O Claude Opus 4.8 é o lançamento Opus da Anthropic para código agêntico complexo e trabalho empresarial, construído diretamente sobre o Opus 4.7.
- Entrada
- texto imagem $5/M
- Saída
- texto $25/M
- Leitura de cache
- $0.5/M
- Contexto
- 1M
- Corte de conhecimento
- 2026-01
Benchmarks
Publicado pelos fornecedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 60 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 1.000.000 |
|---|---|
| Saída máxima (especificação do fornecedor) | 128.000 |
| Corte de conhecimento | 2026-01 |
Cache de prompts
| Modo | explícito (opt-in) |
|---|---|
| Prefixo mín. | 1.024 |
| Duração | 5 min por padrão, 1 hora opcional |
| Custo de escrita | 1.25x (5m) / 2x (1h) |
Raciocínio
| Parâmetro do fornecedor | thinking.type "adaptive" + output_config.effort |
|---|---|
| Valores aceites | thinking.type adaptive · disabled; effort low · medium · high · xhigh · max; "enabled" returns 400 |
| Valor predefinido | raciocínio desativado; effort high aplicado quando o pedido nada indica |
| Pode ser desativado | Sim |
| Comportamento do raciocínio | O raciocínio entre chamadas de ferramentas sempre aparece em blocos de raciocínio, sem beta header; display tem padrão "omitted", então os blocos de raciocínio voltam com o campo thinking vazio a menos que você defina display "summarized"; os blocos de raciocínio dos turnos anteriores permanecem no contexto e são cobrados como entrada. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high a superfície de parâmetros do gateway - aplica-se o mapeamento do fornecedor acima |
Modelo
| Modalidades | texto + imagem → texto |
|---|
- Contexto de 1M por padrão
- effort com padrão high
- fast mode disponível como research preview
- mensagens de sistema no meio da conversa
- prompt mínimo cacheável reduzido para 1.024 tokens
- entrada de imagem em alta resolução
conforme documentação oficial da Anthropic ↗
Um prompt, medido pelo gateway
Claude Opus 4.8 passou · 3 sentences
Reasoning models generate a hidden "thinking" phase before producing their final answer, and we're billed for every one of those internal tokens even though they never appear in the user-facing output. Because this deliberation often runs several times longer than the answer itself, our token consumption per request grew substantially even though our request volume stayed flat. The upside is that this trade buys us materially higher accuracy on complex tasks, so the right question isn't just cost but whether the improved output quality justifies the per-query premium for each use case.
saída 162 tok latência 4.2 s
Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.
Claude Opus 4.8 passou · 8/8 cases
## Fixed Function ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ## Explanation of the Bug The original code counted **transitions between equal adjacent elements** rather than the **length of the run** itself. It initialized `best` and `cur` to `0` and incremented `cur` only when a match was found, so a run of length *N* recorded a count of *N-1* (e.g., a single element `[5]` never enters the loop and returns `0` instead of `1`, and `[5, 5]` returns `1` instead of `2`)—this is the off-by-one. […]
saída 495 tok latência 9.2 s
Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.
Claude Opus 4.8 passou · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```
saída 72 tok latência 1.8 s
Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.
Claude Opus 4.8 passou · 121 words, 0 banned, 1 question
**Introducing Cross-Provider Prompt Caching** Today we're launching prompt caching directly within our API gateway, designed to cut latency and reduce your inference costs. When identical or overlapping prompts hit the gateway, cached responses are served instantly instead of being routed to the underlying model provider again. What makes this different from provider-specific caching? Our system works across OpenAI, Anthropic, Google, and any custom endpoint you configure, so you maintain one consistent cache regardless of which model handles a request. You control cache duration, invalidation rules, and scope through simple configuration settings. Teams running high-volume workloads can expect meaningful savings on repeated queries and faster response times for end users. Cross-provider prompt caching is available now for all customers on paid plans.
saída 258 tok latência 5.3 s
Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.
Use o Claude Opus 4.8 em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="claude-opus-4-8",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "claude-opus-4-8",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-4-8",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "claude-opus-4-8",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("claude-opus-4-8")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Sobre o Claude Opus 4.8
- A página oficial de novidades destaca melhor código agêntico de longo horizonte com recuperação de compaction aprimorada, calibração de esforço de raciocínio mais confiável e menos chamadas de ferramentas ignoradas; a Anthropic também o descreve como um colaborador mais eficaz que corrige os problemas de verbosidade de comentários e de chamada de ferramentas vistos no 4.7.
- Novidades no lançamento: mensagens de sistema no meio da conversa que preservam acertos de cache de prompts, um mínimo de cache menor de 1.024 tokens (abaixo dos 2.048) e um research preview de modo rápido com velocidade de saída até 2,5x maior a uma tarifa premium.
- Ele carrega uma janela de contexto de 1M tokens, 128K de saída, raciocínio adaptativo (adaptive thinking) e visão, além do uso de computador e da entrada de imagem de alta resolução introduzida no 4.7.
- O raciocínio adaptativo fica desligado a menos que seja solicitado, mas dispara raciocínio apenas onde um turno precisa, o que a Anthropic diz desperdiçar menos tokens de raciocínio que o 4.7 no mesmo nível de esforço; o esforço assume high por padrão em todas as superfícies e alcança xhigh e max, com xhigh recomendado para código e trabalho de alta autonomia.
- O objeto de recusa que ele documenta retorna uma categoria e uma explicação legível por humanos, para que as aplicações possam rotear classes diferentes de recusa de formas diferentes.
- A Anthropic agora o lista entre os modelos legados atrás da geração Opus 5.
- A Synthorai o oferece pelo endpoint compatível com OpenAI que os desenvolvedores já usam.
Perguntas frequentes
A API do Claude Opus 4.8 é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $5/M de tokens de entrada, só esse crédito já cobre cerca de 24 requisições de ~8K tokens ao Claude Opus 4.8.
Em que o Claude Opus 4.8 é melhor?
Melhor código de longo horizonte com recuperação de compaction; mensagens de sistema no meio da conversa preservam acertos de cache; preview em modo rápido com velocidade de saída 2,5x. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o Claude Opus 4.8?
Na Synthorai, o Claude Opus 4.8 custa $5 por milhão de tokens de entrada e $25 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma. Tokens de entrada em cache são cobrados a $0.5/M.
O Claude Opus 4.8 suporta cache de prompts?
Sim, por opt-in: marque prefixos estáveis com breakpoints de cache_control. Tokens de entrada em cache são cobrados a $0.5/M, contra $5/M sem cache; os prompts precisam de um prefixo estável de 1,024 tokens para entrar em cache (TTL 5 min por padrão, 1 hora opcional). Guia de cache do Claude Opus 4.8 →
Como obtenho acesso ao Claude Opus 4.8?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="claude-opus-4-8" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do Claude Opus 4.8?
O corte de conhecimento do Claude Opus 4.8 é 2026-01, segundo a documentação oficial do fornecedor (verificado em 2026-07-09).
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.