1 Pro 54.2.

打开官方来源

terminalbench 74.6 模型 claude-opus-4-8 · 版本 2.1 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Opus 4.8 capabilities (benchmark table) · row: Agentic terminal coding - Terminal-Bench 2.1 · figure: images/02.webp（归档 benchmark 总表 2600x1392；列: Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro） · quote_snippet: The table below shows how Opus 4.8 compares to its predecessor and to other models on tests of coding, agentic skills, reasoning, and practical knowledge work tasks

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写自归档图 images/02.webp（2026-09-01，Opus 4.8 列，与先前 vision-read 逐格一致）。Opus 4.8 74.6 vs Opus 4.7 66.1, GPT-5.5 78.2, Gemini 3.1 Pro 70.3. Cross-page discrepancy: the Fable 5 and Sonnet 5 page tables both show Opus 4.8 at 82.7 on Terminal-Bench 2.1 and GPT-5.5 at 83.4 (Codex CLI) - either a later score revision or a harness difference; do not reconcile silently. 2026-09-01 live 页脚注补录：Terminal-Bench 2.1 全模型用 Terminus-2 公共 harness 报分；GPT-5.5 用 Codex CLI harness 的自报分为 83.4%。

打开官方来源

hlehle 49.8 模型 claude-opus-4-8 · 版本 no tools · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Opus 4.8 capabilities (benchmark table) · row: Multidisciplinary reasoning - Humanity's Last Exam (no tools) · figure: images/02.webp（归档 benchmark 总表 2600x1392；列: Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro） · quote_snippet: The table below shows how Opus 4.8 compares to its predecessor and to other models on tests of coding, agentic skills, reasoning, and practical knowledge work tasks

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写自归档图 images/02.webp（2026-09-01，Opus 4.8 列，与先前 vision-read 逐格一致）。Opus 4.8 49.8 vs Opus 4.7 46.9, GPT-5.5 41.4, Gemini 3.1 Pro 44.4 (all cross-check exactly with the OpenAI GPT-5.5 and Opus 4.7 pages).

打开官方来源

hlehle 57.9 模型 claude-opus-4-8 · 版本 with tools · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Opus 4.8 capabilities (benchmark table) · row: Multidisciplinary reasoning - Humanity's Last Exam (with tools) · figure: images/02.webp（归档 benchmark 总表 2600x1392；列: Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro） · quote_snippet: The table below shows how Opus 4.8 compares to its predecessor and to other models on tests of coding, agentic skills, reasoning, and practical knowledge work tasks

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写自归档图 images/02.webp（2026-09-01，Opus 4.8 列，与先前 vision-read 逐格一致）。Opus 4.8 57.9 vs Opus 4.7 54.7, GPT-5.5 52.2, Gemini 3.1 Pro 51.4 (all cross-check exactly with prior pages).

打开官方来源

osworld 83.4 模型 claude-opus-4-8 · 版本 Verified · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Opus 4.8 capabilities (benchmark table) · row: Agentic computer use - OSWorld-Verified · figure: images/02.webp（归档 benchmark 总表 2600x1392；列: Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro） · quote_snippet: The table below shows how Opus 4.8 compares to its predecessor and to other models on tests of coding, agentic skills, reasoning, and practical knowledge work tasks

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写自归档图 images/02.webp（2026-09-01，Opus 4.8 列，与先前 vision-read 逐格一致）。Opus 4.8 83.4 vs Opus 4.7 82.8, GPT-5.5 78.7, Gemini 3.1 Pro 76.2.

打开官方来源

gdpval 1890 模型 claude-opus-4-8 · 版本 AA (Elo) · 指标未说明 · 单位 elo 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Opus 4.8 capabilities (benchmark table) · row: Knowledge work - GDPval-AA · figure: images/02.webp（归档 benchmark 总表 2600x1392；列: Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro） · quote_snippet: The table below shows how Opus 4.8 compares to its predecessor and to other models on tests of coding, agentic skills, reasoning, and practical knowledge work tasks

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写自归档图 images/02.webp（2026-09-01，Opus 4.8 列，与先前 vision-read 逐格一致）。Opus 4.8 1890 vs Opus 4.7 1753, GPT-5.5 1769, Gemini 3.1 Pro 1314. Elo scoring; the Fable 5 page table lists Opus 4.8 at 1890 as well (consistent).

打开官方来源

finance-agent 53.9 模型 claude-opus-4-8 · 版本 v2 · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Opus 4.8 capabilities (benchmark table) · row: Agentic financial analysis - Finance Agent v2 · figure: images/02.webp（归档 benchmark 总表 2600x1392；列: Opus 4.8 | Opus 4.7 | GPT-5.5 | Gemini 3.1 Pro） · quote_snippet: The table below shows how Opus 4.8 compares to its predecessor and to other models on tests of coding, agentic skills, reasoning, and practical knowledge work tasks

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写自归档图 images/02.webp（2026-09-01，Opus 4.8 列，与先前 vision-read 逐格一致）。Opus 4.8 53.9 vs Opus 4.7 51.5, GPT-5.5 51.8, Gemini 3.1 Pro 43.0. Version label v2 per the table; distinct from the v1.1 rows on the Opus 4.7 page.

打开官方来源

Claude Opus 4.8 (fast)

Claude Opus 4.8（fast）为同系 2.5 倍速度的快速档，定价 USD 10/50 每百万 tokens（发布文称约为历代 fast 模式的三分之一）。评测数值随主模型条目记录（如 Terminal-Bench 2.1 74.6），本条目无独立评测行。

输入模态: 文本 / 图像
上下文: 官方资料未说明
参数: 官方资料未说明
价格（每百万 tokens）: USD 输入 10 / 输出 50 · 2.5 倍速度的 fast 档，发布文称约为历代 fast 模式价格的三分之一

本变体的评测证据

尚无对应评测记录。缺少证据不代表能力为零。