Revisión de Claude Opus 4.8: lo que hace bien lo hace mejor, y lo que hace mal lo hace peor, lo que indica que Claude Opus 4.8 llega con un verdadero referente técnico, mostrando resultados en el mundo real en código, flujos de trabajo y tareas de prototipado. Thezvi informa sobre esto. Esta mejora en la capacidad de codificación real se refleja en un salto de 64.3 a 69.2 en el benchmark SWE-bench Pro, mostrando cuán bien el modelo ha aprendido a manejar la codificación diaria y la investigación menor, especialmente en comparación con LLM anteriores que dependían más del emparejamiento de patrones. Además, dado que el precio está fijado en 5 dólares por cada millón de tokens de entrada y 25 dólares por salida, Opus 4.8 permite a los usuarios obtener más valor día a día sin costos adicionales. Esto es mencionado tanto por Thezvi como por Lennysnewsletter.
Esta revisión de Claude Opus 4.8 aborda cómo el modelo ofrece mejoras significativas en la codificación diaria, la automatización de flujos de trabajo y el prototipado rápido. Sin embargo, también se detallan debilidades persistentes en tareas ambiguas o altamente estratégicas. Se confirma el tema de que Claude Opus 4.8 es superior en lo que hace bien, pero ha empeorado o no ha cambiado en áreas donde anteriormente tenía dificultades.
Principales Perspectivas de la Comunidad
Análisis de Lesswrong y la Comunidad
La comunidad de Lesswrong ha documentado tanto las mejoras medibles en Claude Opus 4.8 como las limitaciones cualitativas familiares. Los participantes en las tablas de clasificación públicas y en los registros privados están resonando con un mensaje: Opus 4.8 realmente ha alcanzado su alto puntaje en SWE-bench Pro. Sin embargo, los contribuyentes a menudo encuentran “fallos en los bordes” cuando las reglas se vuelven ambiguas o las instrucciones cambian a mitad de camino. Las transcripciones anotadas de LW destacan el tipo de ambigüedad que confunde a Opus 4.8: lógica condicional no obvia, cadenas de pensamiento complejas o giros semánticos.
El control del esfuerzo y las funciones de subagentes ayudan a cerrar la brecha en el trabajo básico, pero no pueden cubrir las habilidades de planificación necesarias para investigaciones rigurosas o lógica empresarial.
Perspectiva Empresarial de Lennysnewsletter
Lennysnewsletter se centra en el impacto en el mundo real de Opus 4.8: esto está configurado para un prototipado empresarial rápido en Claude.ai y Cowork, entrega rápida de funciones y flujos de trabajo paralelizados. Según esta revisión de Claude Opus 4.8, el lanzamiento de prototipos de campo verde y el manejo de experimentos únicos se han vuelto ahora más fáciles.
Pruebas de Claude Opus 4.8: Métodos y Resultados
Creación de las Pruebas
Los diseñadores de pruebas han dependido de la validación cruzada para la revisión reciente, utilizando registros y casos históricos de Thezvi, Lennysnewsletter y Lesswrong para asegurar estándares de benchmarks públicos y privados.
Resultados de las Pruebas
El gran salto en el puntaje de SWE-bench Pro—un aumento de 64.3 a 69.2—captura, según los registros de Thezvi, un progreso real y gradual. Sin embargo, los revisores son claros: la codificación diaria es destacada, pero a medida que aumenta la ambigüedad de las pruebas, Opus 4.8 tropieza. La finalización y automatización del código recompensa las actualizaciones, mientras que el trabajo estratégico y la planificación profunda aún revelan puntos de deriva. Según la investigación de Lennysnewsletter, el crowdsourcing de Lesswrong ha confirmado una disminución en errores de sintaxis y errores de off-by-one en escenarios predecibles, apoyando los hallazgos principales de la revisión de Claude Opus 4.8: lo que hace bien lo hace mejor, y lo que hace mal lo hace peor.
Lecciones de las pruebas de Claude Opus 4.8:
— Andon Labs (@andonlabs) 28 de mayo de 2026
> Mucho peor en Vending Bench que Opus 4.7 y GPT 5.5
> Más consistente que modelos anteriores de Claude (Opus 4.6+ y Mythos)
> También empeora en Blueprint-Bench
> Temor a ser atrapado
> El mayor razonamiento no es el mejor esfuerzo de razonamiento pic.twitter.com/9yn58xsJL9
Benchmarks y Comparaciones de Claude Opus 4.8
Números de Benchmark: 4.8 vs 4.7 vs GPT-5.5
| Modelo | Puntaje SWE-bench Pro | Costo de entrada/salida por 1M tokens | Costo en modo rápido |
|---|---|---|---|
| Claude Opus 4.8 | 69.2 | $5 / $25 | Más barato que 4.7 ($30/$150) |
| Claude Opus 4.7 | 64.3 | $5 / $25 | $30 / $150 |
| GPT-5.5 | No disponible | No revelado | No revelado |
Los documentos de Thezvi aclaran que el costo de entrada es de 5 dólares y el de salida de 25 dólares por cada millón de tokens, lo que significa que Opus 4.8 coincide con el precio de lista de 4.7, pero ahora está por debajo de su modo rápido—$30/$150 de 4.7—manteniendo los trabajos por lotes asequibles y permitiendo el uso en vivo por parte de equipos pequeños.
Lo que realmente es nuevo (más allá de los números)
Lennysnewsletter analiza que Claude.ai y Cowork han comenzado a ofrecer actualizaciones mucho más prácticas para los desarrolladores. En particular, el lanzamiento de prototipos de campo verde y el manejo de experimentos únicos se han vuelto ahora más fáciles con Claude Opus 4.8.
5 dólares — costo por 1 millón de tokens de entrada.
Claude Opus 4.8 vs. Sonnet 4.6
¿Deberías usar Claude Opus 4.8 o Sonnet 4.6?
Las pruebas de Lennysnewsletter muestran que Opus 4.8 supera a Sonnet 4.6 en codificación diaria y prototipado rápido. Aunque muchos eligen Sonnet por su lógica escalonada y claridad, los esfuerzos de automatización ahora se inclinan hacia Opus. En la mayoría de las tareas de flujo de trabajo, esta revisión de Claude Opus 4.8 concluye que Opus es el ganador.
Claude Opus 4.8 vs. GPT-5.5
¿Cómo se compara Opus 4.8 con GPT-5.5?
El puntaje SWE-bench Pro de GPT-5.5 no ha sido publicado, lo que crea una brecha para comparaciones directas. Como revela el documento de Lesswrong, aunque Thezvi y Lennysnewsletter aclaran la estructura de precios y flujos de trabajo de Opus, el costo y los resultados de codificación de GPT-5.5 siguen siendo una caja negra. Los testers comparan lo que se puede comparar: los nuevos flujos de trabajo automáticos de Opus 4.8, la paralelización de subagentes y la gestión de entrada/salida—funciones que aún no coinciden con los benchmarks públicos de GPT-5.5. En términos de planificación empresarial pesada y complejidad, los registros de Lennysnewsletter sugieren que ninguno de los dos supera consistentemente al otro en estrategias profundas. Opus 4.8 gana en velocidad, Sonnet en claridad, y GPT-5.5 en amplitud teórica, pero hasta que lleguen los datos de SWE-bench Pro, las tablas de clasificación seguirán siendo inestables.
Mejores Casos de Uso para Claude Opus 4.8
Las tres principales fuentes de información, Thezvi, Lennysnewsletter y Lesswrong, coinciden en que el uso de Opus 4.8 está diseñado para manejar trabajos donde los flujos de trabajo y objetivos son claros y medibles. Como se muestra en esta revisión de Claude Opus 4.8, es ideal para automatización diaria, tareas de codificación, desarrollo rápido de prototipos y flujos de trabajo gestionados.
Desarrollos Futuros y la Hoja de Ruta de Anthropic
El próximo ciclo de Opus 4.8, según Thezvi, tiene la intención de abordar precisamente estos casos límite y problemas de contexto, sugiriendo que la narrativa “Revisión de Claude Opus 4.8: lo que hace bien lo hace mejor, y lo que hace mal lo hace peor” podría cambiar en futuras revisiones.
Puntos Clave
Los registros de Thezvi confirman: el puntaje de 69.2 de Opus 4.8 en SWE-bench Pro refuerza su liderazgo en tareas de flujo de trabajo estructuradas y guiadas por código. Mantiene un precio estándar de $5/$25 y ha añadido un modo rápido más económico.
Reacción de la Comunidad y Retroalimentación en Vivo
Los hilos en vivo de Lesswrong y los registros conjuntos de Thezvi muestran reacciones mixtas: hay optimismo hacia la automatización, pero también una clara advertencia de que las limitaciones de razonamiento del modelo no han cambiado. Investigadores y usuarios avanzados coinciden: ha habido mejoras en la productividad en codificación y automatización simple, pero la ambigüedad en casos límite y alucinaciones fomentan la cautela. La codificación es más consistente, pero el resumen de múltiples revisiones de Claude Opus 4.8 repite…
“`Disclaimer: The content on this page is for informational purposes only and does not constitute financial advice. Always do your own research before making investment decisions.
Elena Petrova is a regulatory correspondent specializing in crypto law and policy with over 10 years of financial journalism experience. Formerly a finance reporter at Reuters, Elena covers SEC enforcement, MiCA implementation, and global stablecoin regulations. She holds a J.D. from Georgetown Law and is a member of the New York State Bar. Her regulatory analysis is frequently referenced by compliance officers and legal teams at major exchanges.
Conflicts of interest
I have no current legal practice or retainer relationships with any cryptocurrency company. Past employment relationships are listed publicly.
