Claude Opus 4.8: Fecha de lanzamiento, precios, benchmarks y notas para desarrolladores

Hola, chicos. Aquí Dora.

Anthropic lanzó Opus 4.8 el 28 de mayo de 2026 — menos de dos meses después de 4.7. La fecha de lanzamiento de Opus 4.8 importa menos que lo que realmente cambió, pero quiero escribir esto mientras está fresco, porque el enfoque del anuncio y el enfoque que los desarrolladores realmente necesitan no son exactamente iguales. Los números del titular son reales. Lo que no te dicen es qué cargas de trabajo se benefician, cuáles no, y cuánto de esto puedes verificar tú mismo antes de cambiar un interruptor en producción.

Este artículo repasa el estado del lanzamiento, precios, benchmarks, qué cambió para los desarrolladores y las señales de la comunidad que todavía se están formando. Me baso en el anuncio oficial y en el System Card, y trato todo lo demás como secundario.

Qué es Claude Opus 4.8

Estado oficial del lanzamiento e ID del modelo en la API

La fecha de lanzamiento de Opus 4.8 es el 28 de mayo de 2026. Disponible de inmediato en la API de Claude, Amazon Bedrock, Vertex AI de Google Cloud y GitHub Copilot. El ID del modelo en la API es Claude-Opus-4-8. Esa es la cadena que pondrás en tu configuración.

Según el anuncio de Anthropic, anthropic Opus 4.8 se describe como “una mejora modesta pero tangible sobre su predecesor.” Esa redacción es inusualmente contenida para una publicación de lanzamiento y vale la pena leerla literalmente — el propio Anthropic no lo está vendiendo como un salto generacional.

Qué cambió respecto a Opus 4.7

Tres cambios que realmente importan para los desarrolladores:

Primero, honestidad. Anthropic dice que Opus 4.8 tiene aproximadamente cuatro veces menos probabilidades que 4.7 de dejar pasar fallos en su propio código sin señalarlos. Los primeros testers reportan que expresa la incertidumbre con mayor facilidad. Este es el tipo de cosa que no aparece en una sola demo, pero que se acumula a lo largo de sesiones agénticas prolongadas.

Segundo, fiabilidad agéntica. Anthropic presenta el modelo como “más fiable y más preciso en su juicio” en tareas agénticas. Cognition (Devin) señaló específicamente que los problemas de verbosidad en comentarios y llamadas a herramientas de 4.7 están corregidos.

Tercero, un modo rápido más veloz y económico. El mismo modelo, configurable para mayor rendimiento a menor coste. Detalles en la sección de precios.

También hay una nueva capa de funciones lanzada junto con el modelo: Dynamic Workflows en Claude Code (vista previa de investigación, planes Enterprise/Team/Max), control de esfuerzo en Claude.ai y Cowork, y la API de Messages ahora acepta entradas de sistema dentro del array de mensajes. El cambio en la API de Messages importa más de lo que parece — te permite actualizar las instrucciones de Claude en medio de una tarea sin romper la caché de prompts. Para ejecuciones largas de agentes, eso es una mejora de eficiencia silenciosa pero real.

Precios de Opus 4.8 y disponibilidad en la API

Uso regular vs modo rápido

Precios de Opus 4.8, uso regular: $5 por millón de tokens de entrada, $25 por millón de tokens de salida. Idénticos a Opus 4.7. Nada que renegociar, nada que refactorizar.

Modo rápido: $10 por millón de tokens de entrada, $50 por millón de tokens de salida. Anthropic dice que el modo rápido es aproximadamente 2,5× más rápido y tres veces más barato que el modo rápido en los modelos anteriores. Los cálculos aquí comparan modo rápido con modo rápido entre versiones, no modo rápido con regular dentro de 4.8. Léelo con cuidado.

Una nota sobre los niveles de esfuerzo, porque aquí es donde la mayoría de los desarrolladores pasarán tiempo ajustando: Opus 4.8 tiene “alto” esfuerzo por defecto. En tareas de programación, eso gasta una cantidad similar de tokens al valor predeterminado de Opus 4.7 — pero con mejores resultados. “Extra” (xhigh en Claude Code) y “max” están disponibles para trabajos más difíciles y ejecuciones asíncronas más largas. Anthropic elevó los límites de velocidad de Claude Code para acomodar niveles de esfuerzo más altos, que es el tipo de detalle operativo que importa más que las puntuaciones de benchmarks.

Qué deben verificar los equipos en Console y la documentación

Trataría estos como los únicos puntos de referencia autoritativos que no cambiarán:

La página oficial del modelo Claude Opus para la línea actual de Opus, el ID del modelo y el alcance de las funciones.
La publicación complementaria sobre Dynamic Workflows en Claude Code para la nueva función de subagentes paralelos lanzada junto con el modelo.
La descripción general de modelos de la API de Claude para los IDs de modelos actuales, disponibilidad regional y límites de velocidad.
El System Card de Claude Opus 4.8 para la metodología de evaluación y datos de alineación.

Confirma siempre los precios y límites en Console antes de comprometerte — las líneas de modelos se actualizan, la disponibilidad del modo rápido puede variar por región o plataforma, y lo que es cierto en la API puede diferir ligeramente en Bedrock o Vertex durante la semana de lanzamiento.

Benchmarks de Opus 4.8 y qué significan

Programación, habilidades agénticas, razonamiento y trabajo de conocimiento

Los números de benchmark de Opus 4.8 que publicó Anthropic, con 4.7 como comparación donde se proporcionó:

Programación agéntica (SWE-Bench Pro): 64,3% → 69,2%
Razonamiento multidisciplinario con herramientas: 54,7% → 57,9%
Puntuación de comportamiento de desalineación (menor es mejor): 2,5 → 1,9 — colocando a Opus 4.8 efectivamente al nivel de Mythos Preview en alineación
OSWorld-Verified (uso del ordenador): 84% reportado por Browserbase, descrito como un “salto significativo” respecto a 4.7 y GPT-5.5

En Terminal-Bench 2.1, Anthropic informa que GPT-5.5 todavía lidera con 83,4% bajo el harness de Codex CLI — Anthropic es transparente al respecto en las notas al pie del anuncio. Vale la pena señalarlo porque la mayoría de las publicaciones de lanzamiento omiten las ventajas de los competidores.

Los números reportados por socios son más llamativos. Databricks dijo que su agente Genie procesa PDFs y diagramas con un 61% menos de coste en tokens que con 4.7. Browserbase reportó 84% en Online-Mind2Web. Cognition, el fabricante de Devin, lo calificó como una ganancia directa de capacidad para los ingenieros. Estos no son independientes — son testimonios. Pero los tipos de mejoras que se citan (eficiencia de tokens en entradas multimodales, limpieza en llamadas a herramientas, finalización de extremo a extremo del agente) son operativamente específicos de una manera que las afirmaciones de marketing puro generalmente no lo son.

Por qué los benchmarks oficiales aún necesitan pruebas de carga de trabajo

Los benchmarks te dicen qué puede hacer el modelo en una evaluación fija. No te dicen qué hace con tus prompts específicos, tu harness de herramientas específico, tu configuración de recuperación específica. Dos cosas que realmente hay que probar antes de cambiar el tráfico de producción:

Una — ¿la mejora en honestidad ayuda o perjudica tu flujo de trabajo? Más señalización de incertidumbre es excelente para revisión de código, supervisión de agentes y análisis. Puede ser una fricción para tareas de generación de bajo riesgo donde quieres una respuesta confiada.

Dos — ¿el esfuerzo alto por defecto se ajusta a tu presupuesto de latencia? Anthropic dice que el gasto de tokens es similar a 4.7 en tareas de programación con el nuevo valor predeterminado, pero “similar” no es “idéntico” y tu carga de trabajo puede divergir. Ejecuta un lote representativo, mide el coste y la latencia de extremo a extremo, luego decide.

Prefiero quemar una tarde en pruebas de carga de trabajo que enviar un cambio y descubrir la regresión en la semana tres.

Opus 4.8 vs Opus 4.7 para desarrolladores

Mejor juicio, honestidad y fiabilidad en tareas agénticas

Donde esperaría que los desarrolladores sientan una diferencia:

Sesiones de agentes de larga duración. La mejora en honestidad más la limpieza en llamadas a herramientas se acumulan a lo largo de muchos pasos. La función Dynamic Workflows de Anthropic está construida sobre esto — migraciones a escala de base de código, cientos de subagentes paralelos, con verificación antes de reportar de vuelta. Ese tipo de carga de trabajo solo tiene sentido si el modelo subyacente no fabrica progreso.
Pipelines con mucho contenido multimodal. La reducción del 61% en el coste de tokens de Databricks en PDFs y diagramas no es una afirmación menor. Si tu flujo de trabajo hace pasar documentos por el modelo, esto vale la pena medirlo con tus propios datos.
Agentes de uso del ordenador y del navegador. 84% en Online-Mind2Web es un paso adelante real en una categoría que históricamente ha sido frágil.

Donde no esperaría un cambio significativo: chat simple, prompts de un solo disparo, tareas de contexto corto. El delta de 4.7 a 4.8 es más visible en el extremo alto de la complejidad, no en el suelo.

Cuándo cambiar, probar o esperar

Un marco de decisión breve, ya que esta es la pregunta que harán la mayoría de los equipos:

Cambiar ahora: si ejecutas cargas de trabajo agénticas, agentes de uso del ordenador, o cualquier pipeline donde los problemas de llamadas a herramientas o verbosidad de comentarios de Opus 4.7 te afectaron. Los precios son idénticos. El riesgo de regresión es bajo.
Probar primero: si tu flujo de trabajo depende de un comportamiento específico (longitud de respuesta, tono, patrones de agente particulares). El cambio en honestidad puede modificar los resultados de maneras que afectan los prompts posteriores.
Esperar: si has ajustado mucho 4.7 para un flujo de trabajo estable y no ejecutas tareas agénticas. No hay urgencia, y el propio Anthropic calificó esto como una mejora “modesta”.

Movimiento práctico: realiza pruebas en la sombra de 4.8 en una muestra del tráfico de producción durante unos días. Compara con 4.7 en las métricas que realmente te importan — coste, latencia, tasa de finalización, tasa de error. Luego decide.

Reddit y discusión comunitaria: qué tratar con cuidado

Los hilos de Reddit sobre Opus 4.8 comenzarán a aparecer en los días posteriores al lanzamiento. Siempre lo hacen. Para qué son útiles: detectar modos de fallo sorprendentes, reportes de regresión en flujos de trabajo específicos, patrones de prompts que se rompieron. Para qué no son útiles: evaluaciones de rendimiento promedio, afirmaciones estadísticas, o veredictos de “¿vale la pena cambiar?” durante la primera semana.

La señal de la comunidad en las primeras 72 horas de un lanzamiento se inclina hacia los más ruidosos — las personas que tienen problemas publican primero, las personas cuyos flujos de trabajo mejoraron silenciosamente no publican en absoluto. Las primeras citas de socios empresariales en el anuncio de Anthropic también son testimonios. Ambas son puntos de datos, no conclusiones.

Vigilaría la discusión comunitaria específicamente para: reportes de regresión en prompts que antes funcionaban, comparaciones de costes reales con contexto de carga de trabajo, y comentarios sobre el nuevo comportamiento de control de esfuerzo. Omite las opiniones apresuradas. Espera dos o tres semanas para una imagen más estable si tu decisión no es urgente.

FAQ

¿Qué es Claude Opus 4.8?

Claude Opus 4.8 es la actualización del modelo insignia de anthropic Opus 4.8, lanzada el 28 de mayo de 2026. Anthropic lo posiciona como una mejora “modesta pero tangible” sobre Opus 4.7, con ganancias en programación agéntica, razonamiento, trabajo de conocimiento y honestidad. El ID del modelo en la API es Claude-Opus-4-8.

¿Cómo usan los desarrolladores Claude Opus 4.8?

A través de la API de Claude usando el ID de modelo Claude-Opus-4-8, así como mediante Amazon Bedrock, Google Cloud Vertex AI y plataformas como GitHub Copilot, donde ahora está disponible de forma general. Los niveles de esfuerzo — bajo, medio, alto (predeterminado), extra/xhigh, max — son configurables. Para obtener detalles completos de integración, consulta la documentación oficial de Anthropic.

¿Los precios de Opus 4.8 son diferentes a los de Opus 4.7?

Los precios regulares no han cambiado: $5 por millón de tokens de entrada, $25 por millón de tokens de salida. Los precios del modo rápido difieren y se describen por separado en el anuncio de Anthropic. Confirma siempre los precios actuales en Console o en la página de precios oficial antes de comprometerte — consulta la documentación oficial más reciente para obtener los números más actualizados.

¿Deberían los equipos cambiar de Opus 4.7 a Opus 4.8?

Depende de la carga de trabajo. Si ejecutas pipelines agénticos, agentes de uso del ordenador o flujos de trabajo donde los problemas de llamadas a herramientas o verbosidad de 4.7 te afectaron, cambiar tiene sentido con precios iguales. Si has ajustado 4.7 para un comportamiento específico, prueba en la sombra primero. No hay una respuesta general.

Conclusión

Claude 4.8 es lo que dice ser — una actualización real pero medida que rinde más en cargas de trabajo agénticas, de larga duración y multimodales. El mismo precio que 4.7 para uso regular significa que el coste de cambio es operativo, no financiero. La mejora en honestidad es el cambio que vigilaría más de cerca en Claude 4.8, porque afecta cómo se comporta el modelo en casos de fallo, no solo en casos de éxito.

Si eres un desarrollador, pruébalo en tu propia carga de trabajo antes de decidir. No confíes en los testimonios del lanzamiento, no confíes en los primeros hilos de Reddit, ni en esta publicación tampoco. Ejecútalo tú mismo.

Eso es todo. Más por venir una vez que haya tenido una semana con él.

Publicaciones anteriores: