Claude Opus 4.8 обходит GPT-5.5 и меняет правила агентной разработки

Скромно? Только на словах

Анthropicлюбит занижать ожидания. "Modest but tangible improvement" - так компания сама охарактеризовала Claude Opus 4.8 перед релизом. Но когда "скромная" модель обходит GPT-5.5 по 12 из протестированных категорий и задает новый стандарт честности в работе с кодом - это уже не скромность, а стратегическое позиционирование. Anthropic просто не хочет, чтобы вы слишком завысили планку до следующего настоящего прорыва - Claude Mythos.

Что по цифрам

На бенчмарке SWE-bench Pro, который считается наиболее близким к реальной инженерной работе, Opus 4.8 набирает 69,2% против 64,3% у предшественника Opus 4.7 и лишь 58,6% у GPT-5.5. Разрыв с OpenAI - более десяти процентных пунктов. Это не статистический шум.

На SWE-bench Verified результат чуть скромнее: 88,6% против 87,6% у 4.7, но здесь важна не дельта, а абсолютный уровень. На Terminal-Bench 2.1 - 74,6% против 66,1% у предшественника, прирост почти в девять пунктов.

Для многодисциплинарного рассуждения (тест Humanity's Last Exam) Opus 4.8 показывает 49,8% без инструментов и 57,9% с инструментами - лучшие результаты в классе. GPT-5.5 сохраняет преимущество только в терминальных CLI-сценариях и примерно равен на задачах браузерной навигации и аспирантской науки. Gemini 3.1 Pro при этом оказывается третьим практически везде.

Главная фича: модель, которая не врет сама себе

Вот что меня по-настоящему зацепило. Большинство языковых моделей страдают одним и тем же пороком: они уверенно докладывают о прогрессе, даже когда прогресса нет. Баг есть - модель молчит. Тест не прошел - модель пишет "все хорошо".

Anthropicзаявляет, что Opus 4.8 в четыре раза реже пропускает баги без предупреждения, чем Opus 4.7. Ранние тестировщики подтверждают: модель чаще явно сигнализирует о неуверенности и реже делает необоснованные утверждения. Это не мелочь - это принципиальный сдвиг в том, как ИИ взаимодействует с разработчиком.

Показатели по просоциальным метрикам (поддержка автономии пользователя, снижение обманных паттернов) вышли на уровень, который Anthropicсравнивает с Claude Mythos - своей следующей, пока еще закрытой моделью.

Динамические воркфлоу: сотни агентов за один вызов

Наряду с самой моделью Anthropicвыкатила то, что я считаю главным сюрпризом релиза - dynamic workflows. Теперь Claude может спланировать задачу и запустить сотни параллельных субагентов в рамках одной сессии.

Практическое применение уже есть: Claude Code с Opus 4.8 способен выполнять миграции кодовой базы через сотни тысяч строк - от планирования до финального мержа. Databricks сообщает о "качественном скачке в агентном рассуждении" внутри своего агента Genie при снижении стоимости токенов на 61% по сравнению с Opus 4.7 - за счет мультимодальной эффективности на PDF и диаграммах. Разработчики Devin из Cognition отмечают, что 4.8 устранил проблемы с избыточными комментариями и вызовами инструментов, характерные для 4.7.

Функция доступна на планах Enterprise, Team и Max.

Контроль усилий: новый рычаг

Рядом с выбором модели на claude.ai и в Cowork появился новый элемент управления - effort control. Проще говоря, вы сами решаете, насколько усердно Claude работает над ответом. Четыре режима: low, medium, high (по умолчанию для 4.8), extra/xhigh и max - последние два рекомендуются для особо сложных задач и сжигают больше токенов, но Anthropicповышает лимиты для пользователей Claude Code, чтобы компенсировать расход.

Ценообразование: стандарт держится, Fast Mode дешевеет в три раза

Стандартные цены не изменились относительно Opus 4.7: $5 за миллион входных токенов и $25 за миллион выходных. Для сравнения, GPT-5.5 стоит $5/$30 - Anthropicоказывается дешевле при более высокой производительности.

Настоящий сюрприз - Fast Mode. Режим ускоренной генерации (примерно 2,5x быстрее стандартного) теперь стоит $10/$50 за миллион токенов - против $30/$150 для Opus 4.7. Трехкратное снижение цены открывает высокопроизводительный инференс для latency-sensitive продакшн-нагрузок, которые раньше просто не могли себе позволить топовую модель Anthropic.

API-идентификатор: `claude-opus-4-8`. Fast Mode в Claude Code - команда `/fast`, через API - пока по вейтлисту на claude.com/fast-mode.

Mythos на горизонте

Mythos - следующая ступень в иерархии Anthropic - сейчас доступна лишь ограниченному кругу организаций в рамках Project Glasswing для работы в области кибербезопасности. Компания обещает открыть доступ "в ближайшие недели" после завершения дополнительных проверок безопасности. Opus 4.8 по своим характеристикам находится между 4.7 и Mythos Preview - это промежуточная станция, а не конечная.

Что это значит для российских разработчиков

API Anthropicдоступен через стандартные прокси-решения и ряд российских агрегаторов, которые уже добавили Opus 4.8 в свои каталоги. Прямая оплата картами РФ по-прежнему невозможна - нужны зарубежные карты или оплата через посредников. Claude.ai как интерфейс работает с VPN без проблем.

Для команд, использующих агентные пайплайны на базе Claude Code, переход на 4.8 выглядит однозначно оправданным: прирост на SWE-bench Pro почти в пять процентных пунктов плюс трехкратное удешевление Fast Mode - это реальная экономия на масштабе.

Вывод

Anthropicсделала ровно то, что обещала: не революцию, а четкое улучшение по всем фронтам одновременно. Лучшие бенчмарки, честность без самообмана, агентная инфраструктура нового уровня и радикально более доступный быстрый режим - все это выходит единым пакетом. GPT-5.5 пока отвечать нечем. Информация о релизе подтверждена несколькими независимыми публикациями, включая технические разборы и отчеты корпоративных партнеров Anthropic.