Claude Opus 4.8: 69,2% no SWE-Bench Pro e Fast Mode 3x mais barato

A Anthropic acaba de soltar o Claude Opus 4.8 e, diferente do que aconteceu em alguns updates anteriores, esse aqui não é refresh de versão — é a primeira release em meses onde a empresa bate o GPT-5.5 em seis dos sete benchmarks que importam pra quem codifica. O modelo chegou hoje, 28 de maio de 2026, com 69,2% no SWE-Bench Pro, 83,4% no OSWorld-Verified e um Fast Mode três vezes mais barato que nas versões anteriores.

Eu rodei o Opus 4.8 algumas horas antes de escrever isso e o salto mais óbvio está no julgamento do modelo dentro de tarefas multi-arquivo. Ele pergunta antes de assumir, recua quando o plano não fecha e termina o que começou — o que pra mim sempre foi o calcanhar de Aquiles do Opus 4.7 em sessões longas. Abaixo, o que mudou de verdade e por que isso importa pra quem usa Claude pra programar de verdade.

O que mudou: Opus 4.8 vs Opus 4.7 em números

A tabela oficial da Anthropic compara o Opus 4.8 com o 4.7, GPT-5.5 e Gemini 3.1 Pro em sete eixos. Em coding agêntico (SWE-Bench Pro), o Opus 4.8 sobe de 64,3% para 69,2%, abrindo uma vantagem de mais de 10 pontos sobre o GPT-5.5 (58,6%) e o Gemini 3.1 Pro (54,2%). Em OSWorld-Verified, que mede uso de computador por agentes, o salto é mais modesto (82,8% para 83,4%), mas ainda é o melhor número da indústria. No Humanity's Last Exam sem ferramentas, o modelo passa de 46,9% para 49,8% — quase 50% de respostas corretas em provas que humanos PhD não fecham. Knowledge work no GDPval-AA pulou de 1753 para 1890.

O único lugar onde a Anthropic ainda apanha é Terminal-Bench 2.1, onde o GPT-5.5 com Codex CLI marca 78,2% contra 74,6% do Opus 4.8. Vale a ressalva: é o harness do concorrente medido com a métrica do concorrente — e mesmo assim o gap fechou bastante em relação ao 4.7, que estava em 66,1%. Pra quem quer entender melhor o papel do harness nesse tipo de comparação, escrevi um post explicando como o harness transforma o modelo em agente de verdade e por que score isolado de modelo conta só metade da história.

SWE-Bench Pro 69,2%: a vitória que mais importa pra desenvolvedor

Quem usa Claude Code no dia a dia sabe que o SWE-Bench Pro é o benchmark que mais reflete o trabalho real: bugs multi-arquivo em repositórios sérios, com testes que precisam passar. 69,2% nesse cenário é a primeira vez que um modelo público cruza essa fronteira sozinho — e sem truques de scaffold exótico. Os 4,9 pontos de ganho sobre o Opus 4.7 podem parecer modestos, mas quando você está rodando agente autônomo por horas a fio, cada ponto a mais é uma intervenção humana a menos.

Tom Pritchard, Staff Engineer citado pela própria Anthropic, resumiu bem: o Opus 4.8 "faz as perguntas certas, pega os próprios erros e empurra de volta quando o plano não está bom". Eu vi isso acontecer ao vivo: pedi pra refatorar um endpoint Next.js e o modelo parou pra perguntar se eu queria manter compatibilidade com a versão antiga da API antes de tocar em uma linha sequer. Opus 4.7 simplesmente partiria pra cima.

OSWorld 83,4% e o futuro do agente que mexe no seu computador

83,4% em OSWorld-Verified significa que o Opus 4.8 é, por uma margem confortável, o melhor modelo público pra tarefas de browser e desktop automation. A Miguel Gonzalez, Tech Lead citado pela Anthropic, complementa com outro número: 84% em Online-Mind2Web — um salto significativo sobre o 4.7 e sobre o GPT-5.5. Pra quem está construindo agentes de RPA modernos, agentes de pesquisa autônoma ou qualquer coisa que precise clicar em telas reais, esse número muda o cálculo de viabilidade. Fluxos que dois meses atrás precisavam de fallback humano agora têm chance real de fechar sozinhos.

Dynamic Workflows e Effort Control: o que vem junto do modelo

A Anthropic não soltou só pesos novos — soltou dois recursos de produto que aproveitam o salto de inteligência. O Dynamic Workflows, em research preview no Claude Code, dispara centenas de subagentes paralelos pra tarefas grandes (ex: refatorar 200 arquivos de uma vez). Já o Effort Control, no claude.ai e no Cowork, deixa você escolher entre níveis high, xhigh e max — mais effort, mais thinking, mais tempo de espera, mas também respostas melhores. Pra quem orquestra agentes via harness aberto como o Archon, o controle de effort no nível da chamada vira alavanca de custo bem direta.

Tem mais uma novidade silenciosa que vale a pena destacar: a Messages API agora aceita atualizar entradas de system mid-task sem quebrar o prompt cache. Quem constrói agente longo em produção sabe que invalidar cache no meio de uma sessão dói no bolso — esse fix sozinho já paga semanas de release.

Preço: Fast Mode 3x mais barato e o que isso destrava

O Opus 4.8 mantém o tier regular em US$ 5 por milhão de tokens de entrada e US$ 25 por milhão de saída — os mesmos valores do 4.7. O que mudou de verdade foi o Fast Mode: US$ 10 input / US$ 50 output, três vezes mais barato que o Fast Mode anterior. Pra contexto, Fast Mode antes era proibitivo pra qualquer aplicação que rodasse em escala; agora ele entra na conversa de uso em produção. Hanlin Tang, CTO da Neural Networks (Databricks), disse que o Genie agora roda PDFs e diagramas com o Opus 4.8 a 61% menos custo por token que com o 4.7 — número que casa com o salto de eficiência de tool calling que vários parceiros citaram.

Se você é dev individual rodando Claude Code direto pelo terminal, esse preço novo não chega ainda no plano assinado (Pro/Max continuam com cap de uso), mas pra quem queima crédito via API o ganho é direto. Falei sobre como organizar esse consumo em 9 dicas para nunca mais ficar sem créditos no Claude Code — e várias delas escalam ainda melhor agora que o Fast Mode caiu de preço.

Por que isso importa pra quem codifica com IA

Três coisas que eu tiro dessa release: (1) a brecha entre Anthropic e OpenAI em coding agêntico voltou a abrir — e agora os números falam por si mesmos, não só os testemunhos; (2) o foco em julgamento e honestidade do modelo (a Anthropic diz que ele é 4× menos propenso a deixar bug passar despercebido) só faz sentido se você confia o suficiente pra deixar o agente rodando sozinho — e isso muda como você desenha o loop; (3) o corte no Fast Mode é o tipo de movimento que destrava casos de uso que estavam mortos no papel por questão de custo. Quem está construindo SaaS em cima de Claude tem janela agora pra repensar arquitetura.

Conclusão

Opus 4.8 não é só um modelo mais inteligente — é a primeira release em meses onde a Anthropic mostra que pode liderar e cortar preço ao mesmo tempo. 69,2% no SWE-Bench Pro com Fast Mode 3× mais barato é exatamente o tipo de combinação que muda o jogo no curto prazo. Toda a fundamentação do anúncio, a tabela completa de benchmarks e os depoimentos dos 11 parceiros citados estão no anúncio oficial da Anthropic — vale a leitura pra entender o System Card antes de subir Opus 4.8 em produção.