Claude Opus 4.8 Bewertung: Verbesserung der Stärken, Verringerung der Schwächen

Claude Opus 4.8 Bewertung: Was gut ist, ist besser geworden, und was schlecht ist, ist schlechter geworden, was darauf hinweist, dass Claude Opus 4.8 mit realen technischen Benchmarks auftritt und Ergebnisse in der realen Welt in Bezug auf Code, Workflows und Prototyping-Aufgaben zeigt. Thezvi berichtet. Diese tatsächliche Verbesserung der Codierungsfähigkeiten spiegelt einen Sprung von 64,3 auf 69,2 im SWE-bench Pro Benchmark wider und zeigt insbesondere, wie gut das Modell im Vergleich zu früheren, stärker auf Mustererkennung basierenden LLMs alltägliche Codierungs- und kleinere Rechercheaufgaben bewältigt hat. Zudem ist der Preis für Eingaben auf 5 Dollar pro 1 Million Tokens und für Ausgaben auf 25 Dollar festgelegt, sodass Opus 4.8 es den Nutzern ermöglicht, täglich mehr Wert ohne zusätzliche Kosten zu erhalten. Dies wird sowohl von Thezvi als auch von Lennysnewsletter hervorgehoben.

In dieser Bewertung von Claude Opus 4.8 wird erörtert, wie das Modell signifikante Verbesserungen in alltäglicher Codierung, Workflow-Automatisierung und schnellem Prototyping bietet. Es werden jedoch auch anhaltende Schwächen bei vagen oder hochgradig strategischen Aufgaben detailliert beschrieben. Claude Opus 4.8 zeigt, dass es in seinen Stärken überlegen ist, während es in Bereichen, in denen es zuvor Schwierigkeiten hatte, sich verschlechtert oder unverändert bleibt.

Hauptgemeinschaftseinblicke

Lesswrong und Gemeinschaftsanalyse

Die Lesswrong-Gemeinschaft dokumentiert sowohl messbare Verbesserungen als auch bekannte qualitative Grenzen in Claude Opus 4.8. Teilnehmer an öffentlichen Leaderboards und privaten Logs geben eine klare Botschaft wieder: Opus 4.8 erzielt tatsächlich seine hohe SWE-bench Pro Punktzahl. Allerdings finden die Mitwirkenden oft „Edge Cases“, wenn die Regeln vage werden oder Anweisungen unterwegs geändert werden. Annotierte LW-Transkripte heben die Arten von Mehrdeutigkeiten hervor, die Opus 4.8 verwirren—unklare bedingte Logik, komplexe Gedankenketten oder semantische Wendungen.

Bemühungskontrolle und Sub-Agenten-Funktionen helfen, grundlegende Arbeitslücken zu schließen, können jedoch die Planungsfähigkeiten, die für strenge Recherchen oder Geschäftslogik erforderlich sind, nicht abdecken.

Lennysnewsletter Perspektive auf das Geschäft

Lennysnewsletter konzentriert sich auf die realen Auswirkungen von Opus 4.8: Es ist für schnelles Geschäft Prototyping, schnelle Bereitstellung von Funktionen und parallelisierte Workflows auf Claude.ai und Cowork ausgelegt. Laut dieser Bewertung von Claude Opus 4.8 ist es jetzt einfacher, Greenfield-Prototypen zu starten und einmalige Experimente durchzuführen.

Tests von Claude Opus 4.8: Methoden und Ergebnisse

Erstellung der Tests

Testdesigner haben sich für die jüngste Bewertung auf Kreuzvalidierung verlassen und Logs sowie Fallstudien von Thezvi, Lennysnewsletter und Lesswrong verwendet, um öffentliche und private Benchmark-Standards sicherzustellen.

Testergebnisse

Der große Sprung im SWE-bench Pro Score—ein Anstieg von 64,3 auf 69,2—fängt laut Thezvi Logs tatsächliche schrittweise Fortschritte ein. Die Rezensenten sind sich jedoch einig: Während alltägliche Codierung herausragend ist, stolpert Opus 4.8, wenn die Mehrdeutigkeit der Tests zunimmt. Während die Fertigstellung und Automatisierung von Code die Upgrades belohnen, zeigen strategisch orientierte Arbeiten und tiefes Planen weiterhin Punkte der Drift auf. Laut einer Untersuchung von Lennysnewsletter bestätigt das Crowdsourcing von Lesswrong die Verringerung von Syntaxfehlern und Off-by-One-Fehlern in vorhersehbaren Szenarien und unterstützt die Hauptentdeckung der Bewertung von Claude Opus 4.8: Was gut ist, ist besser geworden, und was schlecht ist, ist schlechter geworden.

Lernen aus den Tests von Claude Opus 4.8:

> Deutlich schlechter im Vending Bench als Opus 4.7 und GPT 5.5
> Höhere Konsistenz als frühere Claude-Modelle (Opus 4.6+ und Mythos)
> Auch im Blueprint-Bench verschlechtert
> Angst, erwischt zu werden
> Die größte Schlussfolgerung ist nicht die beste Schlussfolgerungsanstrengung pic.twitter.com/9yn58xsJL9

— Andon Labs (@andonlabs) 28. Mai 2026

Benchmarks und Vergleiche von Claude Opus 4.8

Benchmark-Zahlen: 4.8 vs 4.7 vs GPT-5.5

Die Dokumentation von Thezvi stellt klar, dass die Eingaben 5 Dollar und die Ausgaben 25 Dollar pro 1 Million Tokens betragen, was bedeutet, dass Opus 4.8 mit dem Festpreis von 4.7 übereinstimmt, aber jetzt unter dessen Fast-Mode liegt—$30/$150 von 4.7—was Batch-Jobs erschwinglich hält und die Live-Nutzung durch kleine Teams ermöglicht.

Was tatsächlich neu ist (über Zahlen hinaus)

Lennysnewsletter analysiert, dass Claude.ai und Cowork den Entwicklern weitaus praktischere Upgrades bieten. Insbesondere das Starten von Greenfield-Prototypen und das Durchführen einmaliger Experimente sind jetzt mit Claude Opus 4.8 einfacher geworden.

5 Dollar — Kosten pro 1 Million Eingabetokens.

Claude Opus 4.8 vs. Sonnet 4.6

Sollten Sie Claude Opus 4.8 oder Sonnet 4.6 verwenden?

Tests von Lennysnewsletter zeigen, dass Opus 4.8 Sonnet 4.6 in alltäglicher Codierung und schnellem Prototyping übertrifft. Während viele in Bezug auf schrittweise Logik und Klarheit Sonnet bevorzugen, neigen die Bemühungen zur Automatisierung jetzt zu Opus. In den meisten Workflow-Aufgaben kommt diese Bewertung von Claude Opus 4.8 zu dem Schluss, dass Opus der Gewinner ist.

Claude Opus 4.8 vs. GPT-5.5

Wie schneidet Opus 4.8 im Vergleich zu GPT-5.5 ab?

Der SWE-bench Pro Score von GPT-5.5 ist nicht veröffentlicht, was eine Lücke für direkte Vergleiche schafft. Wie die Dokumentation von Lesswrong zeigt, klären Thezvi und Lennysnewsletter die Preisgestaltung und Workflows von Opus, während die Kosten und tatsächlichen Codierungsergebnisse von GPT-5.5 weiterhin eine Black Box bleiben. Tester vergleichen, was vergleichbar ist: die neuen automatisierten Workflows von Opus 4.8, die Parallelisierung von Sub-Agenten, das Eingabe-/Ausgabenmanagement—diese Funktionen stimmen noch nicht mit den öffentlichen GPT-5.5 Benchmarks überein. In Bezug auf umfangreiche Geschäftsplanung und Komplexität deuten die Logs von Lennysnewsletter darauf hin, dass keines von beiden in tiefen Strategien konsistent überlegen ist. Opus 4.8 gewinnt an Geschwindigkeit, Sonnet an Klarheit, und GPT-5.5 gewinnt an theoretischer Breite, aber bis die SWE-bench Pro Daten eintreffen, bleibt das Leaderboard instabil.

Optimale Anwendungsfälle für Claude Opus 4.8

Thezvi, Lennysnewsletter und Lesswrong, die drei Hauptquellen, stimmen darin überein, dass die Verwendung von Opus 4.8 darauf ausgelegt ist, Workflow- und Zielorientierte, messbare Aufgaben zu bewältigen. Wie in dieser Bewertung von Claude Opus 4.8 dargestellt, ist es ideal für alltägliche Automatisierung, Codierungsaufgaben, schnelle Prototypentwicklung und verwaltete Workflows.

Zukünftige Entwicklungen und der Fahrplan von Anthropic

Der nächste Zyklus von Opus 4.8 wird laut Thezvi genau darauf abzielen, diese Edge Cases und Kontextprobleme anzugehen, was darauf hindeutet, dass die Geschichte „Claude Opus 4.8 Bewertung: Was gut ist, ist besser geworden, und was schlecht ist, ist schlechter geworden“ in zukünftigen Bewertungen möglicherweise verändert wird.

Wichtigste Erkenntnisse

Thezvi’s Aufzeichnungen bestätigen: Die SWE-bench Pro Punktzahl von 69,2 für Opus 4.8 stärkt die Führung bei codegetriebenen und strukturierten Workflow-Aufgaben. Es wird ein Standardpreis von $5/$25 beibehalten und ein günstigerer Fast-Mode hinzugefügt.

Reaktionen der Gemeinschaft und Live-Feedback

Der Live-Thread von Lesswrong und die gemeinsamen Logs von Thezvi zeigen gemischte Reaktionen: Es gibt Optimismus in Bezug auf die Automatisierung, aber auch klare Warnungen, dass die Grenzen des Modells in der Schlussfolgerung unverändert geblieben sind. Forscher und Power-User stimmen zu: Es gibt Verbesserungen in der Produktivität bei Codierung und einfacher Automatisierung, aber die Mehrdeutigkeiten und Halluzinationen in Edge Cases erfordern Vorsicht. Das Codieren ist konsistenter geworden, aber in den Zusammenfassungen mehrerer Bewertungen von Claude Opus 4.8 wird wiederholt darauf hingewiesen, dass… “`