ستة أسابيع. هذا هو الوقت الذي استغرقته Anthropic للانتقال من Opus 4.7 إلى Opus 4.8.
النموذج الجديد أسرع وأكثر ذكاءً في اختبارات الأداء، ويأتي مع مجموعة من الميزات الجديدة - لكن السعر لم يتغير: 5 دولارات لكل مليون رمز إدخال و25 دولارًا لكل مليون رمز إخراج، كما كان من قبل.
هناك أيضًا وضع سريع يشغل نفس النموذج بسرعة 2.5 مرة بسعر 10 دولارات للإدخال و50 دولارًا مذهلاً للإخراج لكل مليون. تقول Anthropic أن هذا السعر الآن أرخص بثلاث مرات مما كان يكلفه الوضع السريع في النماذج السابقة، وهي طريقة لطيفة للقول إنه كان أكثر تكلفة بكثير من قبل.
ربما يكون SWE-bench Pro هو أهم معيار للمراقبة ولتكوين فكرة عن مدى جودة هذا النموذج. إنه يقيس ما إذا كان الذكاء الاصطناعي يمكنه بالفعل حل مشاكل هندسة البرمجيات الصعبة ومتعددة اللغات المستقاة من قواعد بيانات إنتاج حقيقية - يتم تسجيله كنسبة مئوية من المشاكل التي تم حلها بنجاح.
في هذا الاختبار، حقق Opus 4.8 نسبة 69.2%، ارتفاعًا من 64.3% لـ Opus 4.7. سجل GPT-5.5 من OpenAI نسبة 58.6%، وتخلف Gemini 3.1 Pro من Google بنسبة 54.2%. بالنسبة لنموذج بنفس السعر، تعد هذه قفزة ذات مغزى.
في امتحان "نهاية الإنسانية" (Humanity's Last Exam) - وهو عبارة عن أسئلة بمستوى الخبراء عبر عشرات التخصصات الأكاديمية، يتم تسجيلها كنسبة مئوية صحيحة - حقق Opus 4.8 نسبة 49.8% بدون أدوات و57.9% باستخدامها، متفوقًا على جميع المنافسين الثلاثة. أما OSWorld-Verified، الذي يختبر مهام استخدام الكمبيوتر في العالم الحقيقي مثل التنقل في واجهات المستخدم للبرامج، فقد جاء بنسبة 83.4%، متجاوزًا قليلاً درجة Opus 4.7 البالغة 82.8%.
الخسارة الوحيدة: Terminal-Bench 2.1، الذي يقيس أداء الذكاء الاصطناعي في مهام سطر الأوامر. يتصدر GPT-5.5 بنسبة 78.2%، بينما يسجل Opus 4.8 نسبة 74.6% - وهو أفضل من 66.1% لـ Opus 4.7 وأعلى من 70.3% لـ Gemini، ولكن المركز الثاني لا يزال خسارة في النهاية.
تسمح Anthropic الآن للمستخدمين بالتحكم في مدى عمق تفكير النموذج. "مرتفع" (High) هو الإعداد الافتراضي ويتعامل مع معظم المهام بشكل جيد، بينما "إضافي" (Extra) - ويُطلق عليه "xhigh" داخل Claude Code - يستهلك قدرة حاسوبية أكبر للمشاكل الأصعب. "أقصى" (Max) هو الحد الأقصى. تخصص المستويات "منخفض" (Low) و"متوسط" (Medium) رموزًا أقل لنفس المهمة، مما يوفر بعض الوقت مقابل الدقة.
يوجد التحكم في الجهد بجانب محدد النموذج في claude.ai وCowork، ومتاح على جميع الخطط. تقول Anthropic إن الإعداد الافتراضي المرتفع يستخدم تقريبًا نفس عدد الرموز مثل الإعداد الافتراضي لـ Opus 4.7 مع نتائج أفضل - وهو إما هندسة رائعة أو رسالة تسويقية جيدة، وربما كلاهما.
من المهم أيضًا تذكر أن مُرمّز (tokenizer) Anthropic الجديد لـ Opus يستخدم المزيد من الرموز لكل مهمة. لذا، فإن مستخدمي Claude سيستهلكون حتمًا المزيد من المال لإنجاز المهام، إذا اختاروا Opus بدلاً من Claude Sonnet - وهو نموذج أقل قدرة، ولكنه ربما يكون جيدًا بما يكفي للمهام اليومية والمشكلات المعقدة التي لا تصل إلى مستوى العلوم أو البرمجة المتقدمة.
تم أيضًا رفع حدود السعر في Claude Code لاستيعاب استهلاك الرموز الأعلى الذي تنتجه إعدادات Extra وMax.
قال فريق التوافق في Anthropic إن Opus 4.8 "يحقق مستويات جديدة في مقاييسنا للصفات الاجتماعية الإيجابية مثل دعم استقلالية المستخدم والعمل لمصلحته الفضلى". وبشكل أكثر تحديدًا: كانت معدلات الخداع ومعدلات التعاون في إساءة الاستخدام أقل بكثير من Opus 4.7، وقابلة للمقارنة مع Claude Mythos Preview - النموذج الأكثر تقييدًا من Anthropic.
كما أن Opus 4.8 أقل عرضة أربع مرات من 4.7 للسماح بالأخطاء في كوده الخاص بالمرور دون الإبلاغ عنها.
تستحق مقارنة Mythos سياقًا. يمثل Mythos فئة أعلى تمامًا من Opus - تصفه Anthropic بأنه "أكبر وأكثر ذكاءً من نماذج Opus الخاصة بنا". وهو موجود حاليًا كمعاينة فقط، ويمكن الوصول إليه لعدد قليل من المنظمات المعتمدة التي تقوم بعمل الأمن السيبراني من خلال Project Glasswing.
وجد معهد الأمن السيبراني في المملكة المتحدة أنه يمكنه إكمال "الآخرون" (The Last Ones) بشكل مستقل، وهي محاكاة لهجوم على شبكة الشركات مكونة من 32 خطوة تستغرق عادةً 20 ساعة من فرق الاختراق البشري. لهذا السبب لم يتم طرحه للبيع بعد. وتقول Anthropic إن ضمانات الأمن السيبراني الأقوى قيد التقدم، وتتوقع جلب نماذج من فئة Mythos للجميع "في الأسابيع القادمة".
يتم أيضًا إطلاق اليوم: سير العمل الديناميكي في Claude Code، في معاينة بحثية. تتيح هذه الميزة لـ Claude كتابة نصوص التنسيق الخاصة به وإنشاء وكلاء فرعيين متوازيين في جلسة واحدة، والتحقق من مخرجاتهم، وتقديم التقارير - تمامًا مثل ما كان يقوم به Hermes منذ فترة طويلة.
تتوفر سير العمل الديناميكية لمستخدمي خطط Enterprise وTeam وMax، وتوضح Anthropic بصراحة أنها تستهلك رموزًا أكثر بكثير من جلسة Claude Code القياسية.
تبدو تسعيرة Anthropic البالغة 5 دولارات / 25 دولارًا مختلفة تمامًا مقارنة بما كانت تفعله الصين مؤخرًا.
جعل DeepSeek V4 Pro خصمه الدائم بنسبة 75% الأسبوع الماضي: 0.435 دولار لكل مليون رمز إدخال و0.87 دولار لكل مليون رمز إخراج. يعمل Xiaomi MiMo V2.5 Pro بنفس الأسعار عبر مزودين مثل OpenRouter.
يكلف وضع Anthropic السريع 10 دولارات للإدخال و50 دولارًا للإخراج لكل مليون - وهو أغلى من Opus 4.8 القياسي نفسه، وحوالي 57 مرة أكثر لكل رمز إخراج من DeepSeek V4 Pro. لقد أنفقت الشركات بالفعل ملايين الدولارات على الاستدلال في النماذج الأمريكية. إذا استخدمت Opus بشكل مكثف، فقد تصل نفقات شركتك إلى ملايين الدولارات بسرعة كبيرة.
إجابة Anthropic على فجوة الأسعار هي الجودة والسلامة. في SWE-bench Pro، يتفوق Opus 4.8 على كلا النموذجين الصينيين. وفيما يتعلق بالتوافق، لا يقترب أي منهما من معايير Anthropic المنشورة.
هذه الأمور مهمة في بيئات الإنتاج حيث يمثل التعاون الصامت للنموذج مع المدخلات السيئة خطرًا حقيقيًا - في الصناعات المنظمة، والعمل القانوني، وأي شيء لا يكون فيه "بدا الأمر جيدًا" تقريرًا مقبولًا بعد الحادث. أما بالنسبة للجميع، فإن الفجوة يصعب تجاهلها.
أجرينا اختبار برمجة سريعًا لإنشاء لعبة زومبي ثلاثية الأبعاد لنرى كيف يتفوق Claude Opus 4.8 على ChatGPT وDeepSeek، وهما على الأرجح أشهر منافسيه من الولايات المتحدة والصين. قمنا بضبط Opus 4.8 على الوضع الافتراضي "عالي"، وGPT-5.5 على جهد "عالي"، وDeepSeek V4 Pro على جهد "عالي" - ثلاثة نماذج، موجه واحد، لا توجد إعادة محاولات.
أنهى GPT-5.5 أولاً. لم يكن للعبته أي صور زومبي أو مؤثرات صوتية. كانت سريعة، بالتأكيد، لكنها أغفلت المتطلبات تمامًا.
جاء DeepSeek V4 Pro في المرتبة الثانية مع حركة الماوس، وشخصيات زومبي فعلية، ومؤثرات صوتية، وآليات لعب قوية، وجمالية نظيفة. لا توجد شكاوى هناك.
استغرق Opus 4.8 ما يقرب من ثلاثة أضعاف الوقت الذي استغرقه GPT-5.5، لكنه قدم أفضل شاشة بدء، وأفضل تصاميم للزومبي، وأفضل آليات لعب، ومؤثرات صوتية لائقة. كان الأبطأ، ولكنه الأفضل من حيث المخرجات. ومع ذلك، قد لا يكون ذلك كافيًا لتبرير استخدامه بدلاً من DeepSeek، بالنظر إلى فجوة التكلفة.
جميع الألعاب متوفرة على ملفنا الشخصي في Itch.io. أنتج GPT-5.5 لعبة Zombie Typing، وأنتج Opus لعبة Typing Dead، وأنتج DeepSeek v4 Pro لعبة بدون اسم تنقلك مباشرة إلى الحدث. دعنا نسميها TypeSeek.
مراجعة مقارنة كاملة قادمة. في الوقت الحالي: يقوم Claude Opus 4.8 بالبرمجة بشكل أفضل من GPT-5.5 وOpus 4.7 لهذا النوع من المهام، بنفس السعر الذي فرضته Anthropic منذ 4.7. لقد حصل المطورون الذين كانوا يدفعون بالفعل 5 دولارات لكل مليون رمز على نموذج أفضل مجانًا.
