Claude Opus 4.8
ClaudeÉquilibré
RaisonnementOutilsVisionSortie structurée
À propos de ce modèle
Claude Opus 4.8 is Anthropic's most capable generally available model in the Opus family. It supports text, image, and file inputs with text output, with reasoning support and a 1M-token...
Catégorie de performance
Équilibré
Claude Opus 4.8 est un modèle équilibré de Claude : un bon compromis entre bonnes performances à un prix raisonnable.
Bon rapport coût-performance. Fiable pour la plupart des usages professionnels sans tarification premium.
Tarification
Ce modèle est inclus dans les plans ElosiaPremium
Niveau le plus cher. Une conversation longue peut consommer rapidement votre cap mensuel.
| Type | par 1M tokens |
|---|---|
| Entrée (prompt) | $5.00 |
| Sortie (complétion) | $25.00 |
| Lecture cache | $0.500 |
| Écriture cache | $6.25 |
Capacités
Taille du contexte1.0M
Tokens de sortie max128K
TokenizerClaude
Entréetext, image, file
Sortietext
Date de sortie27 mai 2026
Benchmarks
Intelligence générale
MMLU
Non reporté
GPQA Diamond
93.6%
Mathématiques
MATH-500
Non reporté
Programmation
HumanEval
Non reporté
SWE-bench Verified
88.6%
Raisonnement
Humanity's Last Exam
49.8%
Agentique
SWE-bench Pro
69.2%
Où se situe Claude Opus 4.8 ?
Comparez son indice de performance à tous les autres modèles.
Usages recommandés
ProgrammationAnalyseRechercheÉcriture créative
Points forts
- Excellente ingénierie logicielle réelle (SWE-bench Verified 88,6%, SWE-bench Pro 69,2%)
- Solide raisonnement scientifique de niveau recherche (GPQA Diamond 93,6%)
- Réflexion adaptative — ne raisonne que lorsque la tâche l'exige, réduisant les tokens de réflexion superflus
- Environ 4× moins susceptible qu'Opus 4.7 de laisser passer des défauts dans son propre code
- Codage agentique robuste sur longue durée avec contexte 1M tokens et meilleure reprise après compaction
Limites
- Tarification premium (5 $ / 25 $ par million de tokens entrée / sortie)
- MMLU, MATH-500, HumanEval, IFEval et ARC-AGI non reportés — jugés saturés par Anthropic
- Temps jusqu'au premier token plus élevé ; plus lent que Sonnet/Haiku pour les requêtes sensibles à la latence
Questions fréquentes
Ressources
Ce modèle peut utiliser vos données pour l'entraînement