Claude Opus 4.8 — Model Anthropic z Mechanizmem Adaptive Thinking

Kontekst i ewolucja rodziny Claude 4

Anthropic, założone w 2021 roku przez byłych badaczy OpenAI, konsekwentnie buduje swoje modele wokół metodologii Constitutional AI — filozofii projektowania mającej zapewnić systemom pomocność, nieszkodliwość i uczciwość. Rodzina Claude 4 zadebiutowała 22 maja 2025 roku, a od tamtej chwili cykl wydawniczy uległ drastycznemu skróceniu do kilku miesięcy między kolejnymi iteracjami.

Oś czasu wygląda następująco: Opus 4.1 (sierpień 2025) skupił się na zadaniach agentowych; kolejne wersje — Claude Opus 4.5 (listopad 2025), Claude Opus 4.6 (luty 2026) i Claude Opus 4.7 (kwiecień 2026) — kolejno wzmacniały kodowanie, computer vision i agentowość. Zaledwie 41 dni po premierze 4.7, 28 maja 2026 roku Anthropic ogłosiło Claude Opus 4.8 — nie jako drobną poprawkę, lecz jako przeprojektowany system z mechanizmem Adaptive Thinking i milionem tokenów kontekstu.

Tempo ilustruje brutalną rywalizację z OpenAI (GPT-5.4 i GPT-5.5) oraz Google (Gemini 3.1 Pro i Gemini 3.5 Flash). Wyścig zbrojeń AI w połowie 2026 roku toczy się praktycznie w czasie rzeczywistym.

Architektura: Adaptive Thinking i milion tokenów

Fundamentalną zmianą architektoniczną jest mechanizm Adaptive Thinking (rozumowanie adaptacyjne). Wcześniejsze modele hybrydowe wymagały od programistów ręcznego ustawiania budżetu tokenów na rozumowanie. W Opus 4.8 model sam ocenia złożoność zapytania i alokuje rozumowanie automatycznie — programista kontroluje tylko ogólny poziom wysiłku.

Teraz model samodzielnie ocenia złożoność każdego zapytania w czasie rzeczywistym:

• Dla prostych pytań odpowiada natychmiastowo, minimalizując latencję.
• Dla złożonych problemów wieloetapowych inicjuje niejawną pętlę rozumowania przed wygenerowaniem odpowiedzi.
• Użytkownik kontroluje ten proces parametrem effort z wartościami low, medium, high, xhigh i max (domyślnie high dla Opus 4.8).

Adaptacyjne myślenie automatycznie integruje się z wywołaniami narzędzi (tool calls) — model może "myśleć" pomiędzy kolejnymi wywołaniami zewnętrznych API, co jest krytyczne dla workflows Agentic AI.

Okno kontekstowe wynosi 1 milion tokenów. Maksymalna liczba tokenów wyjściowych w jednej turze wzrosła z 16 000 do 128 000 — umożliwiając generowanie kompletnych baz kodu czy rozbudowanych raportów w jednej sesji.

Optymalizacje kosztowe i nowości API

Model wprowadza kilka mechanizmów redukujących koszty operacyjne:

• Prompt Caching — w pętlach agentowych do modelu wysyłany jest w każdej iteracji ten sam prefix: prompt systemowy (instrukcje jak ma się zachowywać model, lista dostępnych narzędzi) plus dotychczasowa historia rozmowy. Klasycznie model analizuje go od zera za każdym razem. Prompt cache pozwala zachować tę pracę między wywołaniami — pierwsze użycie liczy się normalnie, kolejne są wyraźnie tańsze. Razem z nowym wsparciem dla wstrzykiwania komunikatów systemowych w środku rozmowy (mid-conversation system messages) cache nie ulega resetowi przy zmianach instrukcji w trakcie pracy agenta.
• Mid-conversation System Messages — w długo działających agentach (research, refactor, debug) często chcesz w trakcie zmienić ich zachowanie: przełączyć tryb z szybkiego na dokładny, zawęzić zakres, ostrzec o limicie budżetu. Wcześniej każda taka zmiana oznaczała restart kontekstu i wysokie koszty. Opus 4.8 pozwala dosyłać te instrukcje na bieżąco — agent dostosowuje się przy kolejnym kroku, bez gubienia tego co już zrobił.
• Fast Mode — wariant 2,5× szybszy od standardowego Opus 4.8. Anthropic potwierdza, że jest teraz trzy razy tańszy niż w poprzednich generacjach (4.6, 4.7), gdzie szybkość kosztowała znacznie więcej. Sposób osiągnięcia tej obniżki nie został ujawniony.

Benchmarki i wyniki: lider wszechstronnej inteligencji

W zagregowanym Artificial Analysis Intelligence Index v4.0 — łączącym wyniki z 10 rygorystycznych ewaluacji (GDPval-AA, Terminal-Bench Hard, SciCode, Humanity’s Last Exam, GPQA Diamond, τ²-Bench Telecom, AA-LCR, AA-Omniscience, IFBench, CritPt) — Claude Opus 4.8 zajmuje pierwsze miejsce z wynikiem 61 punktów, wyprzedzając GPT-5.5 w trybie xhigh (60) i high (59) oraz remisując z Opus 4.7, Gemini 3.1 Pro i Qwen 3.7 Max (po 57 punktów).

Wyniki w kodzie są mocne: 69,2% na SWE-Bench Pro daje modelowi 5-punktową przewagę nad poprzednikiem Opus 4.7 (64,3%) i niemal 11-punktową nad GPT-5.5 (58,6%). Gemini 3.1 Pro w tej samej ewaluacji osiąga 54,2%. SWE-Bench Pro mierzy realne rozwiązywanie problemów z aktywnie utrzymywanych repozytoriów z wieloplikowymi diffami, bez wycieku ground-truth.

Test GDPval-AA, opracowany przez Artificial Analysis na bazie 220 zadań z gold database GDPval OpenAI (44 zawody z 9 sektorów gospodarki), przyniósł wynik 1890 Elo — z około 121-punktową przewagą Elo nad GPT-5.5 w trybie xhigh, co odpowiada 66,7% wygranych w bezpośrednich porównaniach. Efektywność tokenowa: Databricks raportuje, że w platformie Genie nowy Opus przetwarza PDF-y, diagramy i nieustrukturyzowane treści przy 61% niższym koszcie tokenów niż Opus 4.7 — bezpośredni dowód poprawy efektywności agentowej.

W nawigacji komputerowej (OSWorld-Verified) Opus 4.8 osiąga 83,4%, przed Opus 4.7 (82,3% — zaktualizowane przez Anthropic w nocie do premiery), GPT-5.5 (78,7%) i Gemini 3.1 Pro (76,2%). W zadaniach agenta przeglądarki Browserbase raportuje 84% na Online-Mind2Web — według cytatu „znaczący skok nad Opus 4.7 i GPT-5.5". W rozumowaniu naukowym Humanity’s Last Exam z dostępem do narzędzi — 57,9%, przed Opus 4.7 (54,7%), GPT-5.5 (52,2%) i Gemini 3.1 Pro (51,4%).

Zastosowania praktyczne w środowiskach Enterprise

Inżynieria oprogramowania zyskała funkcję Dynamic Workflows w Claude Code. Model może zaplanować architekturę systemu i uruchomić setki równoległych sub-agentów w jednej sesji, realizując migracje kodu na skalę całych repozytoriów przy użyciu istniejących testów jednostkowych jako kryterium poprawności. Użytkownicy narzędzi takich jak Devin raportują lepszy osąd sytuacyjny: model zadaje właściwe pytania, wykrywa własne błędy i odrzuca plan, jeśli uzna go za nierozsądny.

Branża prawnicza: na Legal Agent Benchmark Opus 4.8 jako pierwszy model przebił barierę 10% w standardzie "all-pass" (wymagającym 100% poprawności we wszystkich krokach prawniczych). System CoCounsel Legal uznał, że Opus 4.8 nadaje się do delegowania realnej pracy prawniczej o wysokiej odpowiedzialności wobec klienta — takiej, gdzie błąd kancelarii oznacza realne straty finansowe lub procesowe dla mocodawcy.

Analiza danych i finanse: na platformie Databricks Genie model radzi sobie ze złożonym SQL, odpytywaniem baz danych i wizualizacją na poziomie wcześniej nieosiągalnym. W typowej sesji analityk pyta naturalnym językiem („pokaż spadki marży powyżej 5% w Q4 z podziałem na regiony"), a Opus 4.8 generuje zapytanie SQL do hurtowni, wykonuje je, analizuje wynik i — co kluczowe — sam zauważa że w dwóch regionach brakuje wpisów z grudnia. Zamiast cicho ekstrapolować, sygnalizuje lukę, proponuje trzy hipotezy biznesowe stojące za spadkiem i sugeruje pytania uzupełniające. Analitycy inwestycyjni podkreślają wysoki stosunek sygnału do szumu — wcześniejsze generacje modeli zalewały ich raportami pełnymi false positives, zostawiając 80% czasu na weryfikację zamiast na pracę nad tezą inwestycyjną. Opus 4.8 odwraca tę proporcję: mniej outputu, ale każdy zasygnalizowany sygnał wart sprawdzenia — bezpośredni efekt niższego odsetka halucynacji (najniższego spośród sześciu porównywanych modeli na AA-Omniscience) i lepszej kalibracji epistemicznej.

Uczciwość, halucynacje i odporność na sykofancję

Jedną z kluczowych popraw Anthropic nazywa wprost uczciwością modelu. Opus 4.8 ma rzadziej skłonność do nieuzasadnionych deklaracji o postępie w pracy — częściej sygnalizuje niepewność co do własnych wyników, zamiast pewnie twierdzić, że zadanie zostało wykonane mimo cienkich dowodów. Ocena alignmentu wewnątrz Anthropic stwierdza, że Opus 4.8 ma istotnie niższy poziom zachowań niewłaściwie dopasowanych (oszustwo, kolaboracja z nadużyciem) niż Opus 4.7 — na poziomie najlepszego dotychczas modelu Anthropic pod względem alignmentu.

Halucynacje: na benchmarku AA-Omniscience Opus 4.8 ma najniższy odsetek błędnych odpowiedzi spośród sześciu porównywanych modeli — osiąga to głównie przez wstrzymywanie się od odpowiedzi gdy nie zna faktu, zamiast zgadywać. W kodzie efekt jest jeszcze bardziej namacalny: Opus 4.8 jest czterokrotnie rzadziej skłonny przepuścić ukryty błąd niż Opus 4.7. Chodzi o sytuacje, w których model generuje kod, który „wygląda poprawnie", kompiluje się, ale zawiera subtelny defekt logiczny (off-by-one, race condition, błędną gałąź warunkową). Poprzednie generacje cicho akceptowały takie błędy w pętlach agentowych, co prowadziło do narastania długu technicznego. Opus 4.8 częściej zatrzymuje się i sygnalizuje wątpliwość.

Warto jednak zaznaczyć, że Gemini 3.1 Pro wie po prostu więcej. W mierzeniu faktografii — ile faktów model potrafi poprawnie odtworzyć z pamięci — Gemini wciąż prowadzi nad Opus 4.8. To dwa różne wymiary jakości: Opus rzadziej zmyśla, ale gdy zostaje zapytany o trudny fakt, częściej uczciwie przyzna że nie wie — zamiast podać odpowiedź którą Gemini znałby z pamięci. W zastosowaniach gdzie liczy się szeroka erudycja (research naukowy, fact-checking, encyklopedyczne pytania) Gemini wciąż wygrywa.

Ceny, dostępność i presja na konkurencję

Opus 4.8 zadebiutował bez podwyżki cen względem 4.7: 5,00 USD za milion tokenów wejściowych i 25,00 USD za milion tokenów wyjściowych. ID modelu w API: claude-opus-4-8.

Fast Mode kosztuje 10 USD/50 USD za milion tokenów — 2× standardowej stawki zamiast 6× w poprzednich wersjach. Model jest dostępny od dnia premiery na wszystkich głównych platformach chmurowych.

Co to znaczy dla rynku

Opus 4.8 zamyka cykl czterech wydań w niespełna dwunastu miesiącach (4.5 listopad 2025 → 4.6 luty → 4.7 kwiecień → 4.8 maj 2026). Anthropic nie podniósł cen względem 4.7, dodał 1-milionowy kontekst, 128 000 tokenów wyjścia w jednej turze i tańsze Fast Mode — czyli rozszerzył funkcjonalność za tę samą stawkę. To zmienia kalkulację dla zespołów, które dotąd używały Opusa tylko do drogich, krytycznych zadań — workflows agentowe, refactor całych repo czy długie sesje researchowe stają się ekonomicznie sensowne na codziennie.

Realna przewaga Opusa 4.8 nie leży w pojedynczym benchmarku, lecz w trzech właściwościach, które trudno zmierzyć osobno: czterokrotnie mniejszy odsetek ukrytych błędów w kodzie wobec 4.7, najniższy odsetek halucynacji wśród sześciu porównywanych modeli na AA-Omniscience i poprawiona kalibracja honesty potwierdzona alignment assessment Anthropic. W zastosowaniach gdzie błąd modelu kosztuje (prawo, finanse, kod produkcyjny) ta kombinacja waży więcej niż jeden punkt przewagi na liście rankingowej.

Jednocześnie Opus nie wygrywa wszystkiego. Gemini 3.1 Pro pozostaje silniejszy w czystej faktografii, GPT-5.5 trzyma się blisko w trybie xhigh, a w specyficznych zadaniach (Finance Agent v2 — Gemini 3.5 Flash) konkurencja wciąż wyprzedza. Stan na koniec maja 2026: Anthropic ma najszerszy model do pracy agentowej, ale rynek high-end LLM pozostaje wieloosobowy, a różnice między czołówką topnieją do kilku punktów Elo.

Źródła:

• Anthropic: anthropic.com/news/claude-opus-4-8 — ogłoszenie premiery Opus 4.8
• Anthropic: anthropic.com/claude-opus-4-8-system-card — Claude Opus 4.8 System Card (PDF, pełne dane benchmarków)
• Artificial Analysis: artificialanalysis.ai — Intelligence Index v4.0 (leaderboard publiczny)
• Anthropic: claude.com/blog/introducing-dynamic-workflows-in-claude-code — Dynamic Workflows w Claude Code