Ha használtál már LLM-et kódolásra, ismerős a jelenség: magabiztos válasz, aztán csendben hibás kód. A Claude Opus 4.8 most azt ígéri, hogy nem csak „okosabb”, hanem őszintébb is — és ez a fejlesztői munkában sokszor többet ér, mint pár százalék plusz pontszám.

Mi történt

Megjelent a Claude Opus 4.8, amelyet az Anthropic kifejezetten úgy pozicionál, mint egy óvatosabb, megbízhatóbban viselkedő modellt. A vállalati állítás lényege: a modell ritkábban tesz alá nem támasztott kijelentéseket, és nagyobb eséllyel jelzi, ha bizonytalan egy válaszban. Kódolási feladatoknál belső értékelések alapján az Opus 4.8 körülbelül négyszer kisebb eséllyel „engedi át” szó nélkül a saját kódjában lévő hibákat, mint az elődje.

A kiadás nem csak a modellről szól, hanem a köré épített munkamódról is. A Claude Code-ban eddig is létezett az „effort” beállítás (gondolj rá úgy, mint a „mennyi számítási keretet kapjon a gondolkodás” csúszkára). Opus 4.8-ban a magas effort az alapértelmezett, és a cél az, hogy hasonló token-mennyiségből (a token a szöveg feldarabolt egysége, amiben a modellek „számolnak”) jobb kimenet jöjjön ki. Ez az effort-szabályozás most megérkezik a Claude.ai felületre és a Cowork környezetbe is: magasabb effortnél alaposabb mérlegelés, alacsonyabbnál gyorsabb válasz és kevesebb „visszafogás”.

Miért fontos

A „becsületesebb” AI nem morális kérdésként érdekes, hanem üzemeltetési és költségkérdésként. Ha egy modell jobban jelzi a bizonytalanságát, az olyan, mintha egy kolléga nem csak leadná a feladatot, hanem mellétenné: „itt még ellenőrizni kell.” Ez különösen akkor számít, amikor nem egyetlen választ kérsz, hanem egy egész rendszert építtetsz vele — például több szolgáltatásból álló (multi-service) alkalmazásban, ahol egy apró téves feltételezés láncreakciót indíthat.

Mire figyelj

  1. Dinamikus munkafolyamatok (research preview): az Opus 4.8 képes lehet egy feladatot megtervezni, majd egy sessionben akár százával párhuzamos „subagenteket” futtatni, és az eredményeket ellenőrizni, mielőtt visszajelent. Ez kifejezetten nagy léptékű munkákhoz van kitalálva, például több százezer sornyi kódot érintő migrációkhoz. Itt az „őszinteség” ígérete gyakorlati jelentést kap: ha sok al-ügynök dolgozik, emberi szemmel nem fogod tudni mindet kézzel auditálni.
  2. Elérhetőség és csomagok: a dinamikus workflow funkció a Claude Code Enterprise, Team és Max csomagjaiban érhető el, tehát nem mindenki fogja azonnal megkapni.
  3. Árazás és üzemmódok: a normál tokenárak nem változtak (5 dollár / millió input token, 25 dollár / millió output token). A fast mode olcsóbb lesz, ami ott lehet fontos, ahol sok rövid iterációt futtatsz, és a válaszidő/költség fontosabb, mint a maximális alaposság.

A ZDNet AI-ban megszólaló Shopify-mérnök, Tom Pritchard tapasztalata alapján az Opus 4.8 „jobb ítélőképességet” mutat: több kérdést tesz fel, hamarabb észreveszi a saját hibáit, és visszanyomja a rossz terveket — ez az a fajta viselkedés, ami a nagyobb kódmódosításoknál tényleg csökkentheti a kockázatot.