Anthropic ag déanamh Claude Opus 4.8 níos cúramaí agus níos lú muiníneach agus é mícheart
Tá Claude Opus 4.8 eisithe ag Anthropic, samhail nua shuaitheanta nach bhfuil a príomhbhuntáiste teoranta do ghiniúint cód níos fearr ná do chuimhne níos faide, ach d’iompar. Dearadh í chun éiginnteacht a admháil níos minice agus chun a botúin féin a ligean thar bráid gan iad a thabhairt faoi deara níos annaimhe. De réir Anthropic, tá Opus 4.8 thart ar cheithre huaire níos lú seans ann ná a réamhtheachtaí earráidí sa chód a scríobhann sé a fhágáil gan bhrath.
Ciallaíonn “IS ionraic” níos lú caimiléireachta, ní coinsias morálta.
Úsáideann Anthropic focal láidir do Claude Opus 4.8: ionracas. I dtéarmaí teicniúla, ní chiallaíonn sé sin cinnteoir morálta, ach samhail ar cheart di níos lú éileamh gan bhunús a dhéanamh, laigí ina cuid oibre féin a thabhairt faoi deara níos minice, agus éiginnteacht a chur in iúl níos soiléire.
Is athrú suntasach é sin. Is minic a bhíonn samhlacha móra teanga is contúirtí go díreach nuair a chloiseann siad is muiníní. Ní deir siad “níl a fhios agam”, tógann siad freagra inchreidte ar bhunús tanaí fianaise. Deir Anthropic anois go dtugann Opus 4.8 aghaidh ar an bhfadhb sin ar bhealach níos dírí ná Opus 4.7.
Baineann an tomhas is nithiúla le cód. Maíonn Anthropic ina mheasúnuithe féin go ligeann Opus 4.8 d’earráidí ina chód féin dul gan bhrath thart ar cheithre huaire níos annaimhe ná a réamhtheachtaí. Níor cheart é sin a leathnú go huathoibríoch chuig gach réimse, an dlí, an leigheas ná anailís airgeadais, ach is comhartha láidir é d’fhorbróirí.
Tá Opus 4.8 tógtha d’obair fhada, ní hamháin do fhreagraí gasta.
Cuireann Anthropic síos ar Claude Opus 4.8 mar an Claude atá ar fáil go ginearálta is cumasaí aige le haghaidh réasúnaíocht chasta, obair ghníomhaireach fhada agus sreafaí oibre níos uathrialaithe. Is é claude-opus-4-8 aitheantas na samhla, agus sroicheann fuinneog an chomhthéacs 1 mhilliún comhartha trí Claude API, Amazon Bedrock agus Vertex AI, le haschur uasta 128,000 comhartha. In Microsoft Foundry, tá fuinneog an chomhthéacs teoranta do 200,000 comhartha.
Maidir le praghsáil, níl Anthropic ag roghnú bealach níos saoire. Cosnaíonn Opus 4.8 $5 in aghaidh gach milliún comhartha ionchuir agus $25 in aghaidh gach milliún comhartha aschuir. Tá sé sin fós níos daoire ná Sonnet 4.6 ag $3 agus $15, ach díríonn Opus ar thascanna níos deacra ina bhféadfadh aon chinneadh mícheart amháin costas níos mó ná úsáid na samhla féin a chruthú.
Is anseo atá luach praiticiúil Opus 4.8. Nuair is fearr a thuigeann samhail cathain ba cheart di stad, uirlis a ghlaoch, amhras a sheiceáil nó cur i gcoinne ionchur an úsáideora, bíonn sí ina comhpháirtí níos iontaofa i dtimpeallacht forbartha, ní gá go mbeadh sí níos cliste, ach bíonn sí níos lú contúirteach ina ró-mhuinín.
Déanann Dynamic Workflows foireann gníomhairí de Claude.
In éineacht le Opus 4.8, thug Anthropic Dynamic Workflows isteach do Claude Code. Ligeann an ghné do Claude tasc mór a bhriseadh ina dheicheanna nó ina céadta post fo-ghníomhairí comhthreomhara, a dtorthaí a fhíorú agus freagra comhdhlúite a thabhairt ar ais don úsáideoir. Tá sí ar fáil i réamhamharc taighde trí Claude Code CLI, an aip deisce, an síneadh VS Code, agus tríd an API, Amazon Bedrock, Vertex AI agus Microsoft Foundry.
Ní áis bheag áise í seo. I bhforbairt bogearraí, bogann sí Claude ó fhuinneog chomhrá aonair go hinneall sreafa oibre gníomhaireach. Luann Anthropic tóraíochtaí fabhtanna trasna bonn cód, iniúchtaí slándála, imirce ar scála mór agus tascanna criticiúla ina ndéanann gníomhairí neamhspleácha iarracht torthaí a bhréagnú freisin.
Míníonn an treo céanna an bhéim ar “ionracas” na samhla. Nuair a dhéanann bota comhrá aonair botún, is minic a thugann úsáideoir faoi deara go tapa é. Ach nuair a bhíonn na céadta fo-ghníomhairí ag obair trasna bonn mór cód, is féidir le muinín as áit dul i méid ina hearráid an-chostasach. Dá bhrí sin, ní leor do Opus 4.8 réiteach a fháil, caithfidh sé a bheith ar an eolas freisin cathain le stopadh.
Tugann rialú iarrachta luamhán d’úsáideoirí ar chostas agus ar cháilíocht.
Úsáideann Opus 4.8 leibhéal ard iarrachta de réir réamhshocraithe, rud a gcuireann Anthropic síos air mar an chothromaíocht is fearr idir cáilíocht agus inúsáidteacht. Ligeann an rialú iarrachta nua d’úsáideoirí a roghnú cé mhéad a “smaoiníonn” an tsamhail sula bhfreagraíonn sí. Tugann socrú níos airde torthaí níos fearr ar thascanna níos deacra, agus sábhálann socrú níos ísle am agus cuóta comharthaí.
Tá dhá shonra eile tábhachtach d’fhorbróirí. Ar dtús, tacaíonn Opus 4.8 le hinstealladh leid chórais i lár comhrá, rud a cheadaíonn treoracha a nuashonrú le linn rith fhada ghníomhaireach gan an leid chórais iomlán a sheoladh arís. Ar an dara dul síos, cuireann mód gasta, atá i réamhamharc taighde faoi láthair, ar chumas giniúint comharthaí aschuir suas le 2.5× níos tapúla, cé go bhfuil praghsáil phréimhe i gceist.
Tá tábhacht ar leith leis sin do ghnólachtaí Eorpacha mar gheall ar an tsamhail chostais. De réir mar a aistríonn IS ó ghineadóir téacs go bainisteoir sreafa oibre, bíonn meáchan eacnamaíoch ag gach comhartha. Déanann Opus 4.8 iarracht réasúnaíocht ar leibhéal suaitheanta a thairiscint agus ligean d’úsáideoirí cinneadh a dhéanamh cathain is fiú íoc as anailís níos doimhne agus cathain is fearr freagra níos gasta a ghlacadh.
Tá Mythos sa chúlra mar chomhartha níos mó.
De réir Reuters, tagann Opus 4.8 agus Anthropic ag ullmhú eisiúint níos leithne den Claude Mythos níos cumhachtaí. Tá Mythos nasctha le hardchumais chibearshlándála agus tá sé ar fáil do chomhpháirtithe roghnaithe, lena n-áirítear Amazon, Microsoft agus Apple, trí Project Glasswing.
Cuireann sé sin Opus 4.8 i suíomh spéisiúil. Ní hí an tsamhail is cumhachtaí atá ag Anthropic, ach is í an Claude is cumasaí atá ar fáil go ginearálta ag an gcuideachta. Deimhníonn doiciméadú an API go bhfanann Claude Mythos Preview ina réamhamharc taighde ar leith do shreafaí oibre cosanta cibearshlándála, gan rochtain féinseirbhíse.
Dá bhrí sin, tá Anthropic ag díol Opus 4.8 ar bhonn iontaofachta inrialaithe seachas cumhachta gan teorainn. D’úsáideoirí gnó, d’fhéadfadh sé sin a bheith níos tábhachtaí ná bua aonair i mbinse-tástáil, mar sa dlí, in anailís airgeadais, i bhforbairt bogearraí agus in iniúchadh slándála, is é an rud a áirítear sa deireadh ná cé chomh minic a aithníonn samhail nach bhfuil bunús leordhóthanach aici fós chun conclúid dhaingean a bhaint amach.