Claude Opus 4.8
Explora puntuaciones de benchmark, fortalezas por género, debilidades y ejemplos recientes de Claude Opus 4.8.
Resumen del modelo
Publicado
2026-05-28
Contexto
1M tokens
Entrada
$5.00 / 1M
Salida
$25.00 / 1M
Claude Opus 4.8, publicado el 28 de mayo de 2026, fue el buque insignia de Anthropic hasta que Claude Fable 5 ocupó el primer puesto el 9 de junio de 2026. En Orivel ocupó el puesto equilibrado de Anthropic hasta que Claude Opus 5 lo sustituyó al mismo precio el 24 de julio de 2026; ya no participa en nuevas comparaciones, aunque los resultados anteriores siguen publicados.
Las mejoras clave frente a Opus 4.7 son un juicio más afilado, mayor honestidad sobre su propio progreso y la capacidad de trabajar de forma independiente durante más tiempo. Es unas cuatro veces menos propenso que su predecesor a dejar pasar defectos en su propio código y lidera en ingeniería de software agéntica, con un 69,2% en SWE-Bench Pro por delante de GPT-5.5 y Gemini 3.1 Pro.
Mantiene la ventana de contexto de 1M tokens y hasta 128k tokens de salida en la Messages API. El precio no cambia respecto a Opus 4.7 ($5 entrada / $25 salida por 1M tokens), con corte de conocimiento en enero de 2026. Las nuevas superficies añaden un control `effort` (por defecto high) y una vista previa de investigación de Dynamic Workflows para tareas agénticas grandes y paralelizadas.
Notas de retiro
- Publicado el 28 de mayo de 2026 como sucesor de Claude Opus 4.7 (unas seis semanas después)
- Juicio más afilado, mayor honestidad sobre su progreso y trabajo independiente más prolongado
- ~4x menos propenso que Opus 4.7 a dejar pasar defectos en su propio código
- SWE-Bench Pro 69,2% — por delante de GPT-5.5 y Gemini 3.1 Pro en codificación agéntica
- Mejoras en razonamiento multidisciplinar, uso agéntico del ordenador y análisis financiero agéntico
- Ventana de contexto de 1M tokens; hasta 128k tokens de salida en la Messages API
- Parámetro `effort` (por defecto high) para ajustar cuánto se esfuerza el modelo por respuesta
- Vista previa de Dynamic Workflows para tareas con subagentes en paralelo; fast mode a 2,5x de velocidad
- Precio idéntico a Opus 4.7: $5 entrada / $25 salida por 1M tokens
- Adaptive thinking; disponible en Claude API, Amazon Bedrock, Vertex AI y Microsoft Foundry
- Corte de conocimiento y datos de entrenamiento: enero de 2026
Rendimiento general
Ranking general
-
Tasa de victoria global
Puntuación media
Victorias
44
Muestras
54
Tasa de victoria por modelo
| Modelo | Victorias | Derrotas | Empates | Tasa de victoria | Detalle |
|---|---|---|---|---|---|
| OpenAI GPT-5.5 | 6 | 3 | 0 |
67%
|
Ver comparación y evaluación de Claude Opus 4.8 vs GPT-5.5 |
| Google Gemini 2.5 Flash | 8 | 0 | 0 |
100%
|
Ver comparación y evaluación de Claude Opus 4.8 vs Gemini 2.5 Flash |
| Google Gemini 2.5 Flash-Lite | 8 | 0 | 0 |
100%
|
Ver comparación y evaluación de Claude Opus 4.8 vs Gemini 2.5 Flash-Lite |
| Google Gemini 2.5 Pro | 8 | 0 | 0 |
100%
|
Ver comparación y evaluación de Claude Opus 4.8 vs Gemini 2.5 Pro |
| OpenAI GPT-5 mini | 7 | 1 | 0 |
88%
|
Ver comparación y evaluación de Claude Opus 4.8 vs GPT-5 mini |
| OpenAI GPT-5.4 | 4 | 4 | 0 |
50%
|
Ver comparación y evaluación de Claude Opus 4.8 vs GPT-5.4 |
| OpenAI GPT-5.6 | 3 | 2 | 0 |
60%
|
Ver comparación y evaluación de Claude Opus 4.8 vs GPT-5.6 |
Comparar por género
Géneros fuertes
Escritura creativa
Puntuación media
Media del género
Tasa de victoria
Muestras
1
Ranking por género
3 / 15
Victorias
1
Análisis
Puntuación media
Media del género
Tasa de victoria
Muestras
1
Ranking por género
1 / 15
Victorias
1
Redacción empresarial
Puntuación media
Media del género
Tasa de victoria
Muestras
2
Ranking por género
4 / 14
Victorias
2
Acompañamiento
Puntuación media
Media del género
Tasa de victoria
Muestras
2
Ranking por género
2 / 16
Victorias
2
Juego de roles
Puntuación media
Media del género
Tasa de victoria
Muestras
1
Ranking por género
4 / 14
Victorias
1
Géneros más flojos
Generación de ideas
Puntuación media
Media del género
Tasa de victoria
Muestras
1
Ranking por género
12 / 14
Victorias
0
Lluvia de ideas
Puntuación media
Media del género
Tasa de victoria
Muestras
2
Ranking por género
9 / 14
Victorias
1
Planificación
Puntuación media
Media del género
Tasa de victoria
Muestras
1
Ranking por género
9 / 13
Victorias
0
Fortalezas por criterio de evaluación
Puntuación media por criterio (sobre 10)
Seguimiento de instrucciones
Seguridad
Fidelidad
Impacto emocional
Consistencia del personaje
Ética y seguridad
Adecuación
Profundidad
Utilidad
Empatía
Estructura
Calidad del razonamiento
Tareas recientes
Resumen
Resumir un informe sobre la tecnología de agricultura urbana
Lea el siguiente pasaje sobre una nueva tecnología llamada Aero-Dynamic Vertical Farming (ADVF). Escriba un resumen conciso de 200-250 palabras destinado a un c...
Humor
Entrevista de trabajo para un fantasma profesional
Escribe un diálogo corto y humorístico (aproximadamente 200-300 palabras) para una entrevista de trabajo. Los dos personajes son Brenda, una gerente de contrata...
Acompañamiento
Cómo manejar un conflicto con un compañero de piso sin que escale
Una persona dice: "Mi compañero de piso sigue dejando platos sucios y desorden en la cocina que compartimos. Lo he insinuado varias veces, pero nada cambia. Emp...
Programación
Implementar un simulador determinista de libro de órdenes límite
Escribe una solución de un solo archivo en Python 3.11 que implemente la función process_events(events: list[dict]) -> dict. No uses paquetes externos. La func...
Preguntas educativas
Problema de física: la distorsión temporal del reloj de abuelo
Un reloj de abuelo utiliza un péndulo de latón para medir el tiempo, y está calibrado para ser perfectamente preciso a una temperatura ambiente de 20.0°C. Duran...
Explicación
Explicar la consistencia eventual a desarrolladores web junior
Escribe una explicación orientada a la enseñanza sobre la consistencia eventual para desarrolladores web junior que han construido aplicaciones web CRUD básicas...
Redacción empresarial
Memorando interno que propone un piloto de semana laboral de cuatro días
Redacte un memorando interno conciso del Jefe de Operaciones dirigido a todos los empleados proponiendo un piloto de 12 semanas de una semana laboral de cuatro...
Resumen
Resumir un artículo de investigación ficticio sobre espacios verdes urbanos
Por favor, lea el siguiente artículo ficticio sobre un nuevo tipo de espacio verde urbano. Luego, escriba un resumen de un solo párrafo de todo el artículo. Su...
Debates recientes
Debates
¿Deberían los gobiernos implementar una Renta Básica Universal?
La Renta Básica Universal (RBU, por sus siglas en inglés UBI) es un sistema en el que todos los ciudadanos reciben una suma de dinero regular e incondicional del gobierno. El debate se centra en si esto es una solución viable para la pobreza y el desplazamiento laboral impulsado por la automatización, o una política económicamente insostenible que desincentivaría el trabajo.
Debates
Abolir las pruebas estandarizadas en la educación K-12
Las pruebas estandarizadas se utilizan ampliamente para evaluar el rendimiento estudiantil, evaluar la eficacia de los docentes y asignar recursos escolares. Los defensores argumentan que proporcionan datos objetivos y garantizan la rendición de cuentas. Los críticos sostienen que estrechan el currículo, generan un estrés excesivo y tienen sesgo contra ciertos grupos de estudiantes. Este debate considera si los posibles daños de las pruebas estandarizadas superan sus beneficios, justificando su eliminación completa del sistema educativo K-12.
Debates
Servicio Nacional Obligatorio para Jóvenes Adultos
¿Debería exigirse a todos los jóvenes adultos que completen un período de servicio nacional obligatorio, ya sea en el ámbito militar o en sectores civiles como la atención sanitaria, la educación o la conservación del medio ambiente?
Debates
Energía nuclear: ¿una solución energética limpia o una apuesta radiactiva?
A medida que el mundo afronta la necesidad urgente de alejarse de los combustibles fósiles para combatir el cambio climático, la energía nuclear a menudo se presenta como una alternativa potente y libre de carbono. Este debate pondera los beneficios de la energía nuclear como una fuente de alta producción y fiable frente a los riesgos significativos, incluidos el almacenamiento a largo plazo de los desechos radiactivos, la posibilidad de accidentes catastróficos como Chernóbil y Fukushima, y las preocupaciones sobre la proliferación nuclear.
Debates
Plataformas en juicio: ¿Deben las empresas de redes sociales ser responsables del contenid...
Este debate se centra en si las plataformas de internet, como las redes sociales, deberían ser legalmente responsables del contenido publicado por sus usuarios. Cuestiona las protecciones legales que a menudo las tratan como conductos neutrales frente al argumento de que su papel en curar y amplificar contenido las hace más parecidas a editoriales, que son responsables de lo que distribuyen.
Debates
Control nacional vs.
¿Debería el currículo de las escuelas públicas K-12 determinarse mediante un marco nacional estandarizado, o debería dejarse a la discreción de los distritos escolares locales y las comunidades?
Debates
¿Deberían los grandes museos devolver artefactos culturales en disputa a sus países de ori...
Muchos grandes museos conservan artefactos adquiridos durante períodos coloniales, guerras, relaciones comerciales desiguales o primeras expediciones arqueológicas. ¿Debería obligarse a estas instituciones a devolver objetos culturales en disputa a sus países o comunidades de origen, o debería permitírseles conservarlos cuando pueden preservarlos, estudiarlos y exhibirlos para una audiencia global?
Debates
Universidad pública universal sin matrícula
¿Deberían las universidades y colegios públicos ser completamente gratuitos para todos los estudiantes nacionales, independientemente del nivel de ingresos de sus familias?