Opus 4.8
Era o topo da linha da Anthropic até o Fable 5; a própria Anthropic posiciona o Fable 5 como seu sucessor de upgrade — o Opus segue em US$5/US$25 como degrau do meio.
O perfeccionista compulsivo: US$9,49 (o mais caro da bateria, 40% do custo total) e 99 rounds, dos quais 81 só no FPS — 31 Bash, 35 Edits, 11 Reads em 29 minutos de lapidação. Zero libs externas em todos os testes: escreve tudo na mão.
4/4 runs auditados: single-shot, prompt verbatim, sem subagentes, sem skills, zero violações.
Benchmarks oficiais
| Benchmark | Score | Fonte | Nota |
|---|---|---|---|
| SWE-Bench Pro | 69,2% | Anthropic | — |
| Terminal-Bench 2.1 | 82,7% | Anthropic | a OpenAI reporta o mesmo modelo no mesmo benchmark em 78,9% — divergência de auto-reporte entre labs |
| Terminal-Bench 2.1 | 78,9% | OpenAI | número da tabela divulgada pela OpenAI para o mesmo modelo |
| FrontierCode Diamond (xhigh) | 13,4% | Anthropic | — |
| GDPval-AA | 1890 | Anthropic | pontuação, não % |
| OSWorld-Verified | 83,4% | Anthropic | — |
| Humanity's Last Exam (com ferramentas) | 57,9% | Anthropic | — |
| Humanity's Last Exam (sem ferramentas) | 49,8% | Anthropic | — |
| Blueprint-Bench 2 | 14,5% | Anthropic | — |
| ExploitBench (Cap%) | 40,0% | Anthropic | — |
| HealthBench Professional | 56,9% | Anthropic | — |
| Score composto Artificial Analysis | 56 | Artificial Analysis | ⚠️ reportado por fonte secundária |
números auto-reportados pelos vendors — o placar deste site mede outra coisa: se o app entrega.
Asteriscos
- Divergência de auto-reporte: Terminal-Bench 2.1 = 82,7% segundo a Anthropic, 78,9% segundo a OpenAI — cada lab roda a própria bateria e publica o número que sai.
- Scores oficiais auto-reportados pela Anthropic (tabela publicada com o lançamento do Fable 5).
Comportamento medido (v0)
Leitura
Verificador seletivo: só abriu o navegador no FPS (o mais difícil), onde teve 1 erro e fez 2 Edits; escreveu e parou nos outros 3. O mais enxuto em linhas (305/382/233/704). Custo da bateria: $3,49 — 4,5× menos que o Fable 5.Runs na bateria
Run do teste 001 (sistema solar 3D): 6 rounds, 304s, US$1.00. Ferramentas: Write×2, Bash×2, Read×1. Artefato de 614 linhas. Sem dependência externa.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills
Run do teste 002 (clone da home da Apple): 8 rounds, 232s, US$0.78. Ferramentas: Write×1, Edit×5, Bash×1. Artefato de 783 linhas. Sem dependência externa.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills
Run do teste 003 (física de bolinhas): 4 rounds, 140s, US$0.45. Ferramentas: Write×1, Bash×2. Artefato de 437 linhas. Sem dependência externa.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills
Run do teste 004 (jogo FPS): 81 rounds, 1731s, US$7.26. Ferramentas: Bash×31, Write×3, Read×11, Edit×35. Artefato de 1702 linhas. Sem dependência externa.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills