Anthropic predstavio Claude Opus 4.8: oprezniji model s manje samouvjerenih pogrešaka

"Iskren AI" znači manje blefiranja, a ne moralnu savjest

Anthropic za Claude Opus 4.8 koristi snažnu riječ: iskrenost. U tehničkom smislu to ne znači model koji donosi moralne odluke, nego model koji bi trebao iznositi manje neutemeljenih tvrdnji, češće uočavati slabosti u vlastitom radu i jasnije označavati nesigurnost.

Riječ je o važnom pomaku. Veliki jezični modeli obično su najopasniji upravo onda kada zvuče najsigurnije. Ne kažu "ne znam", nego sastave uvjerljiv odgovor na tankim dokaznim temeljima. Anthropic sada tvrdi da Opus 4.8 taj problem rješava izravnije nego Opus 4.7.

Najkonkretnija metrika odnosi se na kod. Anthropic u vlastitim evaluacijama tvrdi da Opus 4.8 otprilike četiri puta rjeđe ne otkrije pogreške u vlastitom kodu nego njegov prethodnik. To ne treba automatski širiti na sva područja, poput prava, medicine ili financijske analize, ali za programere je riječ o snažnom signalu.

Opus 4.8 namijenjen je dugom radu, ne samo brzim odgovorima

Anthropic opisuje Claude Opus 4.8 kao svoj najsposobniji opće dostupni Claude za složeno zaključivanje, produljeni agentski rad i autonomnije tijekove rada. Oznaka modela je claude-opus-4-8, a kontekstni prozor doseže 1 milijun tokena putem Claude API-ja, Amazon Bedrocka i Vertex AI-ja, uz maksimalni izlaz od 128.000 tokena. U Microsoft Foundryju kontekstni prozor ograničen je na 200.000 tokena.

Što se cijena tiče, Anthropic nije odabrao jeftiniji smjer. Opus 4.8 stoji 5 dolara za milijun ulaznih tokena i 25 dolara za milijun izlaznih tokena. I dalje je skuplji od Sonnet 4.6, koji stoji 3 i 15 dolara, no Opus cilja zahtjevnije zadatke u kojima jedna pogrešna odluka može stajati više od same upotrebe modela.

U tome je praktična vrijednost Opusa 4.8. Model koji bolje zna kada treba zastati, pozvati alat, provjeriti dvojbu ili osporiti korisnikov unos postaje pouzdaniji partner u razvojnom okruženju. Ne nužno pametniji, nego manje opasno pretjerano samouvjeren.

Dynamic Workflows pretvara Claude u tim agenata

Uz Opus 4.8 Anthropic je predstavio Dynamic Workflows za Claude Code. Ta značajka omogućuje Claudeu da veliki zadatak razbije na desetke ili stotine paralelnih poslova za podagente, provjeri njihove rezultate i korisniku vrati objedinjeni odgovor. Dostupna je kao istraživački preview putem Claude Code CLI-ja, desktop aplikacije, proširenja za VS Code te kroz API, Amazon Bedrock, Vertex AI i Microsoft Foundry.

To nije tek manja praktična značajka. U razvoju softvera Claude se time iz jednog prozora za razgovor pomiče prema pokretaču agentskih tijekova rada. Anthropic navodi potragu za greškama kroz više kodnih baza, sigurnosne revizije, migracije velikih razmjera i kritične zadatke u kojima neovisni agenti pokušavaju i opovrgnuti rezultate.

Isti smjer objašnjava naglasak na "iskrenosti" modela. Kada jedan chatbot pogriješi, korisnik to često brzo uoči. No kada stotine podagenata rade kroz veliku kodnu bazu, pogrešno postavljena sigurnost može se pretvoriti u vrlo skupu pogrešku. Opus 4.8 zato ne mora samo rješavati zadatke, nego mora znati i kada treba stati.

Kontrola napora korisnicima daje polugu nad troškom i kvalitetom

Opus 4.8 prema zadanim postavkama radi na visokoj razini napora, koju Anthropic opisuje kao najbolju ravnotežu kvalitete i upotrebljivosti. Nova kontrola napora korisnicima omogućuje da odaberu koliko model "razmišlja" prije odgovora. Viša postavka daje bolje rezultate na težim zadacima, dok niža štedi vrijeme i kvotu tokena.

Za programere su važna još dva detalja. Prvo, Opus 4.8 podržava umetanje sistemske upute usred razgovora, što omogućuje ažuriranje instrukcija tijekom dugih agentskih izvođenja bez ponovnog slanja cijele sistemske upute. Drugo, brzi način rada, trenutačno u istraživačkom previewu, omogućuje do 2,5 puta brže generiranje izlaznih tokena, ali po premium cijeni.

Za europske tvrtke to je posebno važno zbog modela troškova. Kako se AI pomiče od generatora teksta prema upravitelju tijekova rada, svaki token dobiva ekonomsku težinu. Opus 4.8 pokušava ponuditi zaključivanje na razini vodećeg modela, a korisnicima prepustiti odluku kada platiti dublju analizu i kada uzeti brži odgovor.

Mythos je u pozadini kao širi signal

Prema Reutersu, Opus 4.8 stiže dok Anthropic priprema šire izdanje snažnijeg Claude Mythosa. Mythos se povezuje s naprednim sposobnostima u kibernetičkoj sigurnosti i dostupan je odabranim partnerima, uključujući Amazon, Microsoft i Apple, putem Project Glasswinga.

To Opus 4.8 stavlja u zanimljiv položaj. Nije najsnažniji Anthropicov model, ali jest najspremniji opće dostupni Claude te tvrtke. API dokumentacija potvrđuje da Claude Mythos Preview ostaje zaseban istraživački preview za obrambene tijekove rada u kibernetičkoj sigurnosti, bez samoposlužnog pristupa.

Anthropic zato Opus 4.8 prodaje na temelju kontrolirane pouzdanosti, a ne neograničene snage. Za poslovne korisnike to može biti važnije od pojedinačne pobjede na benchmarku, jer u pravu, financijskoj analizi, razvoju softvera i sigurnosnoj reviziji na kraju se računa koliko često model prepozna da još nema dovoljno čvrst temelj za konačan zaključak.